CAPÍTULO 5 - INTRODUÇÃO À INFERÊNCIA ESTATÍSTICA

Tamanho: px
Começar a partir da página:

Download "CAPÍTULO 5 - INTRODUÇÃO À INFERÊNCIA ESTATÍSTICA"

Transcrição

1 CAPÍTULO 5 - INTRODUÇÃO À INFERÊNCIA ESTATÍSTICA 5. INTRODUÇÃO É freqüete ecotrarmos problemas estatísticos do seguite tipo : temos um grade úmero de objetos (população) tais que se fossem tomadas as medidas X de todos os objetos teríamos a distribuição exata desta variável. Etretato, de modo geral ocorre que a obteção das observações de todos os elemetos é iviável por algum motivo (custos, tempo, dados iacessíveis, populações ifiitas, etc.) e o estudo é realizado, etão, através de uma amostra retirada da população. Por exemplo, supoha que se queira cohecer a altura média dos estudates de Egeharia do CEFET. Poderíamos obter as medidas das alturas de todos os aluos citados e calcular a sua média exata. Etretato, podemos obter uma estimativa desta média através de uma amostra retirada do cojuto de todos os aluos cosiderados e tirar coclusões a respeito do comportameto da variável altura em toda a população. Este procedimeto de fazer afirmações (geeralizações) sobre características de uma população baseado-se em resultados de uma amostra, é objeto de estudo da INFERÊNCIA ESTATÍSTICA. Esquematicamete temos : População X θ =? Amostra θ Iferêcia Estatística X, X,..., X A Iferêcia Estatística é dividida em duas partes : Estimação e Testes de Hipóteses. Testes de Hipóteses é um processo de aceitar ou rejeitar afirmações feitas sobre características de uma população, equato que Estimação trata de estimar valores para características populacioais. A fim de podermos estudar os procedimetos da Iferêcia Estatística, precisamos cohecer, além dos coceitos de probabilidade e distribuições de probabilidade vistos, algus elemetos básicos dessa teoria, os quais apresetamos a seguir.

2 90 ESTATÍSTICA 5. POPULAÇÃO E AMOSTRA População é o cojuto de idivíduos (ou objetos), tedo pelo meos uma variável comum observável. Amostra é qualquer subcojuto da população. Por exemplo, imagie que um idustrial está iteressado em cohecer a duração de vida de um determiado compoete eletrôico do seu processo produtivo. A população é formada por todos os compoetes deste tipo que teham sido fabricados ou que aida veham a ser fabricados essa idústria. Uma amostra poderia ser formada por 00 destes compoetes escolhidos ao acaso segudo algum plao de retirada da amostra. Se a variável de iteresse este estudo for X = duração de vida dos compoetes, etão a sua caracterização a população poderá ser feita através da distribuição de probabilidade de X. (O modelo expoecial pode ser adequado este caso). 5.3 PESQUISA POR AMOSTRAGEM Uma vez que costatamos a ecessidade de um estudo de iteresse ser feito através de uma amostra, temos algus problemas a resolver. Um deles é defiir claramete os elemetos da população a ser estudada, chamada de população-alvo, e a idicação das características desta população que serão medidas, ou seja, quais as variáveis que serão avaliadas a pesquisa. Outro problema é defiir como a amostra será obtida, qual o seu tamaho e quais os elemetos da população irão compor a amostra. Os problemas de amostragem podem ser mais ou meos complexos, depededo da população e das variáveis do estudo. Etretato, uma preocupação básica em relação a uma amostra é que ela seja represetativa da população-alvo, pois somete assim podemos fazer iferêcias válidas. Para coseguir represetatividade é ecessário que o processo de escolha da amostra seja aleatório. Assim, em Iferêcia Estatística, são utilizadas amostras probabilísticas que são aquelas obtidas quado todos os elemetos da população tem probabilidade cohecida, e diferete de zero, de pertecer à amostra. Os métodos mais comus de extração de amostras probabilísticas são : Amostragem Aleatória Simples, Amostragem por Coglomerado, Amostragem Estratificada e Amostragem Sistemática.

3 ESTATÍSTICA 9 _ 5.4 PARÂMETROS E ESTATÍSTICAS Um parâmetro é uma medida usada para descrever uma característica da população. Por exemplo, se estamos iteressados em estudar a v.a. X = altura dos elemetos de uma população e esta variável tem Distribuição Normal N(µ,σ ), etão a média µ e a variâcia σ são os parâmetros deste modelo. São valores fixos e muitas vezes descohecidos. Uma estatística é uma característica da amostra. Assim, se X, X,..., X é uma amostra aleatória de uma variável X, etão $ θ = f (X, X,..., X ) é uma estatística. População Amostra X Estatística (X, X,..., X ) Parâmetro $ θ θ A otação mais comum para algus parâmetros e estatísticas é : Estatística Parâmetro Média X µ Variâcia s σ N o de Elemetos N Proporção $p p

4 9 ESTATÍSTICA 5.5 DESCRIÇÃO DE UMA AMOSTRA DE MEDIDAS Dados estatísticos (amostras) obtidos de pesquisas, experimetos, ou qualquer série de medidas, são geralmete tão umerosos que se ão forem codesados ou reduzidos de forma adequada, poderão ser iúteis. Portato, existe a ecessidade de se resumir estas medidas estatisticamete para que possam ser utilizadas em aálises posteriores. Veremos, a seguir, algus métodos de descrição de dados amostrais DESCRIÇÃO GRÁFICA DE UMA AMOSTRA DE MEDIDAS Cosidere os dados abaixo como sedo os pesos de coberturas de zico de 80 lâmias de ferro galvaizado de um dado tamaho, tomados de um maual da Sociedade Americaa de Testes de Materiais. Os 80 úmeros podem ser vistos como valores de uma variável aleatória X. Para ivestigar a distribuição de X, uma represetação gráfica simples é dada pelo diagrama de freqüêcia de potos, o qual cada um dos 80 úmeros é idicado por um poto do eixo x correspodete a tal úmero. TABELA : Pesos (em ouces) de coberturas de zico de 80 lâmias de ferro galvaizado.,47,60,58,56,44,6,60,58,39,35,5,38,3,65,53,77,73,6,6,38,55,70,47,53,46,53,60,4,47,44,38,60,45,34,47,37,48,34,58,43,64,5,44,49,64,46,53,56,56,50,63,59,48,54,6,54,50,48,57,4,53,60,55,67,57,34,54,64,47,75,60,57,58,63,47,64,5,44,49,64

5 ESTATÍSTICA 93 _ GRÁFICO : 30 f 0 0,0,30,40,50,60,70,80 Peso da Cobertura ( ouces ) 5.5. DISTRIBUIÇÃO DE FREQÜÊNCIAS É uma tabela que agrupa os dados em um úmero relativamete pequeo de classes ( itervalos ), listado o úmero de observações pertecetes a cada classe. Embora se perca alguma iformação a respeito dos dados, a distribuição é útil a ivestigação das características da variável em estudo. Vamos costruir uma distribuição de freqüêcias para os dados da tabela, seguido uma seqüêcia de procedimetos.. Determiar a amplitude total dos dados, isto é, a difereça etre o maior e o meor dado :,77 -,3 = 0,45. Dividir a amplitude total pelo úmero escolhido de classes ( ou itervalos ) de mesmo tamaho. Geralmete usamos de 0 a 5 classes e um comprimeto coveiete de classes é um úmero simples. Neste exemplo, usaremos 0 classes de comprimeto 0,05. Poderíamos utilizar 0,04, 0,03 ou 0,0, mas evitamos comprimetos tais como 0,033, 0,035, etc. 3. Os itervalos de classes devem ser tais que acomodem todos os dados da amostra, isto é, cada valor da amostra deve pertecer a alguma classe. Uma vez defiidos tais itervalos, cotar o úmero de dados pertecetes a cada itervalo. Aparecerão, etão, as freqüêcias de classe.

6 94 ESTATÍSTICA TABELA : A B C D E F Classes Freqs. Poto Médio Freqs. Relativas Freqs. Acumls. Freqs. Relat. Acumuls.,30 -,35 5,33 0, ,065,35 -,40 5,38 0, ,50,40 -,45 8,43 0, ,50,45 -,50 5,48 0, ,45,50 -,55 3,53 0, ,5750,55 -,60 7,58 0,5 63 0,7875,60 -,65,63 0, ,9375,65 -,70,68 0, ,965,70 -,75,73 0, ,9875,75 -,80,78 0,05 80,0000 Na colua A aparecem os limites de classe : limites iferiores e superiores. Na colua C estão os potos médios de classe, isto é, as médias dos limites de classe. Estes potos estão represetado cada um dos dados pertecetes à classe. Por exemplo, o valor,47, da quarta classe fica aproximado pelo poto médio,48, que o represeta. As freqüêcias relativas de classe, a colua D são as freqüêcias de classe da colua B divididas pela freqüêcia total 80. As freqüêcias acumuladas da colua E são as somas das freqüêcias de classe. As freqüêcias relativas acumuladas da colua F são as somas das freqüêcias relativas da colua D HISTOGRAMA E POLÍGONO DE FREQÜÊNCIAS Algumas propriedades importates das distribuições da freqüêcias, tais como a sua simetria, achatameto, o úmero de modas ( freqüêcias máximas ), etc. podem ser vistas um gráfico. Para represetar graficamete dados agrupados em uma distribuição de freqüêcias, podemos utilizar um histograma, um polígoo de freqüêcias ou um polígoo de freqüêcias acumuladas. Estas freqüêcias podem ser absolutas ou relativas. Os gráficos abaixo se referem à distribuição de freqüêcias dos dados da tabela :

7 ESTATÍSTICA 95 _ GRÁFICO : Freq HISTOGRAMA Pesos GRÁFICO 3 : Freq POLÍGONO DE FREQÜÊNCIAS GRÁFICO 4 : Pesos POLÍGONO DE FREQÜÊNCIAS ACUMULADAS 80 Freq. Acumul Pesos

8 96 ESTATÍSTICA MÉDIA DE UMA AMOSTRA DE MEDIDAS A média é uma medida que posicioa o cetro da distribuição de uma variável X. Quado temos uma amostra aleatória de tamaho, a média é simplesmete a média aritmética dos dados observados. Se X, X,..., X é uma amostra de medidas, a média amostral deotada por X é defiida por : X i i= X = Supoha que se tome a difereça etre X e X, ou seja : X -X, X - X,..., X - X. Se somarmos estas difereças, teremos : ( X - X ) + ( X - X ) ( X - X ) = (X + X X ) - X = 0 Portato, a soma das difereças etre cada medida uma amostra e a média de todas as medidas é igual a zero. Em forma de somatório, temos : ( X -X ) = 0 i= i MEDIANA DE UMA AMOSTRA DE MEDIDAS A mediaa é também uma medida que posicioa o cetro da distribuição de uma variável X. Para uma amostra aleatória de tamaho, a mediaa será defiida como sedo o valor tal que 50 % dos dados estão acima dele e 50 % dos dados estão abaixo dele. Para determiar o valor da mediaa, Me, primeiro ordeamos os dados ( ordem crescete ou decrescete ). Em seguida, se for ímpar, etão a mediaa será o valor cetral. Se for par, a mediaa será a média aritmética dos dois valores cetrais.

9 ESTATÍSTICA 97 _ MODA DE UMA AMOSTRA DE MEDIDAS A moda de uma amostra de tamaho será igual ao valor que apreseta maior freqüêcia. Podemos ter uma amostra com mais de uma moda ou mesmo sem moda. EXEMPLO As medidas da duração de vida ( em horas ) de 5 compoetes eletrôicos tomados aleatoriamete de sua produção são : A média das cico medidas é : X = 4, 36, 57, 43 e Em ordem crescete os dados ficam : Assim, a mediaa é Me = = 43 horas Este cojuto de medidas é amodal, isto é, ão tem moda porque ehum valor ocorre com maior freqüêcia que os demais VARIÂNCIA E DESVIO PADRÃO DE UMA AMOSTRA DE MEDIDAS Cosidere os dois cojutos de medidas A e B abaixo : A : B : Note que ambos os cojutos de medidas tem a mesma média 6. Etretato, existe uma difereça etre eles quato à sua variabilidade ou dispersão que ão pode ser idetificada através da média. VARIÂNCIA : É uma medida de dispersão dos dados de uma amostra defiida por: s = - i= ( X - X ) i

10 98 ESTATÍSTICA DESVIO PADRÃO : É também uma medida de dispersão dos dados de amostra, defiida como sedo a raiz quadrada positiva da variâcia Propriedades da Variâcia Somado-se uma costate qualquer a cada elemeto de um cojuto de medidas, a variâcia ão se altera. Se cada medida de uma amostra for multiplicada por uma costate, a variâcia fica multiplicada por esta costate ao quadrado. EXEMPLO Cosidere as mesmas medidas de duração de vida do exemplo aterior. A variâcia é : s = (4-43) + (36-43) + (57-43) + (43-43) + (38-43) 5- O desvio padrão é : s = ( variâcia ) / = ( 68,5 ) / = 8,8 = 68, AMPLITUDE É a difereça etre o maior e o meor valor uma amostra de medidas COEFICIENTE DE VARIAÇÃO É uma medida de dispersão que expressa o desvio padrão como um percetual da média. V = s X 00 %

11 ESTATÍSTICA 99 _ Como V é uma medida de variação relativa expressa em porcetagem, etão ela pode ser utilizada para comparar a variabilidade de dois ou mais cojutos de medidas mesmo que as observações sejam expressas em diferetes uidades. EXEMPLO Os pesos de 0 caixas de um certo tipo de cereal tem coteúdo médio de 78 g com um desvio padrão de 9,64 g. Se estas caixas são vedidas por um preço médio de,9 u.m. com um desvio padrão de 0,09 u.m., podemos cocluir que os pesos são relativamete mais homogêeos do que os preços? 964, V peso = % = 3,74 % V 0,09 preço = 00 % = 6,98 %,9 Cocluímos, etão, que os pesos são mais homogêeos do que os preços Algumas Observações Sobre a Iterpretação da Média e do Desvio Padrão de uma Amostra A média, que é uma medida de posição cetral, idica o cetro da amostra. Note, por exemplo, o diagrama de potos ( gráfico ) ode aparece a média posicioado o cetro da distribuição dos potos. A variâcia pode ser vista como a média dos desvios que cada medida da amostra tem em relação à média X, elevados ao quadrado. Lembre que os desvios, se somados, se compesam e levam a soma a zero. Assim, elevados ao quadrado, temos uma medida que caracteriza, basicamete, o afastameto dos dados em relação ao cetro da distribuição. Portato, quato maior for a variâcia ( ou o desvio padrão ), maior será a variabilidade ou dispersão dos dados. Uma variâcia pequea idica que os dados da amostra se apresetam de forma cocetrada em toro da média. Amostras de medidas em muitas situações práticas apresetam histogramas com simetria bastate acetuada e em forma de sio. Poderíamos pesar a distribuição Normal como sedo o modelo adequado a estas medidas. Neste caso, vale as seguites afirmações :. Em toro de 68 % das medidas caem o itervalo : (X - s, X + s ).. Em toro de 95 % das medidas caem o itervalo : (X - s, X + s ). 3. Em toro de 99,9 % das medidas caem o itervalo : (X - 3s, X + 3s ). 4. Em toro de 50 % das medidas caem o itervalo : (X - /3s, X + /3s ). Quato maior o tamaho da amostra, mais o histograma se aproxima da distribuição ormal.

12 00 ESTATÍSTICA MÉDIA E VARIÂNCIA DE UMA AMOSTRA DE MEDIDAS APROXIMADAS Supoha que se teha uma amostra de medidas X, X,..., X agrupadas em uma distribuição de freqüêcias com k classes ( itervalos ), potos médios de classes m, m,..., m k e freqüêcias de classes f, f,..., f k. Uma vez que temos f dos X s sedo aproximados por m, f dos X s X i i= aproximados por m,etc., é evidete que a expressão é aproximada por : f j m j. Sedo assim, uma aproximação para X é dada por : i= X = k j= f j m j Para o cálculo da variacia, uma aproximação é dada por : s = - f j (mj X) j= EXEMPLO Cosidere os dados da Tabela.

13 ESTATÍSTICA 0 _ Potos Médios de Classe (m i ) Freqüêcias (f i ) f i. m i f i. m i m,33 5 6,65 8,8445,38 5 6,90 9,50,43 8,44 6,359,48 5,0 3,8560,53 3 9,89 30,437,58 7 6,86 4,4388,63 9,56 3,888,68 3,36 5,6448,73 3,46 5,9858,78,78 3,684 80,0 87,34 X =,0 =, s = 80-87,34 -, 0 80 = 0, DISTRIBUIÇÕES AMOSTRAIS Supoha que se teha uma população cohecida represetada pela v.a. X e que θ seja um parâmetro de iteresse esta população. Imagie que se retire todas as amostras possíveis de tamaho desta população, segudo um plao amostral previamete defiido e que, para cada amostra se obteha o valor de uma estatística $θ. Tem-se, assim, um cojuto de todos os possíveis valores de θ $ que depedem do tamaho da amostra, do tamaho da população e do procedimeto da amostragem e que variam de uma amostra para outra. Desta forma, a estatística $θ é uma variável aleatória e tem uma distribuição de probabilidade. Esta distribuição é deomiada DISTRIBUIÇÃO AMOSTRAL DE θ. $ Esquematicamete temos :

14 0 ESTATÍSTICA População Amostra $θ X Amostra $θ θ Amostra k θ θ $θ k Em resumo, a distribuição de probabilidade de uma estatística é chamada de distribuição amostral. Por exemplo, a distribuição de probabilidade de X é chamada de distribuição amostral da média, a distribuição de probabilidade de $p é chamada de distribuição amostral da proporção. O desvio padrão de uma distribuição amostral é chamado de erro padrão da estatística. EXEMPLO Supoha que se retire amostras de uma população uiforme discreta cosistido dos valores 0,, e 3. As quatro observações que compõem a população são valores de uma v.a. X que tem distribuição de probabilidade : p(x) = P(X=x) = 4, para x = 0,,, 3. com média : µ = E(X) = x.p(x) = 3 3 x=0 e variacia : σ = V(x) = E[(X- µ ) ] = (x- µ ). p(x) = 5 4 O histograma de probabilidade desta v.a. é dado por : p(x) 3 x=0 /4 0 3 x

15 ESTATÍSTICA 03 _ Supoha agora que se retire todas as possíveis amostras de tamaho =, com reposição, e que para cada amostra se calcule a estatística X. As 6 amostras possíveis e suas respectivas médias são : Amostra X 0,0 0 0, 0,5 0, 0,3,5,0 0,5,,,5,3,0,,5,,3,5 3,0,5 3, 3,,5 3,3 3 À partir daí, vemos que a v.a. X tem a seguite distribuição de probabilidade: x 0 0,5,0,5,0,5 3,0 px ( ) A média desta distribuição é : 4 6 µ = E(X) = x.p(x) = 3 µ = X e a variacia é : σ σ = V(X = (x µ px = 5 ) X 8 = X ). ( )

16 04 ESTATÍSTICA p( x ) 4/6 3/6 /6 / ,5,0,5,0,5 3,0 x Note que o histograma de probabilidade da distribuição amostral de X surege uma curva ormal com uma média e uma variacia apropriadas Distribuição Amostral da Média Se uma amostra aleatória de tamaho é retirada de uma população ifiita com média µ e variacia σ, etão a distribuição amostral de X é aproximadamete Normal com média µ X = µ e variacia σ X = σ /. Assim : Z = X µ σ / tem distribuição Normal com média 0 e variacia. (Este é o chamado Teorema Cetral do Limite) Note que isto é o mesmo que dizer que, para grade, a distribuição de X é : X : N µ, σ. Observe que a distribuição de X está cetrada em µ e que a variacia depede do tamaho da amostra. Quato maior a amostra, mais cocetrada é X em toro de µ. Quato à forma da distribuição, o Teorema afirma que o limite para tededo ao ifiito a distribuição amostral de X tede à distribuição Normal. Essa covergêcia é mais rápida se a distribuição da v.a. X a população já for próxima da Normal. Como regra prática, aceita-se que para amostras com mais de 30 elemetos a aproximação já pode ser cosiderada muito boa. σ = σ x µ = µ x X

17 ESTATÍSTICA 05 _ EXEMPLO (Bussab)

18 06 ESTATÍSTICA EXEMPLO Uma fábrica da material elétrico produz lâmpadas que tem duração de vida com distribuição aproximadamete ormal, com média igual a 800 horas e desvio padrão de 40 horas. Ecotre a probabilidade de que uma amostra aleatória de 6 lâmpadas teha vida média X meor do que 775 horas. Solução : X : duração de vida da lâmpada µ = 800 horas e σ = 40 horas. X tem distribuição ormal com média : µ X = 800 e desvio padrão : σ σ = = 40 = 0. X 6 Z = X µ σ / = = 5, X PX ( < 775) = PZ ( <, 5) = 0, Distribuição Amostral da Proporção Cosidere uma população em que a proporção de elemetos que possuem uma certa característica é p. Seja $p a proporção de elemetos com a referida característica a amostra. População Amostra $p p $p Amostra Amostra k $p k p p

19 ESTATÍSTICA 07 _ Para suficietemete grade, podemos cosiderar que a distribuição amostral de é : $p ode q = - p. Note que, etão : $p : N p, pq z = p $ -p p.q EXEMPLO Uma máquia está em operação sob cotrole quado a proporção de defeitos apresetada é de 0 %. A cada dia uma amostra de 30 peças fabricadas por esta máquia é retirada. Se esta máquia está sob cotrole, qual a probabilidade dessa amostra apresetar proporção de defeitos maior do que 0,8? p $ = N 0, ; 0,.0,9 30 ou seja : p $ : N(0, ; 0,003) Para p $ = 0,8 : $ z = p - p = 0,8-0, =,46 p.q 009,., 30 P(p $ > 0,8) = P(z >,46) = - 0,978 = 0,07 0,0 0,8 p Distribuição Amostral da Difereça de Duas Médias Admita-se que são dadas duas populações e, com médias µ e µ e variacias σ e σ, e que se retire, idepedetemete, amostras de tamaho da população e amostras de tamaho da população. De todas as possíveis amostras retiradas pode-se obter a distribuição amostral da difereça de duas médias X - X. Se e forem suficietemete grades :

20 08 ESTATÍSTICA σ σ X X : N µ - µ, + Z X X ( µ µ ) = σ σ + EXEMPLO As lâmpadas elétricas do fabricate A tem duração média de 400 horas, com um desvio padrão de 00 horas, equato as do fabricate B tem duração média de 00 horas, com um desvio padrão de 00 horas. Se forem esaiadas amostras aleatórias de 5 lâmpadas de cada marca, qual será a probabilidade que as lâmpadas da marca A teham vida média maior do que as da marca B de pelo meos 60 horas? X = duração média da amostra A. X = duração média da amostra B. X σ σ X : N µ - µ, + com : µ - µ = = 00 σ σ = + = X ( σ = 0 X ) Para X X = 60 Z = X X ( µ µ ) = σ 0 σ + = X - X P(a média da amostra da marca A ser maior do que a média da amostra da marca B de pelo meos 60 horas) = P( X > X + 60 ) = P( X - X > 60 ) = P(Z > -) = 0,977.

21 ESTATÍSTICA 09 _ Distribuição Amostral da Difereça da duas Proporções Supoha que se retire amostras de tamaho de uma população cuja proporção de elemetos com uma certa característica seja p e que se retire amostras de tamaho de uma população cuja proporção de elemetos com a referida característica seja p. A distribuição amostral da difereça das duas proporções p$ p$ é dada por : p$ $ p : N p - p, p.q p.q + p$ p$ ( p-p) z = p.q p.q + EXEMPLO A e B jogam uma partida cara e coroa laçado cada um 50 vezes uma moeda. O jogador A vecerá o jogo se coseguir 5 ou mais caras do que o jogador B e, quado isso ão ocorrer, B vecerá. Determiar a probabilidade de gaho do jogador A e do jogador B. $p = proporção de caras obtidas por A. $p = proporção de caras obtidas por B. Admitido-se que as moedas sejam hoestas com probabilidade de cara igual a 0,5, temos : p$ p$ : N p - p, p.q p.q + p - p = 0,5-0,5 = 0 p.q p.q + = 0,5. 0, ,5. 0,5 50 ode : = 0,0 Para p$ p$ = 0, (5 caras em 50 jogadas): p$ p$ ( p- p) 0, 0 z = = = p.q p.q 0, + -0,3-0, -0, 0 0, 0, 0,3 p - p P( A vecer ) = P( $p > $p + 0, ) = P( p$ p$ > 0, ) = P( z > ) = - P( z ) = = - 0,8434 = 0,5866. P ( B vecer ) = - P( A vecer ) = 0,8434.

ActivALEA. ative e atualize a sua literacia

ActivALEA. ative e atualize a sua literacia ActivALEA ative e atualize a sua literacia N.º 29 O QUE É UMA SONDAGEM? COMO É TRANSMIITIIDO O RESULTADO DE UMA SONDAGEM? O QUE É UM IINTERVALO DE CONFIIANÇA? Por: Maria Eugéia Graça Martis Departameto

Leia mais

DISTRIBUIÇÃO AMOSTRAL DA MÉDIA E PROPORÇÃO ESTATISTICA AVANÇADA

DISTRIBUIÇÃO AMOSTRAL DA MÉDIA E PROPORÇÃO ESTATISTICA AVANÇADA DISTRIBUIÇÃO AMOSTRAL DA MÉDIA E PROPORÇÃO Ferado Mori DISTRIBUIÇÃO AMOSTRAL DA MÉDIA E PROPORÇÃO ESTATISTICA AVANÇADA Resumo [Atraia o leitor com um resumo evolvete, em geral, uma rápida visão geral do

Leia mais

O erro da pesquisa é de 3% - o que significa isto? A Matemática das pesquisas eleitorais

O erro da pesquisa é de 3% - o que significa isto? A Matemática das pesquisas eleitorais José Paulo Careiro & Moacyr Alvim O erro da pesquisa é de 3% - o que sigifica isto? A Matemática das pesquisas eleitorais José Paulo Careiro & Moacyr Alvim Itrodução Sempre que se aproxima uma eleição,

Leia mais

INTRODUÇÃO A TEORIA DE CONJUNTOS

INTRODUÇÃO A TEORIA DE CONJUNTOS INTRODUÇÃO TEORI DE CONJUNTOS Professora Laura guiar Cojuto dmitiremos que um cojuto seja uma coleção de ojetos chamados elemetos e que cada elemeto é um dos compoetes do cojuto. Geralmete, para dar ome

Leia mais

Lista 9 - Introdução à Probabilidade e Estatística

Lista 9 - Introdução à Probabilidade e Estatística UNIVERSIDADE FEDERAL DO ABC Lista 9 - Itrodução à Probabilidade e Estatística Desigualdades e Teoremas Limites 1 Um ariro apota a um alvo de 20 cm de raio. Seus disparos atigem o alvo, em média, a 5 cm

Leia mais

Introdução ao Estudo de Sistemas Lineares

Introdução ao Estudo de Sistemas Lineares Itrodução ao Estudo de Sistemas Lieares 1. efiições. 1.1 Equação liear é toda seteça aberta, as icógitas x 1, x 2, x 3,..., x, do tipo a1 x1 a2 x2 a3 x3... a x b, em que a 1, a 2, a 3,..., a são os coeficietes

Leia mais

Unesp Universidade Estadual Paulista FACULDADE DE ENGENHARIA

Unesp Universidade Estadual Paulista FACULDADE DE ENGENHARIA Uesp Uiversidade Estadual Paulista FACULDADE DE ENGENHARIA CAMPUS DE GUARATINGUETÁ MBA-PRO ESTATÍSTICA PARA A TOMADA DE DECISÃO Prof. Dr. Messias Borges Silva e Prof. M.Sc. Fabricio Maciel Gomes GUARATINGUETÁ,

Leia mais

PROGRAMA DE PÓS-GRADUAÇÃO EM ENGENHARIA DE TRANSPORTES E GESTÃO TERRITORIAL PPGTG DEPARTAMENTO DE ENGENHARIA CIVIL ECV

PROGRAMA DE PÓS-GRADUAÇÃO EM ENGENHARIA DE TRANSPORTES E GESTÃO TERRITORIAL PPGTG DEPARTAMENTO DE ENGENHARIA CIVIL ECV PROGRAMA DE PÓS-GRADUAÇÃO EM ENGENHARIA DE TRANSPORTES E GESTÃO TERRITORIAL PPGTG DEPARTAMENTO DE ENGENHARIA CIVIL ECV DISCIPLINA: TGT410026 FUNDAMENTOS DE ESTATÍSTICA 8ª AULA: ESTIMAÇÃO POR INTERVALO

Leia mais

Testes de Hipóteses para a Diferença Entre Duas Médias Populacionais

Testes de Hipóteses para a Diferença Entre Duas Médias Populacionais Estatística II Atoio Roque Aula Testes de Hipóteses para a Difereça Etre Duas Médias Populacioais Vamos cosiderar o seguite problema: Um pesquisador está estudado o efeito da deficiêcia de vitamia E sobre

Leia mais

Duas Fases da Estatística

Duas Fases da Estatística Aula 5. Itervalos de Cofiaça Métodos Estadísticos 008 Uiversidade de Averio Profª Gladys Castillo Jordá Duas Fases da Estatística Estatística Descritiva: descrever e estudar uma amostra Estatística Idutiva

Leia mais

Estatística stica para Metrologia

Estatística stica para Metrologia Estatística stica para Metrologia Aula Môica Barros, D.Sc. Juho de 28 Muitos problemas práticos exigem que a gete decida aceitar ou rejeitar alguma afirmação a respeito de um parâmetro de iteresse. Esta

Leia mais

EQUAÇÕES DIFERENCIAIS LINEARES DE ORDEM N

EQUAÇÕES DIFERENCIAIS LINEARES DE ORDEM N EQUAÇÕES DIFERENCIAIS LINEARES DE ORDEM N Estudaremos este capítulo as equações diereciais lieares de ordem, que são de suma importâcia como suporte matemático para vários ramos da egeharia e das ciêcias.

Leia mais

O QUE SÃO E QUAIS SÃO AS PRINCIPAIS MEDIDAS DE TENDÊNCIA CENTRAL EM ESTATÍSTICA PARTE li

O QUE SÃO E QUAIS SÃO AS PRINCIPAIS MEDIDAS DE TENDÊNCIA CENTRAL EM ESTATÍSTICA PARTE li O QUE SÃO E QUAIS SÃO AS PRINCIPAIS MEDIDAS DE TENDÊNCIA CENTRAL EM ESTATÍSTICA PARTE li Média Aritmética Simples e Poderada Média Geométrica Média Harmôica Mediaa e Moda Fracisco Cavalcate(f_c_a@uol.com.br)

Leia mais

AULA: Inferência Estatística

AULA: Inferência Estatística AULA: Iferêcia Estatística stica Prof. Víctor Hugo Lachos Dávila Iferêcia Estatística Iferêcia Estatística é um cojuto de técicas que objetiva estudar uma oulação através de evidêcias forecidas or uma

Leia mais

Capítulo 2 Análise Descritiva e Exploratória de Dados

Capítulo 2 Análise Descritiva e Exploratória de Dados UNIVERSIDADE FEDERAL DE SÃO CARLOS C E N T R O D E C I Ê N C I A S E X A T A S E D E T E C N O L O G I A D E P A R T A M E N T O D E E S T A T Í S T I C A INTRODUÇÃO AO PLANEJAMENTO E ANÁLISE ESTATÍSTICA

Leia mais

5. A nota final será a soma dos pontos (negativos e positivos) de todas as questões

5. A nota final será a soma dos pontos (negativos e positivos) de todas as questões DEPARTAMENTO DE ESTATÍSTICA - UFMG PROVA DE ESTATÍSTICA E PROBABILIDADE SELEÇÃO - MESTRADO/ UFMG - 2013/2014 Istruções: 1. Cada questão respodida corretamete vale 1 (um) poto. 2. Cada questão respodida

Leia mais

INTRODUÇÃO. Exemplos. Comparar três lojas quanto ao volume médio de vendas. ...

INTRODUÇÃO. Exemplos. Comparar três lojas quanto ao volume médio de vendas. ... INTRODUÇÃO Exemplos Para curar uma certa doeça existem quatro tratametos possíveis: A, B, C e D. Pretede-se saber se existem difereças sigificativas os tratametos o que diz respeito ao tempo ecessário

Leia mais

CAP. I ERROS EM CÁLCULO NUMÉRICO

CAP. I ERROS EM CÁLCULO NUMÉRICO CAP I ERROS EM CÁLCULO NUMÉRICO 0 Itrodução Por método umérico etede-se um método para calcular a solução de um problema realizado apeas uma sequêcia fiita de operações aritméticas A obteção de uma solução

Leia mais

Cálculo das Probabilidades e Estatística I. Departamento de Estatistica

Cálculo das Probabilidades e Estatística I. Departamento de Estatistica Cálculo das Probabilidades e Estatística I Departameto de Estatistica Versão - 2013 Sumário 1 Itrodução à Estatística 1 1.1 Coceitos básicos de amostragem..................................... 2 1.1.1

Leia mais

AMOSTRAGEM. metodologia de estudar as populações por meio de amostras. Amostragem ou Censo?

AMOSTRAGEM. metodologia de estudar as populações por meio de amostras. Amostragem ou Censo? AMOSTRAGEM metodologia de estudar as populações por meio de amostras Amostragem ou Ceso? Por que fazer amostragem? população ifiita dimiuir custo aumetar velocidade a caracterização aumetar a represetatividade

Leia mais

SUMÁRIO 1. AMOSTRAGEM 4. 1.1. Conceitos básicos 4

SUMÁRIO 1. AMOSTRAGEM 4. 1.1. Conceitos básicos 4 SUMÁRIO 1. AMOSTRAGEM 4 1.1. Coceitos básicos 4 1.. Distribuição amostral dos estimadores 8 1..1. Distribuição amostral da média 8 1... Distribuição amostral da variâcia 11 1..3. Distribuição amostral

Leia mais

APONTAMENTOS DE ÁLGEBRA LINEAR E GEOMETRIA ANALÍTICA

APONTAMENTOS DE ÁLGEBRA LINEAR E GEOMETRIA ANALÍTICA UNIVERSIDADE DO ALGARVE ESCOLA SUPERIOR DE TECNOLOGIA APONTAMENTOS DE ÁLGEBRA LINEAR E GEOMETRIA ANALÍTICA (III ) ÁREA DEPARTAMENTAL DE ENGENHARIA CIVIL Ídice Itrodução Aplicação do cálculo matricial aos

Leia mais

Guia do Professor. Matemática e Saúde. Experimentos

Guia do Professor. Matemática e Saúde. Experimentos Guia do Professor Matemática e Saúde Experimetos Coordeação Geral Elizabete dos Satos Autores Bárbara N. Palharii Alvim Sousa Karia Pessoa da Silva Lourdes Maria Werle de Almeida Luciaa Gastaldi S. Souza

Leia mais

Probabilidades. José Viegas

Probabilidades. José Viegas Probabilidades José Viegas Lisboa 001 1 Teoria das probabilidades Coceito geral de probabilidade Supoha-se que o eveto A pode ocorrer x vezes em, igualmete possíveis. Etão a probabilidade de ocorrêcia

Leia mais

Capitulo 6 Resolução de Exercícios

Capitulo 6 Resolução de Exercícios FORMULÁRIO Cojutos Equivaletes o Regime de Juros Simples./Vecimeto Comum. Descoto Racioal ou Por Detro C1 C2 Cm C1 C2 C...... 1 i 1 i 1 i 1 i 1 i 1 i 1 2 m 1 2 m C Ck 1 i 1 i k1 Descoto Por Fora ou Comercial

Leia mais

1.5 Aritmética de Ponto Flutuante

1.5 Aritmética de Ponto Flutuante .5 Aritmética de Poto Flutuate A represetação em aritmética de poto flutuate é muito utilizada a computação digital. Um exemplo é a caso das calculadoras cietíficas. Exemplo:,597 03. 3 Este úmero represeta:,597.

Leia mais

ANDRÉ REIS MATEMÁTICA. 1ª Edição NOV 2013

ANDRÉ REIS MATEMÁTICA. 1ª Edição NOV 2013 ANDRÉ REIS MATEMÁTICA TEORIA 6 QUESTÕES DE PROVAS DE CONCURSOS GABARITADAS EXERCÍCIOS RESOLVIDOS Teoria e Seleção das Questões: Prof. Adré Reis Orgaização e Diagramação: Mariae dos Reis ª Edição NOV 0

Leia mais

MOMENTOS DE INÉRCIA. Física Aplicada à Engenharia Civil II

MOMENTOS DE INÉRCIA. Física Aplicada à Engenharia Civil II Física Aplicada à Egeharia Civil MOMENTOS DE NÉRCA Neste capítulo pretede-se itroduzir o coceito de mometo de iércia, em especial quado aplicado para o caso de superfícies plaas. Este documeto, costitui

Leia mais

1.4- Técnicas de Amostragem

1.4- Técnicas de Amostragem 1.4- Técicas de Amostragem É a parte da Teoria Estatística que defie os procedimetos para os plaejametos amostrais e as técicas de estimação utilizadas. As técicas de amostragem, tal como o plaejameto

Leia mais

Matemática Alexander dos Santos Dutra Ingrid Regina Pellini Valenço

Matemática Alexander dos Santos Dutra Ingrid Regina Pellini Valenço 4 Matemática Alexader dos Satos Dutra Igrid Regia Pellii Valeço Professor SUMÁRIO Reprodução proibida. Art. 84 do Código Peal e Lei 9.60 de 9 de fevereiro de 998. Módulo 0 Progressão aritmérica.................................

Leia mais

CAPÍTULO 8 - Noções de técnicas de amostragem

CAPÍTULO 8 - Noções de técnicas de amostragem INF 6 Estatística I JIRibeiro Júior CAPÍTULO 8 - Noções de técicas de amostragem Itrodução A Estatística costitui-se uma excelete ferrameta quado existem problemas de variabilidade a produção É uma ciêcia

Leia mais

Equações Diferenciais Lineares de Ordem n

Equações Diferenciais Lineares de Ordem n PUCRS Faculdade de Matemática Equações Difereciais - Prof. Eliete Equações Difereciais Lieares de Ordem Cosideremos a equação diferecial ordiária liear de ordem escrita a forma 1 d y d y dy L( y( x ))

Leia mais

O oscilador harmônico

O oscilador harmônico O oscilador harmôico A U L A 5 Meta da aula Aplicar o formalismo quâtico ao caso de um potecial de um oscilador harmôico simples, V( x) kx. objetivos obter a solução da equação de Schrödiger para um oscilador

Leia mais

A TORRE DE HANÓI Carlos Yuzo Shine - Colégio Etapa

A TORRE DE HANÓI Carlos Yuzo Shine - Colégio Etapa A TORRE DE HANÓI Carlos Yuzo Shie - Colégio Etapa Artigo baseado em aula miistrada a IV Semaa Olímpica, Salvador - BA Nível Iiciate. A Torre de Haói é um dos quebra-cabeças matemáticos mais populares.

Leia mais

INE 5111- ESTATÍSTICA APLICADA I - TURMA 05324 - GABARITO LISTA DE EXERCÍCIOS SOBRE AMOSTRAGEM E PLANEJAMENTO DA PESQUISA

INE 5111- ESTATÍSTICA APLICADA I - TURMA 05324 - GABARITO LISTA DE EXERCÍCIOS SOBRE AMOSTRAGEM E PLANEJAMENTO DA PESQUISA INE 5111- ESTATÍSTICA APLICADA I - TURMA 534 - GABARITO LISTA DE EXERCÍCIOS SOBRE AMOSTRAGEM E PLANEJAMENTO DA PESQUISA 1. Aalise as situações descritas abaixo e decida se a pesquisa deve ser feita por

Leia mais

Teste de Hipóteses VÍCTOR HUGO LACHOS DÁVILAD

Teste de Hipóteses VÍCTOR HUGO LACHOS DÁVILAD Teste de ióteses VÍCTOR UGO LACOS DÁVILAD Teste De ióteses. Exemlo. Cosidere que uma idustria comra de um certo fabricate, ios cuja resistêcia média à rutura é esecificada em 6 kgf (valor omial da esecificação).

Leia mais

INFERÊNCIA ESTATÍSTICA

INFERÊNCIA ESTATÍSTICA Uiversidade Federal da Bahia Istituto de Matemática Departameto de Estatística Estatística IV (MAT027) e Itrodução à Estatística (MAT050) NOTAS DE AULA UNIDADE III INFERÊNCIA ESTATÍSTICA 1 1 INTRODUÇÃO

Leia mais

INTERVALOS DE CONFIANÇA ESTATISTICA AVANÇADA

INTERVALOS DE CONFIANÇA ESTATISTICA AVANÇADA INTERVALOS DE CONFIANÇA ESTATISTICA AVANÇADA Resumo Itervalos de Cofiaça ara médias e roorções com alicações a Egeharia. Ferado Mori Prof.fmori@gmail.com Itervallos de Cofiiaça ara Médiias e Proorções

Leia mais

PUCRS FAMAT DEPTº DE ESTATÍSTICA Estimação e Teste de Hipótese- Prof. Sérgio Kato

PUCRS FAMAT DEPTº DE ESTATÍSTICA Estimação e Teste de Hipótese- Prof. Sérgio Kato 1 PUCRS FAMAT DEPTº DE ESTATÍSTICA Estimação e Teste de Hipótese- Prof. Sérgio Kato 1. Estimação: O objetivo da iferêcia estatística é obter coclusões a respeito de populações através de uma amostra extraída

Leia mais

UFRGS 2007 - MATEMÁTICA

UFRGS 2007 - MATEMÁTICA - MATEMÁTICA 01) Em 2006, segudo otícias veiculadas a impresa, a dívida itera brasileira superou um trilhão de reais. Em otas de R$ 50, um trilhão de reais tem massa de 20.000 toeladas. Com base essas

Leia mais

RESISTORES E RESISTÊNCIAS

RESISTORES E RESISTÊNCIAS ELETICIDADE CAPÍTULO ESISTOES E ESISTÊNCIAS No Capítulo estudamos, detre outras coisas, o coceito de resistêcia elétrica. Vimos que tal costitui a capacidade de um corpo qualquer se opôr a passagem de

Leia mais

Jackknife, Bootstrap e outros métodos de reamostragem

Jackknife, Bootstrap e outros métodos de reamostragem Jackkife, Bootstrap e outros métodos de reamostragem Camilo Daleles Reó camilo@dpi.ipe.br Referata Biodiversa (http://www.dpi.ipe.br/referata/idex.html) São José dos Campos, 8 de dezembro de 20 Iferêcia

Leia mais

Até que tamanho podemos brincar de esconde-esconde?

Até que tamanho podemos brincar de esconde-esconde? Até que tamaho podemos bricar de escode-escode? Carlos Shie Sejam K e L dois subcojutos covexos e compactos de R. Supoha que K sempre cosiga se escoder atrás de L. Em termos mais precisos, para todo vetor

Leia mais

somente um valor da variável y para cada valor de variável x.

somente um valor da variável y para cada valor de variável x. Notas de Aula: Revisão de fuções e geometria aalítica REVISÃO DE FUNÇÕES Fução como regra ou correspodêcia Defiição : Uma fução f é uma regra ou uma correspodêcia que faz associar um e somete um valor

Leia mais

MAE 116 - Noções de Estatística Grupo A - 1 o semestre de 2014 Lista de exercício 8 - Aula 8 - Estimação para p - CASA

MAE 116 - Noções de Estatística Grupo A - 1 o semestre de 2014 Lista de exercício 8 - Aula 8 - Estimação para p - CASA MAE 116 - Noções de Estatística Grupo A - 1 o semestre de 2014 Lista de exercício 8 - Aula 8 - Estimação para p - CASA 1. (2,5) Um provedor de acesso à iteret está moitorado a duração do tempo das coexões

Leia mais

CURTOSE. Teremos, portanto, no tocante às situações de Curtose de um conjunto, as seguintes possibilidades:

CURTOSE. Teremos, portanto, no tocante às situações de Curtose de um conjunto, as seguintes possibilidades: CURTOSE O que sigifica aalisar um cojuto quato à Curtose? Sigifica apeas verificar o grau de achatameto da curva. Ou seja, saber se a Curva de Freqüêcia que represeta o cojuto é mais afilada ou mais achatada

Leia mais

Computação Científica - Departamento de Informática Folha Prática 1

Computação Científica - Departamento de Informática Folha Prática 1 1. Costrua os algoritmos para resolver os problemas que se seguem e determie as respetivas ordes de complexidade. a) Elaborar um algoritmo para determiar o maior elemeto em cada liha de uma matriz A de

Leia mais

Lista 2 - Introdução à Probabilidade e Estatística

Lista 2 - Introdução à Probabilidade e Estatística UNIVERSIDADE FEDERAL DO ABC Lista - Itrodução à Probabilidade e Estatística Modelo Probabilístico experimeto. Que eveto represeta ( =1 E )? 1 Uma ura cotém 3 bolas, uma vermelha, uma verde e uma azul.

Leia mais

Séries de Potências AULA LIVRO

Séries de Potências AULA LIVRO LIVRO Séries de Potêcias META Apresetar os coceitos e as pricipais propriedades de Séries de Potêcias. Além disso, itroduziremos as primeiras maeiras de escrever uma fução dada como uma série de potêcias.

Leia mais

onde d, u, v são inteiros não nulos, com u v, mdc(u, v) = 1 e u e v de paridades distintas.

onde d, u, v são inteiros não nulos, com u v, mdc(u, v) = 1 e u e v de paridades distintas. !"$# &%$" ')( * +-,$. /-0 3$4 5 6$7 8:9)$;$< =8:< > Deomiaremos equação diofatia (em homeagem ao matemático grego Diofato de Aleadria) uma equação em úmeros iteiros. Nosso objetivo será estudar dois tipos

Leia mais

VII Equações Diferenciais Ordinárias de Primeira Ordem

VII Equações Diferenciais Ordinárias de Primeira Ordem VII Equações Difereciais Ordiárias de Primeira Ordem Itrodução As equações difereciais ordiárias são istrumetos esseciais para a modelação de muitos feómeos proveietes de várias áreas como a física, química,

Leia mais

Instituto de Engenharia de Produção & Gestão

Instituto de Engenharia de Produção & Gestão UNIFEI - Uiversidade Federal de Itajubá Istituto de Egeharia de Produção & Gestão Notas compiladas por PEDRO PAULO BALESTRASSI ANDERSON PAULO DE PAIVA Itajubá/007 CAPÍTULO - ESTATÍSTICA. - Do que trata

Leia mais

MATEMÁTICA FINANCEIRA

MATEMÁTICA FINANCEIRA MATEMÁTICA FINANCEIRA VALOR DO DINHEIRO NO TEMPO Notas de aulas Gereciameto do Empreedimeto de Egeharia Egeharia Ecoômica e Aálise de Empreedimetos Prof. Márcio Belluomii Moraes, MsC CONCEITOS BÁSICOS

Leia mais

INTERPOLAÇÃO. Interpolação

INTERPOLAÇÃO. Interpolação INTERPOLAÇÃO Profa. Luciaa Motera motera@facom.ufms.br Faculdade de Computação Facom/UFMS Métodos Numéricos Iterpolação Defiição Aplicações Iterpolação Liear Equação da reta Estudo do erro Iterpolação

Leia mais

Profa. Regina Maria Sigolo Bernardinelli. Estatística. Gestão Financeira / Gestão de Recursos Humanos / Logística / Marketing

Profa. Regina Maria Sigolo Bernardinelli. Estatística. Gestão Financeira / Gestão de Recursos Humanos / Logística / Marketing Profa. Regia Maria Sigolo Berardielli Estatística Gestão Fiaceira / Gestão de Recursos Humaos / Logística / Marketig REGINA MARIA SIGOLO BERNARDINELLI ESTATÍSTICA Esio a Distâcia E a D Revisão 09/008 LISTA

Leia mais

PG Progressão Geométrica

PG Progressão Geométrica PG Progressão Geométrica 1. (Uel 014) Amalio Shchams é o ome cietífico de uma espécie rara de plata, típica do oroeste do cotiete africao. O caule dessa plata é composto por colmos, cujas características

Leia mais

Capítulo 1. Teoria da Amostragem

Capítulo 1. Teoria da Amostragem Capítulo 1 Teoria da Amostragem 1.1 Itrodução A amostragem e em particular os processos de amostragem aplicam-se em variadíssimas áreas do cohecimeto e costituem, muitas vezes, a úica forma de obter iformações

Leia mais

PROBABILIDADES E ESTATÍSTICA

PROBABILIDADES E ESTATÍSTICA ESCOLA SUPERIOR DE TECNOLOGIA DE SETÚBAL DEPARTAMENTO DE MATEMÁTICA PROBABILIDADES E ESTATÍSTICA o Teste 7 o SEMESTRE 5/6 Data: Sábado, 7 de Jaeiro de 6 Duração: 9:3 às :3 Tópicos de Resolução. O úmero

Leia mais

Avaliação da Confiabilidade de Itens com Testes Destrutivos - Aplicação da Estimação da Proporção em uma População Finita Amostrada sem Reposição

Avaliação da Confiabilidade de Itens com Testes Destrutivos - Aplicação da Estimação da Proporção em uma População Finita Amostrada sem Reposição Avaliação da Cofiabilidade de Ites com Testes Destrutivos - Alicação da Estimação da roorção em uma oulação Fiita Amostrada sem Reosição F. A. A. Coelho e Y.. Tavares Diretoria de Sistemas de Armas da

Leia mais

Carteiras de Mínimo VAR ( Value at Risk ) no Brasil

Carteiras de Mínimo VAR ( Value at Risk ) no Brasil Carteiras de Míimo VAR ( Value at Risk ) o Brasil Março de 2006 Itrodução Este texto tem dois objetivos pricipais. Por um lado, ele visa apresetar os fudametos do cálculo do Value at Risk, a versão paramétrica

Leia mais

Influência do ruído aéreo gerado pela percussão de pavimentos na determinação de L n,w

Influência do ruído aéreo gerado pela percussão de pavimentos na determinação de L n,w Ifluêcia do ruído aéreo gerado pela percussão de pavimetos a determiação de,w iogo M. R. Mateus CONTRAruído Acústica e Cotrolo de Ruído, Al. If.. Pedro, Nº 74-1º C, 3030 396 Coimbra Tel.: 239 403 666;

Leia mais

CAPÍTULO 5 CIRCUITOS SEQUENCIAIS III: CONTADORES SÍNCRONOS

CAPÍTULO 5 CIRCUITOS SEQUENCIAIS III: CONTADORES SÍNCRONOS 60 Sumário CAPÍTULO 5 CIRCUITOS SEQUENCIAIS III: CONTADORES SÍNCRONOS 5.1. Itrodução... 62 5.2. Tabelas de trasição dos flip-flops... 63 5.2.1. Tabela de trasição do flip-flop JK... 63 5.2.2. Tabela de

Leia mais

UNIVERSIDADE DA MADEIRA

UNIVERSIDADE DA MADEIRA Biofísica UNIVERSIDADE DA MADEIRA P9:Lei de Sell. Objetivos Verificar o deslocameto lateral de um feixe de luz LASER uma lâmia de faces paralelas. Verificação do âgulo critico e reflexão total. Determiação

Leia mais

Frações Contínuas, Representações de Números e Aproximações Diofantinas

Frações Contínuas, Representações de Números e Aproximações Diofantinas Frações Cotíuas, Represetações de Números e Aproximações Diofatias Carlos Gustavo T. de A. Moreira I M P A o Colóuio da Região Sudeste Abril de 0 Sumário Frações Cotíuas. Itrodução.....................................

Leia mais

Prof. Eugênio Carlos Stieler

Prof. Eugênio Carlos Stieler http://wwwuematbr/eugeio SISTEMAS DE AMORTIZAÇÃO A ecessidade de recursos obriga aqueles que querem fazer ivestimetos a tomar empréstimos e assumir dívidas que são pagas com juros que variam de acordo

Leia mais

a taxa de juros i está expressa na forma unitária; o período de tempo n e a taxa de juros i devem estar na mesma unidade de tempo.

a taxa de juros i está expressa na forma unitária; o período de tempo n e a taxa de juros i devem estar na mesma unidade de tempo. UFSC CFM DEPARTAMENTO DE MATEMÁTICA MTM 5151 MATEMÁTICA FINACEIRA I PROF. FERNANDO GUERRA. UNIDADE 3 JUROS COMPOSTOS Capitalização composta. É aquela em que a taxa de juros icide sempre sobre o capital

Leia mais

ESTATÍSTICA DESCRITIVA

ESTATÍSTICA DESCRITIVA COORDENADORIA DE MATEMÁTICA ESTATÍSTICA DESCRITIVA Vitória - ES CAPÍTULO I 1-UM BREVE HISTÓRICO Pesquisas arqueológicas idicam que há 3000 aos A.C. já se faziam cesos a Babilôia, Chia e Egito. Até mesmo

Leia mais

Sistema Computacional para Medidas de Posição - FATEST

Sistema Computacional para Medidas de Posição - FATEST Sistema Computacioal para Medidas de Posição - FATEST Deise Deolido Silva, Mauricio Duarte, Reata Ueo Sales, Guilherme Maia da Silva Faculdade de Tecologia de Garça FATEC deisedeolido@hotmail.com, maur.duarte@gmail.com,

Leia mais

Eletrodinâmica III. Geradores, Receptores Ideais e Medidores Elétricos. Aula 6

Eletrodinâmica III. Geradores, Receptores Ideais e Medidores Elétricos. Aula 6 Aula 6 Eletrodiâmica III Geradores, Receptores Ideais e Medidores Elétricos setido arbitrário. A ddp obtida deve ser IGUAL a ZERO, pois os potos de partida e chegada são os mesmos!!! Gerador Ideal Todo

Leia mais

APOSTILA MATEMÁTICA FINANCEIRA PARA AVALIAÇÃO DE PROJETOS

APOSTILA MATEMÁTICA FINANCEIRA PARA AVALIAÇÃO DE PROJETOS Miistério do Plaejameto, Orçameto e GestãoSecretaria de Plaejameto e Ivestimetos Estratégicos AJUSTE COMPLEMENTAR ENTRE O BRASIL E CEPAL/ILPES POLÍTICAS PARA GESTÃO DE INVESTIMENTOS PÚBLICOS CURSO DE AVALIAÇÃO

Leia mais

COMPOSIÇÕES DE FUNÇÕES GERATRIZES E A FÓRMULA EXPONENCIAL

COMPOSIÇÕES DE FUNÇÕES GERATRIZES E A FÓRMULA EXPONENCIAL COMPOSIÇÕES DE FUNÇÕES GERATRIZES E A FÓRMULA EXPONENCIAL Grade parte do poder de fuções geratrizes vêm de composição delas! Observação. Sejam F (x) = 0 G(x) = 0 f x g x duas séries formais. A composição

Leia mais

FACULDADE DE ADMINISTRAÇÃO E NEGÓCIOS DE SERGIPE

FACULDADE DE ADMINISTRAÇÃO E NEGÓCIOS DE SERGIPE FACULDADE DE ADMINISTRAÇÃO E NEGÓCIOS DE SERGIPE CURSO: ENGENHARIA DE PRODUÇÃO ASSUNTO: INTRODUÇÃO ÀS EQUAÇÕES DIFERENCIAIS, EQUAÇÕES DIFERENCIAIS DE PRIMEIRA ORDEM SEPARÁVEIS, HOMOGÊNEAS, EXATAS, FATORES

Leia mais

Equação Diferencial. Uma equação diferencial é uma expressão que relaciona uma função desconhecida (incógnita) y com suas derivadas.

Equação Diferencial. Uma equação diferencial é uma expressão que relaciona uma função desconhecida (incógnita) y com suas derivadas. Equação Difereial Uma equação difereial é uma epressão que relaioa uma fução desoheida (iógita) om suas derivadas É útil lassifiar os diferetes tipos de equações para um desevolvimeto sistemátio da Teoria

Leia mais

O poço de potencial infinito

O poço de potencial infinito O poço de potecial ifiito A U L A 14 Meta da aula Aplicar o formalismo quâtico ao caso de um potecial V(x) que tem a forma de um poço ifiito: o potecial é ifiito para x < a/ e para x > a/, e tem o valor

Leia mais

Lista de Exercícios #4. in Noções de Probabilidade e Estatística (Marcos N. Magalhães et al, 4ª. edição), Capítulo 4, seção 4.4, páginas 117-123.

Lista de Exercícios #4. in Noções de Probabilidade e Estatística (Marcos N. Magalhães et al, 4ª. edição), Capítulo 4, seção 4.4, páginas 117-123. Uiversidade de São Paulo IME (Istituto de Matemática e Estatística MAE Profº. Wager Borges São Paulo, 9 de Maio de 00 Ferado Herique Ferraz Pereira da Rosa Bach. Estatística Lista de Exercícios #4 i Noções

Leia mais

Tabela Price - verdades que incomodam Por Edson Rovina

Tabela Price - verdades que incomodam Por Edson Rovina Tabela Price - verdades que icomodam Por Edso Rovia matemático Mestrado em programação matemática pela UFPR (métodos uméricos de egeharia) Este texto aborda os seguites aspectos: A capitalização dos juros

Leia mais

A seguir, uma demonstração do livro. Para adquirir a versão completa em papel, acesse: www.pagina10.com.br

A seguir, uma demonstração do livro. Para adquirir a versão completa em papel, acesse: www.pagina10.com.br A seguir, uma demostração do livro. Para adquirir a versão completa em papel, acesse: www.pagia10.com.br Matemática comercial & fiaceira - 2 4 Juros Compostos Iiciamos o capítulo discorredo sobre como

Leia mais

Módulo 4 Matemática Financeira

Módulo 4 Matemática Financeira Módulo 4 Matemática Fiaceira I Coceitos Iiciais 1 Juros Juro é a remueração ou aluguel por um capital aplicado ou emprestado, o valor é obtido pela difereça etre dois pagametos, um em cada tempo, de modo

Leia mais

Probabilidade e Estatística. Probabilidade e Estatística

Probabilidade e Estatística. Probabilidade e Estatística Probabilidade e Estatística i Sumário 1 Estatística Descritiva 1 1.1 Coceitos Básicos.................................... 1 1.1.1 Defiições importates............................. 1 1.2 Tabelas Estatísticas...................................

Leia mais

Aula 2 - POT - Teoria dos Números - Fabio E. Brochero Martinez Carlos Gustavo T. de A. Moreira Nicolau C. Saldanha Eduardo Tengan

Aula 2 - POT - Teoria dos Números - Fabio E. Brochero Martinez Carlos Gustavo T. de A. Moreira Nicolau C. Saldanha Eduardo Tengan Aula - POT - Teoria dos Números - Nível III - Pricípios Fabio E. Brochero Martiez Carlos Gustavo T. de A. Moreira Nicolau C. Saldaha Eduardo Tega de Julho de 01 Pricípios Nesta aula apresetaremos algus

Leia mais

Universidade Presbiteriana Mackenzie. Processamento Digital de Sinais

Universidade Presbiteriana Mackenzie. Processamento Digital de Sinais Uiversidade Presbiteriaa Mackezie Curso de Egeharia Elétrica Processameto Digital de Siais Notas de Aula Prof. Marcio Eisecraft Segudo semestre de 7 Uiversidade Presbiteriaa Mackezie Curso de Egeharia

Leia mais

Parte I - Projecto de Sistemas Digitais

Parte I - Projecto de Sistemas Digitais Parte I - Projecto de Sistemas Digitais Na disciplia de sistemas digitais foram estudadas técicas de desevolvimeto de circuitos digitais ao ível da porta lógica, ou seja, os circuito digitais projectados,

Leia mais

1.1 Comecemos por determinar a distribuição de representantes por aplicação do método de Hondt:

1.1 Comecemos por determinar a distribuição de representantes por aplicação do método de Hondt: Proposta de Resolução do Exame de Matemática Aplicada às Ciêcias Sociais Cód. 835-2ª 1ª Fase 2014 1.1 Comecemos por determiar a distribuição de represetates por aplicação do método de Hodt: Divisores PARTIDOS

Leia mais

SÉRIE: Estatística Básica Texto v: CORRELAÇÃO E REGRESSÃO SUMÁRIO 1. CORRELAÇÃO...2

SÉRIE: Estatística Básica Texto v: CORRELAÇÃO E REGRESSÃO SUMÁRIO 1. CORRELAÇÃO...2 SUMÁRIO 1. CORRELAÇÃO... 1.1. Itrodução... 1.. Padrões de associação... 3 1.3. Idicadores de associação... 3 1.4. O coeficiete de correlação... 5 1.5. Hipóteses básicas... 5 1.6. Defiição... 6 1.7. Distribuição

Leia mais

Definição 1.1: Uma equação diferencial ordinária é uma. y ) = 0, envolvendo uma função incógnita y = y( x) e algumas das suas derivadas em ordem a x.

Definição 1.1: Uma equação diferencial ordinária é uma. y ) = 0, envolvendo uma função incógnita y = y( x) e algumas das suas derivadas em ordem a x. 4. EQUAÇÕES DIFERENCIAIS 4.: Defiição e coceitos básicos Defiição.: Uma equação diferecial ordiária é uma dy d y equação da forma f,,,, y = 0 ou d d ( ) f (, y, y,, y ) = 0, evolvedo uma fução icógita

Leia mais

Estimação por Intervalo (Intervalos de Confiança):

Estimação por Intervalo (Intervalos de Confiança): Estimação por Itervalo (Itervalos de Cofiaça): 1) Itervalo de Cofiaça para a Média Populacioal: Muitas vezes, para obter-se a verdadeira média populacioal ão compesa fazer um levatameto a 100% da população

Leia mais

5- CÁLCULO APROXIMADO DE INTEGRAIS 5.1- INTEGRAÇÃO NUMÉRICA

5- CÁLCULO APROXIMADO DE INTEGRAIS 5.1- INTEGRAÇÃO NUMÉRICA 5- CÁLCULO APROXIMADO DE INTEGRAIS 5.- INTEGRAÇÃO NUMÉRICA Itegrar umericamete uma fução y f() um dado itervalo [a, b] é itegrar um poliômio P () que aproime f() o dado itervalo. Em particular, se y f()

Leia mais

CURSO ONLINE REGULAR ESTATÍSTICA BÁSICA PROF. SÉRGIO CARVALHO

CURSO ONLINE REGULAR ESTATÍSTICA BÁSICA PROF. SÉRGIO CARVALHO AULA 14 RESOLUÇÕES FINAIS DA LISTA DE QUESTÕES Olá, amigos! Espero que estejam todos bem! Apreseto-lhes, hoje, as vite e duas últimas resoluções da lista origial do osso Curso! Com elas, cocluímos o osso

Leia mais

M = 4320 CERTO. O montante será

M = 4320 CERTO. O montante será PROVA BANCO DO BRASIL / 008 CESPE Para a veda de otebooks, uma loja de iformática oferece vários plaos de fiaciameto e, em todos eles, a taxa básica de juros é de % compostos ao mês. Nessa situação, julgue

Leia mais

Objetivo. Estimar a média µ de uma variável aleatória X, que representa uma característica de interesse de uma população, a partir de uma amostra.

Objetivo. Estimar a média µ de uma variável aleatória X, que representa uma característica de interesse de uma população, a partir de uma amostra. ESTIMAÇÃO PARA A MÉDIAM Objetivo Estimar a média µ de uma variável aleatória X, que represeta uma característica de iteresse de uma população, a partir de uma amostra. Exemplos: µ : peso médio de homes

Leia mais

Solução de Equações Diferenciais Ordinárias Usando Métodos Numéricos

Solução de Equações Diferenciais Ordinárias Usando Métodos Numéricos DELC - Departameto de Eletrôica e Computação ELC 0 Estudo de Casos em Egeharia Elétrica Solução de Equações Difereciais Ordiárias Usado Métodos Numéricos Versão 0. Giovai Baratto Fevereiro de 007 Ídice

Leia mais

Exercício 1. Quantos bytes (8 bits) existem de modo que ele contenha exatamente quatro 1 s? Exercício 2. Verifique que

Exercício 1. Quantos bytes (8 bits) existem de modo que ele contenha exatamente quatro 1 s? Exercício 2. Verifique que LISTA INCRÍVEL DE MATEMÁTICA DISCRETA II DANIEL SMANIA 1 Amostras, seleções, permutações e combiações Exercício 1 Quatos bytes (8 bits) existem de modo que ele coteha exatamete quatro 1 s? Exercício 2

Leia mais

Equações Diferenciais (ED) Resumo

Equações Diferenciais (ED) Resumo Equações Difereciais (ED) Resumo Equações Difereciais é uma equação que evolve derivadas(diferecial) Por eemplo: dy ) 5 ( y: variável depedete, : variável idepedete) d y dy ) 3 0 y ( y: variável depedete,

Leia mais

1. Objetivo: determinar as tensões normais nas seções transversais de uma viga sujeita a flexão pura e flexão simples.

1. Objetivo: determinar as tensões normais nas seções transversais de uma viga sujeita a flexão pura e flexão simples. FACULDADES NTEGRADAS ENSTEN DE LMERA Curso de Graduação em Egeharia Civil Resistêcia dos Materiais - 0 Prof. José Atoio Schiavo, MSc. NOTAS DE AULA Aula : Flexão Pura e Flexão Simples. Objetivo: determiar

Leia mais

1- REFRAÇÃO LUMINOSA é a variação de velocidade da luz devido à mudança do meio de propagação. refração do meio em que o raio se encontra.

1- REFRAÇÃO LUMINOSA é a variação de velocidade da luz devido à mudança do meio de propagação. refração do meio em que o raio se encontra. REFRAÇÃO - LENTES - REFRAÇÃO LUMINOSA é a variação de velocidade da luz devido à mudaça do meio de propagação. - Ídice de refração absoluto: é uma relação etre a velocidade da luz em um determiado meio

Leia mais

Faculdade Campo Limpo Paulista Mestrado em Ciência da Computação Complexidade de Algoritmos Avaliação 2

Faculdade Campo Limpo Paulista Mestrado em Ciência da Computação Complexidade de Algoritmos Avaliação 2 Faculdade Campo Limpo Paulista Mestrado em Ciêcia da Computação Complexidade de Algoritmos Avaliação 2. (2,0): Resolva a seguite relação de recorrêcia. T() = T( ) + 3 T() = 3 Pelo método iterativo progressivo.

Leia mais

UNIVERSIDADE ESTADUAL DE CAMPINAS FACULDADE DE ENGENHARIA MECÂNICA IM 317 METODOLOGIA PARA PLANEJAMENTO EXPERIMENTAL E ANÁLISE DE RESULTADOS

UNIVERSIDADE ESTADUAL DE CAMPINAS FACULDADE DE ENGENHARIA MECÂNICA IM 317 METODOLOGIA PARA PLANEJAMENTO EXPERIMENTAL E ANÁLISE DE RESULTADOS UNIVERSIDADE ESTADUAL DE CAMPINAS FACULDADE DE ENGENHARIA MECÂNICA PROGRAMA DE PÓS-GRADUAÇÃO EM ENGENHARIA MECÂNICA IM 37 METODOLOGIA PARA PLANEJAMENTO EXPERIMENTAL E ANÁLISE DE RESULTADOS PROF. DR. SÉRGIO

Leia mais

As dificuldades na representação gráfica

As dificuldades na representação gráfica II2 A Regressão Liear Múltipla Por vezes, é ecessário mais do que uma variável preditora para modelar a variável resposta de iteresse Exemplo: Num estudo sobre uma população experimetal de cloes da casta

Leia mais

Matemática e suas Tecnologias Matemática Alexmay Soares, Cleiton Albuquerque, Fabrício Maia, João Mendes e Thiago Pacífico

Matemática e suas Tecnologias Matemática Alexmay Soares, Cleiton Albuquerque, Fabrício Maia, João Mendes e Thiago Pacífico Uiversidade Aberta do Nordeste e Esio a Distâcia são marcas registradas da Fudação Demócrito Rocha. É proibida a duplicação ou reprodução deste fascículo. Cópia ão autorizada é Crime. Matemática e suas

Leia mais