Estatística Notas de Aulas ESTATÍSTICA. Notas de Aulas. Professor Inácio Andruski Guimarães, DSc. Professor Inácio Andruski Guimarães, DSc.

Save this PDF as:
 WORD  PNG  TXT  JPG

Tamanho: px
Começar a partir da página:

Download "Estatística Notas de Aulas ESTATÍSTICA. Notas de Aulas. Professor Inácio Andruski Guimarães, DSc. Professor Inácio Andruski Guimarães, DSc."

Transcrição

1 Estatístca Notas de Aulas ESTATÍSTICA Notas de Aulas Professor Iáco Adrus Gumarães, DSc. Professor Iáco Adrus Gumarães, DSc.

2 Estatístca Notas de Aulas SUMÁRIO CONCEITOS BÁSICOS 5. Estatístca. Estatístca Descrtva.3 Estatístca Iferecal.4 População.5 Amostra.6 Varável.7 Séres Estatístcas APRESENTAÇÃO DE DADOS 7. Apresetação Tabular. Apresetação Gráfca 3 DISTRIBUIÇÃO DE FREQÜÊNCIAS 3. Dados Brutos 3. Rol 3.3 Ampltude Total 3.4 Número de Classes 3.5 Ampltude de Classe 3.6 Itervalo de Classe 3.7 Freqüêca Smples 3.8 Freqüêca Acumulada 3.9 Freqüêca Relatva 3.0 Poto Médo de Classe 3. Represetações Gráfcas 4 MEDIDAS DE TENDÊNCIA CENTRAL OU DE POSIÇÃO 7 4. Méda Artmétca 4. Medaa 4.3 Moda Relação etre Méda, Medaa e Moda 4.5 Percetl 4.6 Decl 4.7 Quartl 5 MEDIDAS DE DISPERSÃO 6 5. Ampltude 5. Desvo Médo 5.3 Varâca 5.4 Desvo Padrão 5.5 Coefcete de Varação 6 ASSIMETRIA E CURTOSE 3 6. Coefcete de Assmetra 6. Coefcete de Curtose 7 TEORIA DA PROBABILIDADE Teora dos Cojutos 7. Téccas de Cotagem 7.3 Itrodução à Probabldade 8 VARIÁVEIS ALEATÓRIAS Tpos de Varáves Aleatóras 8. Fução de Probabldade 8.3 Fução Desdade de Probabldade 8.4 Epectâca 8.5 Varâca Professor Iáco Adrus Gumarães, DSc.

3 Estatístca Notas de Aulas Dstrbução Cojuta 8.7 Idepedêca 8.8 Fução Dstrbução Acumulada 9 MODELOS DE PROBABILIDADE PARA VARIÁVEIS DISCRETAS Dstrbução Uforme 9. Dstrbução de Beroull 9.3 Dstrbução Bomal 9.4 Dstrbução Geométrca 9.5 Dstrbução de Pascal 9.6 Dstrbução de Posso 9.7 Dstrbução Hpergeométrca 9.8 Dstrbução Multomal 0 MODELOS DE PROBABILIDADE PARA VARIÁVEIS CONTÍNUAS 6 0. Dstrbução Uforme 0. Dstrbução Normal 0.3 Dstrbução Gama 0.4 Dstrbução Epoecal 0.5 Dstrbução de Webull 0.6 Dstrbução Qu-Quadrado 0.7 Dstrbução t, de Studet 0.8 Dstrbução F, de Fsher 0.9 Apromação da Dstrbução Bomal pela Normal INTRODUÇÃO À INFERÊNCIA ESTATÍSTICA 67. Estmadores e Estatístcas. Estmadores Efcetes.3 Estatístcas Sufcetes.4 Famíla Epoecal.5 Método da Máma Verossmlhaça.6 Dstrbução Amostral da Méda INTERVALOS DE CONFIANÇA 74. Itervalo de Cofaça para a Méda. Itervalo de Cofaça para a Dfereça de Médas.3 Itervalo de Cofaça para a Proporção.4 Itervalo de Cofaça para a Dfereça de Proporções.5 Itervalo de Cofaça para a Varâca.6 Determação do Tamaho de uma Amostra 3 CONTROLE ESTATÍSTICO DE PROCESSO (CEP) 8 3. Cocetos 3. Dagrama de Pareto 3.3 Dagrama de Ishawa 3.4 Gráfco de Cotrole para Méda e Ampltude 3.5 Capabldade 3.6 Gráfcos de Cotrole para Ampltudes Móves 3.7 Gráfcos de Cotrole por Atrbutos 4 TEORIA DA DECISÃO ESTATÍSTICA Teste de Hpótese 4. Teste de Hpótese para a Méda 4.3 Teste de Hpótese para a Dfereça de Médas 4.4 Teste de Hpótese para a Proporção 4.5 Teste de Hpótese para a Dfereça de Proporções 5 ANÁLISE DA VARIÂNCIA (ANOVA) ANOVA para um Fator 5. ANOVA para dos Fatores Professor Iáco Adrus Gumarães, DSc.

4 Estatístca Notas de Aulas 4 6 TESTE QUI-QUADRADO 0 6. Teste de Bodade de Ajustameto 6. Teste de Idepedêca de Varáves 7 TESTES NÃO PARAMÉTRICOS 3 7. Teste U, de Wlcoo, Ma e Whtey 7. Teste H, de Krusal Walls 8 ANÁLISE DE CORRELAÇÃO E DE REGRESSÃO 8 8. Coefcete de Correlação 8. Aálse de Regressão Lear 8.3 Método dos Mímos Quadrados 8.4 Modelo Epoecal 8.5 Modelo Potêca 8.6 Modelo Logarítmco APÊNDICE I INTEGRAIS EULERIANAS APÊNDICE II MÉTODO DE NEWTON RAPHSON Professor Iáco Adrus Gumarães, DSc.

5 Estatístca Notas de Aulas 5. CONCEITOS BÁSICOS. Estatístca A Estatístca compreede os métodos cetífcos utlzados para coleta, orgazação, resumo, apresetação e aálse, ou descrção, de dados de observação. Também abrage métodos utlzados para tomadas de decsões sob codções de certeza.. Estatístca Descrtva Iclu as téccas empregadas para coleta e descrção de dados. Também é empregada a aálse eploratóra de dados..3 Estatístca Iferecal É utlzada para tomar decsões a respeto de uma população, geralmete utlzado dados de amostras. Uma vez que tas decsões são tomadas sob codções de certeza, faz-se ecessáro o uso de cocetos relatvos à Teora da Probabldade..4 População Um dos cocetos fudametas a Estatístca, é empregado para desgar um cojuto de dvíduos que possuem pelo meos uma característca, ou atrbuto, em comum. Algus autores empregam o termo uverso para referr-se a uma população..5 Amostra Refere-se a qualquer subcojuto de uma população. A amostragem é uma das etapas mas mportates a aplcação de métodos estatístcos, evolvedo aspectos como determação do tamaho da amostra, metodologa de formação e represetatvdade da amostra com relação à população..6 Varável É usada para atrbução dos valores correspodetes aos dados observados. É mportate ressaltar que os dados em questão ão são ecessaramete umércos, uma vez que podem dzer respeto a atrbutos qualtatvos observados a população. Por esta razão costuma-se classfcar as varáves as categoras defdas a segur..6. Varável Numérca. Também chamada varável quattatva, é utlzada para represetação de dados umércos, ou quattatvos..6.. Varável Numérca Dscreta. Varável cujo domío é um cojuto eumerável. Geralmete correspode a dados de cotagem. Eemplo: Número de defetos em um compoete, total de udades defetuosas em uma amostra..6.. Varável Numérca Cotíua. Varável cujo domío é um cojuto ão eumerável. Refere-se a dados de mesuração. Eemplo: Dâmetro de um eo, peso de um recém-ascdo..6. Varável Qualtatva. É utlzada para represetação de atrbutos. Pode ser dcotômca, ou bára, quado assume apeas dos possíves valores, ou poltômca, também referda como multomal, quado pode assumr mas de dos possíves valores..6.. Varável Qualtatva Categórca. É empregada para represetar categoras, ou classes, às quas pertecem as observações regstradas. Eemplo: Cor dos olhos, seo..6.. Varável Qualtatva Ordal. Utlza-se este tpo de varável em stuações as quas presume-se a ecessdade de uma ordem, crescete ou decrescete, para os resultados. Eemplo: Grau de escolardade, categora salaral. Professor Iáco Adrus Gumarães, DSc.

6 Estatístca Notas de Aulas 6.7 Séres Estatístcas Uma sére estatístca cosste bascamete de um cojuto de valores observados para dferetes categoras de uma varável. As séres estatístcas são classfcadas em três categoras, apresetadas a segur..7. Sére Temporal. A varável de teresse refere-se a um período de tempo. Eemplo.7. A tabela a segur mostra o faturameto, em mlhões de reas, da empresa fctíca ABC durate o ao de 0XY. Tabela. Faturameto mesal (R$ ) da empresa ABC (0XY). Mês Ja Fev Mar Abr Ma Ju Jul Ago Set Out Nov Dez Total Faturameto 0,95,03,,4,0 0,9 0,84 0,78 0,7 0,65 0,68 0,8 0,77 Fote: Dados fctícos..7. Sére Geográfca. Aqu a varável estudada é o local. Eemplo.7. A tabela a segur mostra o faturameto, em mlhões de reas, da empresa fctíca ABC durate o ao de 0XY, as respectvas regões de atuação. Tabela. Faturameto (R$ ) da empresa ABC (0XY), por regão. Grade Iteror Iteror Porto Iteror Campo Regão Cuabá Total Curtba do PR de SC Alegre do RS Grade Faturameto,75,58,8,4 0,80 0,75 0,70 0,77 Fote: Dados fctícos..7.3 Sére Específca. Eemplo A tabela a segur mostra o faturameto, em mlhões de reas, da empresa fctíca ABC durate o ao de 0XY, especfcado por produto. Tabela.3 Faturameto (R$ ) da empresa ABC (0XY), por produto. Produto Rolameto Macal Óleo Juta Válvula Retetor Total Faturameto 3,48,84,75,45,5,00 0,77 Fote: Dados fctícos..7.4 Séres Combadas. Na prátca, é comum combar séres estatístcas com o objetvo de aumetar, ou detalhar, as formações dspoíves. Eemplo.7.4 O quadro a segur mostra o faturameto da empresa ABC por produto e regão, sto é, uma combação de uma sére geográfca e uma sére específca. Quadro. Faturameto (R$ ) da empresa ABC, por produto e regão. Regão Produto Rolameto Macal Óleo Juta Válvula Retetor Total Grade Curtba 0,89 0,46 0,45 0,37 0,3 0,6,75 Iteror do PR 0,83 0,44 0,4 0,35 0,30 0,4,58 Iteror de SC 0,59 0,3 0,30 0,5 0, 0,6,8 Porto Alegre 0,45 0,4 0,3 0,9 0,6 0,5,4 Iteror do RS 0,6 0,4 0,3 0, 0,09 0,07 0,80 Campo Grade 0,4 0,3 0, 0,0 0,09 0,07 0,75 Cuabá 0, 0, 0,0 0,08 0,08 0,0 0,70 Total 3,48,84,75,45,5,00 0,77 Fote: Dados fctícos. Professor Iáco Adrus Gumarães, DSc.

7 Estatístca Notas de Aulas 7. APRESENTAÇÃO DE DADOS A apresetação de dados pode ser efetuada através de dos modos, tabular ou gráfco, ão mutuamete eclusvos. Para esta tarefa deve-se ter em mete o objetvo da apresetação, o que dz respeto ao ível de detalhameto e ao tpo de formação que se deseja etrar dos dados em questão. A apresetação tabular permte obter formações mas detalhadas, equato a apresetação gráfca permte uma compreesão mas rápda a respeto do comportameto da varável observada.. Apresetação Tabular Em prmero lugar, é mportate frsar que os termos tabela e quadro são utlzados para desgar objetos dsttos. O prmero desga o arrajo de dados a forma de grade com lateras abertas, equato o segudo termo é empregado para desgar arrajos em grades com lateras fechadas, coforme a Fgura.. Varável Valores Varável Valores Total Total Fgura. Formatos de tabela e quadro. Idepedete do formato escolhdo, uma tabela deve coter três elemetos: Cabeçalho. Deve coter o mámo de formações sobre os dados apresetados Corpo. De dmesões varáves, é o espaço destado à apresetação propramete dta dos dados. 3 Rodapé. Deve coter a fote dos dados e outras formações ecessáras à compreesão... Tabela Smples. É o tpo mas comum de tabela, utlzado para represetar os valores correspodetes a uma sére estatístca. A dsposção pode ser feta tato por coluas como por lhas. Eemplo. Eemplo de tabela smples. Dados dspostos em lha. Tabela. Faturameto mesal (R$ ) da empresa ABC (0XY). Mês Ja Fev Mar Abr Ma Ju Jul Ago Set Out Nov Dez Total Faturameto 0,95,03,,4,0 0,9 0,84 0,78 0,7 0,65 0,68 0,8 0,77 Fote: Dados fctícos. Eemplo. - Eemplo de tabela smples. Dados dspostos em colua. Tabela. Número de beefcáros de plaos prvados de saúde, em mlhões, o período Ao Beefcáros (mlhões) , , , , , , ,7 Fote: Joral Folha de São Paulo. 4/6/007 Professor Iáco Adrus Gumarães, DSc.

8 Estatístca Notas de Aulas 8.. Tabela de Dupla Etrada. É utlzada para represetar dados de duas séres combadas. Eemplo.3 Eemplo de tabela de dupla etrada. Tabela. Faturameto (R$ ) da empresa ABC, por produto e regão. Regão Produto Rolameto Macal Óleo Juta Válvula Retetor Total Grade Curtba 0,89 0,46 0,45 0,37 0,3 0,6,75 Iteror do PR 0,83 0,44 0,4 0,35 0,30 0,4,58 Iteror de SC 0,59 0,3 0,30 0,5 0, 0,6,8 Porto Alegre 0,45 0,4 0,3 0,9 0,6 0,5,4 Iteror do RS 0,6 0,4 0,3 0, 0,09 0,07 0,80 Campo Grade 0,4 0,3 0, 0,0 0,09 0,07 0,75 Cuabá 0, 0, 0,0 0,08 0,08 0,0 0,70 Total 3,48,84,75,45,5,00 0,77 Fote: Dados fctícos...3 Tabela de Múltplas Etradas. É utlzada a represetação de dados correspodetes a mas de duas séres. Eemplo.4 Eemplo de tabela de múltpla etrada. Tabela.3 Udades veddas por regão e por semestre. Produto Regão Rolameto Macal Total o Semestre o semestre o Semestre o semestre Sul Sudeste Cetro Oeste Total Dados Fctícos.. Apresetação Gráfca Para a apresetação gráfca deve-se levar em cosderação o tpo de sére estatístca estudada e o, também, o tpo de varável observada, quattatva ou qualtatva. Também é possível combar as duas formas de apresetação, tabular e gráfca. Os prcpas tpos de gráfcos são:.. Gráfco Lear. É utlzado prcpalmete para represetar séres temporas. Eemplo.5 Tabela. Faturameto mesal (R$ ) da empresa ABC (0XY). Mês Ja Fev Mar Abr Ma Ju Jul Ago Set Out Nov Dez Total Faturameto 0,95,03,,4,0 0,9 0,84 0,78 0,7 0,65 0,68 0,8 0,77 Fote: Dados fctícos. Faturameto da Empresa ABC R$ ,00,5 0, Meses Professor Iáco Adrus Gumarães, DSc.

9 Estatístca Notas de Aulas 9.. Gráfco Setoral. É utlzado para represetar séres geográfcas ou específcas. Eemplo.6 Tabela. Faturameto (R$ ) da empresa ABC (0XY), por regão. Grade Iteror Iteror Porto Iteror Campo Regão Cuabá Total Curtba do PR de SC Alegre do RS Grade Faturameto,75,58,8,4 0,80 0,75 0,70 0,77 Fote: Dados fctícos. Cuabá; 0,7 Faturameto por Regão Campo Grade; 0,75 Iteror do RS; 0,8 Porto Alegre;,4 Iteror de SC;,8 Grade Curtba;,75 Iteror do PR;,58 Grade Curtba Iteror do PR Iteror de SC Porto Alegre Iteror do RS Campo Grade Cuabá..3 Gráfco de Coluas. Pode ser utlzado o lugar do gráfco setoral. Eemplo.7 Os dados da Tabela. poderam ser represetados através do gráfco a segur. Faturameto por Regão 3,5,5 0,5 0 Grade Curtba Iteror do PR Iteror de SC Porto Alegre Iteror do RS Campo Grade Cuabá..4 Gráfco de Coluas Superpostas. É utlzado para represetar os dados de tabelas de dupla etrada. Eemplo.8 Represetação dos dados da Tabela.. Faturameto por Produto e por Regão (%) 00% 80% 60% 40% 0% 0% Grade Curtba Iteror do Iteror de PR SC Porto Alegre Iteror do RS Campo Grade Cuabá Retetor Válvula Juta Óleo Macal Rolameto Professor Iáco Adrus Gumarães, DSc.

10 Estatístca Notas de Aulas 0..5 Gráfco de Coluas Justapostas. È utlzado para represetar dados de tabelas de dupla etrada. Faturameto por Produto e por Regão 0,8 Rolameto 0,6 0,4 0, 0 Grade Curtba Iteror do PR Iteror de SC Porto Alegre Iteror do RS Campo Grade Cuabá Macal Óleo Juta Válvula Retetor Professor Iáco Adrus Gumarães, DSc.

11 Estatístca Notas de Aulas 3. DISTRIBUIÇÕES DE FREQÜÊNCIAS As dstrbuções de freqüêcas são usadas prcpalmete para a apresetação de grades cojutos de dados. 3. Dados Brutos É a desgação para um cojuto de dados ão ordeados. 3. Rol É um cojuto de dados ordeados. Eemplo 3. Teores de ácdo palmítco (%) observados em 0 amostras de óleos vegetas, utlzadas em um estudo para comparar as característcas de óleos obtdos a partr de dferetes fotes. 3.3 Ampltude Total (R) 3,8 5, 6, 6,4 8,3 0, 0,9,5 3,9 5,4 6, 6,4 8,3 0, 0,9,5 4, 5,4 6, 6,5 9,3 0,4,5 4,5 5,5 6, 6,6 9,4 0,4,5 4,6 5,6 6, 6,7 9,6 0,5,6 4,8 5,7 6, 6,7 9,7 0,5,6 4,8 5,9 6, 6,8 9,7 0,5,,9 4,8 5,9 6, 7 9,7 0,5,,9 4,9 5,9 6, 7, 9,8 0,5,, 5 6 6, 7,5 9,8 0,5,, 5, 6 6, 7,6 9,8 0,7,, 5, 6 6, 7,7 9,9 0,8, 3 5, 6 6, 8 0 0,8,3 3 5, 6, 6, ,9,4 3, 5, 6, 6,4 8, 0 0,9,4 3, Fote: Brodja Voča et al. (005) É a dfereça etre o valor mámo e o valor mímo observados o cojuto de dados, sto é: R ( (3.) ) () Eemplo 3. Para o cojuto de dados do eemplo ateror a ampltude total é R 3, 3,8 9,3 3.4 Número de Classes () Pode ser determado arbtraramete ou de acordo com a epressão a segur, deomada fórmula de Sturges, ode é o úmero de observações, ou tamaho da amostra. + 3,3 log (3.) Eemplo 3.3 Uma dstrbução de freqüêcas para os dados do Quadro 3., de acordo com a fórmula de Sturges, terá + 3,3log(0) 7, Ampltude de Classe (h) Pode ser calculada por R h (3.3) Professor Iáco Adrus Gumarães, DSc.

12 Estatístca Notas de Aulas 9,3 Eemplo 3.4 Para os dados dos eemplos aterores, a ampltude de classe é h, Itervalo de Classe Os lmtes de cada classe podem ser defdos de quatro modos dsttos, mostrados a segur.. Itervalo eclusve eclusve :. Itervalo clusve eclusve : 3. Itervalo clusve clusve : 4. Itervalo eclusve clusve : Eemplo 3.5 Para os dados utlzados como eemplo até agora, as classes e tervalos são: 3.7 Freqüêca Smples (f ) Tabela 3. Dstrbução de freqüêcas para os teores (%) de ácdo palmítco observados em amostras de óleos vegetas. Classe Teores de Ácdo Palmítco Observações 3,8 -- 5,0 9 5,0 -- 6, 4 3 6, -- 7,4 4 7,4 -- 8, ,6 -- 9, ,8 --,0 4 7,0 --, 8, -- 3,4 7 Total (N) 0 A freqüêca smples da ésma classe é gual ao úmero do observações pertecetes à mesma. Eemplo 3.6 Na dstrbução do eemplo ateror: f 9, f 4,..., f Freqüêca Acumulada A freqüêca acumulada crescete da ésma classe é dada por: fac f j j (3.4) Eemplo 3.7 A freqüêca acumulada crescete da quarta classe, a dstrbução mostrada a Tabela 3., é: fac A freqüêca acumulada decrescete da ésma classe é dada por: fad f (3.5) j j Eemplo 3.8 Para a quarta classe da dstrbução ateror, a freqüêca acumulada decrescete é dada por: fad Freqüêca Relatva (fr ) A freqüêca relatva da ésma classe é dada por: fr f j f j (3.6) Professor Iáco Adrus Gumarães, DSc.

13 Estatístca Notas de Aulas 3 Eemplo 3.9 As freqüêcas relatvas para dstrbução da Tabela 3. são Tabela 3. Dstrbução de freqüêcas smples e relatvas para os teores (%) de ácdo palmítco observados em amostras de óleos vegetas. Classe Teores de Ácdo Palmítco Observações Freqüêcas Relatvas 3,8 -- 5,0 9 0,0750 5,0 -- 6, 4 0, , -- 7,4 0, ,4 -- 8,6 8 0, ,6 -- 9,8 6 0, ,8 --,0 4 0,000 7,0 --,4 0,750 8,4 -- 3,6 7 0,0583 Total (N) 0, Poto Médo de Classe (X ) O poto médo da ésma classe é dado por: X LI + LS (3.7) ode LI e LS são os lmtes feror e superor da classe, respectvamete. Eemplo 3.0 As classes da dstrbução da Tabela 3. têm os segutes potos médos: Tabela 3.3 Dstrbução de freqüêcas smples e potos médos de classe para os teores (%) de ácdo palmítco observados em amostras de óleos vegetas. Classe Teores de Ácdo Palmítco Observações Potos Médos (X ) 3,8 -- 5,0 9 4,4 5,0 -- 6, 4 3 6, -- 7,4 4 7,4 -- 8, ,6 -- 9, ,8 --,0 4 7,0 --, 8, -- 3,4 7,8 Total () 0 3. Represetações Gráfcas As dstrbuções de freqüêcas podem ser represetadas através de três tpos de gráfcos, ão mutuamete eclusvos. 3.. Hstograma É um gráfco de coluas justapostas, ode a largura da base de cada colua represeta o tervalo de classe correspodete e a altura represeta a freqüêca smples da referda classe. Eemplo 3. A Fgura 3. mostra o hstograma da dstrbução mostrada a Tabela 3.. Professor Iáco Adrus Gumarães, DSc.

14 Estatístca Notas de Aulas ,8-5,0 5,0-6, 6, - 7,4 7,4-8,6 8,6-9,8 9,8 -,0,0 -,, - 3,4 Fgura 3. Hstograma da dstrbução de freqüêcas de teores de ácdo palmítco. 3.. Polígoo de Freqüêcas É defdo por uma lha polgoal cujos vértces são defdos pelos potos médos e pelas freqüêcas das classes represetadas. Eemplo 3. O polígoo de freqüêcas para a dstrbução ateror é mostrado a Fgura Freqüêcas Classes Fgura 3. Polígoo de freqüêcas da dstrbução de teores de ácdo palmítco Curva de Freqüêcas Eemplo 3.3 A curva de freqüêcas para a dstrbução dos eemplos aterores é mostrada a Fgura Fgura 3.3 Curva de freqüêcas para a dstrbução de teores de ácdo palmítco. Professor Iáco Adrus Gumarães, DSc.

15 Estatístca Notas de Aulas 5 3. Eercícos O Quadro 3. mostra 50 valores correspodetes ao comprmeto da sépala, observados em flores de três espéces: írs vrgca, írs setosa e írs verscolor, para um estudo cujo é a comparação das dfereças etre as dmesões observadas para cada um dos três grupos. Quadro 3. Comprmetos (mm) das sépalas observadas em 50 eemplares de flores írs Fote: Fsher (936). ) Calcular a ampltude total. ) Calcular o úmero de classes para costrur uma dstrbução de freqüêcas. 3) Calcular a ampltude de cada classe. 4) Determar os tervalos e lmtes de classes. 5) Dstrbur as freqüêcas. 6) Calcular as freqüêcas acumuladas. 7) Calcular os potos médos. 8) Traçar o hstograma. Resposta: Classe Comprmeto (mm) Flores fac fad fr Poto médo , , , , Total 50 Professor Iáco Adrus Gumarães, DSc.

16 Estatístca Notas de Aulas Fgura 3.4 Hstograma para os dados do Quadro 3.. Referêcas Brodja Voča, D., Kodba, Z., Novč, M., Multvarate data aalyss classfcato of vegetable ols characterzed by the cotet of fatty acds. Chemometrcs ad Itellget Laboratory Systems 75, pp. 3-43, 005. Fsher, R. A., The use of multple measuremets taoomc problems. Aals of Eugecs 7, pp , 936. Johso, R. A., Wcher, D. W., Appled multvarate statstcal aalyss. d. Ed. New Jersey: Pretce- Hall Iteratoal, Ic., 988. Professor Iáco Adrus Gumarães, DSc.

17 Estatístca Notas de Aulas 7 4. MEDIDAS DE TENDENCIA CENTRAL OU DE POSIÇÃO São meddas utlzadas prcpalmete para a descrção de dados. Neste caso o que se deseja ecotrar são os valores represetatvos do cojuto de dados, de modo a resumr ao mámo as observações sobre os dados em questão. As prcpas meddas de posção são a méda artmétca, a medaa e a moda. As defções, e algumas propredades, destas meddas são brevemete descrtas a segur. 4. Méda Artmétca ( ) Seja um cojuto de dados {,,..., }. A méda artmétca, ou smplesmete méda, é dada por (4.) Eemplo 4. Seja o cojuto {, 4, 3, 5, 6,, 5}. Etão a méda artmétca é: , OBS: A otação é empregada para represetar a méda de uma amostra de valores. A méda da população costuma ser represetada pela letra grega µ ( m ou mu ). 4.. Propredades da Méda Artmétca: P : Se uma costate é somada a cada valor do cojuto, etão a méda será acrescda de. Eemplo 4. Se todos os valores do cojuto do eemplo 3. forem aumetados em 5, a méda será 8,857. P : Se cada valor do cojuto é multplcado por uma costate, etão a méda também será multplcada pelo mesmo valor. Eemplo 4.3 Se todos os valores do cojuto do eemplo 3. forem multplcados por 5, a méda será 9,855. P 3 : Seja d o desvo do ésmo valor em relação à méda artmétca. Etão d Méda Artmétca Poderada Para dados agrupados em dstrbuções de freqüêcas calcula-se a méda poderada, sedo que a freqüêca observada para cada valor é o peso do mesmo. Etão, se um cojuto de valores fo agrupado em classes, com potos médos X, X,..., X, e freqüêcas smples f, f,..., f, respectvamete, etão a méda artmétca é dada por: X f (4.) f Professor Iáco Adrus Gumarães, DSc.

18 Estatístca Notas de Aulas 8 Eemplo 4.4 O teor médo de ácdo palmítco, para os dados da Tabela 3., é dado por: Classe Teores de Ácdo Palmítco (%) Observações (f ) X X f 3,8 -- 5,0 9 4,4 39,6 5,0 -- 6, 4 3 6, -- 7,4 4 7,4 -- 8, ,6 -- 9, ,8 --,0 4 7,0 --, 8, -- 3,4 7,8 89,6 Total () 0 04,4 0 8,54 OBS: Se a méda para os 0 valores fosse obtda dretamete do cojuto, através da fórmula (4.), o valor ecotrado sera 8, Medaa ( ~ ) É o valor que ocupa a posção cetral em um cojuto de dados, quado orgazados em ordem crescete. Se a quatdade de valores é ímpar, a medaa, ou valor medao, é smplesmete o valor cetral. Se a quatdade de valores é par, a medaa é a méda dos dos valores cetras. Eemplo 4.5 Seja o cojuto {,, 3, 5, 5, 6, 7, 7, 9, 9, 0}. Neste caso a medaa é ~ 6. Eemplo 4.6 Seja o cojuto {0,,,, 3, 4, 5, 5, 6, 6, 7, 8}. Aqu a medaa é dada pela méda dos dos valores cetras, sto é, ~ (4 + 5)/ 4, Medaa para dados agrupados em dstrbuções de freqüêcas Para dados agrupados em dstrbuções de freqüêcas pode-se utlzar para o cálculo da medaa a epressão: fca ~ LI + h (4.3) ~ fme ode: LI lmte feror da classe que cotém o valor medao, sto é, da classe cuja freqüêca acumulada crescete é gual ou medatamete superor a /. fca freqüêca acumulada crescete da classe ateror à classe que cotém o valor medao. fme freqüêca smples da classe que cotém o valor medao. h ampltude da classe que cotém o valor medao. Eemplo 4.7 O teor medao de ácdo palmítco, para os dados da Tabela 3., é dado por: Classe Teores de Ácdo Palmítco (%) Observações (f ) fac 3,8 -- 5, ,0 -- 6, , -- 7, ,4 -- 8, ,6 -- 9, ,8 --,0 4 7,0 --, 8, -- 3,4 7 Total () 0 Professor Iáco Adrus Gumarães, DSc.

19 Estatístca Notas de Aulas 9 60 (Etão a medaa pertece à 4ª. classe). LI 7,4 fca 54 fme 8 h 8,6 7,4, Substtudo a epressão (4.3): OBS: Se a medaa fosse obtda a partr da defção, dretamete do cojuto de dados, o valor ecotrado sera 8, Moda A moda, ou valor modal, de um cojuto de dados é o valor com maor freqüêca dvdual. É mportate ressaltar que o valor modal pode ão estr, além dsto, caso esta, pode ão ser úco. Neste últmo caso, dz-se que o cojuto é bmodal, trmodal, etc. Eemplo 4.8 O valor modal para o cojuto de observação dos teores de ácdo palmítco é 6,, cuja freqüêca é 0. 3,8 5, 6, 6,4 8,3 0, 0,9,5 3,9 5,4 6, 6,4 8,3 0, 0,9,5 4, 5,4 6, 6,5 9,3 0,4,5 4,5 5,5 6, 6,6 9,4 0,4,5 4,6 5,6 6, 6,7 9,6 0,5,6 4,8 5,7 6, 6,7 9,7 0,5,6 4,8 5,9 6, 6,8 9,7 0,5,,9 4,8 5,9 6, 7 9,7 0,5,,9 4,9 5,9 6, 7, 9,8 0,5,, 5 6 6, 7,5 9,8 0,5,, 5, 6 6, 7,6 9,8 0,7,, 5, 6 6, 7,7 9,9 0,8, 3 5, 6 6, 8 0 0,8,3 3 5, 6, 6, ,9,4 3, 5, 6, 6,4 8, 0 0,9,4 3, Para dados agrupados em dstrbuções de freqüêcas, a moda pode ser calculada através da fórmula dada por: Mo LI mod + + h (4.4) ode: LI mod lmte feror da classe modal, sto é, a de maor freqüêca smples. (freqüêca smples da classe modal meos a freqüêca smples da classe ateror). (freqüêca smples da classe modal meos a freqüêca smples da classe posteror). h ampltude da classe modal. Eemplo 4.9 Calcular a moda para a dstrbução de freqüêcas dos teores de ácdo palmítco. A dstrbução de freqüêcas é dada a tabela a segur. Classe Teores de Ácdo Palmítco (%) Observações (f ) Professor Iáco Adrus Gumarães, DSc.

20 Estatístca Notas de Aulas 0 3,8 -- 5,0 9 5,0 -- 6, 4 3 6, -- 7,4 4 7,4 -- 8, ,6 -- 9, ,8 --,0 4 7,0 --, 8, -- 3,4 7 Total () 0 Neste caso as classes e 6 têm a mesma freqüêca. Etão a dstrbução obtda é bmodal, coforme se pode otar a Fgura 3.3, com a curva de freqüêcas para este cojuto de dados. As respectvas modas são: Prmero valor modal: LI mod 5, h 6, 5,0, Substtudo a fórmula (4.4): Segudo valor modal: LI mod 9, h,0 9,8, Substtudo a fórmula (4.4): Mo 5, 0 + (, ) Mo 9, 8 + (, ) OBS: É mportate chamar a ateção para o fato de que ehum dos valores cocde com o real valor modal, que é gual a 6,. Cometáro Nos eemplos aterores é possível observar que as meddas calculadas para um cojuto de dados podem apresetar dscrepâca quado calculadas através de abordages dsttas. Para a dstrbução de freqüêcas dos teores (%) de ácdo palmítco observados em amostras de óleos vegetas, por eemplo, a méda artmétca fo calculada como 8,54, para os dados agrupados, e 8,40 para os dados apeas ordeados. O mesmo ocorre com a medaa, que, por defção, é 8,5. Etretato, para os mesmos dados, quado agrupados, a medaa é gual a 8,30. Para o cálculo da moda a dfereça é ada mas grtate, pos foram ecotrados dos valores, 6,0 e 0,8, para a moda. Cotudo, é fácl perceber que o valor em questão é gual a 6,. Este tpo de ocorrêca deve ser levado em cosderação quado se opta pela apresetação, e tratameto, de dados a forma de dstrbuções de freqüêcas. O fácl acesso a programas computacoas e aplcatvos pode torar dspesável a costrução de dstrbuções de freqüêcas, especalmete quado o teresse do estudo restrge-se aos resultados obtdos para as dferetes meddas aqu estudadas. Neste caso, a dstrbução de freqüêcas pode ser usada apeas como meo de apresetação dos dados. Professor Iáco Adrus Gumarães, DSc.

21 Estatístca Notas de Aulas 4.4 Relação etre Méda, Medaa e Moda A relação etre os valores ecotrados para a méda, para a medaa e para a moda dca o tpo de assmetra da dstrbução de freqüêcas. Aqu etede-se por assmetra o grau de desvo dos dados em relação ao cetro da dstrbução. Fgura 4. Assmetra postva (Mo < ~ < ). Fgura 4. Assmetra egatva (Mo > ~ > ). Fgura 4.3 Dstrbução smétrca (ormal) (Mo ~ ). Na prátca é comum obter dstrbuções de freqüêcas cujas meddas ão apresetam ehum dos comportametos descrtos, e lustrados, as Fguras 4. a 4.3. Neste caso recomeda-se eclur a moda as relações mostradas acma, sto é, comparar apeas a méda e a medaa Percetl O valor medao é aquele que dvde um cojuto de dados ordeados em duas partes guas. Da mesma forma, também pode ser útl dscrmar valores correspodetes a uma determada percetagem. Este tpo de stuação ocorre, por eemplo, quado se deseja determar a reda famlar que defe os 0% mas rcos em uma socedade. Professor Iáco Adrus Gumarães, DSc.

22 Estatístca Notas de Aulas Para determar certo percetl em um cojuto de dados é sufcete ordear estes mesmos dados e localzar o elemeto correspodete à fração desejada, de modo aálogo ao usado para determar a medaa. Eemplo 4.0 Seja o cojuto de dados mostrado o Quadro 4.. O 90 o percetl é o valor que separa 90% dos eemplares com meor largura dos 0% com a maor largura. Etão, cosderado que o cojuto tem 50 observações, basta separar os 5 últmos elemetos, que são justamete os pertecetes à últma colua. Neste caso o 90 o percetl é gual a 37. Isto sgfca que 90% dos eemplares apresetam largura feror a 37 mm. Quadro 4. Larguras (em mm) das sépalas observadas em 50 eemplares de flores írs Fote: Fsher (936). Para dados agrupados em dstrbuções de freqüêcas pode-se utlzar a fórmula dada por: P p LI P p + 00 fca h fp ode: LI P lmte feror da classe que cotém o p ésmo percetl, sto é, da classe cuja freqüêca acumulada crescete é gual ou medatamete superor a p / 00. fca freqüêca acumulada crescete da classe ateror à classe que cotém o p ésmo percetl. fp freqüêca smples da classe que cotém o p ésmo percetl. h ampltude da classe que cotém o p ésmo percetl. Eemplo 4. Calcular o 90 o percetl e o 0 o percetl para os dados da dstrbução de freqüêcas dos dados mostrados o Quadro 4.. (4.5) Classes Largura (mm) Eemplares fac Total 50 Professor Iáco Adrus Gumarães, DSc.

23 Estatístca Notas de Aulas 3 Neste caso: p 90. Etão O valor procurado pertece à 6ª. classe, que tem freqüêca 00 acumulada crescete gual a 38. LI P 35 fca 5 fp 3 h Substtudo a fórmula 4.5: 35 5 P (3) 37, 3. 3 O cálculo do 0 o percetl é deado como eercíco Decl Esta medda é aplcada quado de deseja dvdr um cojuto de dados ordeados em dez partes guas. Não é dfícl perceber que: D P 0 D P 0 D 3 P D 9 P 90 Eemplo 4. Para os dados do Quadro 4., o quarto decl correspode ao valor que separa quatro décmos, ou 40% dos valores. Para 50 observações, sto represeta 60 valores, ou as quatro prmeras coluas. Etão D Quartl Esta medda dvde um cojuto de dados ordeados em quatro partes guas. Também é fácl perceber que: Q P 5 Q P 50 Q 3 P 75 Eemplo 4.3 Para os dados do Quadro 4., o tercero quartl é valor que separa o cojuto em duas partes, uma correspodete a 75% dos valores e outra correspodete a 5% dos valores. Como o cojuto possu 50 observações, e ¾ de 50 correspodem a,5, o elemeto procurado é a méda do o e do 3 o valores. Etão o Q 3 33 (verfque o própro quadro!) Eercícos 4.8.) O Quadro 3. fo utlzado para costrur uma dstrbução de freqüêcas o Eercíco 3.. Calcular, para a dstrbução de freqüêcas obtda: ) Méda. ) Medaa. 3) Moda. 4) Comparar os resultados obtdos com os reas valores. 5) Estudar a assmetra da dstrbução. 6) Calcular o 0 o e o 90 o percetís. 7) Calcular o o e o 4 o quartís. Respostas: O quadro orgal é dado a segur. Professor Iáco Adrus Gumarães, DSc.

24 Estatístca Notas de Aulas 4 Quadro 3. Comprmetos (mm) das sépalas observadas em 50 eemplares de flores írs Fote: Fsher (936). A dstrbução de freqüêcas obtda é dada a tabela a segur. Classe Comprmeto (mm) Flores fac fad fr Poto médo , , , , , , , , , Total 50 ) Méda: 59,03 mm. ) Medaa: ~ 58,43 mm. 3) Moda: Mo 57, mm. 4) 55,4 mm. 4.8.) O Quadro 4. mostra os valores observados para as larguras (mm) das sépalas observadas os 50 eemplares mecoados os eemplos aterores. ) Costrur uma dstrbução de freqüêcas para os dados observados. ) Calcular a largura méda. 3) Calcular a largura medaa. 4) Calcular a largura modal. 5) Comparar os valores obtdos a partr da dstrbução de freqüêcas com os valores obtdos dretamete o cojuto de dados. 6) Estudar a assmetra da dstrbução. 7) Calcular o 0 o e o 90 o percetís. Professor Iáco Adrus Gumarães, DSc.

25 Estatístca Notas de Aulas 5 Respostas: ) A dstrbução de freqüêcas fca: ) A largura méda é: 3,0 mm. 3) A largura medaa é: ~ 30,78 mm. 4) A largura modal é: Mo 30,63 mm. Quadro 4. Larguras (em mm) das sépalas observadas em 50 eemplares de flores írs Fote: Fsher (936). Classes Largura (mm) Eemplares Total Fgura 4.4 Hstograma para os dados do Quadro 4.. Professor Iáco Adrus Gumarães, DSc.

26 Estatístca Notas de Aulas 6 5. MEDIDAS DE DISPERSÃO A prcpal utldade das meddas de tedêca cetral, quado calculadas para determado cojuto de dados, é a determação de valores característcos ou típcos deste cojuto. Etretato, a formação forecda por tas meddas é completa, se ão for acompahada de alguma formação sobre a varabldade dos dados. Esta formação é obtda através do cálculo de meddas de dspersão, ou varabldade. 5. Ampltude Total Seja um cojuto de dados ordeados { (), (),..., () }, ode () e () represetam o valor mímo e o valor mámo, respectvamete, do cojuto. A ampltude total é dada por: R ( (5.) Eemplo 5. A ampltude total para o cojuto de dados do Quadro 4. é: R mm. 5. Desvo Médo Quadro 4. Larguras (em mm) das sépalas observadas em 50 eemplares de flores írs ) () Fote: Fsher (936). Seja um cojuto de dados {,,..., }, ão ecessaramete ordeados. Etão o desvo médo dos valores do cojuto em relação à sua méda é dado por: D (5.) Eemplo 5. O Quadro 5. mostra os teores (%) de vaádo ecotrados em uma amostra de sete estratos de óleo cru etraídas de solo do tpo Wlhelm sadstoe. Quadro 5. Teores de vaádo. Estrato Teor (%) 3,9,7,8 3, 3,5 3,9,7 Fote: Johso e Wcher (988) A méda é 3, 86. O desvo médo é: 3,9 3, ,7 3,86 D 0, Professor Iáco Adrus Gumarães, DSc.

27 Estatístca Notas de Aulas 7 Para uma dstrbução de freqüêcas com classes, com freqüêcas smples f,..., f, e potos médos X,..., X, respectvamete, o desvo médo é dado por: D X f (5.3) f Eemplo 5.3 O desvo médo para a dstrbução de freqüêcas dos dados do Quadro 4. é calculado como: A méda é 3,0 mm. Classes Largura (mm) Eemplares Poto Médo (X ) X X f ,5 9,5 38, ,5 6,5 97, ,5 3,5 98, ,5 0,5 4, ,5,48 76, ,5 5,48 7, ,5 8,48 76, ,5,48 34,44 Total 50 57,76 Etão 57,76 D 3, Varâca Seja um cojuto de dados {,,..., }, ão ecessaramete ordeados. Assm como o desvo médo, a varâca é gerada a partr das dfereças dos valores do cojuto de dados em relação à méda do mesmo. Etretato, é ecessáro ter em mete a atureza dos dados estudados, mas especfcamete, se os mesmos costtuem uma população ou uma amostra. Para o prmero caso, e represetado a méda populacoal por µ, a varâca é dada por: ( µ ) σ. (5.4) A fórmula acma pode ser faclmete trasformada para uma epressão mas smples, dada por: σ µ. (5.6) Quado o cojuto de dados {,,..., } represeta uma amostra, calcula-se o estmador corrgdo para a varâca amostral, dado por s ( ). (5.7) O estmador acma também costuma ser represetado por ˆ σ, e a fórmula (5.7) pode ser trasformada para s. (5.8) Professor Iáco Adrus Gumarães, DSc.

28 Estatístca Notas de Aulas 8 Eemplo 5.4 Calcular a varâca para a amostra de teores de vaádo, mostrados o Quadro 5.. Quadro 5. Teores de vaádo. Estrato Teor (%) 3,9,7,8 3, 3,5 3,9,7 Fote: Johso e Wcher (988) A méda é 3, 86. Etão, usado a fórmula (5.8): 3,9 +, ,7 (7)(3,86 ) 74,7 7,97 s 0, Para uma dstrbução de freqüêcas com classes, com freqüêcas smples f,..., f, e potos médos X,..., X, respectvamete, a varâca populacoal é dada por: σ X f f µ. (5.9) Para dados amostras, o estmador corrgdo é dado por s X f. (5.0) Eemplo 5.5 Calcular a varâca amostral para os dados da dstrbução de freqüêcas dos dados do Quadro 4.. Classes Largura (mm) Eemplares (f ) Poto Médo (X ) X X f ,5 46, ,5 600,5 9003, ,5 756, ,5 930,5 437, ,5, , ,5 33,5 739, ,5 560,5 404, ,5 806,5 548,75 Total ,5 A méda é 3,0 mm. Etão, usado a fórmula (5.0): 4739,5 (50 )( 3,0 ) 4739, ,06 s 0, Quado ão tem à dsposção uma plalha de cálculo, ou mesmo uma calculadora adequada, pode-se reduzr o esforço para calcular a varâca. Isto é possível através das fórmulas (5.) e (5.3), obtdas a partr das fórmulas (5.9) e (5.0), respectvamete. Para tato basta efetuar a substtução de varável dada por: X A +. (5.) hd Efetuada a substtução as fórmulas (5.9) e (5.0), após coveetes mapulações algébrcas obtém-se as fórmulas dadas por: Professor Iáco Adrus Gumarães, DSc.

29 Estatístca Notas de Aulas 9 σ h d f f d f f (5.) d d f f (5.3) s h ( ) Nas fórmulas acma: A poto médo de uma classe de referêca escolhda arbtraramete (em geral escolhe-se a classe modal, sto é, a que possu a maor freqüêca smples). h ampltude de classe (deve ser gual para todas as classes). d desvo da -ésma classe em relação à classe escolhda como classe de referêca. f. Eemplo 5.6 Calcular a varâca amostral para a dstrbução de freqüêcas do eemplo ateror. Escolhedo, arbtraramete, a quarta classe como classe de referêca: Lembrado que h 3 e 50: Classes Largura (mm) Eemplares (f ) d d f d f Total s (3 ) 9 50 (50)(50 ) [,550 0,030 ] 0, Método Breve para o Cálculo da Méda Artmétca A substtução (5.5) aplcada à fórmula da méda, permte a segute trasformação: X f f A h + d f (5.4) f A fórmula (5.4) também é cohecda como Método Breve para o cálculo da méda. 5.4 Desvo Padrão È dado pela raz quadrada da varâca. Deste modo, para o cálculo do desvo padrão, deve-se levar em cosderação a atureza dos dados. È a medda de dspersão mas utlzada para a descrção de dados, jutamete com a méda artmétca. Professor Iáco Adrus Gumarães, DSc.

30 Estatístca Notas de Aulas Professor Iáco Adrus Gumarães, DSc. 30 Seja o cojuto de dados {,,..., }, ão ecessaramete ordeados. Se o cojuto represeta uma população, o desvo padrão é dado por: µ σ. (5.5) Se o cojuto represeta uma amostra, o estmador corrgdo é dado por: s. (5.6) Eemplo 5.7 Calcular o desvo padrão para os dados do Quadro 5.. Quadro 5. Teores de vaádo. Estrato Teor (%) 3,9,7,8 3, 3,5 3,9,7 Fote: Johso e Wcher (988) A méda é 86 3,. Etão, usado a fórmula (5.6): 0,533 0,833 7 ) 3, 86 (7 )( 7,7... 3,9 + + s Desvo Padrão para Dados Agrupados em Dstrbuções de Freqüêcas Para uma dstrbução de freqüêcas com classes, com freqüêcas smples f,..., f, e potos médos X,..., X, respectvamete, o desvo padrão populacoal é dado por: µ σ f f X. (5.7) O estmador corrgdo para o desvo padrão amostral é dado por: f X s. (5.8) Para o cálculo do desvo padrão através das fórmulas (5.7) e (5.8) também é possível efetuar a mesma substtução de varável aplcada ao cálculo da varâca. Neste caso as duas fórmulas são trasformadas para: f f d f f d h σ, (5.9) e ) ( f d f d h s. (5.0)

31 Estatístca Notas de Aulas Coefcete de Varação É defdo como a razão etre o desvo padrão e a méda, sto é s CV (5.) Eemplo 5.8 Calcular o coefcete de varação para os dados do Quadro 5.. 0,533 CV 0,649. 3, Eercícos 5.6.) Seja a dstrbução de freqüêcas dos dados do Quadro 3., ou seja: Classe Comprmeto (mm) Flores fac fad fr Poto médo , , , , , , , , , Total 50 Calcular: ) O desvo padrão. ) O coefcete de varação. 5.6.) Repetr o eercíco ateror para os dados da dstrbução de teores de ácdo palmítco. Classe Teores de Ácdo Palmítco (%) Observações (f ) 3,8 -- 5,0 9 5,0 -- 6, 4 3 6, -- 7,4 4 7,4 -- 8, ,6 -- 9, ,8 --,0 4 7,0 --, 8, -- 3,4 7 Total () 0 Respostas: Desvo padrão: s,655 ; Coefcete de varação: CV 0, ASSIMETRIA E CURTOSE Assmetra é o afastameto de uma dstrbução em relação a um valor cetral. Curtose é o achatameto de uma dstrbução. 6. Coefcete de Assmetra Já fo vsto que uma dstrbução de freqüêcas pode ser assmétrca postva, egatva ou smétrca, este caso também chamada dstrbução ormal. Os três casos são lustrados as fguras a segur. Professor Iáco Adrus Gumarães, DSc.

32 Estatístca Notas de Aulas 3 Fgura 4. Assmetra postva (Mo < ~ < ). Fgura 4. Assmetra egatva (Mo > ~ > ). Fgura 4.3 Dstrbução smétrca (ormal) (Mo ~ ). O coefcete de assmetra de Pearso mede o afastameto que caracterza o tpo de assmetra. Este coefcete é dado por: 3( ~ ) ass. (6.) s Eemplo 5. Calcular o coefcete de assmetra para os dados do Quadro 5.. Depos de ordeados, os valores fcam: Quadro 5. Teores de vaádo (ordeados) Estrato () () (3) (4) (5) (6) (7) Teor (%),7,7,8 3, 3,5 3,9 3,9 Fote: Johso e Wcher (988) A méda é 3,86 e o desvo padrão é s 0,533. A medaa é ~ 3,. Etão: Professor Iáco Adrus Gumarães, DSc.

33 Estatístca Notas de Aulas 33 3(3,86 3,) ass 0,748. 0, Coefcete de Curtose O coefcete de curtose mede o achatameto de uma dstrbução de freqüêcas, em comparação com uma dstrbução ormal. Na prátca só é calculado para dstrbuções smétrcas, ou muto apromadamete smétrcas. O coefcete percetílco de curtose é dado por: C P75 P5. (6.) ( P P ) 90 0 Para uma dstrbução ormal, o coefcete de curtose é C 0,63. Se o valor calculado para C é feror a 0,63, dz-se que a dstrbução é leptocúrtca (alogada). Se o valor é superor a 0,63, dz-se que a dstrbução é platcúrtca (achatada). As três stuações são lustradas as Fguras 6., 6. e Fgura 3. Dstrbução leptocúrtca Fgura 3. Dstrbução mesocúrtca. Professor Iáco Adrus Gumarães, DSc.

34 Estatístca Notas de Aulas Fgura 3.3 Dstrbução platcúrtca. A caracterzação do tpo de curtose aula a avalação da dspersão dos dados do cojuto. Uma dstrbução leptocúrtca possu dspersão baa, equato uma dstrbução platcúrtca possu dspersão elevada, tomado como referêca a dspersão verfcada em uma dstrbução ormal. 6.3 Eercícos 6.3.) Seja a dstrbução de freqüêcas para os dados do Quadro 4.. Isto é, Calcular: ) O coefcete de assmetra de Pearso. ) O coefcete percetílco de curtose. Classes Largura (mm) Eemplares Total 50 Professor Iáco Adrus Gumarães, DSc.

35 Estatístca Notas de Aulas 35 EXERCÍCIOS DE REVISÃO O Quadro 6. cotém os teores de ácdo oléco observados em 0 observações de óleos vegetas.,3 5, 6,8 30,4 34,8 5,,7 5, ,9 53,,8 5, 7, 3, 35 54,6,9 5,3 7, 3, 35 55,5 3, 5,3 7, 3, 35 55,9 3, 5,3 7, 3, 35, 56,6 3, 5,5 7,4 3, 35, 57, 3, 5,6 7,8 3,7 35, ,7 8,3 3,7 35,4 58, 4, 5,7 8,3 3,8 35,8 59 4, 5,8 8,3 3,8 37,4 59, 4,4 5,8 9, 3, 37,7 59, 4,4 5,9 9,4 3,6 38,4 59, 4,4 6 9,5 3,9 39,3 59,3 4,5 6 9,6 33,6 39,7 6,6 4,5 6, 9,6 33,6 40, 6,8 4,6 6, 9,8 33,9 4,4 6,6 4,6 6,4 9, ,9 4,7 6,5 30,3 34,4 43,3 77,8 4,9 6,7 30,4 34,5 45,7 80,6 ) Costrur uma dstrbução de freqüêcas para os dados. ) Traçar o hstograma. 3) Calcular a méda artmétca. 4) Calcular a medaa. 5) Calcular a moda. 6) Tato a medaa como a moda podem ser obtdas dretamete o Quadro 6.. Comparar os valores ecotrados pela observação dreta com os valores obtdos pelas fórmulas, os eercícos 4 e 5. 7) Calcular o desvo padrão. 8) Estudar a assmetra da dstrbução. 9) O cálculo do coefcete de curtose é justfcado para este cojuto de dados? Por quê? Algumas respostas: ) Ampltude total: R 58,3; Número de classes: + 3,3log(0) 8 ; Ampltude de classe (R/) : h 7,3. Professor Iáco Adrus Gumarães, DSc.

36 Estatístca Notas de Aulas TEORIA DA PROBABILIDADE As mas freqüetes aplcações da estatístca evolvem processos de tomada de decsões sob codções de certeza. Este tpo de stuação ocorre, por eemplo, em processos de speção de qualdade. Aqu o tomador de decsões deve decdr, após specoar uma amostra, se um lote de certo produto está coforme parâmetros de qualdade prevamete defdos. Neste caso a certeza decorre de fatores como tamaho da amostra, represetatvdade da mesma e método de speção, etre outros. Esta certeza é tratada pela estatístca com o auílo da teora da probabldade. Na seqüêca apreseta-se uma breve revsão dos prcpas cocetos evolvdos o estudo desta teora. 7. Teora dos Cojutos 7.. Cojuto. É o termo empregado para desgar uma lsta, ou coleção, bem defda de elemetos. Um cojuto é represetado por letra maúscula, equato seus elemetos são represetados por letras músculas. Se um elemeto pertece a um cojuto C, escreve-se C. Caso cotráro, C. Dz se que um cojuto A está cotdo em outro cojuto B, se todos os elemetos de A pertecem também ao cojuto B. Neste caso escreve-se A B, ou B A. A egação para a prmera represetação é A B. Há duas formas de se represetar um cojuto. Pode-se lstar os seus elemetos ou utlzar uma represetação gráfca cohecda como Dagrama de Ve. Seja por eemplo o cojuto C, de todos os resultados observáves o laçameto de um dado. Etão: C {,, 3, 4, 5, 6 } Se um cojuto V ão possu quasquer elemetos, dz-se que o mesmo é vazo. Neste caso podese represetar como V { } ou V Ø. 7.. Operações com Cojutos 7... Uão Sejam A, B e C três cojutos arbtráros. São defdas as segutes operações: a B. A uão dos cojutos A e B é o cojuto formado por todos os elemetos que pertecem a A ou A B { : A B}. Eemplo 7. Seja os cojutos A {,,3,4,5,6,7,8,9} e B {7,8,9,0,,}. Etão a uão de A e B resulta o cojuto A B {,,3,4,5,6,7,8,9,0,, } Itersecção A tersecção dos cojutos A e B é o cojuto formado por todos os elemetos que pertecem a A e a B. A B { A B}. Eemplo 7. A tersecção dos cojutos A e B do eemplo ateror resulta o cojuto A B {7,8,9}. Professor Iáco Adrus Gumarães, DSc.

37 Estatístca Notas de Aulas Dfereça A dfereça dos cojutos A e B é o cojuto de elemetos de que pertecem ao cojuto A, mas ão ao cojuto B. Se A \ B { : A B}. A B, dz-se que B \ A é o complemeto de A em relação a B. B A Eemplo 7.3 A dfereça dos cojutos A e B dos eemplos aterores resulta o cojuto A \ B {,,3,4,5,6}. Eemplo 7.4 Sejam os cojutos X {,3,4,5,6,7} e Y {4,5,6}. Etão o complemeto de Y em relação a X é X \ Y {,3,7} Cojutos Ftos e Eumeráves Dz-se que um cojuto A é fto quado é formado por elemetos, ode é um úmero tero postvo. Dz-se que um cojuto é eumerável quado é possível atrbur uma seqüêca aos seus elemetos. Eemplo 7.5 Seja X o cojuto de todos os possíves resultados observáves o laçameto de um dado. Neste caso, X {,,3,4,5,6} é fto e eumerável. Eemplo 7.6 Seja I o cojuto de todos os úmeros reas compreeddos etre 0 e. Etão o cojuto dado por I { : 0 < < } ão é fto e em eumerável. Eemplo 7.7 Seja P o cojuto de todos os úmeros teros postvos ímpares. Etão o cojuto dado por P {,3,5,...} é fto e eumerável Produto Cartesao Sejam dos cojutos, A e B. O produto cartesao de A e B, represetado por A B é o cojuto de todos os pares ordeados (, y) ode pertece a A e y pertece a B. A B {(, y) : A y B} Eemplo 7.8 Sejam os cojutos A {,4,6} e B {5,7}. Etão o produto cartesao é o cojuto dado por A B {(,5), (,7), (4,5), (4,7), (6,5), (6,7)} Classes Há stuações as quas os elemetos de um cojuto também são cojutos. Seja por eemplo o cojuto dos úmeros aturas, IN. O subcojuto de todos os múltplos de 7 forma um cojuto. Seja um cojuto A. Uma classe de A é um cojuto de subcojutos de A. Eemplo 7.9 Seja o cojuto A {,,3,4,5,6,7,8,9,0}. Algumas classes de A são dadas por: [{,3,5,7,9}, {,4,6,8,0}, {,,3,4}], [{,3,5}, {7,9}, {,4}, {6,8,0}], [{},{3},{5},{7},{9}]. Professor Iáco Adrus Gumarães, DSc.

38 Estatístca Notas de Aulas Classe Ideada Em algumas stuações utlza-se a epressão classe deada de cojutos, cuja otação geralmete é { A : I}. Neste caso deseja-se esclarecer que a cada elemeto de I correspode um cojuto A. O cojuto I é chamado cojuto dos ídces, e os cojutos A são os cojutos deados por I. Quado I é subcojuto do cojuto IN, dos úmeros aturas, a classe deada {A, A,... } é chamada seqüêca de cojutos. O cojuto de elemetos, cada um dos quas pertecete a pelo meos um cojuto A, é chamado uão dos A, e pode ser represetado por U A. O cojuto de elemetos, cada um dos quas pertecete a todos os cojutos A, é chamado tersecção dos A, e pode ser represetado por I A Partção I Seja um cojuto A. Uma partção é uma classe de subcojutos ão vazos e dsjutos deste cojuto. Eemplo 7.0 Seja o cojuto D {,3,4,5,7,8,9}. Uma partção de D é [{,3,4}, {5,7}, {8,9}]. Por outro lado, a classe [{,3,4}, {4,5,7}, {8,9}] ão é uma partção, pos o elemeto 4 pertece a dos subcojutos σ Álgebra I Sejam um cojuto A e uma classe A ão vaza de subcojutos de uma σ álgebra se: U I A. Dz-se que A é. O complemeto de qualquer cojuto de A pertece a A.. A uão de um úmero fto, e eumerável, de cojutos de A pertece a A. 7. Téccas de Cotagem De acordo com o prcípo fudametal da cotagem, se um procedmeto pode ser eecutado de m modos possíves, e um segudo procedmeto pode ser eecutado de modos possíves, etão o úmero de modos pelos quas é possível eecutar os dos procedmetos é m.. Eemplo 7. Seja um epermeto que cosste em laçar um dado e, a seqüêca, uma moeda. Etão o úmero de possíves resultados é 6.. Eemplo 7. Quatas placas com três letras segudas de quatro algarsmos podem ser cofeccoadas, sabedo que ehuma placa possu quatro algarsmos guas a zero? Neste caso pode-se cosderar que há 6 letras dspoíves (cludo, w e y) e 0 algarsmos, 0,..., 9. Como ehuma placa pode ter quatro algarsmos guas a zero, para a últma posção há ove algarsmos possíves. Etão o total de placas possíves é: Fatoral Seja um úmero tero postvo. O fatoral de é dado por: É possível demostrar que 0!.! ( )( )... (7.) Eemplo 7.3 5! ; 8! / 6! (8.7.6!) / 6! Professor Iáco Adrus Gumarães, DSc.

INTRODUÇÃO ÀS PROBABILIDADES E ESTATÍSTICA

INTRODUÇÃO ÀS PROBABILIDADES E ESTATÍSTICA INTRODUÇÃO ÀS PROBABILIDADES E ESTATÍSTICA 003 Iformações: relembra-se os aluos teressados que a realzação de acções presecas só é possível medate solctação vossa, por escrto, à assstete da cadera. A realzação

Leia mais

CAPÍTULO 2 - Estatística Descritiva

CAPÍTULO 2 - Estatística Descritiva INF 6 Prof. Luz Alexadre Peterell CAPÍTULO - Estatístca Descrtva Podemos dvdr a Estatístca em duas áreas: estatístca dutva (ferêca estatístca) e estatístca descrtva. Estatístca Idutva: (Iferêca Estatístca)

Leia mais

MAE116 Noções de Estatística

MAE116 Noções de Estatística Grupo C - º semestre de 004 Exercíco 0 (3,5 potos) Uma pesqusa com usuáros de trasporte coletvo a cdade de São Paulo dagou sobre os dferetes tpos usados as suas locomoções dáras. Detre ôbus, metrô e trem,

Leia mais

Notas de aula da disciplina Probabilidade e Estatística

Notas de aula da disciplina Probabilidade e Estatística otas de aula da dscpla Probabldade e Estatístca Proessor M Sc Adré Luz DAMAT - UTFPR Esta apostla apreseta os tópcos prcpas abordados em sala de aula, cotedo deções, teoremas, eemplos Sua letura ão é obrgatóra,

Leia mais

Requisitos metrológicos de instrumentos de pesagem de funcionamento não automático

Requisitos metrológicos de instrumentos de pesagem de funcionamento não automático Requstos metrológcos de strumetos de pesagem de fucoameto ão automátco 1. Geeraldades As balaças estão assocadas de uma forma drecta à produção do betão e ao cotrolo da qualdade do mesmo. Se são as balaças

Leia mais

12.2.2 CVT: Coeficiente de Variação de Thorndike...45 12.2.3 CVQ: Coeficiente Quartílico de Variação...45 13 MEDIDAS DE ASSIMETRIA...46 13.

12.2.2 CVT: Coeficiente de Variação de Thorndike...45 12.2.3 CVQ: Coeficiente Quartílico de Variação...45 13 MEDIDAS DE ASSIMETRIA...46 13. SUMARIO 2 MÉTODO ESTATÍSTICO...3 2. A ESTATÍSTICA...3 2.2 FASES DO MÉTODO ESTATÍSTICO...4 3 FERRAMENTAS DE CÁLCULO PARA O ESTUDO DA ESTATÍSTICA...5 3. FRAÇÃO...5 3.. Adção e subtração...5 3..2 Multplcação

Leia mais

Professor Mauricio Lutz ESTATÍSTICA BÁSICA

Professor Mauricio Lutz ESTATÍSTICA BÁSICA Proessor Maurco Lutz ESTATÍSTICA BÁSICA. Coceto Exstem mutas deções propostas por autores, objetvado estabelecer com clareza o que é estatístca, como por exemplo: Þ A Estatístca é um cojuto de métodos

Leia mais

CAPÍTULO 9 - Regressão linear e correlação

CAPÍTULO 9 - Regressão linear e correlação INF 6 Prof. Luz Alexadre Peterell CAPÍTULO 9 - Regressão lear e correlação Veremos esse capítulo os segutes assutos essa ordem: Correlação amostral Regressão Lear Smples Regressão Lear Múltpla Correlação

Leia mais

IND 1115 Inferência Estatística Aula 9

IND 1115 Inferência Estatística Aula 9 Coteúdo IND 5 Iferêca Estatístca Aula 9 Outubro 2004 Môca Barros Dfereça etre Probabldade e Estatístca Amostra Aleatóra Objetvos da Estatístca Dstrbução Amostral Estmação Potual Estmação Bayesaa Clássca

Leia mais

Análise de Regressão

Análise de Regressão Aálse de Regressão Prof. Paulo Rcardo B. Gumarães. Itrodução Os modelos de regressão são largamete utlzados em dversas áreas do cohecmeto, tas como: computação, admstração, egeharas, bologa, agrooma, saúde,

Leia mais

Marília Brasil Xavier REITORA. Prof. Rubens Vilhena Fonseca COORDENADOR GERAL DOS CURSOS DE MATEMÁTICA

Marília Brasil Xavier REITORA. Prof. Rubens Vilhena Fonseca COORDENADOR GERAL DOS CURSOS DE MATEMÁTICA Maríla Brasl Xaver REITORA Prof. Rubes Vlhea Foseca COORDENADOR GERAL DOS CURSOS DE MATEMÁTICA MATERIAL DIDÁTICO EDITORAÇÃO ELETRONICA Odvaldo Texera Lopes ARTE FINAL DA CAPA Odvaldo Texera Lopes REALIZAÇÃO

Leia mais

LCE2112 Estatística Aplicada às Ciências Sociais e Ambientais 2010/02. Exemplos de revisão

LCE2112 Estatística Aplicada às Ciências Sociais e Ambientais 2010/02. Exemplos de revisão LCE Etatítca Aplcada à Cêca Soca e Ambeta 00/0 Eemplo de revão Varável Aleatóra Cotíua Eemplo: Para e etudar o comportameto de uma plata típca de dua, a Hydrocotlle p., quato ao eu deevolvmeto, medu-e

Leia mais

Capítulo 1: Erros em cálculo numérico

Capítulo 1: Erros em cálculo numérico Capítulo : Erros em cálculo umérco. Itrodução Um método umérco é um método ão aalítco, que tem como objectvo determar um ou mas valores umércos, que são soluções de um certo problema. Ao cotráro das metodologas

Leia mais

FINANCIAMENTOS UTILIZANDO O EXCEL

FINANCIAMENTOS UTILIZANDO O EXCEL rofessores Ealdo Vergasta, Glóra Márca e Jodála Arlego ENCONTRO RM 0 FINANCIAMENTOS UTILIZANDO O EXCEL INTRODUÇÃO Numa operação de empréstmo, é comum o pagameto ser efetuado em parcelas peródcas, as quas

Leia mais

Faculdade de Economia, Administração e Contabilidade de Ribeirão Preto

Faculdade de Economia, Administração e Contabilidade de Ribeirão Preto Faculdade de Ecooma, Admstração e Cotabldade de Rberão Preto Ecooma Moetára Curso de Ecooma / º. Semestre de 014 Profa. Dra. Rosel da Slva Nota de aula CAPM Itrodução Há dos modelos bastate utlzados para

Leia mais

A REGRESSÃO LINEAR EM EVENTOS HIDROLÓGICOS EXTREMOS: enchentes

A REGRESSÃO LINEAR EM EVENTOS HIDROLÓGICOS EXTREMOS: enchentes Mostra Nacoal de Icação Cetífca e Tecológca Iterdscplar VI MICTI Isttuto Federal Catarese Câmpus Camború 30 a 3 de outubro de 03 A REGRESSÃO LINEAR EM EVENTOS HIDROLÓGICOS EXTREMOS: echetes Ester Hasse

Leia mais

Introdução e Organização de Dados Estatísticos

Introdução e Organização de Dados Estatísticos II INTRODUÇÃO E ORGANIZAÇÃO DE DADOS ESTATÍSTICOS 2.1 Defnção de Estatístca Uma coleção de métodos para planejar expermentos, obter dados e organzá-los, resum-los, analsá-los, nterpretá-los e deles extrar

Leia mais

Unidade II ESTATÍSTICA

Unidade II ESTATÍSTICA ESTATÍSTICA Udade II 3 MEDIDAS OU PARÂMETROS ESTATÍSTICOS 1 O estudo que fzemos aterormete dz respeto ao agrupameto de dados coletados e à represetação gráfca de algus deles. Cumpre agora estudarmos as

Leia mais

Matemática. Resolução das atividades complementares. M18 Noções de Estatística

Matemática. Resolução das atividades complementares. M18 Noções de Estatística Resolução das atvdades complemetares Matemátca M8 Noções de Estatístca p. 3 (UFRJ) Dos estados do país, um certo ao, produzem os mesmos tpos de grãos. Os grácos de setores lustram a relação etre a produção

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

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

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

CAPÍTULO 5 - INTRODUÇÃO À INFERÊNCIA ESTATÍSTICA

CAPÍTULO 5 - INTRODUÇÃO À INFERÊNCIA ESTATÍSTICA 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

Leia mais

PROCEDIMENTOS DE CÁLCULO DE INCERTEZA DE MEDIÇÃO EM MEDIÇÕES DIRETAS E INDIRETAS

PROCEDIMENTOS DE CÁLCULO DE INCERTEZA DE MEDIÇÃO EM MEDIÇÕES DIRETAS E INDIRETAS PROCEDIMENTOS DE CÁLCULO DE INCERTEZA DE MEDIÇÃO EM MEDIÇÕES DIRETAS E INDIRETAS Prof José Leoardo Noroha M Eg Departameto de Egehara de Prodção Escola Federal de Egehara de Itabá EFEI RESUMO: Neste trabalho

Leia mais

Capítulo 6 - Centro de Gravidade de Superfícies Planas

Capítulo 6 - Centro de Gravidade de Superfícies Planas Capítulo 6 - Cetro de ravdade de Superfíces Plaas 6. Itrodução O Cetro de ravdade (C) de um sóldo é um poto localzado o própro sóldo, ou fora dele, pelo qual passa a resultate das forças de gravdade que

Leia mais

SUMÁRIO GOVERNO DO ESTADO DO CEARÁ. Cid Ferreira Gomes Governador. 1. Introdução... 2. Domingos Gomes de Aguiar Filho Vice Governador

SUMÁRIO GOVERNO DO ESTADO DO CEARÁ. Cid Ferreira Gomes Governador. 1. Introdução... 2. Domingos Gomes de Aguiar Filho Vice Governador INSTITUTO DE PESQUISA E ESTRATÉGIA ECONÔMICA DO CEARÁ - IPECE GOVERNO DO ESTADO DO CEARÁ Cd Ferrera Gomes Goverador Domgos Gomes de Aguar Flho Vce Goverador SECRETARIA DO PLANEJAMENTO E GES- TÃO (SEPLAG)

Leia mais

MA12 - Unidade 4 Somatórios e Binômio de Newton Semana de 11/04 a 17/04

MA12 - Unidade 4 Somatórios e Binômio de Newton Semana de 11/04 a 17/04 MA1 - Udade 4 Somatóros e Bômo de Newto Semaa de 11/04 a 17/04 Nesta udade troduzremos a otação de somatóro, mostrado como a sua mapulação pode sstematzar e facltar o cálculo de somas Dada a mportâca de

Leia mais

APOSTILA DA DISCIPLINA INFERÊNCIA ESTATÍSTICA I

APOSTILA DA DISCIPLINA INFERÊNCIA ESTATÍSTICA I UNIVERSIDADE FEDERAL DO PARANÁ SETOR DE CIÊNCIAS EXATAS DEPARTAMENTO DE ESTATÍSTICA APOSTILA DA DISCIPLINA INFERÊNCIA ESTATÍSTICA I CURSO DE ESTATÍSTICA Prof. Paulo Rcardo Bttecourt Gumarães O SEMETRE

Leia mais

Medidas de Localização

Medidas de Localização 07/08/013 Udade : Estatístca Descrtva Meddas de Localzação João Garbald Almeda Vaa Cojuto de dados utlzação de alguma medda de represetação resumo dos dados. E: Um cojuto com 400 observações como aalsar

Leia mais

Relatório Final da disciplina de Probabilidades e Estatística. Economia Gestão Informática e Gestão

Relatório Final da disciplina de Probabilidades e Estatística. Economia Gestão Informática e Gestão Relatóro Fal da dscpla de Probabldades e Estatístca Ecooma Gestão Iformátca e Gestão Docetes: Paulo Ifate (resposável) Iês Sousa Das Ao Lectvo 007/008 Ídce Relatóro Crítco de Leccoação Programa detalhado

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

APOSTILA DE ESTATÍSTICA APLICADA A ADMINISTRAÇÃO, ECONOMIA, MATEMÁTICA INDUSTRIAL E ENGENHARIA

APOSTILA DE ESTATÍSTICA APLICADA A ADMINISTRAÇÃO, ECONOMIA, MATEMÁTICA INDUSTRIAL E ENGENHARIA UNIVERSIDADE FEDERAL DO PARANÁ SETOR DE CIÊNCIAS EATAS DEPARTAMENTO DE ESTATÍSTICA APOSTILA DE ESTATÍSTICA APLICADA A ADMINISTRAÇÃO, ECONOMIA, MATEMÁTICA INDUSTRIAL E ENGENHARIA SONIA ISOLDI MARTY GAMA

Leia mais

1 SISTEMA FRANCÊS DE AMORTIZAÇÃO

1 SISTEMA FRANCÊS DE AMORTIZAÇÃO scpla de Matemátca Facera 212/1 Curso de Admstração em Gestão Públca Professora Ms. Valéra Espídola Lessa EMPRÉSTIMOS Um empréstmo ou facameto pode ser feto a curto, médo ou logo prazo. zemos que um empréstmo

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

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

APLICAÇÕES DE MÉTODOS DE ENERGIA A PROBLEMAS DE INSTABILIDADE DE ESTRUTURAS

APLICAÇÕES DE MÉTODOS DE ENERGIA A PROBLEMAS DE INSTABILIDADE DE ESTRUTURAS PONTIFÍCI UNIVERSIDDE CTÓLIC DO RIO DE JNEIRO DEPRTMENTO DE ENGENHRI CIVIL PLICÇÕES DE MÉTODOS DE ENERGI PROBLEMS DE INSTBILIDDE DE ESTRUTURS Julaa Bragh Ramalho Raul Rosas e Slva lua de graduação do curso

Leia mais

www.obconcursos.com.br/portal/v1/carreirafiscal

www.obconcursos.com.br/portal/v1/carreirafiscal www.obconcursos.com.br/portal/v1/carrerafscal Moda Exercíco: Determne o valor modal em cada um dos conjuntos de dados a segur: X: { 3, 4,, 8, 8, 8, 9, 10, 11, 1, 13 } Mo 8 Y: { 10, 11, 11, 13, 13, 13,

Leia mais

13 ESTIMAÇÃO DE PARÂMETROS E DISTRIBUIÇÃO AMOSTRAL

13 ESTIMAÇÃO DE PARÂMETROS E DISTRIBUIÇÃO AMOSTRAL 3 ESTIMAÇÃO DE PARÂMETROS E DISTRIBUIÇÃO AMOSTRAL Como vto em amotragem o prmero bmetre, etem fatore que fazem com que a obervação de toda uma população em uma pequa eja mpratcável, muta veze em vrtude

Leia mais

As tabelas resumem as informações obtidas da amostra ou da população. Essas tabelas podem ser construídas sem ou com perda de informações.

As tabelas resumem as informações obtidas da amostra ou da população. Essas tabelas podem ser construídas sem ou com perda de informações. 1. TABELA DE DISTRIBUIÇÃO DE FREQÜÊNCIA As tabelas resumem as normações obtdas da amostra ou da população. Essas tabelas podem ser construídas sem ou com perda de normações. As tabelas sem perda de normação

Leia mais

M = C( 1 + i.n ) J = C.i.n. J = C((1+i) n -1) MATEMÁTICA FINANCEIRA. M = C(1 + i) n BANCO DO BRASIL. Prof Pacher

M = C( 1 + i.n ) J = C.i.n. J = C((1+i) n -1) MATEMÁTICA FINANCEIRA. M = C(1 + i) n BANCO DO BRASIL. Prof Pacher MATEMÁTICA 1 JUROS SIMPLES J = C.. M C J J = M - C M = C( 1 +. ) Teste exemplo. ados com valores para facltar a memorzação. Aplcado-se R$ 100,00 a juros smples, à taxa omal de 10% ao ao, o motate em reas

Leia mais

CURSO SOBRE MEDIDAS DESCRITIVA Adriano Mendonça Souza Departamento de Estatística - UFSM -

CURSO SOBRE MEDIDAS DESCRITIVA Adriano Mendonça Souza Departamento de Estatística - UFSM - CURSO SOBRE MEDIDAS DESCRITIVA Adrao Medoça Souza Departameto de Estatístca - UFSM - O telecto faz pouco a estrada que leva à descoberta. Acotece um salto a coscêca, chame-o você de tução ou do que quser;

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

PUCRS FAMAT DEPTº DE ESTATÍSTICA ESTATÍSTICA DESCRITIVA SÉRGIO KATO

PUCRS FAMAT DEPTº DE ESTATÍSTICA ESTATÍSTICA DESCRITIVA SÉRGIO KATO PUCRS FAMAT DEPTº DE ESTATÍSTICA ESTATÍSTICA DESCRITIVA SÉRGIO KATO A expressão dados, será ctada dversas vezes esta dscpla, em lguagem ormal, dados são ormações (úmeros ou ão) sobre um dvíduo (pessoa,

Leia mais

Capítulo 1 PORCENTAGEM

Capítulo 1 PORCENTAGEM Professor Joselas Satos da Slva Matemátca Facera Capítulo PORCETAGEM. PORCETAGEM A porcetagem ada mas é do que uma otação ( % ) usada para represetar uma parte de cem partes. Isto é, 20% lê-se 20 por ceto,

Leia mais

Monitoramento ou Inventário Florestal Contínuo

Monitoramento ou Inventário Florestal Contínuo C:\Documets ad Settgs\DISCO_F\MEUS-DOCS\LIVRO_EF_44\ef44_PDF\CAP XIV_IFCOTIUO.doc 6 Motorameto ou Ivetáro Florestal Cotíuo Agosto Lopes de Souza. ITRODUÇÃO Parcelas permaetes de vetáro florestal cotíuo

Leia mais

UERJ CTC IME Departamento de Informática e Ciência da Computação 2 Cálculo Numérico Professora Mariluci Ferreira Portes

UERJ CTC IME Departamento de Informática e Ciência da Computação 2 Cálculo Numérico Professora Mariluci Ferreira Portes UERJ CTC IE Departameto de Iormátca e Cêca da Computação Udade I - Erros as apromações umércas. I. - Cosderações geras. Há váras stuações em dversos campos da cêca em que operações umércas são utlzadas

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

9 Medidas Descritivas

9 Medidas Descritivas 1 9 Meddas Descrtvas Vmos aterormete que um cojuto de dados pode ser resumdo através de uma dstrbução de freqüêcas, e que esta pode ser represetada através de uma tabela ou de um gráfco. Se o cojuto refere-se

Leia mais

Estatística Agosto 2009 Campus do Pontal Prof. MSc. Quintiliano Siqueira Schroden Nomelini

Estatística Agosto 2009 Campus do Pontal Prof. MSc. Quintiliano Siqueira Schroden Nomelini Estatístca Agosto 009 Campus do Potal Prof. MSc. Qutlao Squera Schrode Nomel - ESTATÍSTICA DESCRITIVA. - A NATUREZA DA ESTATÍSTICA COMO SURGIU A ESTATÍSTICA????? A Matemátca surge do covívo socal, da cotagem,

Leia mais

Medidas Numéricas Descritivas:

Medidas Numéricas Descritivas: Meddas Numércas Descrtvas: Meddas de dspersão Meddas de Varação Varação Ampltude Ampltude Iterquartl Varâca Desvo absoluto Coefcete de Varação Desvo Padrão Ampltude Medda de varação mas smples Dfereça

Leia mais

CAPÍTULO 1 PROBABILIDADE

CAPÍTULO 1 PROBABILIDADE CAPÍTULO PROBABILIDADE. Coceto O coceto de probabldade está sempre presete em osso da a da: qual é a probabldade de que o meu tme seja campeão? Qual é a probabldade de que eu passe aquela dscpla? Qual

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

ESTATÍSTICA MÓDULO 2 OS RAMOS DA ESTATÍSTICA

ESTATÍSTICA MÓDULO 2 OS RAMOS DA ESTATÍSTICA ESTATÍSTICA MÓDULO OS RAMOS DA ESTATÍSTICA Ídce. Os Ramos da Estatístca...3.. Dados Estatístcos...3.. Formas Icas de Tratameto dos Dados....3. Notação por Ídces...5.. Notação Sgma ()...5 Estatístca Módulo

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

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

MODELO DE ISING BIDIMENSIONAL SEGUNDO A TÉCNICA DE MATRIZ DE TRANSFERÊNCIA

MODELO DE ISING BIDIMENSIONAL SEGUNDO A TÉCNICA DE MATRIZ DE TRANSFERÊNCIA UIVERSIDADE ESTADUAL DO CEARÁ RAFAEL DE LIMA BARBOSA MODELO DE ISIG BIDIMESIOAL SEGUDO A TÉCICA DE MATRIZ DE TRASFERÊCIA FORTALEZA CEARÁ 4 RAFAEL DE LIMA BARBOSA MODELO DE ISIG BIDIMESIOAL SEGUDO A TÉCICA

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

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

2 Estrutura a Termo de Taxa de Juros

2 Estrutura a Termo de Taxa de Juros Estrutura a Termo de Taxa de Juros 20 2 Estrutura a Termo de Taxa de Juros A Estrutura a termo de taxa de juros (também cohecda como Yeld Curve ou Curva de Retabldade) é a relação, em dado mometo, etre

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

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

Algoritmos de Interseções de Curvas de Bézier com Uma Aplicação à Localização de Raízes de Equações

Algoritmos de Interseções de Curvas de Bézier com Uma Aplicação à Localização de Raízes de Equações Algortmos de Iterseções de Curvas de Bézer com Uma Aplcação à Localzação de Raízes de Equações Rodrgo L.R. Madurera Programa de Pós-Graduação em Iformátca, PPGI, UFRJ 21941-59, Cdade Uverstára, Ilha do

Leia mais

Perguntas Freqüentes - Bandeiras

Perguntas Freqüentes - Bandeiras Pergutas Freqüetes - Baderas Como devo proceder para prestar as formações de quatdade e valor das trasações com cartões de pagameto, os casos em que o portador opte por lqudar a obrgação de forma parcelada

Leia mais

Prof. Dr. Marco Antonio Leonel Caetano Projeção de Cenários Aplicados ao Orçamento Empresarial Com revisão das Ferramentas de Estatística

Prof. Dr. Marco Antonio Leonel Caetano Projeção de Cenários Aplicados ao Orçamento Empresarial Com revisão das Ferramentas de Estatística Projeção de Ceáros Aplcados ao Orçameto Empresaral Com revsão das Ferrametas de Estatístca Prof. Dr. Marco Atoo Leoel Caetao TÓPICO Tratameto, Quatfcação e Vsualzação de Dados Faceros. Itrodução Na dvulgação

Leia mais

RESUMO DE MATEMÁTICA FINANCEIRA. Juro Bom Investimento C valor aplicado M saldo ao fim da aplicação J rendimento (= M C)

RESUMO DE MATEMÁTICA FINANCEIRA. Juro Bom Investimento C valor aplicado M saldo ao fim da aplicação J rendimento (= M C) RESUMO DE MATEMÁTICA FINANCEIRA I. JUROS SIMPLES ) Elemetos de uma operação de Juros Smples: Captal (C); Motate (M); Juros (J); Taxa (); Tempo (). ) Relação etre Juros, Motate e Captal: J = M C ) Defção

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

UNIVERSIDADE FEDERAL FLUMINENSE CENTRO DE ESTUDOS GERAIS INSTITUTO DE MATEMÁTICA DEPARTAMENTO DE ESTATÍSTICA NÚMEROS ÍNDICES

UNIVERSIDADE FEDERAL FLUMINENSE CENTRO DE ESTUDOS GERAIS INSTITUTO DE MATEMÁTICA DEPARTAMENTO DE ESTATÍSTICA NÚMEROS ÍNDICES UNIVERSIDADE FEDERAL FLUMINENSE CENTRO DE ESTUDOS GERAIS INSTITUTO DE MATEMÁTICA DEPARTAMENTO DE ESTATÍSTICA NÚMEROS ÍNDICES Aa Mara Lma de Faras Luz da Costa Laurecel Com a colaboração dos motores Maracajaro

Leia mais

É o quociente da divisão da soma dos valores das variáveis pelos números deles:

É o quociente da divisão da soma dos valores das variáveis pelos números deles: Meddas de Posção. Itrodução Proª Ms. Mara Cytha O estudo das dstrbuções de requêcas, os permte localzar a maor cocetração de valores de uma dstrbução. Porém, para ressaltar as tedêcas característcas de

Leia mais

Técnicas de Estimação no Âmbito da Pós-estratificação

Técnicas de Estimação no Âmbito da Pós-estratificação Téccas de Estmação o Âmbto da Pós-estratfcação por Aa Crsta Maro da Costa Dssertação apresetada como requsto parcal para a obteção do grau de Mestre em Estatístca e Gestão de Iformação pelo Isttuto Superor

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

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

Elaborado: 2002 Ultima atualização: 23/12/2004

Elaborado: 2002 Ultima atualização: 23/12/2004 Elaborado: 2002 Ultma atualzação: 23/12/2004 Cadero de Fórmulas Apresetação Sstema Nacoal de Atvos E ste Cadero de Fórmulas tem por objetvo esclarecer aos usuáros a metodologa de cálculo e os crtéros de

Leia mais

Uma Calculadora Financeira usando métodos numéricos e software livre

Uma Calculadora Financeira usando métodos numéricos e software livre Uma Calculadora Facera usado métos umércos e software lvre Jorge edraza Arpas, Julao Sott, Depto de Cêcas e Egeharas, Uversdade Regoal ItegradaI, URI 98400-000-, Frederco Westphale, RS Resumo.- Neste trabalho

Leia mais

Capitulo 8 Resolução de Exercícios

Capitulo 8 Resolução de Exercícios FORMULÁRIO Audades Peródcas, Crescetes e Postecpadas, com Termos em P. A. G 1 1 1 1 G SPAC R R s s 1 1 1 1 1 G G C R a R a 1 1 PAC Audades Gradetes Postecpadas S GP G 1 1 ; C GP G 1 1 1 Audades Gradetes

Leia mais

Neste capítulo pretende-se introduzir o conceito de centróide, em especial quando aplicado para o caso de superfícies planas.

Neste capítulo pretende-se introduzir o conceito de centróide, em especial quando aplicado para o caso de superfícies planas. Físca plcada à Egehara vl II aulo Medes ENTRÓIDES Neste capítulo pretede-se troduzr o coceto de cetróde, em especal quado aplcado para o caso de superfíces plaas. Este documeto, costtu apeas um strumeto

Leia mais

2 Avaliação da segurança dinâmica de sistemas de energia elétrica: Teoria

2 Avaliação da segurança dinâmica de sistemas de energia elétrica: Teoria Avalação da seguraça dâmca de sstemas de eerga elétrca: Teora. Itrodução A avalação da seguraça dâmca é realzada através de estudos de establdade trastóra. Nesses estudos, aalsa-se o comportameto dos geradores

Leia mais

Olá, amigos concursandos de todo o Brasil!

Olá, amigos concursandos de todo o Brasil! Matemátca Facera ICMS-RJ/008, com gabarto cometado Prof. Wager Carvalho Olá, amgos cocursados de todo o Brasl! Veremos, hoje, a prova do ICMS-RJ/008, com o gabarto cometado. - O artgo º da Le.948 de 8

Leia mais

Matemática Financeira

Matemática Financeira Cocetos Báscos de Matemátca Facera Uversdade do Porto Faculdade de Egehara Mestrado Itegrado em Egehara Electrotécca e de Computadores Ecooma e Gestão Na prátca As decsões faceras evolvem frequetemete

Leia mais

Econometria: 4 - Regressão Múltipla em Notação Matricial

Econometria: 4 - Regressão Múltipla em Notação Matricial Ecoometra: 4 - Regressão últpla em Notação atrcal Prof. arcelo C. ederos mcm@eco.puc-ro.br Prof. arco A.F.H. Cavalcat cavalcat@pea.gov.br Potfíca Uversdade Católca do Ro de Jaero PUC-Ro Sumáro O modelo

Leia mais

Teoria da Amostragem

Teoria da Amostragem Teora da Amostragem I- oções fudametas sobre amostragem. Amostragem é todo o processo de recolha de uma parte, geralmete pequea, dos elemetos que costtuem um dado couto. Da aálse dessa parte pretede obter-se

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

Estatística: uma definição

Estatística: uma definição Coleção de úmeros estatístcas Estatístca: uma defção O úmero de carros veddos o país aumetou em 30%. A taa de desemprego atge, este mês, 7,5%. As ações da Telebrás subram R$,5, hoje. Resultados do Caraval

Leia mais

Qwertyuiopasdfghjklzxcvbnmqwerty uiopasdfghjklzxcvbnmqwertyuiopasd fghjklzxcvbnmqwertyuiopasdfghjklzx cvbnmqwertyuiopasdfghjklzxcvbnmq

Qwertyuiopasdfghjklzxcvbnmqwerty uiopasdfghjklzxcvbnmqwertyuiopasd fghjklzxcvbnmqwertyuiopasdfghjklzx cvbnmqwertyuiopasdfghjklzxcvbnmq Qwertyuopasdghjklzcvbmqwerty uopasdghjklzcvbmqwertyuopasd ghjklzcvbmqwertyuopasdghjklz cvbmqwertyuopasdghjklzcvbmq wertyuopasdghjklzcv bmqwertyuopasdghjklzcvbmqw ertyuopasdghjklzcvbmqwertyuo pasdghjklzcvbmqwertyuopasdgh

Leia mais

Estatística: uma definição

Estatística: uma definição Prof. Lorí Val, Dr. val@ufrgs.br http://www.ufrgs.br/~val/ Estatístca: uma defção Coleção de úmeros estatístcas O úmero de carros veddos o país aumetou em 30%. A taa de desemprego atge, este mês, 7,5%.

Leia mais

Apostla Básca de Estatístca Slvo Alves de Souza ÍNDICE Itrodução... 3 Software R... 4 Software SPSS... 5 Dstrbução ormal de probabldade... 6 Testes de Hpótese paramêtrco... Testes Não-Paramétrco...5 Dstrbução

Leia mais

Do que trata a Estatística. Estatística Básica (Anova, TH, Regressão) Séries Temporais Data Mining Six Sigma Redes Neurais Controle de Qualidade

Do que trata a Estatística. Estatística Básica (Anova, TH, Regressão) Séries Temporais Data Mining Six Sigma Redes Neurais Controle de Qualidade Do que trata a Estatístca A essêca da cêca é a observação. Estatístca: A cêca que se preocupa com a orgazação, descrção, aálse e terpretação dos dados epermetas. Ramo da Matemátca Aplcada. A palavra estatístca

Leia mais

LEASING UMA OBSERVAÇÃO Economista Antonio Pereira da Silva

LEASING UMA OBSERVAÇÃO Economista Antonio Pereira da Silva LEASING UMA OBSERVAÇÃO Ecoomsta Atoo Perera da Slva AMOR POR DINHEIRO TITÃS Composção: Sérgo Brtto e To Bellotto Acma dos homes, a le E acma da le dos homes A le de Deus Acma dos homes, o céu E acma do

Leia mais

E-mails: damasceno1204@yahoo.com.br damasceno@interjato.com.br damasceno12@hotmail.com http://www. damasceno.info www. damasceno.info damasceno.

E-mails: damasceno1204@yahoo.com.br damasceno@interjato.com.br damasceno12@hotmail.com http://www. damasceno.info www. damasceno.info damasceno. Matemátca Facera 2007.1 Prof.: Luz Gozaga Damasceo 1 E-mals: damasceo1204@yahoo.com.br damasceo@terjato.com.br damasceo12@hotmal.com http://www. damasceo.fo www. damasceo.fo damasceo.fo Obs.: (1 Quado

Leia mais

Palavras-Chave: Teoria das Restrições, Decisões a Longo Prazo, Simulação de Monte Carlo.

Palavras-Chave: Teoria das Restrições, Decisões a Longo Prazo, Simulação de Monte Carlo. Teora das Restrções e Decsões de Logo Prazo: Camho para a Covergêca Autores PABLO ROGERS Uversdade Federal de Uberlâda ERNANDO ANTONIO REIS Uversdade Federal de Uberlâda Resumo Advogam os crítcos da Teora

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

TEORIA DE ERROS * ERRO é a diferença entre um valor obtido ao se medir uma grandeza e o valor real ou correto da mesma.

TEORIA DE ERROS * ERRO é a diferença entre um valor obtido ao se medir uma grandeza e o valor real ou correto da mesma. UNIVERSIDADE FEDERAL DO ESPÍRITO SANTO CENTRO DE CIÊNCIAS EXATAS DEPARTAMENTO DE FÍSICA AV. FERNANDO FERRARI, 514 - GOIABEIRAS 29075-910 VITÓRIA - ES PROF. ANDERSON COSER GAUDIO FONE: 4009.7820 FAX: 4009.2823

Leia mais

CENTRO: GESTÃO ORGANIZACIONAL MATEMÁTICA FINANCEIRA

CENTRO: GESTÃO ORGANIZACIONAL MATEMÁTICA FINANCEIRA CENTRO: GESTÃO ORGANIZACIONAL CÁLCULOS DE FINANÇAS MATEMÁTICA FINANCEIRA Semestre: A/2008 PROFESSOR: IRANI LASSEN CURSO: ALUNO: SUMÁRIO CÁLCULOS DE FINANÇAS INTRODUÇÃO...3. OBJETIVO:...3.2 FLUXO DE CAIXA...4.3

Leia mais

Como CD = DC CD + DC = 0

Como CD = DC CD + DC = 0 (9-0 www.eltecampas.com.br O ELITE RESOLVE IME 008 MATEMÁTICA - DISCURSIVAS MATEMÁTICA QUESTÃO Determe o cojuto-solução da equação se +cos = -se.cos se + cos = se cos ( se cos ( se se.cos cos + + = = (

Leia mais

Capítulo 5 EQUAÇÕES DE CONSERVAÇÃO DA MASSA

Capítulo 5 EQUAÇÕES DE CONSERVAÇÃO DA MASSA Capítulo 5 EQUAÇÕES DE CONSERVAÇÃO DA MASSA O objetvo deste capítulo é apresetar formas da equação da coservação da massa em fução de propredades tesvas faclmete mesuráves, como a temperatura, a pressão,

Leia mais

ELECTROTECNIA TEÓRICA MEEC IST

ELECTROTECNIA TEÓRICA MEEC IST ELECTROTECNIA TEÓRICA MEEC IST º Semestre 05/6 3º TRABALHO LABORATORIAL CIRCUITO RLC SÉRIE em Regme Forçado Alterado Susodal Prof. V. Maló Machado Prof. M. Guerrero das Neves Prof.ª Mª Eduarda Pedro Eg.

Leia mais

Educação e Pesquisa ISSN: 1517-9702 revedu@usp.br Universidade de São Paulo Brasil

Educação e Pesquisa ISSN: 1517-9702 revedu@usp.br Universidade de São Paulo Brasil Educação e Pesqusa ISS: 1517-972 revedu@usp.br Uversdade de São Paulo Brasl Helee, Otavao Evolução da escolardade esperada o Brasl ao logo do século XX Educação e Pesqusa, vol. 38, úm. 1, marzo, 212, pp.

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

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

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

Obra publicada pela Universidade Federal de Pelotas

Obra publicada pela Universidade Federal de Pelotas Obra publcada pela Uversdade Federal de Pelotas Retor: Prof. Dr. Atoo Cesar Goçalves Bores Vce-Retor: Prof. Dr. Maoel Luz Breer de Moraes Pró-Retor de Etesão e Cultura: Prof. Dr. Luz Era Goçalves Ávla

Leia mais