13 ESTIMAÇÃO DE PARÂMETROS E DISTRIBUIÇÃO AMOSTRAL

Tamanho: px
Começar a partir da página:

Download "13 ESTIMAÇÃO DE PARÂMETROS E DISTRIBUIÇÃO AMOSTRAL"

Transcrição

1 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 do cuto e do tempo gato. Codera-e etão uma amotra, e e eta for repreetatva, o reultado poderão er geeralzado para a população. Toda cocluão trada por uma amotragem, quado geeralzada para a população, vrá acompahada de um grau de certeza ou rco. O cojuto de técca e procedmeto que permtem obter formaçõe obre uma população a partr de reultado obervado a amotra recebe o ome de Iferêca Etatítca. Um problema mportate da Iferêca Etatítca é a etmação de parâmetro (ta como a méda ( µ, o devo padrão (, a varâca (, etc correpodete. Etem do cao de etmação de parâmetro: a etmação por poto e a etmação por tervalo. No prmero cao, obtém-e um valor úco para o parâmetro, ao pao que, o egudo, cotró-e um tervalo em toro da etmatva por poto, o qual deverá com probabldade cohecda, coter o parâmetro. 3. ESTIMADOR /ESTATÍSTICA E ESTIMATIVA Etmador T de um parâmetroθ é a varável aleatóra, fução do elemeto da amotra, que erá utlzada a etmação. O valor umérco obtdo para o etmador coderado, uma certa amotra, é deomado de etmatva. Por eemplo, ao etmarmo a méda de uma população utlzamo como etmador a méda artmétca amotral, obtedo como etmatva o valor 73,5cm, por eemplo. Am, o etmador é a méda artmétca e a etmatva é = 73, 5 cm. A otação utlzada para o etmador geralmete é feta por letra maúcula, e para a etmatva, letra múcula. No cao da méda, a otação do etmador erá X e da etmatva erá. 3. DISTRIBUIÇÃO AMOSTRAL Codere toda a poíve amotra de tamaho que podem er etraída de determada população. Se para cada uma dela e calcular um valor do etmador, tem-e uma dtrbução amotral dee etmador. Ora, como o etmador é uma varável aleatóra, pode-e determar ua caracterítca, to é, ecotrar ua méda, varâca e devo padrão. Am, a dtrbução de probabldade de um etmador, por eemplo X, é chamada de dtrbução amotral, ete cao dtrbução amotral da méda. 3.. Dtrbução amotral da méda Lembrado o coceto de dtrbução amotral, vto aterormete, bucamo decobrr qual é a dtrbução de probabldade da méda artmétca X. Fgura : Dtrbução amotral da méda

2 Teorema : A méda da dtrbução amotral da méda, deotada por populacoal µ. Ito é: E ( X = µ = µ Am, a méda da méda amotra é gual à méda populacoal. Demotração: Prmeramete vamo relembrar que X ~ N( µ, ( E X = E = E = E( = µ = µ = µ = = V( X V = = V( = = Portato: X ~ N µ, =, am: µ é gual à méda Teorema : Se a população é fta, ou e a amotragem é com repoção, etão o devo padrão (também chamado de erro padrão da dtrbução amotral da méda, deotado por é dado por: = Teorema 3: Se a população é fta, ou e a amotragem é em repoção, etão o devo padrão da dtrbução amotral da méda é dado por: N = N N Ode o fator é deomado de fator de população fta. N N Pode-e otar que lm =. Dea forma quado tramo uma amotra grade de N + N uma população muto maor (pelo meo o dobro, é dferete uar o fator de população fta para e calcular, po o erro erá muto, pequeo. Para ufcetemete grade ( 30, tem-e que a dtrbução amotral da méda é apromadamete ormal, garatdo pelo Teorema cetral do Lmte. Se a população for ormal, a dtrbução amotral da méda também erá ormal, depedete do tamaho da amotra. Teorema 4: Podemo coclur que: N X ~ N µ, para populaçõe fta, e X ~ N µ, para populaçõe fta. N Para o cao de populaçõe fta ou fta, a varáve padrozada erão dada, repectvamete por: X µ X µ Z = ou Z = N N Se etvermo realzado uma amotragem de uma população que teha uma dtrbução de probabldade decohecda, a dtrbução amotral de méda da amotra erá apromadamete ormal, com méda µ e varâca, e o tamaho da amotra for grade. Ee é um do teorema ma úte em etatítca. Ele é chamado de Teorema Cetral do lmte.

3 3.. Dtrbução Amotral da Varâca 3 Tomado toda a amotra aleatóra poíve, de tamaho, de uma população, e calculado a varâca de cada amotra, obtemo a dtrbução amotral da varâca. Se a amotra de tamaho forem etraída de uma população ormal de varâca, etão a varável aleatóra χ, dada por ode é a varâca amotral, dada por χ = ( = = ( que tem uma dtrbução qu-quadrado com ν = grau de lberdade. Dea forma, temo que : ( χ ~. Podemo dzer também, que = χ to é, egue uma dtrbução χ, com ν = grau de lberdade. Fgura 3: Dtrbução amotral da etatítca qu-quadrado Pode-e demotrar que a dtrbução amotral da varâca ão dada repectvamete por: ( µ = E =, a méda µ e a varâca = V ( = Dtrbução amotral da proporçõe ou freqüêca relatva Seja X uma população fta tal que p eja a probabldade de uceo de certo eveto e q = p a probabldade de fracao. Seja (,, K, uma amotra aleatóra de elemeto dea população e h o úmero de uceo a amotra, detfcado como uma varável aleatóra com dtrbução Bomal, de méda p e varâca pq. Podemo determar ada a freqüêca

4 h relatva ou proporção como f r = P=. O cojuto da freqüêca relatva calculada para cada amotra cottu a dtrbução amotral da proporçõe ou freqüêca relatva. Fgura 3: Dtrbução amotral da proporçõe 4 A méda ( P µ e a varâca ( dea dtrbução erão dada, repectvamete, por: P h p E( P = E = = p µ P = p h pq pq pq V( P = V = V( h = = P = Logo, a dtrbução amotral da méda tem uma méda µ p e devo padrão pq P =. No cao de amotragem obtda em repoção ou população fta, tem-e que: pq N µ P = p e P = N Sedo a amotra ufcetemete grade, a dtrbução amotral da proporçõe, que egue a dtrbução bomal, poderá e apromar de uma dtrbução ormal de mema méda e mema varâca. Na prátca, ea apromação é utlzada para p 5 e q 5. Am, para ee pq cao, P ~ N p, e o valore da varável padrozada ão dado por: P µ Z = P pq Como a dtrbução amotral da proporçõe é Bomal, que é dcreta, e vamo uar uma apromação pela ormal, que é cotíua, o cálculo de Z deve er corrgdo por meo do fator, P± µ P fcado: Z =. pq Ee fator de correção correpode à em-ampltude do tervalo etre do valore coecutvo de P. Dea forma, um valor de P paa a er repreetado por um tervalo de ampltude e etremo P±. P =

5 Eercíco 5 Uma população e cottu do úmero, 3, 4 e 5. Codere toda a amotra poíve, de tamaho, que podem er etraída dea população em repoção. Determe a dtrbução amotral da méda, calculado a méda e o devo padrão dea dtrbução. Repota: µ = 3, 5 e = 0, 64 Seja ~ N( 80, 6 a P ( > 83 b P ( < 8 c P( µ + X. Retra-e dea população uma amotra de tamaho = 5. Calcular: Repota: a 0, 006 b 0,975 c 0, Seja X ~ N( 00,840. Qual deverá er o tamaho de uma amotra de tal forma que P ( 96 < < 04 = 0, 9? Repota: 44 4 Uma dútra fabrca válvula elétrca, edo 5% defetuoa. Fo adqurdo um lote de 000 válvula. Qual a probabldade de que o lote teha: a eatamete 30 válvula defetuoa? b ma de 60 válvula defetuoa? c o mámo 50 válvula defetuoa? Repota: a 0,03 b 0,06 c 0, A graja Ovo Bom vede ovo ao upermercado em lote de 00 caa de e dúza. Dado que eu lote cotumam apreetar 5% de ovo choco, em quata amotra de 0 caa eperame ecotrar meo de 90% de ovo bo? Repota: Em o mámo caa. 6 Deeja-e aber qual a proporção de peoa da população portadora de determada doeça. Retra-e uma amotra de 400 peoa, obtedo-e 8 portadore da doeça. Defr lmte de cofabldade de 99% para a proporção populacoal. Repota: p 488 proporção de peoa portadora de doeça. 4 Certa dútra remete 000 caa cotedo 30 compoete eletrôco cada uma. Se 4% do compoete ão defetuoo, em quata caa podemo eperar que etam pelo meo 7 compoete perfeto? Repota: 983 caa 3.3 Qualdade de um bom etmador Quato maor o grau de cocetração da dtrbução amotral do etmador em toro do verdadero valor do parâmetro populacoal, melhor erá o etmador. A prcpa qualdade de um etmador devem er: a Cotêca (etmador cotete; b Auêca de víco (etmador ão-tedecoo; c Efcêca (etmador de varâca míma; d Sufcêca (etmador ufcete.

6 3.3. Etmador cotete 6 Um etmador T de um parâmetro θ é dto cotete e a egute codçõe forem atfeta: lm E T = e lm V ( T = 0. ( θ De forma geral, pode-e dzer que um etmador é cotete quado para amotra ufcetemete grade toram o erro de etmação tão pequeo quato e quera. Eercíco : Motre que a méda amotral X é um etmador cotete da méda populacoal µ (codere amotragem com repoção. Reolução: Ob :Se a população é fta ou e a amotragem é com repoção, etão o devo padrão da méda, também chamado de erro padrão, é =. ( = lm E X = lm E = lm E = lm E( = lm µ = lm µ = µ = = = lmv( X = lm = Etmador ão-tedecoo Um etmador T de um parâmetro θ é dto ão-tedecoo, ão-vcado, juto ou ãoveado e: E =. ( θ T O valor da tedecodade B é defda como edo B = E t. Obervação: para etmadore ão-tedecoo, a codção de cotêca é lm V t =. mplemete ( 0 Eercíco : Seja X ~ N( µ, como já demotrado, (., ou eja, ( = E. Reolução: ( ( = E = E E = E = E = E = ( θ. Sabemo que X é um etmador ão-tedecoo de µ, po E X =µ Motre que ( + ( = = ( é um etmador ão-tedecoo de

7 7 E E ( E E( = = = E = ( ( E( Temo que X ~ N( µ, V( X = E( X [ E( X ] E ( X = V( X + [ E( X ] ( X = +µ (, etão: E ( E além do: V ( X = E( X [ E( X ] = E( X µ ( X +µ E ( 3 = Am:, ubttudo ( e ( 3 em (, temo: E E ( = ( + µ + µ = ( = ( + µ µ ( = ( ( ( = E E Portado é um etmador ão tedecoo de Etmador de varâca míma Dado do etmadore T e T, uado a etmação de um memo parâmetro θ, dz-e que T é ma efcete que T como etmador de θ e, para o memo tamaho da amotra ( T θ < E( T E. θ Se T e T forem etmadore ão-tedecoo de θ, ou eja codção dcará que a varâca de T é meor que a varâca de E ( T = θ e ( T = θ T, ou eja, V ( T < V(. Se T é ma efcete que T como etmador de θ, pode-e defr a relação E E [( T θ ] ( T θ [ ] E, ea T como edo a efcêca de T em relação a T como etmador de θ. Se T e T forem ambo ãotedecoo, a efcêca relatva e reduzrá ao quocete da repectva varâca, ou eja, V( T V T (.

8 3.3.5 Etmador ufcete 8 Um etmador T de θ é ufcete e ele tem a capacdade de retrar da amotra toda formação que ela pode forecer. Eemplo: A méda X é um etmador ufcete de µ. 3.4 Etmação por poto Na etmação por poto o parâmetro é etmado atravé de um valor úco, que correpode a um poto obre o eo de varação da varável. A egur ão apreetado algu do prcpa etmadore por poto Etmador da méda populacoal µ O etmador ee cao é a méda artmétca amotral, edo ão-tedecoo, efcete e ufcete, dado por: 3.4. Etmador da varâca populacoal X = = Quado a méda populacoal µ for cohecda, o etmador erá a varâca amotral dada por: = = ( µ Quado µ for decohecda, a varâca amotral = = ( No do cao temo etmatva ão-tedecoa Etmador do devo padrão populacoal. erá dada por: Sabemo que o devo padrão é defdo como a raz quadrada da varâca, porém, memo edo um etmador ão-tedecoo da varâca populacoal, a raz quadrada de ão é um etmador ão-tedecoo do devo padrão populacoal. Etretato, a tedecodade de tede a zero o cao de grade amotra. Portato, para grade amotra, quado µ for cohecda, = = ( µ,

9 e quado µ for decohecda, = = ( Etmador da proporção populacoal p O etmador ão-tedecoo P da proporção populacoal p é forecdo por: h P= ode h é o úmero de uceo a amotra. Eercíco: Uma amotra de 0 válvula eletrôca fo tetada e o tempo de vda (em hora foram: 00, 50, 00, 30, 80, 0, 80, 00, 30 e 60 Etmar o tempo médo de vda e a varâca dee tpo de válvula. Repota: X = 05, 56, V( X = 45h 3.5 Etmação por Itervalo A etmação por poto de um parâmetro ão pou uma medda do poível erro cometdo a etmação. Uma maera de eprear a precão da etmação é etabelecer lmte, que com certa probabldade cluam o verdadero valor do parâmetro da população. Seja o parâmetro θ, tal que P ( t θ t = α. O tervalo t θ t é deomado de tervalo de cofaça (IC; o etremo dee tervalo ( t e t ão deomado de lmte de cofaça; a probabldade ( α é deomada de ível de cofaça; e α é o ível de certeza da ferêca, ou ível de gfcâca. A ecolha do ível de cofaça ( α depede da precão com que e deeja etmar o parâmetro. É muto comum a utlzação do íve de 95% e 99%. Evdetemete, o aumeto da cofaça o tervalo mplca o aumeto de ua ampltude Itervalo de cofaça para a meda populacoal µ cao: O devo padrão populacoal é cohecdo. Codere uma população ormal com méda decohecda que deejamo etmar e varâca cohecda, ou eja, X ~ N(?,. Procedmeto para a cotrução do IC:. Retramo uma amotra caual mple de tamaho.. Calculamo a méda amotral X. 3. Calculamo o devo padrão da méda amotral: = 4. Famo o ível de gfcâca α, e com ele determamo z α /, tal que α α P ( Z > z α / = e P ( Z < z α / =. Grafcamete temo:

10 0 Portato, P ( z Z = α α / zα /. Subttudo Z µ = e olado µ, temo: P zα / µ + zα / = α Dea forma, o IC de ( α% para µ erá: zα / µ + zα / Eercíco: De uma população ormal X, com = 9 5 = = 5. Determar um IC de 90% para a méda populacoal. Repota: ( 5,09;7,07, tramo uma amotra de 5 obervaçõe, obtedo O devo padrão do comprmeto da peça produzda por certa máqua é mm. Uma amotra de 50 peça produzda por ea máqua apreetou méda = 5 mm. Cotrur o IC de 95% para o verdadero comprmeto da peça produzda por ea máqua. 4,4;5,6 Repota: ( 3 De uma população ormal com = 5, tramo uma amotra de 50 elemeto e obtemo = 4. a Determe o IC para a méda ao ível de gfcâca de 5%. b Qual o erro de etmação ao ível de 5%. c Para que o erro eja meor ou gual a, com probabldade de acerto de 95%, qual deverá er o tamaho da amotra? 40,6;43,386 b, 39 c 96 Repota: a (

11 cao: O devo padrão populacoal é decohecdo. Nete cao utlzamo a dtrbução t de Studet. O procedmeto ão o memo do cao ateror e grafcamete temo: Devemo etão, determar o valor de t α /, tal que: P ( t t = α α / tα / ode µ t =, com ν = grau de lberdade. Portato, IC de ( α% para µ erá: tα / µ + tα /. Sabemo que a dtrbução t de Studet tede para a dtrbução ormal padrão quado ν, e como ν depede de, podemo utlzar a dtrbução ormal quado > 30. Eercíco Uma motra de cabo produzdo por uma dútra fo eaada e a teõe de ruptura obtda foram (em kgf: 750, 780, 745, 770 e 765. Cotrur o IC de 99% para a verdadera teão de ruptura do cabo. 734 ;79,6 Repota: ( A altura do home de uma cdade apreeta dtrbução ormal. Para etmar a altura méda dea população, levatou-e uma amotra de 50 dvíduo obtedo-e 50 = = cm. Repota: ( 7,3;7,78 50 = = 5800 cm e 3 Uma amotra aleatóra de 80 ota de matemátca de uma população com dtrbução ormal de 5000 ota apreeta méda de 5,5 e devo padrão de,5. a Qua o lmte de cofaça de 95% para a méda da5000 ota? b Com que grau de cofaça dríamo que a méda da ota é maor que 5,0 e meor que 6,0? Repota: a( 5,3;5,77 b 99,96%

12 3.5. Itervalo de cofaça para a dfereça etre dua méda populacoa µ e µ º cao: O devo padrõe populacoa e ão cohecdo Nete cao utlzamo a etatítca z dada por: µ µ z = + P z =. α / z zα / ode ( α ( ( Subttudo a etatítca z a probabldade acma e olado µ µ, obtemo o IC de ( α 00% para a dfereça etre a méda: Eemplo: α / + zα / + ( z + µ µ ( Da populaçõe orma e depedete X e Y etraem-e amotra de tamaho = 9 e = 5. A méda amotra ão = 0 e y = 5 ; o devo padrõe populacoa ão = 6 e y = 3. Determe o IC da dfereça da méda populacoa a um ível de gfcâca de 3%. y Repota: 0,346 µ 9, 65 µ y O devo padrõe da duraçõe da lâmpada elétrca fabrcada pela dútra A e B ão, repectvamete, 50h e 80h. Foram eaada 40 lâmpada de cada marca e a duraçõe méda obtda foram 00h e 00h, para A e B, repectvamete. Cotrur o IC de 99% para a dfereça etre o tempo médo de vda da lâmpada de marca A e B. Repota: 6,5 µ 38, 5 A µ B º cao: O devo padrõe populacoa e ão decohecdo e upotamete gua Nete cao utlzamo a etatítca t dada por: t = ( ( µ µ p +, ode ( + ( p = e ν = + + Dea forma, cotruímo o IC de ( α 00% para a dfereça etre a méda: ( tα / p + µ µ ( + tα / p + Eemplo: O dâmetro (em mm de uma amotra de 5 tubo da fábrca A ã: 45, 47, 45, 44 e 46. Uma amotra de 6 tubo da fábrca B apreetou o dâmetro: 43, 45, 44, 44, 46 e 43 mm. Cotrur o IC de 95% para a dfereça etre o dâmetro médo. Repota: 0,38 µ, 78 A µ B

13 3º cao: O devo padrõe populacoa e ão decohecdo e upotamete dferete Nee cao utlzamo um método apromado deomado Ap-Welch, cuja etatítca é dada por: t = ( ( µ µ + com o grau de lberdade edo o tero ma prómo ao reultado da relação: 3 ν ( w + w w, ode w + w = e w = Eemplo: Em certo mucípo, regtro pluvométrco motram que o últmo 8 ao, durate o mê de jaero, a queda méda fo de 5 mm com devo padrão = 5 mm. Outro mucípo apreetou o últmo 5 ao, também o mê de jaero, uma queda méda de 00 mm cm devo padrão = 5 mm. Cotrua um IC de 99% para a dfereça etre a queda pluvométrca méda µ e µ. Repota:,6 µ µ 55, Itervalo de cofaça para a varâca populacoal α / α / = Obervado a fgura abao percebemo que ( χ χ χ α com ν = grau de lberdade. P, ode ( χ =, O IC de ( α 00% para erá: ( ( χ α / χ α /

14 Para cotrur o IC de ( α 00% para o devo padrão populacoal bata coderar a raz quadrada potva do IC para a varâca. Dea forma, temo para ete cao: ( ( χ α / χ α / Eemplo: De uma amotra aleatóra de dez te de uma população ormal obteve-e: = 8 e = 0,5. Etme a varâca e o devo padrão populacoa, a 5% de gfcâca. Repota: 0,34 0, Itervalo de cofaça para a proporção populacoal p Sabemo que para amotra ufcetemete grade, a dtrbução amotral da proporçõe P p é apromadamete ormal, com z =. pq Para cotrurmo o IC para a proporção p populacoal, determamo pˆ a amotra, h ode p ˆ = P= e qˆ = pˆ = P. Dea forma, temo o IC de ( α 00% para p dado por: 4 P z α / pˆ ( pˆ pˆ ( pˆ p P+ z α / Eemplo: Em uma lha de produção de certa peça mecâca, colheu-e uma amotra de 00 te, cotatado-e que 4 peça eram defetuoa. Cotrur o IC para a proporção p da peça defetuoa ao ível de0%. Repota: 0,00767 p 0, 0073 Para e etmar a porcetagem de aluo de um curo favoráve à modfcação do currículo ecolar, tomou-e uma amotra de 00 aluo, do qua 80 foram favoráve. a Cotrur um IC para a proporção de todo o aluo do curo favoráve à modfcação ao ível de 4%. b Qual o valor do erro de etmação cometdo em (a? Repota: a 0,78 p 0, 88 b e = 0, 08

= n. Observando a fórmula para a variância, vemos que ela pode ser escrita como, i 2

= n. Observando a fórmula para a variância, vemos que ela pode ser escrita como, i 2 Etatítca II Atoo Roque Aula 4 O Coefcete de Correlação de Pearo O coefcete de correlação de Pearo é baeado a déa de varâca, dada o curo de Etatítca I Como vto aquele curo, quado temo uma amotra compota

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

Capítulo III Medidas Estatísticas

Capítulo III Medidas Estatísticas 8 Capítulo III Medda Etatítca III. Medda de Tedêca Cetral A apreetação de dado em tabela e gráco motra a orma da dtrbução. A medda de tedêca cetral dcam o valor do poto em toro do qual o dado e dtrbuem.

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

Grande Conjuntos de Dados. Organização; Resumo; Apresentação. Amostra ou População. Defeitos em uma linha de produção

Grande Conjuntos de Dados. Organização; Resumo; Apresentação. Amostra ou População. Defeitos em uma linha de produção Prof. Lorí Val, Dr. val@pucr.br http://www.pucr.br/~val/ Grade Cojuto de Dado Orgazação; Reumo; Apreetação. Amotra ou População Defeto em uma lha de produção Lacado Deeho Torto Deeho Torto Lacado Torto

Leia mais

1- Qual a diferença entre amostragem probabilística e não-probabilística? Qual é a mais recomendada?

1- Qual a diferença entre amostragem probabilística e não-probabilística? Qual é a mais recomendada? VIII-AMOSTRAGEM A Etatítca Iferecal ou Iferêca Etatítca tem como objetvo bucar cocluõe robablítca obre oulaçõe com bae o reultado obervado em amotra etraída dea oulaçõe Am, certo cudado báco devem er tomado

Leia mais

Cap. 5. Testes de Hipóteses

Cap. 5. Testes de Hipóteses Cap. 5. Testes de Hpóteses Neste capítulo será estudado o segudo problema da ferêca estatístca: o teste de hpóteses. Um teste de hpóteses cosste em verfcar, a partr das observações de uma amostra, se uma

Leia mais

RAD1507 Estatística Aplicada à Administração I Prof. Dr. Evandro Marcos Saidel Ribeiro RESUMO

RAD1507 Estatística Aplicada à Administração I Prof. Dr. Evandro Marcos Saidel Ribeiro RESUMO UNIVERSIDADE DE SÃO PAULO FACULDADE DE ECONOMIA, ADMINISTRAÇÃO E CONTABILIDADE DE RIBEIRÃO PRETO DEPARTAMENTO DE ADMINISTRAÇÃO RAD507 Etatítca Aplcada à Admtração I Prof. Dr. Evadro Marco Sadel Rbero RESUMO

Leia mais

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

x n = n ESTATÍSTICA STICA DESCRITIVA Conjunto de dados: Organização; Amostra ou Resumo; Apresentação. População ESTATÍSTICA STICA DESCRITIVA Prof. Lorí Val, Dr. val@mat.ufrgs.br http://.ufrgs.br/~val/ Orgazação; Resumo; Apresetação. Cojuto de dados: Amostra ou População Um cojuto de dados é resumdo de acordo com

Leia mais

Exemplos de I.C. (1 ) 100% para a mådia (e para diferença entre mådias)

Exemplos de I.C. (1 ) 100% para a mådia (e para diferença entre mådias) Exemplo de I.C. ( )% para a mådia (e para difereça etre mådia) Exemplo : Tete de compreão foram aplicado em dua marca de cimeto para avaliar a reitêcia em cocreto. Foram produzido 5 corpo de prova de cada

Leia mais

Macroeconometria Aula 3 Revisão de estatística e teste de hipótese

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

Leia mais

sticas Estatística (divisão) População stica: uma definição Estatística:

sticas Estatística (divisão) População stica: uma definição Estatística: Coleção de úmero etatítca tca O úmero de carro veddo o paí aumetou em 30%. A taa de deemprego atge, ete mê, 7,5%. A açõe da Telebrá ubram R$,5, hoje. Reultado do Caraval o trâto: 45 morto, 430 ferdo. Etatítca:

Leia mais

INTERVALO DE CONFIANÇA

INTERVALO DE CONFIANÇA INTERVALO DE CONFIANÇA Supoha que etejamo itereado um parâmetro populacioal verdadeiro (ma decohecido) θ. Podemo etimar o parâmetro θ uado iformação de oa amotra. Chamamo o úico úmero que repreeta o valor

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

Uma coleção de todos os possíveis elementos, objetos ou medidas de interesse.

Uma coleção de todos os possíveis elementos, objetos ou medidas de interesse. Prof. Lorí Val, Dr. val@mat.ufrg.br http://www.ufrg.br/~val/ Etatítca: uma defção Coleção de úmero etatítca O úmero de carro veddo o paí aumetou em %. A taa de deemprego atge, ete mê, 7,%. A açõe da Telebrá

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

Escola Secundária de Jácome Ratton

Escola Secundária de Jácome Ratton Ecola Secudára de Jácome Ratto Ao Lectvo / Matemátca Aplcada à Cêca Soca Na Ecola Secudára do Suceo aualmete é premado o aluo que tver melhor méda a ua clafcaçõe a dferete dcpla. No ao lectvo 9/, o do

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

ESTIMAÇÃO DA PROPORÇÃO POPULACIONAL p

ESTIMAÇÃO DA PROPORÇÃO POPULACIONAL p ESTIMAÇÃO DA PROPORÇÃO POPULACIONAL p Objetivo Estimar uma proporção p (descohecida) de elemetos em uma população, apresetado certa característica de iteresse, a partir da iformação forecida por uma amostra.

Leia mais

Distribuições de Probabilidades

Distribuições de Probabilidades Estatístca - aulasestdstrnormal.doc 0/05/06 Dstrbuções de Probabldades Estudamos aterormete as dstrbuções de freqüêcas de amostras. Estudaremos, agora, as dstrbuções de probabldades de populações. A dstrbução

Leia mais

? 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 - 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

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

Distribuições Amostrais

Distribuições Amostrais Distribuições Amostrais O problema da iferêcia estatística: fazer uma afirmação sobre os parâmetros da população θ (média, variâcia, etc) através da amostra. Usaremos uma AAS de elemetos sorteados dessa

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

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

Obtemos, então, uma amostra aleatória de tamanho n de X, que representamos por X 1, X 2,..., X n.

Obtemos, então, uma amostra aleatória de tamanho n de X, que representamos por X 1, X 2,..., X n. Vamos observar elemetos, extraídos ao acaso e com reposição da população; Para cada elemeto selecioado, observamos o valor da variável X de iteresse. Obtemos, etão, uma amostra aleatória de tamaho de X,

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 15 - Comparação entre Duas Populações

Estatística 15 - Comparação entre Duas Populações Etatítca 5 - Comaração etre Da Polaçõe 5- Comaração de Méda de Da Polaçõe µ Méda da olação µ Méda da olação Tete µ - µ µ - µ > µ - µ µ - µ < µ - µ µ - µ. Dado Emarelhado EemloVte cobaa bmetda drate ma

Leia mais

02/02/2017. Intervalo de Confiança. Bioestatística. Universidade Estadual do Oeste do Paraná - Unioeste. Curso de Nutrição

02/02/2017. Intervalo de Confiança. Bioestatística. Universidade Estadual do Oeste do Paraná - Unioeste. Curso de Nutrição Uiveridade Etadual do Oete do Paraá - Uioete Curo de Nutrição Bioetatítica Profeora Aqui começamo o etudo da etatítica iferecial, que é o egudo maior ramo da etatítica. M.Roebel Tridade Cuha Prate Coite

Leia mais

Etapas para a construção de uma distribuição de frequências por ponto

Etapas para a construção de uma distribuição de frequências por ponto Dtrbuçõe de Frequêca Uma dtrbução de requêca é uma tabela que reúe o cojuto de dado, coorme a requêca ou a repetçõe de eu valore o capítulo ateror, vmo como ão eta ea tabela quado a varável é qualtatva

Leia mais

PROBABILIDADE E ESTATÍSTICA UNIDADE IV - MEDIDAS DE DISPERSÃO OU VARIAÇÃO

PROBABILIDADE E ESTATÍSTICA UNIDADE IV - MEDIDAS DE DISPERSÃO OU VARIAÇÃO PROBABILIDADE E ESTATÍSTICA UNIDADE IV - MEDIDAS DE DISPERSÃO OU VARIAÇÃO 0 INTRODUÇÃO A medda de varação ou dperão, avalam a dperão ou a varabldade da eqüênca numérca em anále, ão medda que fornecem nformaçõe

Leia mais

Denomina F a variável aleatória definida pelo quociente: F = n

Denomina F a variável aleatória definida pelo quociente: F = n 9/0/0 Etatítica Eperimetal Tete F Tete t de STUDENT Cap. 7, 8 e 9 Callegari-Jacque, S. M. Bioetatítica: Pricípio e Aplicaçõe, 003. Apotila: Regazzi, A. J., Curo de iiciação à etatítica. Profº: Glauco Vieira

Leia mais

Estimar uma proporção p (desconhecida) de elementos em uma população, apresentando certa característica de interesse, a partir da informação

Estimar uma proporção p (desconhecida) de elementos em uma população, apresentando certa característica de interesse, a partir da informação ESTIMAÇÃO DA PROPORÇÃO POPULACIONAL p 1 Objetivo Estimar uma proporção p (descohecida) de elemetos em uma população, apresetado certa característica de iteresse, a partir da iformação forecida por uma

Leia mais

n Obtido através desvio padrão da população (σ)

n Obtido através desvio padrão da população (σ) 3/5/ Etatítica Geral Tete t de STUDENT Cap. 7, 8 e 9 Callegari-Jacque, S. M. Bioetatítica: Pricípio e Aplicaçõe, 3. Apotila: Regazzi, A. J., Curo de iiciação à etatítica. Curo: Saúde/CUA/UFMT Profº: Glauco

Leia mais

MODELOS DE REGRESSÃO NÃO LINEARES

MODELOS DE REGRESSÃO NÃO LINEARES M. Mede de Olvera Excerto da ota peoa obre: MODELOS DE REGRESSÃO NÃO LINEARES Obervação No modelo de regreão dto leare, a varável depedete é exprea como fução lear do coefcete de regreão. É rrelevate,

Leia mais

ESTATÍSTICA APLICADA À ZOOTECNIA

ESTATÍSTICA APLICADA À ZOOTECNIA ESTATÍSTICA APLICADA À ZOOTECNIA Eucldes Braga MALHEIROS *. INTRODUÇÃO.a) Somatóras e Produtóros Sejam,, 3,...,, valores umércos. A soma desses valores (somatóra) pode ser represetada por: = = = =. e o

Leia mais

CAPÍTULO 7 - Intervalos de confiança

CAPÍTULO 7 - Intervalos de confiança INF 16 CAPÍTULO 7 - Itervalo de cofiaça É uma maeira de calcularmo uma etimativa de um parâmetro decohecido. Muita veze também fucioa como um tete de hipótee. A idéia é cotruir um itervalo de cofiaça para

Leia mais

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

Estatística: Aplicação ao Sensoriamento Remoto SER ANO Estimação Pontual

Estatística: Aplicação ao Sensoriamento Remoto SER ANO Estimação Pontual Estatístca: Aplcação ao Sesorameto Remoto SER 04 - ANO 08 Estmação Potual Camlo Daleles Reó camlo@dp.pe.br http://www.dp.pe.br/~camlo/estatstca/ Iferêca Estatístca Cosdere o expermeto: retram-se 3 bolas

Leia mais

i 2 i= = n Observando a fórmula para a variância, vemos que ela pode ser escrita como, i 2

i 2 i= = n Observando a fórmula para a variância, vemos que ela pode ser escrita como, i 2 O Coefcete de Correlação de Pearo O coefcete de correlação de Pearo é baeado a déa de varâca, dada a aula 6 Como vto aquela aula, quado temo uma amotra compota por dado, a varâca da amotra é dada por,

Leia mais

Instituto Nacional de Estudos e Pesquisas Educacionais Anísio Teixeira INEP Ministério da Educação MEC. Índice Geral de Cursos (IGC)

Instituto Nacional de Estudos e Pesquisas Educacionais Anísio Teixeira INEP Ministério da Educação MEC. Índice Geral de Cursos (IGC) Isttuto Nacoal de Estudos e Pesqusas Educacoas Aíso exera INEP stéro da Educação EC Ídce Geral de Cursos (IGC) O Ídce Geral de Cursos (IGC) é ua éda poderada dos cocetos dos cursos de graduação e pós-graduação

Leia 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

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

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

ESTATÍSTICA Exame Final 1ª Época 3 de Junho de 2002 às 14 horas Duração : 3 horas Faculdade de cooma Uversdade Nova de Lsboa STTÍSTIC xame Fal ª Época de Juho de 00 às horas Duração : horas teção:. Respoda a cada grupo em folhas separadas. Idetfque todas as folhas.. Todas as respostas

Leia mais

6.1 Estimativa de uma média populacional: grandes amostras. Definição: Um estimador é uma característica amostral (como a média amostral

6.1 Estimativa de uma média populacional: grandes amostras. Definição: Um estimador é uma característica amostral (como a média amostral 6 ESTIMAÇÃO 6.1 Estimativa de uma média populacioal: grades amostras Defiição: Um estimador é uma característica amostral (como a média amostral x ) utilizada para obter uma aproximação de um parâmetro

Leia mais

Econometria: 3 - Regressão Múltipla

Econometria: 3 - Regressão Múltipla Ecoometra: 3 - Regressão Múltpla Prof. Marcelo C. Mederos mcm@eco.puc-ro.br Prof. Marco A.F.H. Cavalcat cavalcat@pea.gov.br Potfíca Uversdade Católca do Ro de Jaero PUC-Ro Sumáro O modelo de regressão

Leia mais

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

Para quantificar a variabilidade de um conjunto de dados ou medidas é que se usam medidas de dispersão. Vamos estudar algumas delas nesta aula.

Para quantificar a variabilidade de um conjunto de dados ou medidas é que se usam medidas de dispersão. Vamos estudar algumas delas nesta aula. Etatítca Aplcada à Educação Antono Roque Aula 5 Medda de Dperão A medda de tendênca central não ão ufcente para e caracterzar um conjunto de dado. O motvo é que ete varação na natureza, to é, dado que

Leia mais

Para quantificar a variabilidade de um conjunto de dados ou medidas é que se usam medidas de dispersão. Vamos estudar algumas delas nesta aula.

Para quantificar a variabilidade de um conjunto de dados ou medidas é que se usam medidas de dispersão. Vamos estudar algumas delas nesta aula. Probabldade e Etatítca I Antono Roque Aula Medda de Dperão A medda de tendênca central não ão ufcente para e caracterzar um conjunto de dado. O motvo é que ete varação na natureza, to é, dado que venham

Leia mais

Apostila de Introdução Aos Métodos Numéricos

Apostila de Introdução Aos Métodos Numéricos Apostla de Itrodução Aos Métodos Numércos PARTE III o Semestre - Pro a. Salete Souza de Olvera Buo Ídce INTERPOAÇÃO POINOMIA...3 INTRODUÇÃO...3 FORMA DE AGRANGE... 4 Iterpolação para potos (+) - ajuste

Leia mais

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

Estatística Notas de Aulas ESTATÍSTICA. Notas de Aulas. Professor Inácio Andruski Guimarães, DSc. Professor Inácio Andruski Guimarães, DSc. Estatístca Notas de Aulas ESTATÍSTICA Notas de Aulas Professor Iáco Adrus Gumarães, DSc. Professor Iáco Adrus Gumarães, DSc. Estatístca Notas de Aulas SUMÁRIO CONCEITOS BÁSICOS 5. Estatístca. 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

Teorema do limite central e es/mação da proporção populacional p

Teorema do limite central e es/mação da proporção populacional p Teorema do limite cetral e es/mação da proporção populacioal p 1 RESULTADO 1: Relembrado resultados importates Seja uma amostra aleatória de tamaho de uma variável aleatória X, com média µ e variâcia σ.temos

Leia mais

INTRODUÇÃO A ESTATÍSTICA

INTRODUÇÃO A ESTATÍSTICA Hewlett-Packard INTRODUÇÃO A ESTATÍSTICA Aulas 01 e 06 Elso Rodrgues, Gabrel Carvalho e Paulo Luz Sumáro Defções... 1 EXERCÍCIOS FUNDAMENTAIS... 1 Meddas de tedêca cetral... 1 Méda artmétca smples... 1

Leia mais

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

50 Logo, Número de erros de impressão

50 Logo, Número de erros de impressão Capítulo 3 Problema. (a) Sedo o úmero médo de erros por pága, tem-se: 5 + + 3 + 3 + 4 33,66 5 5 Represetado o úmero medao de erros por md, tem-se, pela ordeação dos valores observados, que os valores de

Leia mais

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

Estimação pontual, estimação intervalar e tamanho de amostras

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

Leia mais

Intervalo de Confiança para a Variância de uma População Distribuída Normalmente. Pode-se mostrar matematicamente que a variância amostral,

Intervalo de Confiança para a Variância de uma População Distribuída Normalmente. Pode-se mostrar matematicamente que a variância amostral, Etatítica II Antonio Roque Aula 8 Intervalo de Confiança para a Variância de uma População Ditribuída Normalmente Pode-e motrar matematicamente que a variância amotral, ( x x) n é um etimador não envieado

Leia mais

Organização; Resumo; Apresentação.

Organização; Resumo; Apresentação. Prof. Lorí Val, Dr. val@ufrgs.br http://www.ufrgs.br/~val/ Grade Cojutos de Dados Orgazação; Resumo; Apresetação. Amostra ou População Defetos em uma lha de produção Lascado Deseho Torto Deseho Torto Lascado

Leia mais

UNIDADE IV MEDIDAS DE DISPERSÃO OU VARIAÇÃO

UNIDADE IV MEDIDAS DE DISPERSÃO OU VARIAÇÃO UNIDADE IV MEDIDAS DE DISPERSÃO OU VARIAÇÃO Conteúdo Programátco Cálculo da varânca Cálculo e nterpretação do Devo-padrão VARIÂNCIA E DESVIO-PADRÃO A medda de varação ou dperão, avalam a varabldade da

Leia mais

1. Conceitos básicos de estatística descritiva 1.3. Noção de extracção aleatória e de probabilidade

1. Conceitos básicos de estatística descritiva 1.3. Noção de extracção aleatória e de probabilidade Sumáro (3ª aula). Cocetos báscos de estatístca descrtva.3. Noção de etracção aleatóra e de probabldade.4 Meddas de tedêca cetral.4. Méda artmétca smples.4. Méda artmétca poderada.4.3 Méda artmétca calculada

Leia mais

DISTRIBUIÇÃO HIPERGEOMÉTRICA

DISTRIBUIÇÃO HIPERGEOMÉTRICA 7 DISTRIBUIÇÃO HIPERGEOMÉTRICA Cosdere-se uma população fta costtuída por N elemetos dstrbuídos por duas categoras eclusvas e eaustvas de dmesões M e N M, respectvamete. Os elemetos da prmera categora

Leia mais

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

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

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

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

Leia mais

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

NOTAS DE AULA DA DISCIPLINA CE076. ], T 2 = conhecido como T 2 de Hotelling 4 INFERÊNCIA SOBRE O VETOR DE MÉDIAS 4. TESTE PARA UM VETOR DE MÉDIAS µ Lembrado o caso uvarado: H : µ = µ H : µ µ Nível de sgfcâca: α Estatístca do teste: X µ t = s/ ~ t Decsão: se t > t - (α/) rejeta-se

Leia mais

Teste Intermédio I (45%)

Teste Intermédio I (45%) 0 Anále de Dado e Probabldade º Semetre 00-007 Fernando Brto Soare Cáta Fernande Pedro Chave Tete Intermédo Data: 7 de Outubro de 00, 7:00 Duração: hora ota: A utlzação de máquna centífca e gráfca ó erá

Leia mais

PLANO PROBABILIDADES Professora Rosana Relva DOS. Números Inteiros e Racionais COMPLEXOS NÚMEROS COMPLEXOS NÚMEROS COMPLEXOS NÚMEROS COMPLEXOS

PLANO PROBABILIDADES Professora Rosana Relva DOS. Números Inteiros e Racionais COMPLEXOS NÚMEROS COMPLEXOS NÚMEROS COMPLEXOS NÚMEROS COMPLEXOS Professor Luz Atoo de Carvalho PLANO PROBABILIDADES Professora Rosaa Relva DOS Números Iteros e Racoas COMPLEXOS rrelva@globo.com Número s 6 O Número Por volta de 00 d.c a mpressão que se tha é que, com

Leia mais

Avaliação de Desempenho de Sistemas Discretos

Avaliação de Desempenho de Sistemas Discretos Distribuições Comus Avaliação de Desempeho de Sistemas Discretos Probabilidade e Estatística 2 Uiforme Normal Poisso Hipergeométrica Biomial Studet's Geométrica Logormal Expoecial Beta Gamma Qui-Quadrado

Leia mais

MEDIDAS DE TENDÊNCIA CENTRAL I

MEDIDAS DE TENDÊNCIA CENTRAL I Núcleo das Cêcas Bológcas e da Saúde Cursos de Bomedca, Ed. Físca, Efermagem, Farmáca, Fsoterapa, Fooaudologa, edca Veterára, uscoterapa, Odotologa, Pscologa EDIDAS DE TENDÊNCIA CENTRAL I 7 7. EDIDAS DE

Leia mais

Total Bom Ruim Masculino

Total Bom Ruim Masculino UNIDADE I - ESTUDO DIRIGIDO Questão - Classfque as varáves em qualtatva (omal ou ordal ou quattatva (cotíua ou dscreta: a. População: aluos de uma Uversdade. Varável: cor dos cabelos (louro, castaho, ruvo,

Leia mais

Capítulo 5: Ajuste de curvas pelo método dos mínimos quadrados

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

Leia mais

Introdução à Teoria dos Números Notas 1 Os Princípios da Boa Ordem e de Indução Finita Prof Carlos Alberto S Soares

Introdução à Teoria dos Números Notas 1 Os Princípios da Boa Ordem e de Indução Finita Prof Carlos Alberto S Soares Itrodução à Teora dos Números 018 - Notas 1 Os Prcípos da Boa Ordem e de Idução Fta Prof Carlos Alberto S Soares 1 Prelmares Neste curso, prortaramete, estaremos trabalhado com úmeros teros mas, quado

Leia mais

CAPÍTULO 5: AMOSTRAGEM

CAPÍTULO 5: AMOSTRAGEM CAPÍTULO 5: AMOSTRAGEM 5. Itrodução A estatístca dutva busca trar coclusões probablístcas ou fazer ferêcas, sobre populações, com base em resultados verfcados em amostras retradas dessas populações. Além

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

Matemática Ficha de Trabalho

Matemática Ficha de Trabalho Matemátca Fcha de Trabalho Meddas de tedêca cetral - 0º ao MEDIDAS DE LOCALIZAÇÃO Num estudo estatístco, depos de recolhdos e orgazados os dados, há a ase de trar coclusões através de meddas que possam,

Leia mais

Construção e Análise de Gráficos

Construção e Análise de Gráficos Costrução e Aálse de Gráfcos Por que fazer gráfcos? Facldade de vsualzação de cojutos de dados Faclta a terpretação de dados Exemplos: Egehara Físca Ecooma Bologa Estatístca Y(udade y) 5 15 1 5 Tabela

Leia mais

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

RAD1507 Estatística Aplicada à Administração I Prof. Dr. Evandro Marcos Saidel Ribeiro RESUMO

RAD1507 Estatística Aplicada à Administração I Prof. Dr. Evandro Marcos Saidel Ribeiro RESUMO UNIVERIDADE DE ÃO PAULO FACULDADE DE ECONOMIA, ADMINITRAÇÃO E CONTABILIDADE DE RIBEIRÃO PRETO DEPARTAMENTO DE ADMINITRAÇÃO RAD57 Etatítca Aplcaa à Amtração I Prof Dr Evaro Marco ael Rero REUMO REVIÃO DE

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

Sumário. Mecânica. Sistemas de partículas

Sumário. Mecânica. Sistemas de partículas umáro Udade I MECÂNICA 2- Cetro de massa e mometo lear de um sstema de partículas - stemas de partículas e corpo rígdo. - Cetro de massa. - Como determar o cetro de massa dum sstema de partículas. - Vetor

Leia mais

Atividades Práticas Supervisionadas (APS)

Atividades Práticas Supervisionadas (APS) Uversdade Tecológca Federal do Paraá Prof: Lauro Cesar Galvão Campus Curtba Departameto Acadêmco de Matemátca Cálculo Numérco Etrega: juto com a a parcal DATA DE ENTREGA: da da a PROVA (em sala de aula

Leia mais

Estatística: uma definição

Estatística: uma definição Prof. Lorí Val, Dr. - val@pucrs.br http://www.pucrs.br/famat/val/ Prof. Lorí Val, Dr. PUCRS FAMAT: Departameto de Estatístca Estatístca: uma defção Coleç Coleção de ú úmeros estatí estatístcas O ú ú mero

Leia mais

VI - Integração Numérica

VI - Integração Numérica V - tegração Numérca C. Balsa & A. Satos. trodução São, este mometo, coecdos dos aluos métodos aalítcos para o cálculo do tegral dedo b ( d a sedo ( cotíua e tegrável o tervalo [ ab] ;. Cotudo, algumas

Leia mais

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

Em muitas situações duas ou mais variáveis estão relacionadas e surge então a necessidade de determinar a natureza deste relacionamento. Prof. Lorí Val, Dr. val@pucrs.r http://www.pucrs.r/famat/val/ Em mutas stuações duas ou mas varáves estão relacoadas e surge etão a ecessdade de determar a atureza deste relacoameto. A aálse de regressão

Leia mais

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

n. A densidade de corrente associada a esta espécie iônica é J n. O modelo está ilustrado na figura abaixo.

n. A densidade de corrente associada a esta espécie iônica é J n. O modelo está ilustrado na figura abaixo. Equlíbro e o Potecal de Nerst 5910187 Bofísca II FFCLRP USP Prof. Atôo Roque Aula 11 Nesta aula, vamos utlzar a equação para o modelo de eletrodfusão o equlíbro obtda a aula passada para estudar o trasporte

Leia mais

Avaliação da qualidade do ajuste

Avaliação da qualidade do ajuste Avalação da qualdade do ajuste 1 Alguma termologa: Modelo ulo: é o modelo mas smples que pode ser defdo, cotedo um úco parâmetro ( µ) comum a todos os dados; Modelo saturado: é o modelo mas complexo a

Leia mais

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

Ex: Cálculo da média dos pesos dos terneiros da fazenda Canoas-SC, à partir dos dados originais: x = 20

Ex: Cálculo da média dos pesos dos terneiros da fazenda Canoas-SC, à partir dos dados originais: x = 20 . MEDIDAS DE TENDÊNCIA CENTRAL (OU DE POSIÇÃO) Coceto: São aquelas que mostram o alor em toro do qual se agrupam as obserações.. MÉDIA ARITMÉTICA ( ) Sea (x, x,..., x ), uma amostra de dados: Se os dados

Leia 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

MIEEC Supervisão e Controlo de Sistemas Eléctricos. Despacho Óptimo (incluindo limites de produção e perdas) Introdução

MIEEC Supervisão e Controlo de Sistemas Eléctricos. Despacho Óptimo (incluindo limites de produção e perdas) Introdução MIEEC Supervão e Cotrolo de Stema Eléctrco Depacho Óptmo (cludo lmte de produção e perda Itrodução Relembrado o problema de depacho óptmo: M cuto de produção M Z ΣC(g Suj. Σg load (ão havedo retrçõe de

Leia mais

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

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

Leia mais

1) Escrever um programa que faça o calculo de transformação de horas em minuto onde às horas devem ser apenas número inteiros.

1) Escrever um programa que faça o calculo de transformação de horas em minuto onde às horas devem ser apenas número inteiros. Dscpla POO-I 2º Aos(If) - (Lsta de Eercícos I - Bmestre) 23/02/2015 1) Escrever um programa que faça o calculo de trasformação de horas em muto ode às horas devem ser apeas úmero teros. Deverá haver uma

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

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

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

Leia mais

Estatística. 7 - Distribuições Amostrais

Estatística. 7 - Distribuições Amostrais Estatística 7 - Distribuições Amostrais 07 - Distribuição da Média Amostral Distribuição costituída de todos os valores de, cosiderado todas as possíveis amostras de tamaho i ( Ode,,..., são V.A. com mesma

Leia mais

Controle Estatístico de Qualidade. Capítulo 6 (montgomery)

Controle Estatístico de Qualidade. Capítulo 6 (montgomery) Cotrole Estatístco de Qualdade Capítulo 6 (motgomery) Gráfcos de Cotrole para Atrbutos Itrodução Mutas característcas da qualdade ão podem ser represetadas umercamete. Nestes casos, classfcamos cada tem

Leia mais