ESCOLA SUPERIOR DE TECNOLOGIA DE SETÚBAL DEPARTAMENTO DE MATEMÁTICA PROBABILIDADES E ESTATÍSTICA Teste Final 2009/2010. Curso: 12/06/2010.

Tamanho: px
Começar a partir da página:

Download "ESCOLA SUPERIOR DE TECNOLOGIA DE SETÚBAL DEPARTAMENTO DE MATEMÁTICA PROBABILIDADES E ESTATÍSTICA Teste Final 2009/2010. Curso: 12/06/2010."

Transcrição

1 ESCOLA SUPERIOR DE TECNOLOGIA DE SETÚBAL DEPARTAMENTO DE MATEMÁTICA PROBABILIDADES E ESTATÍSTICA Teste Final 2009/2010 Curso: 12/06/2010 Nome: N o Instruções: Estaprovatemaduraçãode120 minutos e é constituída por 2Partes. A primeira parte tem 2 problemas de escolha múltipla; cada resposta certa vale 2 valores, cada resposta em branco vale 0 valoresecadaresposta errada vale 0, 6 valores. A cotação mínima desta parte é de 0 valores. A segunda parte tem 4 problemas devendo justificar as suas respostas e apresentar todos os cálculos que efectuar. O abandono da sala em caso de desistência só poderá efectuar-se decorridaumahoraapartirdoiníciodaprova. É permitida a utilização individual de máquina de calcular e a consulta de tabelas, desde que estas últimas tenham sido fornecidas na ocasião pelos docentes. Não se aceitam provas ou questões escritas a lápis. Nãoépermitidoomanuseamentoouexibiçãodetelemóveisdurantea prova. Para os 2 problemas da primeira parte, marque com uma cruz as suas escolhas na tabela seguinte (se quiser alterar a resposta, risque por inteiro o quadrado correspondente à resposta que não é válida e marque uma nova cruz na resposta que considera ser a correcta): 1 2 Questões totalmente por responder Questão 3 Questão 5 Questão 4 Questão 6 A) B) C) D) O quadro abaixo destina-se à correcção da prova. Por favor não escreva nada. Escolha Múltipla Número de respostas certas Número de respostas erradas

2 Primeira Parte [2,0] 1. Suponha que o desvio da medida das peças produzidas por uma máquina em relação à norma especificada pelo mercado é uma variável aleatória X. Considere a seguinte função: f (x) = Considere as seguintes afirmações: 1+k + x, 1 x<0 1 k x, 0 x 1 0, outros valores de x I. f é a função de densidade de probabilidade da v.a. X, k R. II. Se k =0então F X (0) = 0.5. III. Se k =0então E [X] =0.5 IV. Se k =0então V [X] =E [X 2 ]. A lista completa das afirmações correctas é: [2,0] 2. Considere as seguintes afirmações: A) I e III. B) II e IV. C) IeII. D) III e IV. I. Supondo que o intervalo de confiança a 95% para a razão de variâncias é dado por ]0.87; 1.95[, então não rejeitamos a hipótese da igualdade das variâncias populacionais ao nível de significância de 10%. II. A potência de um teste de hipóteses aumenta à medida que o verdadeiro valor do parâmetroatestarseaproximadovalorconsideradonahipótesenula. III. Se ˆθ 1 e ˆθ 2 são estimadores centrados do parâmetro θ então o estimador ˆθ 3 = aˆθ 1 +bˆθ 2,coma + b =1, é também um estimador centrado de θ. IV. Para diminuir a amplitude de um intervalo de confiança tem de proceder-se ao aumento da dimensão da amostra ou à redução do grau de confiança. A lista completa das afirmações correctas é: A) IeIV. B) III e IV. C) IeII. D) II e III.

3 Segunda Parte Justifique todos os cálculos que tiver de efectuar. 3. Uma central telefónica recebe um fluxo de chamadas de acordo com um processo de Poisson com número esperado de chamadas por hora igual a 90 (considera-se desprezável o tempo de atendimento e encaminhamento de uma chamada para o seu destinatário). [1,5] (a) Calcule a probabilidade de chegarem pelo menos duas chamadas no próximo minuto. [1,5] (b) Se o número médio de chamadas por hora fosse apenas 5, qual seria o tempo máximo disponível para a telefonista ir tomar café sem correr um risco superior a 0.15 de deixar chamadas por atender? 4. Um estudo sobre congestionamento de tráfego numa dada artéria de uma cidade, revelou que o tempo necessário para o seu percurso em hora de ponta (X, emminutos)tem distribuição normal, com desvio padrão igual a 3 minutos. [1,5] (a) Sabendo que 15.87% dos veículos ligeiros demoram mais de 13 minutos no percurso da referida artéria em hora de ponta, mostre que o valor esperado de X é igual a 10 minutos. (b) Considerando um grupo de 15 veículos ligeiros que percorreram o troço em questão em hora de ponta e assumindo que os tempos de percurso são independentes de veículoparaveículo,determine,justificando: [1,5] i. A probabilidade de pelo menos 5 terem efectuado o percurso em menos de 8 minutos; [1,5] ii. A probabilidade do tempo total de percurso dos 15 veículos ultrapassar duas horas. 5. O diâmetro X, daslaranjasdeumdadopomartemdistribuiçãonormaldemédia10cm edesviopadrão1.5cm. Para controlar o calibre da fruta foi recolhida uma amostra aleatória de 9 laranjas (X 1,..., X 9 ). [1,5] (a) Diga o que entende por amostra aleatória e determine, justificando, a distribuição da média amostral do diâmetro das laranjas. [1,5] (b) Calcule a probabilidade do diâmetro médio da amostra de laranjas ser inferior a 9cm. 6. Por forma a comparar a velocidade da internet fornecida por dois operadores diferentes (Vip e Fine) procedeu-se ao download de 6 programas. A duração total (em minutos)

4 do tempo que cada operador levou a descarregar a informação, forneceu os seguintes resultados: Vip: x i =203 (x i x) 2 = Fine: y i =221.3 (y i ȳ) 2 = Suponha que os tempos de download são normalmente distribuídos com variâncias desconhecidas e iguais. [2,0] (a) Deduza e determine o intervalo de confiança a 95% para a diferença entre os valores esperados dos tempos de download dos dois operadores. Que pode concluir relativamente à eficácia dos operadores de internet em análise, para o nível de confiança adoptado? (Nota: Considere que as amostras recolhidas são independentes) [2,0] (b) A variância dos tempos de download do operador Vip é superior a Teste a validade desta afirmação ao nível de significância de 5%. [1,5] (c) Calcule o erro que comete no teste anterior se a verdadeira variância dos tempos de download do operador Vip for Oquepodeafirmar sobre a qualidade do teste anterior? Fim

5 Proposta de Resolução Primeira Parte [2,0] 1. Suponha que o desvio da medida das peças produzidas por uma máquina em relação à norma especificada pelo mercado é uma variável aleatória X. Considere a seguinte função: f (x) = Considere as seguintes afirmações: 1+k + x, 1 x<0 1 k x, 0 x 1 0, outros valores de x I. f é a função de densidade de probabilidade da v.a. X, k R. f deve verificar: f (x) 0 e R + f (x) dx =1 1 x<0 k 1+k + x<1+k k 0 0 x 1 1 x 0 k 1 k x 1 k k 0 k 0 logo f (x) 0 k =0 pelo que a afirmação é Falsa. II. Se k =0então F X (0) = 0.5. Tem-se a seguinte representação gráfica de f: Dadaasimetriadef em relação à origem tem-se F X (0) = 0.5, pelo que a afirmação é Verdadeira. III. Se k =0então E [X] =0.5. Atendendo à figura anterior tem-se E [X] =0, pelo que a afirmação é Falsa.

6 IV. Se k =0então V [X] =E [X 2 ]. V [X] =E [X 2 ] E 2 [X]. Como E [X] = 0 então V [X] =E [X 2 ], pelo que a afirmação é Verdadeira. A lista completa das afirmações correctas é: [2,0] 2. Considere as seguintes afirmações: A) I e III. B) II e IV. C) IeII. D) III e IV. I. Supondo que o intervalo de confiança a 95% para a razão de variâncias é dado por ]0.87; 1.95[, então não rejeitamos a hipótese da igualdade das variâncias populacionais ao nível de significância de 10%. Falsa. O contexto de um IC a 95% nada tem a ver com um teste de hipóteses com um nível de significância de 10%. II. A potência de um teste de hipóteses aumenta à medida que o verdadeiro valor do parâmetroatestarseaproximadovalorconsideradonahipótesenula. Falsa. A potência de um teste de hipóteses diminui à medida que o verdadeiro valor do parâmetro a testar se aproxima do valor considerado na hipótese nula. III. Se ˆθ 1 e ˆθ 2 são estimadores centrados do parâmetro θ então o estimador ˆθ 3 = aˆθ 1 +bˆθ 2,coma + b =1, é também um estimador centrado de θ. Verdadeira. i i i i E hˆθ3 = E haˆθ 1 + bˆθ 2 = ae hˆθ1 + be hˆθ2 = = aθ + bθ = (a + b) θ = θ ˆθ 1,ˆθ 2 são centrados a+b=1 IV. Para diminuir a amplitude de um intervalo de confiança tem de proceder-se ao aumento da dimensão da amostra ou à redução do grau de confiança. Verdadeira. A lista completa das afirmações correctas é: A) IeIV. B) III e IV. C) IeII. D) II e III.

7 Segunda Parte Justifique todos os cálculos que tiver de efectuar. 3. Uma central telefónica recebe um fluxo de chamadas de acordo com um processo de Poisson com número esperado de chamadas por hora igual a 90 (considera-se desprezável o tempo de atendimento e encaminhamento de uma chamada para o seu destinatário). [1,5] (a) Calcule a probabilidade de chegarem pelo menos duas chamadas no próximo minuto. X n o de chamadas por hora numa central telefónica X P (90) Assim Y n o de chamadas por minuto numa central telefónica Logo Y P ( 90 ) isto é Y P (1.5) 60 P (Y 2) = 1 P (Y <2) = 1 P (Y 1) = 1 F (1) = = [1,5] (b) Se o número médio de chamadas por hora fosse apenas 5, qual seria o tempo máximo disponível para a telefonista ir tomar café sem correr um risco superior a 0.15 de deixar chamadas por atender? Seja X 1 n o de chamadas por hora numa central telefónica X 1 P (5) U intervalo de tempo, em minutos, entre chamadas consecutivas, ou até á 1 a chamada U Exp(12) pois θ = 60 5 =12 com Assim ½ F (u) = 0, u<0 1 e u 12, u 0 P (U u) 0.15 F (u) e u u ln (0.85) u O tempo máximo disponível é de 1.95 minutos. 4. Um estudo sobre congestionamento de tráfego numa dada artéria de uma cidade, revelou que o tempo necessário para o seu percurso em hora de ponta (X, emminutos)tem distribuição normal, com desvio padrão igual a 3 minutos.

8 [1,5] (a) Sabendo que 15.87% dos veículos ligeiros demoram mais de 13 minutos no percurso da referida artéria em hora de ponta, mostre que o valor esperado de X é igual a 10 minutos. Sendo X - tempo em minutos necessários para a realização de um percurso em hora de ponta X N(μ, 3), então Z = X μ N(0, 1) 3 Sendo um dado do problema que P (X >13) = pelo que µ P Z> 13 μ 3 µ = P Z 13 μ = µ P Z 13 μ = então 13 μ =1 μ =10 3 como queriamos demonstrar. (b) Considerando um grupo de 15 veículos ligeiros que percorreram o troço em questão em hora de ponta e assumindo que os tempos de percurso são independentes de veículoparaveículo,determine,justificando: [1,5] i. A probabilidade de pelo menos 5 terem efectuado o percurso em menos de 8 minutos; Comecemos por calcular iii. µ P (X <8) = P Z< 8 10 = Φ ( 0.67) = 1 Φ (0.67) = ' Considerando a v.a. Y que representa o número de veículos que percorreram o trajecto em menos de 8 minutos, sendo X B(15, 0.25), então: P (Y 5) = 1 P (Y 4) = =

9 [1,5] ii. A probabilidade do tempo total de percurso dos 15 veículos ultrapassar duas horas. Sendo a v.a. T - tempo total que 15 veículos demoram a realizar o percurso T = 15X X i N(15 10, ) T N(150, ) então: P (T >2 60) = 1 P (T <120) iv. passando à normal estandartizada 1 P µ Z< = 1 φ ( 2.58) = 1 (1 φ (2.58)) = = φ (2.582) = O diâmetro X, daslaranjasdeumdadopomartemdistribuiçãonormaldemédia10cm edesviopadrão1.5cm. Para controlar o calibre da fruta foi recolhida uma amostra aleatória de 9 laranjas (X 1,..., X 9 ). [1,5] (a) Diga o que entende por amostra aleatória e determine, justificando, a distribuição da média amostral do diâmetro das laranjas. Amostra aleatória é um conjunto ordenado (X 1,...,X n ) de variáveis aleatórias independentes e identicamente distribuídas obtidas a partir de uma população X, com função de probabilidade ou função densidade de probabilidade f(x). Distribuição amostral de X : Como X N (10; 1.5) então X i N (10; 1.5) com i =1,...,9. P Pela aditividade da distribuição Normal, X = 1 Xi é igualmente normalmente 9 distribuída, com ( μx = E X = 1E [X X 9 ]= 1 {E [X 9 1] E [X 9 ]} tendo-se ou seja σ 2 X = V X = 1 81 V [X X 9 ] = X i v.a.i. ½ μx = = 10 = μ 9 X σ 2 = 1 9 X = 1.52 = ½ μx =10 σ X =0.5 X N (10; 0.5) Z = X N (0; 1). 1 {V [X 81 1] V [X 9 ]}

10 [1,5] (b) Calcule a probabilidade do diâmetro médio da amostra de laranjas ser inferior a 9cm. P X<9 µ = P Z< 9 10 = 0.5 = Φ ( 2) = 1 Φ (2) = = = Por forma a comparar a velocidade da internet fornecida por dois operadores diferentes (Vip e Fine) procedeu-se ao download de 6 programas. A duração total (em minutos) do tempo que cada operador levou a descarregar a informação, forneceu os seguintes resultados: Vip: x i =203 (x i x) 2 = Fine: y i =221.3 (y i ȳ) 2 = Suponha que os tempos de download são normalmente distribuídos com variâncias desconhecidas e iguais. [2,0] (a) Deduza e determine o intervalo de confiança a 95% para a diferença entre os valores esperados dos tempos de download dos dois operadores. Que pode concluir relativamente à eficácia dos operadores de internet em análise, para o nível de confiança adoptado? (Nota: Considere que as amostras recolhidas são independentes) IC para (μ A μ B ),comσ A e σ B desconhecidos (σ A = σ B ), n A e n B < 30 e 1 α = 0.95 Usando a estatística: XA X B (μa μ T = B ) r ³ t na +n B 2 1 n A + 1 (na 1)s 2 A +(n B 1)s 2 B n B n A +n B 2 Considerando µ 1 W = + 1 (na 1) s 2 A +(n B 1) s 2 B n A n B n A + n B 2 P ( t 10;0.975 <T <t 10;0.975 ) = 0.95 Ã! XA X B (μa μ P t 10;0.975 < B ) <t 10;0.975 = 0.95 W P ³ t 10;0.975 W< XA X B (μa μ B ) <t 10;0.975 W = 0.95 ³ XA P X B t10;0.975 W<μA μ B < X A X B + t10;0.975 W = 0.95 P ( <μ A μ B < ) = 0.95

11 (μ A μ B ) ] 3.258; 2.842[ Visto que 0 / IC o tempo de download é superior para o operador Fine, logo o operador Vip é mais eficaz. [2,0] (b) A variância dos tempos de download do operador Vip é superior a Teste a validade desta afirmação ao nível de significância de 5%. Pretende fazer-se um teste ao desvio padrão: ½ H0 : σ H 1 : σ 2 > 0.06 com α =0.05 para tal vai recorrer-se à variável Fulcral, ¾ População Normal μ desconhecido X 2 = (n 1) S2 σ 2 χ 2 (n 1) Vamos construir a região crítica e tomar uma decisão usando a estatística de teste X 2 : X 2 χ 2 (5) x 2 n 1;1 α = x 2 5;0.95 =11.1 e neste caso, tem-se na escala do χ 2 que RC =[11.1; + [. Sendo a variância amostral corrigida s 2 = = A estimativa da estatística de teste X 2, sob H 0, é X 2 = = / RC 0.06 Face à amostra recolhida e sob um nível de significância de 5%, nãohámotivopara rejeitar H 0. A decisão a tomar será a de não rejeitar H 0, isto é, admite-se que a variância dos tempos de download não é superior a 0.06, logo a afirmação é falsa. [1,5] (c) Calcule o erro que comete no teste anterior se a verdadeira variância dos tempos de download do operador Vip for Oquepodeafirmar sobre a qualidade do teste anterior? O erro cometido será o erro de 2 a espécie, isto é, β = P [não rejeitar H 0 H 0 Falsa]=P S 2 RA H 1 Verdadeira = = P S 2 <k σ 2 > Para calcular este erro vamos ter de passar para a escala do estimador S 2,istoé,k é o limite inferior da RC epodesercalculadodoseguintemodo 5k =11.1 k =

12 Assim, o erro cometido se σ 2 =0.072 é, β (0.072) = P S 2 < σ 2 =0.072 = P X 2 < = = P X 2 < 9.25 =0.9 Para este valor de β, conclui-se que o teste é de fraca qualidade. Fim.

Capítulo 4 Inferência Estatística

Capítulo 4 Inferência Estatística Capítulo 4 Inferência Estatística Slide 1 Resenha Intervalo de Confiança para uma proporção Intervalo de Confiança para o valor médio de uma variável aleatória Intervalo de Confiança para a variância de

Leia mais

INTRODUÇÃO À INFERÊNCIA ESTATÍSTICA. Prof. Anderson Rodrigo da Silva anderson.silva@ifgoiano.edu.br

INTRODUÇÃO À INFERÊNCIA ESTATÍSTICA. Prof. Anderson Rodrigo da Silva anderson.silva@ifgoiano.edu.br INTRODUÇÃO À INFERÊNCIA ESTATÍSTICA Prof. Anderson Rodrigo da Silva anderson.silva@ifgoiano.edu.br Tipos de Pesquisa Censo: é o levantamento de toda população. Aqui não se faz inferência e sim uma descrição

Leia mais

Teste de Hipótese e Intervalo de Confiança. Parte 2

Teste de Hipótese e Intervalo de Confiança. Parte 2 Teste de Hipótese e Intervalo de Confiança Parte 2 Questões para discutirmos em sala: O que é uma hipótese estatística? O que é um teste de hipótese? Quem são as hipóteses nula e alternativa? Quando devemos

Leia mais

Modelos de Probabilidade e Inferência Estatística

Modelos de Probabilidade e Inferência Estatística Modelos de Probabilidade e Inferência Estatística Departamento de Estatística Universidade Federal da Paraíba Prof. Tarciana Liberal (UFPB) Aula Distribuições Qui-quadrado, t-student e F de Snedecor 04/14

Leia mais

IND 1115 Inferência Estatística Aula 8

IND 1115 Inferência Estatística Aula 8 Conteúdo IND 5 Inferência Estatística Aula 8 Setembro 4 Mônica Barros O - aproximação da Binomial pela Este teorema é apenas um caso particular do teorema central do limite, pois uma variável aleatória

Leia mais

MAE116 - Noções de Estatística

MAE116 - Noções de Estatística MAE116 - Noções de Estatística Grupo A - 1 semestre de 2015 Gabarito da Lista de exercícios 10 - Introdução à Estatística Descritiva - CASA Exercício 1. (2 pontos) Sabe-se que, historicamente, 18% dos

Leia mais

Estimação. Como definir um estimador. Como obter estimativas pontuais. Como construir intervalos de confiança

Estimação. Como definir um estimador. Como obter estimativas pontuais. Como construir intervalos de confiança Estimação Como definir um estimador. Como obter estimativas pontuais. Como construir intervalos de confiança Motivação A partir da média de uma a amostra em uma colheita recente, o conselho de qualidade

Leia mais

Regressão linear múltipla. Prof. Tatiele Lacerda

Regressão linear múltipla. Prof. Tatiele Lacerda Regressão linear múltipla Prof Tatiele Lacerda Yi = B + Bx + B3X3 + u Plano de resposta E(Y i ) = 0,00 Y i i 0 (,33;,67) Y i 0 X i Xi X p i, p i 3 Modelo de regressão linear múltipla em termos matriciais,

Leia mais

cuja distribuição é t de Student com n 1 graus de liberdade.

cuja distribuição é t de Student com n 1 graus de liberdade. Aula 13 Teste de hipótese sobre a média de uma população normal σ 2 desconhecida Objetivos: Nesta aula você completará seu estudo básico sobre testes de hipóteses, analisando a situação relativa a uma

Leia mais

Aula 11 Teste de hipótese sobre a média de uma população normal - σ 2 conhecida

Aula 11 Teste de hipótese sobre a média de uma população normal - σ 2 conhecida Aula 11 Teste de hipótese sobre a média de uma população normal - σ 2 conhecida Objetivo: Nesta aula, iremos aplicar os conceitos básicos sobre a teoria de teste de hipótese a uma situação específica.

Leia mais

Consideremos os seguintes exemplos de hipóteses cuja veracidade interessa avaliar:

Consideremos os seguintes exemplos de hipóteses cuja veracidade interessa avaliar: Consideremos os seguintes exemplos de hipóteses cuja veracidade interessa avaliar: o tempo médio de efeito de dois analgésicos não é o mesmo; a popularidade de determinado partido político aumentou; uma

Leia mais

Análise de Regressão Linear Simples III

Análise de Regressão Linear Simples III Análise de Regressão Linear Simples III Aula 03 Gujarati e Porter Capítulos 4 e 5 Wooldridge Seção.5 Suposições, Propriedades e Teste t Suposições e Propriedades RLS.1 O modelo de regressão é linear nos

Leia mais

Teorema do Limite Central e Intervalo de Confiança

Teorema do Limite Central e Intervalo de Confiança Probabilidade e Estatística Teorema do Limite Central e Intervalo de Confiança Teorema do Limite Central Teorema do Limite Central Um variável aleatória pode ter uma distribuição qualquer (normal, uniforme,...),

Leia mais

Unidade 5.2. Teste de hipóteses. Hipótese estatística. (uma população) Formulando as hipóteses. Teste de Hipóteses X Intervalo de Confiança

Unidade 5.2. Teste de hipóteses. Hipótese estatística. (uma população) Formulando as hipóteses. Teste de Hipóteses X Intervalo de Confiança Hipótese estatística Unidade 5. Teste de Hipóteses (uma população) Hipótese estatística-qualquer afirmação feita sobre um parâmetro populacional desconhecido. Hipótese: Duração média da bateria (µ) > 300

Leia mais

Estatística II Aula 4. Prof.: Patricia Maria Bortolon, D. Sc.

Estatística II Aula 4. Prof.: Patricia Maria Bortolon, D. Sc. Estatística II Aula 4 Prof.: Patricia Maria Bortolon, D. Sc. Fundamentos do Teste de Hipóteses Teste de Hipóteses - Definições É uma regra de decisão para aceitar, ou rejeitar, uma hipótese estatística

Leia mais

Capítulo 5. Inferência no Modelo de Regressão Simples: Estimação de Intervalos, Teste de Hipóteses e Previsão

Capítulo 5. Inferência no Modelo de Regressão Simples: Estimação de Intervalos, Teste de Hipóteses e Previsão Capítulo 5 Inferência no Modelo de Regressão Simples: Estimação de Intervalos, Teste de Hipóteses e Previsão Hipóteses do Modelo de Regressão Linear Simples RS1. y x e t 1 t t RS. RS3. RS4. RS5. RS6. Ee

Leia mais

Probabilidade e Estatística, 2009/2

Probabilidade e Estatística, 2009/2 Probabilidade e Estatística, 2009/2 CCT - UDESC Prof. Fernando Deeke Sasse Problemas Resolvidos - Testes de Hipóteses 1. Uma empresa de manufatura têxtil está testando rolos de fio que o fornecedor afirma

Leia mais

Análise estatística. Aula de Bioestatística. 17/9/2008 (2.ª Parte) Paulo Nogueira

Análise estatística. Aula de Bioestatística. 17/9/2008 (2.ª Parte) Paulo Nogueira Análise estatística Aula de Bioestatística 17/9/2008 (2.ª Parte) Paulo Nogueira Testes de Hipóteses Hipótese Estatística de teste Distribuição da estatística de teste Decisão H 0 : Não existe efeito vs.

Leia mais

AULA 12 Inferência a Partir de Duas Amostras

AULA 12 Inferência a Partir de Duas Amostras 1 AULA 12 Inferência a Partir de Duas Amostras Ernesto F. L. Amaral 15 de setembro de 2011 Metodologia de Pesquisa (DCP 854B) Fonte: Triola, Mario F. 2008. Introdução à estatística. 10 ª ed. Rio de Janeiro:

Leia mais

Aula 8. Teste Binomial a uma proporção p

Aula 8. Teste Binomial a uma proporção p Aula 8. Teste Binomial a uma proporção p Métodos Estadísticos 2008 Universidade de Averio Profª Gladys Castillo Jordán Teste Binomial a uma Proporção p Seja p ˆ = X n a proporção de indivíduos com uma

Leia mais

Aula 8 Intervalos de confiança para proporções amostras grandes

Aula 8 Intervalos de confiança para proporções amostras grandes Aula 8 Intervalos de confiança para proporções amostras grandes Objetivos Na aula anterior, foram apresentadas as idéias básicas da estimação por intervalos de confiança. Para ilustrar o princípio utilizado

Leia mais

3 Distribuições Teóricas Contínuas

3 Distribuições Teóricas Contínuas 3 Distribuições Teóricas Contínuas Exercício 3.1 Sendo X uma variável aleatória com distribuição exponencial, mostre que P (X a + b/x a) =P (X b), a 0,b 0. Exercício 3.2 Sabe-se que o tempo entre 2 acidentesdeviaçãonumdeterminado

Leia mais

AULA 04 Estimativas e Tamanhos Amostrais

AULA 04 Estimativas e Tamanhos Amostrais 1 AULA 04 Estimativas e Tamanhos Amostrais Ernesto F. L. Amaral 27 de agosto de 2012 Faculdade de Filosofia e Ciências Humanas (FAFICH) Universidade Federal de Minas Gerais (UFMG) Fonte: Triola, Mario

Leia mais

Testes Qui-Quadrado - Teste de Aderência

Testes Qui-Quadrado - Teste de Aderência Testes Qui-Quadrado - Teste de Aderência Consideremos uma tabela de frequências com k frequências, k 2 k: total de categorias frequências observadas: O 1,, O k seja p 1 = p 01,, p k = p 0k as probabilidades

Leia mais

Aula 12 Teste de hipótese sobre proporções amostras grandes

Aula 12 Teste de hipótese sobre proporções amostras grandes Aula 12 Teste de hipótese sobre proporções amostras grandes Objetivos Na aula anterior, você aprendeu a construir testes de hipóteses sobre a média de uma população normal com variância σ 2 conhecida.

Leia mais

AMOSTRAGEM: DIMENSIONAMENTO DE AMOSTRAS. SELEÇÃO DOS ELEMENTOS DE UMA AMOSTRA. ESTIMATIVA DA CARACTERÍSTICA TOTAL DA POPULAÇÃO INVESTIGADA

AMOSTRAGEM: DIMENSIONAMENTO DE AMOSTRAS. SELEÇÃO DOS ELEMENTOS DE UMA AMOSTRA. ESTIMATIVA DA CARACTERÍSTICA TOTAL DA POPULAÇÃO INVESTIGADA AMOSTRAGEM: DIMENSIONAMENTO DE AMOSTRAS. SELEÇÃO DOS ELEMENTOS DE UMA AMOSTRA. ESTIMATIVA DA CARACTERÍSTICA TOTAL DA POPULAÇÃO INVESTIGADA META Dimensionar o tamanho ideal de amostra para cada população.

Leia mais

é 4. Portanto, o desvio padrão é 2. Neste caso 100% dos valores da população estão a um desvio padrão da média.

é 4. Portanto, o desvio padrão é 2. Neste caso 100% dos valores da população estão a um desvio padrão da média. Desvio Padrão From Wikipedia, the free encyclopedia probabilidade e estatística, o desvio padrão de uma distribuição de probabilidade, de uma variável aleatória, ou população é uma medida do espalhamento

Leia mais

CONHECIMENTOS ESPECÍFICOS

CONHECIMENTOS ESPECÍFICOS CONHECIMENTOS ESPECÍFICOS» PROBABILIDADE E ESTATÍSTICA «21. Uma fábrica, que produz pequenas peças utilizadas em materiais eletrônicos, armazena essa mercadoria em lotes com 1000 unidades. Inspecionada

Leia mais

Intervalo de Confiança - Margem de Erro

Intervalo de Confiança - Margem de Erro Intervalo de Confiança - Margem de Erro Tatiene Correia de Souza / UFPB tatiene@de.ufpb.br October 26, 2014 Souza () Intervalo de Confiança - Margem de Erro October 26, 2014 1 / 31 Margem de erro - relatórios

Leia mais

Inferência sobre duas proporções

Inferência sobre duas proporções Teste para duas populações duas populações Amostra :,,,, alor comum para delta 0 Amostra 2:,,,, Tamanho Tamanho Média amostral x Média amostral x Desvio-padrão Desvio-padrão Teste para duas populações

Leia mais

ANOVA. (Analysis of Variance) Prof. Dr. Guanis de Barros Vilela Junior

ANOVA. (Analysis of Variance) Prof. Dr. Guanis de Barros Vilela Junior ANOVA (Analysis of Variance) Prof. Dr. Guanis de Barros Vilela Junior Para que serve a ANOVA? Para comparar três ou mais variáveis ou amostras. Por exemplo, queremos testar os efeitos cardiorrespiratórios

Leia mais

Probabilidade e Estatística - EST0003 Intervalos Estatísticos para uma única Amostra

Probabilidade e Estatística - EST0003 Intervalos Estatísticos para uma única Amostra Probabilidade e Estatística - EST0003 Intervalos Estatísticos para uma única Amostra Fernando Deeke Sasse 14 de maio de 2010 Introdução Quão boa é uma dada estimação de um parâmetro? Suponha que estimamos

Leia mais

Avaliação e Desempenho Aula 1 - Simulação

Avaliação e Desempenho Aula 1 - Simulação Avaliação e Desempenho Aula 1 - Simulação Introdução à simulação Geração de números aleatórios Lei dos grandes números Geração de variáveis aleatórias O Ciclo de Modelagem Sistema real Criação do Modelo

Leia mais

Técnicas estatísticas para análise de dados e de resultados de modelos de simulação

Técnicas estatísticas para análise de dados e de resultados de modelos de simulação Parte XIV Técnicas estatísticas para análise de dados e de resultados de modelos de simulação A saída de um modelo de simulação geralmente constitui-se de VA s, muitas das quais podem ter variância grande.

Leia mais

Teste de hipóteses para médias e proporções amostrais

Teste de hipóteses para médias e proporções amostrais Teste de hipóteses para médias e proporções amostrais Prof. Marcos Pó Métodos Quantitativos para Ciências Sociais Intervalo de confiança: outro entendimento É o intervalo que contém o parâmetro que queremos

Leia mais

Intervalos Estatísticos para Uma Única Amostra

Intervalos Estatísticos para Uma Única Amostra Intervalos Estatísticos para Uma Única Amostra OBJETIVOS DE APRENDIZAGEM Depois de um cuidadoso estudo deste capítulo, você deve ser capaz de: 1.Construir intervalos de confiança para a média de uma distribuição

Leia mais

Introdução. Ou seja, de certo modo esperamos que haja uma certa

Introdução. Ou seja, de certo modo esperamos que haja uma certa UNIVERSIDADE FEDERAL DA PARAÍBA Teste de Independência Luiz Medeiros de Araujo Lima Filho Departamento de Estatística Introdução Um dos principais objetivos de se construir uma tabela de contingência,

Leia mais

Nome: N.º: Turma: Classificação: Professor: Enc. Educação:

Nome: N.º: Turma: Classificação: Professor: Enc. Educação: Escola EB, de Ribeirão (Sede) ANO LECTIVO 010/011 Dezembro 010 Nome: Nº: Turma: Classificação: Professor: Enc Educação: Ficha de Avaliação de Matemática Versão Duração do Teste: 90 minutos 6 de Dezembro

Leia mais

Análise de Regressão. Notas de Aula

Análise de Regressão. Notas de Aula Análise de Regressão Notas de Aula 2 Modelos de Regressão Modelos de regressão são modelos matemáticos que relacionam o comportamento de uma variável Y com outra X. Quando a função f que relaciona duas

Leia mais

Desvio Padrão ou Erro Padrão

Desvio Padrão ou Erro Padrão NOTAS METODOLÓGICAS ISSN 0871-3413 ArquiMed, 2006 Desvio Padrão ou Erro Padrão Nuno Lunet, Milton Severo, Henrique Barros Serviço de Higiene e Epidemiologia da Faculdade de Medicina da Universidade do

Leia mais

Canguru Matemático sem Fronteiras 2014

Canguru Matemático sem Fronteiras 2014 http://www.mat.uc.pt/canguru/ Destinatários: alunos do 12. ano de escolaridade Nome: Turma: Duração: 1h 30min Não podes usar calculadora. Em cada questão deves assinalar a resposta correta. As questões

Leia mais

Erros e Incertezas. Rafael Alves Batista Instituto de Física Gleb Wataghin Universidade Estadual de Campinas (Dated: 10 de Julho de 2011.

Erros e Incertezas. Rafael Alves Batista Instituto de Física Gleb Wataghin Universidade Estadual de Campinas (Dated: 10 de Julho de 2011. Rafael Alves Batista Instituto de Física Gleb Wataghin Universidade Estadual de Campinas (Dated: 10 de Julho de 2011.) I. INTRODUÇÃO Quando se faz um experimento, deseja-se comparar o resultado obtido

Leia mais

Tópicos de Física Moderna Engenharia Informática

Tópicos de Física Moderna Engenharia Informática EXAME - ÉPOCA NORMAL 7 de Junho de 007 1. Indique, de entre as afirmações seguintes, as que são verdadeiras e as que são falsas. a) A grandeza T na expressão cinética mv T = é o período de oscilações.

Leia mais

CAPÍTULO 8. de Variância - ANOVA ANOVA. Análise

CAPÍTULO 8. de Variância - ANOVA ANOVA. Análise CAPÍTULO 8 Análise de Variância - UFRGS Os testes de hipótese apresentados até aqui limitaram-se à comparação de duas médias ou duas variâncias. Contudo, há situações onde se deseja comparar várias médias,

Leia mais

Departamento de Matemática da Universidade de Coimbra Álgebra Linear e Geometria Analítica Engenharia Civil Ano lectivo 2005/2006 Folha 1.

Departamento de Matemática da Universidade de Coimbra Álgebra Linear e Geometria Analítica Engenharia Civil Ano lectivo 2005/2006 Folha 1. Departamento de Matemática da Universidade de Coimbra Álgebra Linear e Geometria Analítica Engenharia Civil Ano lectivo 2005/2006 Folha 1 Matrizes 1 Considere as matrizes A = 1 2 3 2 3 1 3 1 2 Calcule

Leia mais

25 a 30 de novembro de 2013

25 a 30 de novembro de 2013 LSD Introdução à Programa de Pós-Graduação em Estatística e Experimentação Agronômica ESALQ/USP 25 a 30 de novembro de 2013 LSD 1 2 3 LSD 4 Parte 2 - Conteúdo LSD Quando o F da ANOVA está sendo utilizado

Leia mais

Relatório das Provas da 2ª. Fase - Vestibular 2016

Relatório das Provas da 2ª. Fase - Vestibular 2016 Relatório das Provas da 2ª. Fase - Vestibular 2016 Resumo Executivo O presente relatório apresenta os resultados da segunda fase do Vestibular UNICAMP 2016 constituída por três provas. Esta etapa do vestibular

Leia mais

Versão 2. Identifica claramente, na folha de respostas, a versão do teste (1 ou 2) a que respondes.

Versão 2. Identifica claramente, na folha de respostas, a versão do teste (1 ou 2) a que respondes. Teste Intermédio de Matemática Versão 2 Teste Intermédio Matemática Versão 2 Duração do Teste: 90 minutos 07.02.2011 9.º Ano de Escolaridade Decreto-Lei n.º 6/2001, de 18 de Janeiro Identifica claramente,

Leia mais

Probabilidade II. Departamento de Estatística. Universidade Federal da Paraíba. Prof. Tarciana Liberal (UFPB) Aula Distribuição Uniforme 11/13 1 / 19

Probabilidade II. Departamento de Estatística. Universidade Federal da Paraíba. Prof. Tarciana Liberal (UFPB) Aula Distribuição Uniforme 11/13 1 / 19 Probabilidade II Departamento de Estatística Universidade Federal da Paraíba Prof. Tarciana Liberal (UFPB) Aula Distribuição Uniforme 11/13 1 / 19 Distribuições Contínuas Apresentaremos agora alguns dos

Leia mais

VESTIBULAR UFPR 2009 (2ª FASE) PROVA DE MATEMÁTICA

VESTIBULAR UFPR 2009 (2ª FASE) PROVA DE MATEMÁTICA GERAL DOS PROFESSORES DO CURSO POSITIVO VESTIBULAR UFPR 009 (ª FASE) PROVA DE MATEMÁTICA Estamos diante de um exemplo de prova! A afirmação acima, feita pelo prof. Adilson, sintetiza a nossa impressão

Leia mais

PARTE I - EVOLUÇÃO DO PENSAMENTO. Curso Análise de Dados e Políticas Públicas. Ementa. Metodologia. Plano de Aula

PARTE I - EVOLUÇÃO DO PENSAMENTO. Curso Análise de Dados e Políticas Públicas. Ementa. Metodologia. Plano de Aula Curso Análise de Dados e Políticas Públicas Professor: Pablo Cerdeira Ementa O que Matemática tem a ver com Direito? Muita coisa. Neste curso de Análise de Dados e Políticas Públicas abordaremos três importantes

Leia mais

x = xi n x = xifi fi 1. MÉDIA Exercício: Quando a distribuição é simétrica, a média e a mediana coincidem.

x = xi n x = xifi fi 1. MÉDIA Exercício: Quando a distribuição é simétrica, a média e a mediana coincidem. 1. MÉDIA Exercício: Quando a distribuição é simétrica, a média e a mediana coincidem. Determine a média aritmética da distribuição: A mediana não é tão sensível, como a média, às observações que são muito

Leia mais

Tópico 9. Teste t-student

Tópico 9. Teste t-student Tópico 9 Teste t-student Teste t Teste t pode ser conduzido para Comparar uma amostra com uma população Comparar duas amostras pareadas Mesmos sujeitos em dois momentos distintos Comparar duas amostras

Leia mais

Distribuição Binomial e Normal

Distribuição Binomial e Normal Distribuição Binomial e Normal O que se pretende, neste módulo, é apresentar dois modelos teóricos de distribuição de probabilidade, aos quais um experimento aleatório estudado possa ser adaptado, o que

Leia mais

Plano da Apresentação. Correlação e Regressão linear simples. Correlação linear. Associação entre hábitos leitura e escolaridade.

Plano da Apresentação. Correlação e Regressão linear simples. Correlação linear. Associação entre hábitos leitura e escolaridade. Metodologia de Diagnóstico e Elaboração de Relatório FASHT Correlação e Plano da Apresentação Correlação linear Diagrama de dispersão Covariância Coeficiente de correlação de Pearson Teste de correlação

Leia mais

Correlação e Regressão linear simples

Correlação e Regressão linear simples Metodologia de Diagnóstico e Elaboração de Relatório FASHT Correlação e Regressão linear simples Prof. Cesaltina Pires cpires@uevora.pt Plano da Apresentação Correlação linear Diagrama de dispersão Covariância

Leia mais

Então, a distribuição de converge para a distribuição normal com média nμ e variância nσ 2

Então, a distribuição de converge para a distribuição normal com média nμ e variância nσ 2 Aula 6 Distribuição amostral da proporção Nesta aula você verá uma importante aplicação do Teorema Central do Limite: iremos estudar a distribuição amostral de proporções. Assim, você verá os resultados

Leia mais

Estatística. Slide 0. Ana M. Abreu - 2006/07

Estatística. Slide 0. Ana M. Abreu - 2006/07 Estatística Slide 0 Capítulo 1 Estatística Descritiva Slide 1 I-1 Introdução à organização e ao processamento de dados. I-2 Amostra e população; cuidados a ter na recolha da amostra. I-3 Ordenação dos

Leia mais

Probabilidade e Estatística, 2011/2

Probabilidade e Estatística, 2011/2 média verdadeira de 104F? Estabeleçamos a média 100F como um limite não tolerado:, Probabilidade e Estatística, 2011/2 CCT - UDESC Prof. Fernando Deeke Sasse Testes de Hipóteses Problemas Resolvidos em

Leia mais

Testes de Hipóteses 5.1 6 8.8 11.5 4.4 8.4 8 7.5 9.5

Testes de Hipóteses 5.1 6 8.8 11.5 4.4 8.4 8 7.5 9.5 Testes de Hipóteses Supoha que o ível crítico de ifestação por um iseto-praga agrícola é de 10% das platas ifestadas. Você decide fazer um levatameto em ove lotes, selecioados aleatoriamete, de uma área

Leia mais

Medidas de Localização

Medidas de Localização MATEMÁTICA APLICADA ÀS CIÊNCIAS SOCIAIS RESUMO Estatística 2 Medidas de Localização e Dispersão 10º ano Cláudia Henriques Medidas de Localização Estatísticas Medidas que se calculam a partir dos dados

Leia mais

Testes de variância e Análise de Variância (ANOVA)

Testes de variância e Análise de Variância (ANOVA) Testes de variância e Análise de Variância (ANOVA) Introdução à Inferência Estatística Introdução à Inferência Estatística TESTE DE VARIÂNCIAS E DISTRIBUIÇÃO F Testes sobre variâncias Problema: queremos

Leia mais

A Significância Estatística do Proger na Redução da Taxa de Desemprego por Haroldo Feitosa Tajra

A Significância Estatística do Proger na Redução da Taxa de Desemprego por Haroldo Feitosa Tajra A Significância Estatística do Proger na Redução da Taxa de Desemprego por Haroldo Feitosa Tajra 1. INTRODUÇÃO O objetivo desta análise é verificar a significância estatística das aplicações do Programa

Leia mais

Planejamento e Análise Estatística de Experimentos Fatoriais em blocos completos

Planejamento e Análise Estatística de Experimentos Fatoriais em blocos completos Planejamento e Análise Estatística de Experimentos Fatoriais em blocos completos Contexto Já vimos como analisar um experimento em blocos na presença de um único fator de interesse. Podemos ter experimentos

Leia mais

Lição 5 Medidas Descritivas Medidas de Dispersão

Lição 5 Medidas Descritivas Medidas de Dispersão 99 Lição 5 Medidas Descritivas Medidas de Dispersão Após concluir o estudo desta lição, esperamos que você possa: identifi car o objetivo das medidas de dispersão; identifi car o conceito de variância;

Leia mais

Para mais de duas variáveis independentes, em função de uma variável dependente.

Para mais de duas variáveis independentes, em função de uma variável dependente. MÉTODOS QUANTlTATlVOS APLlCADOS À CONTABlLlDADE Prof. Héber Lavor Moreira Plano de Aula TEMA: REGRESSÃO MÚLTlPLA - Caso Multiplan S/A lntrodução Em muitos casos uma variável pode estar relacionada com

Leia mais

EXAME DE MACS 2º FASE 2014/2015 = 193

EXAME DE MACS 2º FASE 2014/2015 = 193 EXAME DE MACS 2º FASE 2014/2015 1. Divisor Padrão: 00+560+80+240 200 = 190 = 19 200 20 Filiais A B C D Quota Padrão 1,088 58,01 86,010 24,870 L 1 58 86 24 L(L + 1) 1,496 58,498 86,499 24,495 Quota Padrão

Leia mais

Conteúdo. 1 Introdução. Histograma do Quinto Sorteio da Nota Fiscal Paraná 065/16. Quinto Sorteio Eletrônico da Nota Fiscal Paraná

Conteúdo. 1 Introdução. Histograma do Quinto Sorteio da Nota Fiscal Paraná 065/16. Quinto Sorteio Eletrônico da Nota Fiscal Paraná Quinto Sorteio Eletrônico da Nota Fiscal Paraná Relatório parcial contendo resultados 1 da análise estatística dos bilhetes premiados Conteúdo 1 Introdução Este documento apresenta a análise dos resultados

Leia mais

Conteúdo. 1 Introdução. Histograma do 1o Sorteio da Nota Fiscal Paraná 152/15. 1º Sorteio Eletrônico da Nota Fiscal Paraná

Conteúdo. 1 Introdução. Histograma do 1o Sorteio da Nota Fiscal Paraná 152/15. 1º Sorteio Eletrônico da Nota Fiscal Paraná 1º Sorteio Eletrônico da Nota Fiscal Paraná Relatório parcial contendo resultados 1 da análise estatística dos bilhetes premiados Conteúdo 1 Introdução Este relatório apresenta uma análise estatística

Leia mais

CONHECIMENTOS ESPECÍFICOS

CONHECIMENTOS ESPECÍFICOS CONHECIMENTOS ESPECÍFICOS Em junho de 2014, o Brasil registrou 275,71 milhões de linhas ativas na telefonia móvel e teledensidade de 136,06 acessos por 100 habitantes. Além disso, nesse mesmo mês, houve

Leia mais

MEDIDAS DE DISPERSÃO. o grau de variabilidade, ou dispersão, dos valores em torno da média.

MEDIDAS DE DISPERSÃO. o grau de variabilidade, ou dispersão, dos valores em torno da média. UNIVERSIDADE FEDERAL DA PARAÍBA MEDIDAS DESCRITIVAS Departamento de Estatística Tarciana Liberal As medidas de posição apresentadas fornecem a informação dos dados apenas a nível pontual, sem ilustrar

Leia mais

Inspeção de Qualidade

Inspeção de Qualidade Roteiro Inspeção de Qualidade 1. Inspeção para Aceitação 2. Planos de Amostragem Simples 3. Determinação Plano de Amostragem 4. Inspeção Retificadora 5. Plano de Amostragem Dupla 6. Planos de Amostragem

Leia mais

Probabilidade III. Ulisses U. dos Anjos. Departamento de Estatística Universidade Federal da Paraíba. Período 2014.1

Probabilidade III. Ulisses U. dos Anjos. Departamento de Estatística Universidade Federal da Paraíba. Período 2014.1 Probabilidade III Ulisses U. dos Anjos Departamento de Estatística Universidade Federal da Paraíba Período 2014.1 Ulisses Umbelino (DE-UFPB) Probabilidade III Período 2014.1 1 / 42 Sumário 1 Apresentação

Leia mais

Química Analítica IV ERRO E TRATAMENTO DE DADOS ANALÍTICOS

Química Analítica IV ERRO E TRATAMENTO DE DADOS ANALÍTICOS Química Analítica IV 1 semestre 2012 Profa. Maria Auxiliadora Costa Matos ERRO E TRATAMENTO DE DADOS ANALÍTICOS Todas as medidas físicas possuem um certo grau de incerteza. Quando se faz uma medida, procura-se

Leia mais

Regressão Linear Múltipla

Regressão Linear Múltipla UNIVERSIDADE FEDERAL DO PARÁ INSTITUTO DE CIÊNCIAS EATAS E NATURAIS FACULDADE DE ESTATÍSTICA DISCIPLINA: Estatística Aplicada PROFESSORES: Heliton Tavares e Regina Madruga ALUNO: Wemenson avier Trabalho

Leia mais

Medidas de dispersão e assimetria

Medidas de dispersão e assimetria Metodologia de Diagnóstico e Elaboração de Relatório FASHT Medidas de dispersão e assimetria Profª Cesaltina Pires cpires@uevora.pt Plano da Apresentação Medidas de dispersão Variância Desvio padrão Erro

Leia mais

Processos Estocásticos

Processos Estocásticos Processos Estocásticos Hélio Lopes INF2035 - Introdução à Simulação Estocástica 1 Introdução Um processo estocástico é uma família de variáveis aleatórias {X(t), t T } definidas em um espaço de probabilidade,

Leia mais

1 Hipótese Nula e Hipótese Alternativa

1 Hipótese Nula e Hipótese Alternativa Centro de Ciências e Tecnologia Agroalimentar - Campus Pombal Disciplina: Estatística Básica - 203 Aula Professor: Carlos Sérgio UNIDADE 7 - TESTES DE HIPÓTESES (NOTAS DE AULA) Hipótese Nula e Hipótese

Leia mais

Proposta de resolução da Prova de Matemática A (código 635) 2ª fase. 19 de Julho de 2010

Proposta de resolução da Prova de Matemática A (código 635) 2ª fase. 19 de Julho de 2010 Proposta de resolução da Prova de Matemática A (código 65) ª fase 9 de Julho de 00 Grupo I. Como só existem bolas de dois tipos na caixa e a probabilidade de sair bola azul é, existem tantas bolas roxas

Leia mais

Métodos Quantitativos Aplicados

Métodos Quantitativos Aplicados Métodos Quantitativos Aplicados Aula 5 http://www.iseg.utl.pt/~vescaria/mqa/ Tópicos apresentação Análise de dados bivariada: cruzamentos e medidas de associação variáveis nominais e ordinais e variáveis

Leia mais

UNIDADE 6 TESTES DE HIPÓTESES OBJETIVOS ESPECÍFICOS DE APRENDIZAGEM

UNIDADE 6 TESTES DE HIPÓTESES OBJETIVOS ESPECÍFICOS DE APRENDIZAGEM Unidade 6 Testes de Hipóteses UNIDADE 6 TESTES DE HIPÓTESES OBJETIVOS ESPECÍFICOS DE APRENDIZAGEM Ao finalizar esta Unidade, você deverá ser capaz de: Escolher o teste de hipótese adequado; Formular um

Leia mais

Modelo Uniforme. como eu e meu colega temos 5 bilhetes, temos a mesma probabilidade de ganhar a rifa:

Modelo Uniforme. como eu e meu colega temos 5 bilhetes, temos a mesma probabilidade de ganhar a rifa: Modelo Uniforme Exemplo: Uma rifa tem 100 bilhetes numerados de 1 a 100. Tenho 5 bilhetes consecutivos numerados de 21 a 25, e meu colega tem outros 5 bilhetes, com os números 1, 11, 29, 68 e 93. Quem

Leia mais

21- EXERCÍCIOS FUNÇÕES DO SEGUNDO GRAU

21- EXERCÍCIOS FUNÇÕES DO SEGUNDO GRAU 1 21- EXERCÍCIOS FUNÇÕES DO SEGUNDO GRAU 1. O gráfico do trinômio y = ax 2 + bx + c. Qual a afirmativa errada? a) se a > 0 a parábola possui concavidade para cima b) se b 2 4ac > 0 o trinômio possui duas

Leia mais

Meta-análise: aplicações em fisioterapia

Meta-análise: aplicações em fisioterapia Meta-análise: aplicações em fisioterapia Arminda Lucia Siqueira 1 George Schayer Sabino 1 Pollyanna Vieira Gomes da Silva 1 1 Introdução A junção de resultados de vários estudos recebe o nome de meta-análise

Leia mais

ESCOLA SECUNDÁRIA DE CASQUILHOS

ESCOLA SECUNDÁRIA DE CASQUILHOS ESCOLA SECUNDÁRIA DE CASQUILHOS 2º Ano Turma B - C.C.H. de Ciências e Tecnologias - Teste de Avaliação de Matemática A V Duração: 90 min 03 Fev. 200 Prof.: Na folha de respostas, indicar de forma legível

Leia mais

Funções. Análise de Gráficos

Funções. Análise de Gráficos Funções. Análise de Gráficos Ficha de trabalho de Matemática- 9º ano- 2013/14 Unidade: Funções 1. Na figura está representada uma circunferência de centro O que contém os pontos T, R e S. Um ponto P desloca-se

Leia mais

Controle Estátistico de Processo.

Controle Estátistico de Processo. Relatório de estudo dos fios. Controle Estátistico de Processo. Indice Item Assunto. Pág. Análise estatística C.E.P. 04 1 Introdução. 04 2 Controle estatístico do processo. 04 2.1 Definição. 04 2.3 Objetivo

Leia mais

Testes de Hipóteses Estatísticas

Testes de Hipóteses Estatísticas Capítulo 5 Slide 1 Testes de Hipóteses Estatísticas Resenha Hipótese nula e hipótese alternativa Erros de 1ª e 2ª espécie; potência do teste Teste a uma proporção; testes ao valor médio de uma v.a.: σ

Leia mais

BIOESTATÍSTICA. Parte 1 - Estatística descritiva e análise exploratória dos dados

BIOESTATÍSTICA. Parte 1 - Estatística descritiva e análise exploratória dos dados BIOESTATÍSTICA Parte 1 - Estatística descritiva e análise exploratória dos dados Aulas Teóricas de 17/02/2011 a 03/03/2011 1.1. População, amostra e dados estatísticos. Dados qualitativos e quantitativos

Leia mais

Prova Escrita de MATEMÁTICA A - 12o Ano 2011-2 a Fase

Prova Escrita de MATEMÁTICA A - 12o Ano 2011-2 a Fase Prova Escrita de MATEMÁTICA A - 1o Ano 011 - a Fase Proposta de resolução GRUPO I 1. Como no lote existem em total de 30 caixas, ao selecionar 4, podemos obter um conjunto de 30 C 4 amostras diferentes,

Leia mais

Aula 1 Estatística e Probabilidade

Aula 1 Estatística e Probabilidade Aula 1 Estatística e Probabilidade Anamaria Teodora Coelho Rios da Silva Aula 1 Plano de ensino Planejamento das aulas Referências Bibliográficas Atividades de Aprendizagem Orientadas Sistema de Avaliação

Leia mais

Matemática Aplicada às Ciências Sociais

Matemática Aplicada às Ciências Sociais ESCOLA SECUNDÁRIA DE AMORA PLANIFICAÇÃO ANUAL Matemática Aplicada às Ciências Sociais Ensino Regular Curso Geral de Ciências Sociais e Humanas 11º ANO Ano Letivo 2014 / 2015 PLANIFICAÇÃO A LONGO PRAZO

Leia mais

XXXII Olimpíada Brasileira de Matemática. GABARITO Segunda Fase

XXXII Olimpíada Brasileira de Matemática. GABARITO Segunda Fase XXXII Olimpíada Brasileira de Matemática GABARITO Segunda Fase Soluções Nível 1 Segunda Fase Parte A CRITÉRIO DE CORREÇÃO: PARTE A Na parte A serão atribuídos 5 pontos para cada resposta correta e a pontuação

Leia mais

Matemática. A probabilidade pedida é p =

Matemática. A probabilidade pedida é p = a) Uma urna contém 5 bolinhas numeradas de a 5. Uma bolinha é sorteada, tem observado seu número, e é recolocada na urna. Em seguida, uma segunda bolinha é sorteada e tem observado seu número. Qual a probabilidade

Leia mais

Programa de Ciências Experimentais 2012-2013

Programa de Ciências Experimentais 2012-2013 Programa de Ciências Experimentais 2012-2013 I Teoria 1 Introdução 2 Conceitos úteis 2.1 Ordem de grandeza 2.1.1 Introdução 2.1.2 Definição 2.1.3 Representação científica de um número 2.1.4 Ordem de grandeza

Leia mais

Os dados quantitativos também podem ser de natureza discreta ou contínua.

Os dados quantitativos também podem ser de natureza discreta ou contínua. Natureza dos Dados Às informações obtidas acerca das características de um conjunto dá-se o nome de dado estatístico. Os dados estatísticos podem ser de dois tipos: qualitativos ou quantitativos. Dado

Leia mais

IV Regressão e correlação IV.4. (cont.) Significância Estatística e Regressão Múltipla

IV Regressão e correlação IV.4. (cont.) Significância Estatística e Regressão Múltipla IV Regressão e correlação IV.4. (cont.) Significância Estatística e Regressão Múltipla Significância Estatística Existe uma estatítica, o t-estatístico,associado a cada estimativa O t-estatístico mede

Leia mais

Prova Escrita de MATEMÁTICA A - 12o Ano 2015 - Época especial

Prova Escrita de MATEMÁTICA A - 12o Ano 2015 - Época especial Prova Escrita de MATEMÁTICA A - 1o Ano 015 - Época especial Proposta de resolução GRUPO I 1. Como P A B = P A + P B P A B, substituindo os valores conhecidos, podemos calcular P A: 0,7 = P A + 0,4 0, 0,7

Leia mais

Prova Escrita de Matemática B

Prova Escrita de Matemática B EXAME NACIONAL DO ENSINO SECUNDÁRIO Decreto-Lei n.º 74/004, de 6 de Março Prova Escrita de Matemática B 10.º/11.º anos ou 11.º/1.º anos de Escolaridade Prova 735/1.ª Fase 8 Páginas Duração da Prova: 150

Leia mais

INSTITUTO POLITÉCNICO DE SETÚBAL ESCOLA SUPERIOR DE TECNOLOGIA DE SETÚBAL DEPARTAMENTO DE MATEMÁTICA PROBABILIDADES E ESTATÍSTICA

INSTITUTO POLITÉCNICO DE SETÚBAL ESCOLA SUPERIOR DE TECNOLOGIA DE SETÚBAL DEPARTAMENTO DE MATEMÁTICA PROBABILIDADES E ESTATÍSTICA INSTITUTO POLITÉCNICO DE SETÚBAL ESCOLA SUPERIOR DE TECNOLOGIA DE SETÚBAL DEPARTAMENTO DE MATEMÁTICA PROBABILIDADES E ESTATÍSTICA Exame - Época de Recurso SEMESTRE PAR 7/8 Data: 6 de Julho de 8 Duração:

Leia mais