ESCOLA SUPERIOR DE TECNOLOGIA DE SETÚBAL DEPARTAMENTO DE MATEMÁTICA PROBABILIDADES E ESTATÍSTICA Teste Final 2009/2010. Curso: 12/06/2010.
|
|
- Yago Delgado Campos
- 7 Há anos
- Visualizações:
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 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 maisINTRODUÇÃO 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 maisTeste 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 maisModelos 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 maisIND 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 maisMAE116 - 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 maisEstimação. 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 maisRegressão 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 maiscuja 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 maisAula 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 maisConsideremos 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 maisAnálise 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 maisTeorema 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 maisUnidade 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 maisEstatística 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 maisCapítulo 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 maisProbabilidade 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 maisAnálise 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 maisAULA 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 maisAula 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 maisAula 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 mais3 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 maisAULA 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 maisTestes 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 maisAula 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 maisAMOSTRAGEM: 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 maisé 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 maisCONHECIMENTOS 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 maisIntervalo 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 maisInferência 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 maisANOVA. (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 maisProbabilidade 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 maisAvaliação 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 maisTécnicas 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 maisTeste 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 maisIntervalos 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 maisIntrodução. 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 maisNome: 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 maisAnálise 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 maisDesvio 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 maisCanguru 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 maisErros 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 maisTópicos 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 maisCAPÍTULO 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 maisDepartamento 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 mais25 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 maisRelatório 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 maisVersão 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 maisProbabilidade 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 maisVESTIBULAR 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 maisPARTE 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 maisx = 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 maisTópico 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 maisDistribuição 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 maisPlano 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 maisCorrelação 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 maisEntão, 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 maisEstatística. 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 maisProbabilidade 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 maisTestes 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 maisMedidas 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 maisTestes 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 maisA 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 maisPlanejamento 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 maisLição 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 maisPara 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 maisEXAME 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 maisConteúdo. 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 maisConteúdo. 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 maisCONHECIMENTOS 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 maisMEDIDAS 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 maisInspeção 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 maisProbabilidade 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 maisQuímica 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 maisRegressão 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 maisMedidas 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 maisProcessos 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 mais1 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 maisProposta 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 maisMétodos 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 maisUNIDADE 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 maisModelo 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 mais21- 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 maisMeta-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 maisESCOLA 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 maisFunções. 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 maisControle 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 maisTestes 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 maisBIOESTATÍSTICA. 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 maisProva 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 maisAula 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 maisMatemática 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 maisXXXII 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 maisMatemática. 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 maisPrograma 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 maisOs 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 maisIV 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 maisProva 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 maisProva 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 maisINSTITUTO 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