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

Tamanho: px
Começar a partir da página:

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

Transcrição

1 Estatístca Agosto 009 Campus do Potal Prof. MSc. Qutlao Squera Schrode Nomel

2 - ESTATÍSTICA DESCRITIVA. - A NATUREZA DA ESTATÍSTICA COMO SURGIU A ESTATÍSTICA????? A Matemátca surge do covívo socal, da cotagem, das trocas. Como a Estatístca é um ramo da Matemátca Aplcada, ela também surge da experêca com o homem. Na Atgüdade: regstros do º de habtates, ascmetos, óbtos, mpostos, etc. Idade Méda: regstros bélcos e trbutáros as prcpas mapulações quattatvas. Sec. XVI: começa a surgr aálses de casametos, batzados, gerado as prmeras tábuas e tabelas. No sec. XVIII: o estudo desses regstros umércos assume um caráter mas cetífco. A Estatístca fo batzada por Godofredo Archewall essa época. Atoo A. Crespo defe Estatístca como: Estatístca é uma parte da matemátca aplcada que forece métodos para a coleta, a orgazação, a descrção, a aálse e a terpretação de dados quattatvos e qualtatvos, e a utlzação desses dados para a tomada de decsão. Cocetos de Estatístca e porque estudar Estatístca A Estatístca estuda etão os feômeos com um cojuto muto umeroso de dvíduos, com pelo meos uma característca comum. A partr da aálse quattatva de uma determada experêca ou de um determado grupo de dvíduos, se for observado certa regulardade essa característca, provavelmete exstrá a mesma regulardade uma classe maor de experêcas ou dvíduos. Esse é um processo de geeralzação. Por que estudar Estatístca: O racocío estatístco é muto utlzado o govero e a admstração: emprego. O cohecmeto estatístco serve para bem tomar decsões e ão ser luddo. Os próxmos cursos usam a Estatístca. As revstas profssoas e artgos cetífcos se referem a estudos estatístcos. Usar a terpretação estatístca os artgos da mpresa e o cotdao.

3 Os ramos da Estatístca A Estatístca pode ser dvdda em duas partes: Estatístca Descrtva: tem como objetvo a observação de feômeos de mesma atureza, a coleta de dados umércos relatvos a esses feômeos, a orgazação e a classfcação desses dados observados e a sua apresetação através de gráfcos e tabelas, além da descrção desses dados através do cálculo de coefcetes. Exemplos: taxa de desemprego, custo de vda, ídce pluvométrco, qulometragem méda por ltro de combustível, volume de vedas mesas de um produto, etc. Estatístca Iferecal ou Dedutva: tem como objetvo a aálse e terpretação dos dados amostras. Refere-se a um processo de geeralzação a partr de resultados partculares. Esse processo de geeralzação está assocado a uma margem de certeza, pos a coclusão a respeto da característca comum de uma população é obtda aalsado-se uma parcela dessa população. Para medr essa certeza, usa-se téccas e métodos da Teora da Probabldade. Exemplos: Para calcular a voltagem ecessára para que um dspostvo elétrco chegue a falhar, submete-se uma amostra de tas dspostvos a voltages cada vez mas elevadas, até falhar cada dspostvo da amostra. Com base os resultados, pode-se estmar a probabldade de falha os dspostvos, a cada voltagem. O método Estatístco e suas fases Na Atgüdade, os cohecmetos eram adqurdos ao acaso ou por ecessdades prátcas. Atualmete, pode-se adqur-los através de processos cetífcos de observação e estudo. O método estatístco, date da mpossbldade de mater as causas costates, admte todas as causas presetes varado-as, regstrado essas varações e procurado determar, o resultado fal, que fluêcas cabem a cada uma delas. Dados são úmeros que exprmem a observação de elemetos com uma característca comum. Exemplo: os homes de uma comudade. Para se fazer um estudo estatístco, deve-se dvd-lo em fases: As fases são: Coletas de dados: é a obteção, reuão e regstro sstemátco de dados, com um objetvo determado. 3

4 Dreta: quado é obtda dretamete da fote e pode ser: Cotíua : Obtda terruptamete: Regstro de ascmetos, etc. Peródca : em períodos curtos: Cesos Ocasoal : esporadcamete : Surto epdêmco Idreta: Quado é ferda ( deduzda ) a partr dos elemetos cosegudos pela coleta dreta - Mortaldade fatl Crítca dos dados: devem ser crtcados à procura de erros grosseros ou de certos vultos, que possam flur sesvelmete os resultados como: - Extera: Iformate - Itera: dados da coleta Apuração dos dados: é a soma e o processameto dos dados obtdos e a dsposção medate crtéros de classfcação. Exposção dos dados: devem ser apresetados sob forma de tabelas ou gráfcos torado mas fácl e compreesão do objeto de tratameto estatístco Aálse dos resultados: É o estudo dos resultados com o objetvo de trar coclusões sobre o todo (população), a partr de formações forecdas por parte represetatva do todo (amostra). a) A FIGURA A SEGUIR ILUSTRA O PRINCIPIO FUNDAMENTAL DA ESTATÍSTICA Ode: População: é o cojuto de etes portadores de, pelo meos, uma característca comum; Amostra :é um subcojuto fto de uma população. 4

5 . FERRAMENTAS NECESSÁRIAS AO CÁLCULO ESTATÍSTICO Talvez algus assutos tratados este capítulo sejam apeas uma revsão para a grade maora de vocês. Todava seu cohecmeto será de extrema valdade, ão só para o acompahameto do curso como também para o apredzado de város tópcos. Frações par de úmeros aturas em que o segudo represeta um certo úmero de partes em que p tero está dvddo, e o prmero represeta uma ou mas dessas partes guas.assm, /5 é uma fração ode é o umerador e 5 o deomador. Smplfcação Para smplfcar frações devemos dvdr o umerador e o deomador pelo mesmo úmero, obtedo uma fração equvalete à fração dada. Assm: 6 =, 5 5 que é cohecda como fração rredutível. Somatóro. REVISÃO: Desevolva cada uma das segutes expressões, colocado-as a sua forma mas smples possível: a) 5 x ; = d) 4 x x ; = 5 b) zx ; = 6 e) ( ) x x. = c) 6 xy ; =. Escreva em otação sgma (somatóro): a) x+ x x ; c) x+ x x7; b) ( ) x + x + + x ;... d) x + x + + x Calcule para os dados abraxo: Z X

6 a) 3 X ; = e) 6 Z ; = b) 6 X ; = 3 f) 6 ZX ; = c) 6 X ; = g) 6 ZX. = d) 6 X ; = 4. Sejam os cojutos de dados: X = { 4,3, 0,}, Y = { 3, 0,,3 } segutes somatóros:. Obteha os a) b) 4 X ; = 4 X ; = 4 c) YX ; = 4 d) X. = 6

7 .3 SÉRIES ESTATÍSTICAS Defção: Uma vez coletados os dados, o cojuto de valores é exteso e desorgazado e, o seu exame, há o pergo de se perder a vsão global do feômeo aalsado. Por sso, reumos os valores em tabelas compactas, que permtem uma vsão mas stétca do feômeo, sem trar-lhe a precsão prmtva. Essa codesação dos valores permte ada a represetação gráfca, uma forma mas sutl e elegate de apresetação da característca estudada. Uma tabela é um quadro que resume as observações de alguma varável. Título Corpo Cabeçalho Colua Idcadora Cabeçalho Colua Numérca Casa ou Célula Lhas Rodapé Uma sére estatístca é toda tabela que apreseta a dstrbução de um cojuto de dados estatístcos em fução da época, do local ou da espéce. Classfcação das Séres Estatístcas Podemos classfcar uma sére estatístca de acordo com os seus três fatores: tempo, espaço e espéce..séres hstórcas (ou temporas, croológcas, marchas): descrevem os valores da varável em determado local segudo tervalos de tempo varáves. Exemplo: O dretor de marketg de uma empresa, fabrcate de compoetes eletrôcos, deseja examar a evolução de suas vedas em 000, mês a mês. 7

8 GLT S.A. Idústra de Compoetes Eletrôcos, Vedas Mercado Itero 000 Meses Vedas ($.000) Jaero.300 Feverero.800 Março.00 Abrl.0 Mao.360 Juho.600 Julho.690 Agosto Setembro Outubro Novembro 3.00 Dezembro.760 TOTAL ANUAL 3.50 Fote: Departameto de Aálse de Mercado.. Séres geográfcas (ou espacas, terrtoras, de localzação): descrevem os valores da varável em determado state segudo regões. Exemplo: Se agora o dretor deseja saber o comportameto das vedas dessa empresa os estados do Brasl, o ao 000. GLT S.A. Idústra de Compoetes Eletrôcos, Vedas por Udade de Federação 000 Udades de Federação Vedas ($.000) Mas Geras Paraá.30 Ro Grade do Sul Ro de Jaero São Paulo Outros 40 TOTAL BRASIL 3.50 Fote: Departameto de Aálse de Mercado. 3. Séres específcas (ou categórcas): descrevem os valores da varável, em determado tempo e local, segudo especfcações ou categoras. Exemplo: Supoha que o dretor esteja teressado em cohecer o comportameto das vedas de cada um dos produtos, que foram agrupados em três categoras ou lhas. A tabela revela que aproxmadamete 50% do faturameto da empresa são represetados pelos produtos da lha C. 8

9 GLT S.A. Idústra de Compoetes Eletrôcos, Vedas por Lha de Produto 000 Lha do Produto Vedas ($.000) Lha A Lha B 9.30 Lha C TODOS OS PRODUTOS 3.50 Fote: Departameto de Aálse de Mercado. 4. Dstrbução de freqüêcas: este caso, todos os elemetos estão fxos, estado os dados agrupados de acordo com a tesdade ou varação quattatva do feômeo. O processo de costrução das tabelas de dstrbução de freqüêca será feto mas adate. Exemplo: Agrupar as vedas da empresa em classes de faturameto e aalsar o úmero de meses em que se verfcaram os város faturametos. GLT S.A. Idústra de Compoetes Eletrôcos, Nº de Meses Segudo o Faturameto Vedas ($.000) Meses De.800 a a a a a TOTAL DE MESES Fote: Departameto de Aálse de Mercado. Nº de Empregados das Váras Classes de Saláros o Estado de São Paulo 000 Classes de Saláros (R$) Nº de Empregados Até De 80 a De 0 a De 60 a De 00 a De 400 a De 600 a De 800 a ou mas TOTAL Fote: Servço de Estatístca da Prevdêca e Trabalho. 9

10 Séres cojugadas tabelas de dupla etrada Mutas vezes há ecessdade de apresetar, em uma úca tabela, a varação de valores de mas de uma varável, obtedo assm uma tabela de dupla etrada. Nesse tpo de tabela fcam cradas duas ordes de classfcação: horzotal e vertcal. Exemplos: Sére específco-temporal: População Ecoomcamete Atva por Setor de Atvdade Brasl Setor População (000 habtates) Prmáro Secudáro Tercáro Fote: IPEA. Sére geográfco-temporal: Produção Braslera de Borracha Udade de Produção Produção Acre Amazoas Pará Mato Grosso Outros Estados Fote: Auáro Estatístco do Brasl - IBGE. É mportate ressaltar que em toda tabela represeta uma sére estatístca. Algumas vezes, os dados ão são uformes, sedo meramete um aglomerado de formações geras sobre determado assuto. Exemplo: Stuação dos Espetáculos Cematográfcos o Brasl 970 Especfcação Dados Numércos Número de cemas.488 Lotação dos cemas Sessões por da Flmes de loga metragem Mea etrada Fote: Auáro Estatístco do Brasl - IBGE. 0

11 Dados absolutos e dados relatvos Dados absolutos são os dados estatístcos resultates da coleta dreta da fote, sem mapulação a ão ser cotagem ou medda. Sua letura é expressva. Dados relatvos é o resultado de comparações por razões que se estabelecem etre dados absolutos e têm por faldade facltar as comparações etre quatdades. São as porcetages, ídces, coefcetes e taxas.. Porcetages Destaca a partcpação da parte o todo. São razões que cosstem em cosderar um total qualquer gual a 00% e através de uma regra de três smples, estabelecermos qualquer relação com as parcelas que compõe o total. Assm: Total % Parcela ---- x% Exemplo : b) MATRÍCULAS NAS ESCOLAS DA CIDADE A Categoras Nº de aluos % º grau 9.86 º grau.68 3ºgrau 34 Total.0 Exemplo : Quado qusermos aalsar a estrutura de um fato, deveremos ratear as porcetages etre os tes que compõem este fato. Custo mesal dos vetladores A e B (0 udades). Ídces Despesas Vetlador A Vetlador B Valores (R$) % Valores (R$) % Mão-de-obra 0,00 44,8 80,00 Matéras prmas 70,00 8,8 600,00 Despesas geras 30,00,8 360,00 Propagada 340,00 3,6 760,00 TOTAL 500, ,00 00 população Desdade demográfca = superfíce São razões etre duas gradezas tas que uma ão clu a outra. Exemplo: Ídces ecoômcos: Produção per capta = valor total da produção população

12 reda Reda per capta = população Cosumo per capta = QI = cosumo população dade metal dade croológca 3. Coefcetes São razões etre o º de ocorrêcas e o º total. Exemplos: Coefcet e de mortaldade = º de óbtos população total º de ascmetos Coefcet e de ataldade = população total º de aluos evaddos Coefcet e de evasão escolar = º cal de matrículas Coefcet e de aprovetameto escolar = 4. Taxas º de aluos aprovados º fal de matrículas São os coefcetes multplcados por uma potêca de 0 (0, 00, 000) para torar o resultado mas telgível. Exemplos: Taxa de mortaldade = coefcete de mortaldade. 0 Taxa de evasão escolar = coefcete de evasão escolar. 0 Ex.: úmero de óbtos=80080; população total = Coefcete mortaldade = = 0, Etão o coef. de mortaldade é de 0,54 óbto por habtate. Porém se multplcarmos por 000 teremos: taxa de mortaldade=0,54*000=54, ou seja, 54 óbtos por ml habtates.

13 Lsta de exercícos sobre Séres e Dados Estatístcos ) Cosdere a sére estatístca. Complete-a, determado as porcetages com uma casa decmal e fazedo o arredodameto. Séres Aluos % Matrculados ª 546 ª 38 3ª 80 4ª 0 Total.74 )Aalsar a estrutura do fato abaxo, utlzado porcetages. Especfcação Despesa famíla X Despesa famíla Y Almetação Vestuáro Habltação Outras despesas TOTAL )Em um magaze, as vedas de certos produtos se processam da segute maera: Das Udades Seguda 47 Terça 3 quarta-fera 58 quta-fera 66 sexta-fera 30 Sábado 47 Pode-se dcar por meo de porcetagem: a)como se dstrbuem as vedas dáras com relação ao total da semaa? b) Qual o desevolvmeto das vedas com relação a 50 udades (veda cosderada base para a empresa). c) Qual o desevolvmeto das vedas de um da para o outro? 4) Cosderado que Mas Geras, em 99, apresetou (dados forecdos pelo IBGE): População: 5.957,6 ml habtates Superfíce: km Nascmetos: Óbtos:

14 Calcule: a) o ídce da desdade demográfca b) a taxa de ataldade c) a taxa de mortaldade 5) Um professor preecheu um quadro, evado pela secretara da escola, com os segutes dados: Sére Nº de Nº de Promovdos Retdos Em Recupe Não- Total Geral E Turm Aluo s Aluo s sem Recuperaçã sem Recupe Recupe ração rados Recupe rados Promo -vdos Retdo s a o ração º B º C º E º F Total Calcule: a) a taxa de evasão, por turma b) a taxa de evasão total c) a taxa de aprovação, por turma d) a taxa de aprovação geral e) a taxa de recuperação, por turma f) a taxa de recuperação geral g) a taxa de reprovação a recuperação geral h) a taxa de aprovação, sem a recuperação h) a taxa de retdos, sem a recuperação. 6)Classfque as séres abaxo: a)produção de fertlzates Fosfatados Brasl Aos Quatdade (toeladas) b) Despesas com vages dos departametos das 3 flas da Empresa SETOR FILIAIS RJ MG SP Logístca R$3000 R$3500 R$4000 Marketg R$000 R$300 R$800 RH R$300 R$700 R$00 4

15 7- Uma pessoa comprou dos automóves por R$5500,00. Vedeu o prmero com 8% de lucro e o segudo com 3% de prejuízo. O lucro líqudo total fo de R$000,00. Calcular o preço de compra de cada automóvel. 8 Em uma speção de qualdade verfcou-se que tham peças estragadas, represetado 5% do total de peças examadas. Queremos saber quatas peças foram examadas. 9 Um objeto é oferecdo por R$600; este preço sofre um descoto de 0% e depos de 5%. O ovo preço correspode a que porcetagem de R$600?.4 - ORGANIZAÇÃO E APRESENTAÇÃO DOS DADOS As observações é o materal básco com que o pesqusador trabalha. Estas observações podem ser, por exemplo, a produtvdade de uma plata, a velocdade de processameto de um computador, a resstêca à ruptura de determado cabo, suscetbldade ou ão de dvíduo a determada doeça, cor de uma flor, sexo do prmero flho de um casal, opão dos aluos quato a ddátca de um professor, etc. Estas observações apresetam uma característca em comum que é a varação ou varabldade, ou seja assumem dferetes valores de dvíduo para dvíduo. Uma característca que pode assumr dferetes valores de dvíduo para dvíduo é deomada varável. Caso cotráro é deomado costate. As varáves são classfcadas em: VARIÁVEIS QUALITATIVAS (atrbutos) QUANTITATIVAS (umércas) Exemplos: Sexo; Relgão; Naturaldade; Cor dos olhos; Altura de uma plata (baxa, méda, alta); Cor de flor; Sabor; NOMINAL Ex: regão; ORDINAL Ex: classe socal; DISCRETAS Exemplos: Quatdades de estudates em uma dscpla; Quatdades de cômodos em uma resdêca; Número de flhos; CONTÍNUAS Exemplos: Tempo de vôo etre cdades; Duração da batera do celular; Peso corporal; 5

16 Exercíco: Classfque as varáves apresetadas a tabela abaxo: Os dados coletados o campo e trazdos para o laboratóro (escrtóro), a forma em que se ecotram, como apresetados a Tabela., são deomados dados brutos. Normalmete este tpo de dados trás pouca ou ehuma formação ao letor, sedo ecessáro uma elaboração (orgazação) destes dados, a fm de aumetar sua capacdade de formação. Tabela.: Dados dos aluos da dscpla MLI54 do curso de Matemátca (UFU) em 0/00. Idvíduo Altura Sexo Número de Irmãos,87 M 5,67 F 3,75 F 0 4,80 M 5,7 M 4 6,64 F 7,73 F 8,78 M 9,83 M 0 0,78 M,67 F 3,70 F 3,65 F 4,53 F 5,6 M 6,56 F 0 7,5 F 8,68 F 9,7 F 0,73 F,75 F 5 6

17 ,67 F 3,88 M 4,87 M 5,75 M 3 6,63 F 6 7,70 M 6 8,88 M 6 9,76 F 3 30,78 M A mas smples orgazação umérca é a ordeação dos dados em ordem crescete ou decrescete, chamada de ROL. Como pode-se observar a Tabela., a smples orgazação dos dados em um Rol, aumeta muto a capacdade de formação destes. Pos equato a Tabela. os formava apeas que tíhamos 30 aluos, e algumas alturas, sexo e úmero de rmãos, a Tabela., verfcamos que a meor altura observada fo,5 m e a maor,88 m, o que os forece uma ampltude total de varação da ordem de 0,37 m. A = maor valor observado - meor valor observado A=,88m,5m= 0,37m Pode-se observar ada que algumas alturas como,67m,,75m e,78m são mas comus. Tabela.: Rol das alturas dos aluos da dscpla MLI54 do curso de Matemátca (UFU) em 0/00.,5,53,56,6,63,64,65,67,67,67,68,70,70,7,7,73,73,75,75,75,76,78,78,78,80,83,87,87,88,88 Tabela.3: Rol do º de rmãos dos aluos da dscpla MLI54 do curso de Matemátca (UFU) em 0/

18 .4. APRESENTAÇÃO TABULAR.4..3 VARIÁVEIS QUANTITATIVAS CONTÍNUAS DISTRIBUIÇÃO DE FREQÜÊNCIAS Após esta prmera orgazação dos dados, podemos ada agrupá-los em classes de meor tamaho, a fm de aumetar sua capacdade de formação. Dstrbudo-se os dados observados em classes e cotado-se o úmero de dvíduos cotdos em cada classe, obtém-se a freqüêca de classe. A dsposção tabular dos dados agrupados em classes, jutamete com as freqüêcas correspodetes deoma-se dstrbução de freqüêca. Para detfcar uma classe, deve-se cohecer os valores dos lmtes feror e superor da classe, que delmtam o tervalo de classe. Por exemplo, para o caso das alturas dos aluos, podese desejar clur em uma úca classe todos os dvíduos que possuam altura etre,70 e,75 m assm, o tervalo de classe sera de,70 m a,75 m. Neste poto surge uma dúvda fudametal. Idvíduos que apresetem alturas exatamete guas a,70 m ou a,75 m pertecem ou ão a esta classe? Deste modo surge a ecessdade de defr a atureza do tervalo de classe, se é aberto ou fechado. Quado o tervalo de classe é aberto, os lmtes da classe ão pertecem a ela, e quado o tervalo é fechado, os lmtes de classe pertecem a classe em questão. Notação: Itervalos abertos: ],70,75[ ou somete,,70,75; Itervalos fechados: [,70,75] ou,70,75; Itervalos mstos: [,70,75[ ou,70,75; CONSTRUÇÃO DE UMA DISTRIBUIÇÃO DE FREQÜÊNCIA: Para motar uma dstrbução de freqüêca é ecessáro que prmeramete se determe o úmero de classes (k) em que os dados serão agrupados. Por questões de ordem prátca e estétca sugere-se utlzar de 5 a 0 classes. Na bblografa pode-se ecotrar város crtéros para dcação do úmero de classes a ser utlzado, em fução do úmero de dados (), os mas utlzados são: k =, 00 ) Crtéro de Olvera (994): k = 5.log( ), > 00 (remos adotar este crtéro); 3 A ) Crtéro de Scott(979): k = S, 3, 49 em que A é ampltude e S o desvo padrão. As estatístcas A e S são defdas as equações abaxo da segute forma: 8

19 A= X( ) X() e S = X = ; = ) Crtéro de Sturges: k = + 3,3.log( ). X Após determar o úmero de classes (k) em que os dados serão agrupados, deve-se etão determar o tervalo de classe (c), que é dado pela segute expressão: em que: c é ampltude de classe; A é a ampltude total; k é o úmero de classes. A c = ; k Cohecda a ampltude de classe, determa-se etão os tervalos de classe. Os lmtes feror e superor das classes devem ser escolhdos de modo que o meor valor observado esteja localzado o poto médo da prmera classe, que é dado por: em que: L f é o lmte feror da classe; L sup é o lmte superor da classe. PM L + L f sup =, Assm, o lmte feror da prmera classe será: c LI f ª = meor valor observado. E os demas lmtes são obtdos somado-se c ao lmte ateror. A título de lustração agruparemos dos dados referetes às alturas dos aluos em classes. Temos que a ampltude total observado a Tabela. é: A = maor valor observado - meor valor observado =,88,5 = 0,37 º Passo) Determar o úmero de classe (k): = 30 < 00 k = 30 5,5, como o úmero de classe é tero usaremos k = 6 ; º Passo) Determar a ampltude de classe (c): A 0,37 c = 0,074 k = 6 = ; 3º Passo) Determar o lmte feror da prmera classe: c 0,074 LI f ª = meor valor observado =,5 =, 473 4º Passo) Determar o lmte superor da prmera classe: 9

20 Lsupª = Lf ª + c =,473+ 0,074 =,547 ; 5º Passo) Motar a dstrbução de freqüêca: Tabela.4: Dstrbução de freqüêca das alturas de30 aluos da dscpla MLI54 do curso de Matemátca (UFU) em 0/00. Alturas (m) f a f r f r % PM,473,547 0,066 6,6,5,547,6 0,066 6,6,584,6, ,34 3,4,658,695, ,334 33,4,73,769, ,66 6,6,806,843,97 4 0,34 3,4,88 TOTAL 30,00 00 em que: f a é a freqüêca absoluta e dca o úmero de observações pertecetes a cada classe; f r é a freqüêca relatva que é dada por: f f a r = ; é o úmero de observações e PM é o poto médo da classe. Iterpretação: Apresetado os dados a forma de dstrbução de freqüêca, stetza-se a formação cotda os mesmos, além de facltar sua vsualzação. Pos pode-se verfcar claramete a Tabela.4 que as alturas dos 30 aluos apresetam uma ampltude total de 0,37 m. Não fo observada ehuma altura feror a,473 m e em superor a,97 m. Alturas localzadas o extremo feror da dstrbução (,473 a,547 m) são meos freqüetes do que as do extremo superor (maores que,843 m). Observa-se uma tedêca de cocetração das alturas a regão cetral a superor da dstrbução. A apresetação dos dados em forma de dstrbução de freqüêca faclta ada o cálculo de váras meddas estatístcas de teresse, além de permtr a apresetação gráfca dos mesmos. APRESENTAÇÃO GRÁFICA As mesmas formações forecdas pelas dstrbuções de freqüêcas podem ser obtdas, e mas faclmete vsualzada através de gráfcos, tas como hstograma, polígoo de freqüêca e outros. HISTOGRAMAS: são costtuídos por um cojuto de retâgulos, com as bases assetadas sobre um exo horzotal, tedo o cetro da mesma o poto médo da classe que represeta, e cuja altura é proporcoal à freqüêca da classe. Se as ampltudes de classes forem todas guas, as alturas 0

21 serão umercamete guas as freqüêcas das classes. Porem, se os tervalos de classe ão tverem todos a mesma ampltude de classe, as alturas dos retâgulos deverão ser coveetemete ajustadas, afm de que as áreas dos mesmos sejam proporcoas às freqüêcas das classes e assm suas áreas permaeçam fes à sua freqüêca. Esse ajuste pode ser feto através da desdade de freqüêca, dada por: df f c r r = Fgura : Hstograma da dstrbução de freqüêca das alturas de 30 aluos da dscpla MLI54 do curso de Matemátca (UFU) em 0/00. POLÍGONO DE FREQÜÊNCIA: é um gráfco de aálse o quas as freqüêcas das classes são localzadas sobre perpedculares levatadas os potos médos das classes. E pode ser obtdo pela smples uão dos potos médos dos topos dos retâgulos de um hstograma. Completa-se o polígoo udo-se as extremdades da lha que ue os potos represetatvos das freqüêcas de classe aos potos médos das classes medatamete ateror e posteror as classes extremas, que têm freqüêca ula Fgura : Polígoo de freqüêca das alturas de 30 aluos da dscpla MLI54 do curso de Matemátca (UFU) em 0/00. Além das aplcações já cometadas, os hstogramas e polígoos de freqüêcas podem dcar ada qual é o tpo de dstrbução que os dados seguem como pode ser vsto a segur:

22 Fgura 0: Dstrbução jota. Fgura 7: Dstrbução smétrca. Fgura : Dstrbução jota vertdo. Fgura 8: Dstrbução assmétrca à esquerda. Fgura : Dstrbução bmodal. Fgura 9: Dstrbução assmétrca à dreta. Fgura 3: Dstrbução multmodal.

23 DISTRIBUIÇÕES DE FREQÜÊNCIAS ACUMULADAS Mutas vezes pode-se estar teressado ão em saber a quatdade de observações que exste uma determada classe, mas sm a quatdade de observações acma ou abaxo de um determado poto a dstrbução. Deste modo, a soma das freqüêcas de todos os valores abaxo do lmte superor de uma determada classe é defda como freqüêca acumulada para baxo deste poto, assm como a soma das freqüêcas de todos os valores acma do lmte feror de uma classe é deomada freqüêca acumulada para cma. A título de lustração, estão apresetadas as Tabelas.5 e.6, respectvamete, as freqüêcas acumuladas para cma e para baxo das alturas dos 30 aluos da dscpla MLI54 do curso de Matemátca (UFU) em 0/00. Tabela.5: Dstrbução de freqüêca acumulada para baxo das alturas de 30 aluos da dscpla MLI54 do curso de Matemátca (UFU) em 0/00. Freqüêca Acumulada Alturas (m) Absoluta ( f a ) Relatva % ( f r %) Abaxo de, ,0 Abaxo de,547 6,6 Abaxo de,6 4 3,3 Abaxo de,695 36,6 Abaxo de,769 70,0 Abaxo de, ,6 Abaxo de, ,0 Tabela.6: Dstrbução de freqüêca acumulada para cma das alturas de 30 aluos da dscpla MLI54 do curso de Matemátca (UFU) em 0/00. Freqüêca Acumulada Alturas (m) Absoluta ( f a ) Relatva % ( f r %) acma de, ,0 acma de, ,3 acma de,6 6 86,6 acma de, ,3 acma de, ,0 acma de, ,3 acma de,97 0 0,0 Para verfcar qual a porcetagem de aluos que possuem altura feror a,6 m basta cosultar dretamete a Tabela.5 e verfcar a freqüêca acumulada abaxo deste valor (3,3%), pos o valor,6 m é um dos lmtes de classe apresetados esta tabela. Mas como proceder para 3

24 obter as freqüêcas acumuladas para valores termedáros aos apresetados a tabela? Como por exemplo a freqüêca acumulada acma de,70 m? Para este tpo de cálculo, pressupõe-se que as alturas estejam uformemete dstrbuídos detro das classes, e procede-se do segute modo: Freqüêca acumulada acma, da classe medatamete feror a,70 (acma de,695) é de 9 aluos. Freqüêca acumulada acma, da classe medatamete superor a,70 (acma de,769) é de 9 aluos. Assm, temos que: Freq. etre,695 e,769 = 9 9 = 0 aluos; temos ada que de,695 m a,769 m são 0,074 m; e de,695 m a,70 m são 0,005 m; etão, 0, 074m 0aluos 0,005m x 0,005 0 x = = 0,67aluos 0,074 Como acma de,695 m exste 9 aluos, e etre,695 e,70 m exstem 0,67, coclu-se que acma de,70 m exstem 9 0,67 = 8,33 aluos com alturas acma de,70 m. APRESENTAÇÃO GRÁFICA OGIVAS: é o ome dado a um polígoo de freqüêcas acumuladas, as quas as freqüêcas acumuladas são localzadas sobre perpedculares levatadas os lmtes ferores ou superores das classes, depededo se a ogva represetar as freqüêcas acumuladas abaxo ou acma, respectvamete Freqüêcas Abaxo de Acma de Alturas Fgura 3: Ogvas, acma e abaxo de, da dstrbução de freqüêcas acumuladas das alturas de 30 aluos da dscpla MLI54 do curso de Matemátca (UFU) em 0/00. 4

25 .4..3 VARIÁVEIS QUANTITATIVAS DISCRETAS Para varáves quattatvas dscretas ão se faz ecessáro a dstrbução dos dados em classes tervalares, pos cada valor da varável já apreseta uma classe dstta como pode ser observado a Tabela.7. A título de lustração, remos costrur a dstrbução de freqüêca do úmero de rmãos dos aluos da Tabela., para sso, devemos prmero dspor os dados em uma tabela de Rol, como segue a Tabela.3 abaxo. Logo depos costruímos a dstrbução de freqüêca com as classes sedo os própros valores observados e completar a tabela com as freqüêcas observadas. Tabela.3: Rol do º de rmãos dos aluos da dscpla MLI54 do curso de Matemátca (UFU) em 0/ Tabela.7: Dstrbução de freqüêca do º de rmãos dos aluos da dscpla MLI54 do curso de Matemátca (UFU) em 0/00. Nº de Irmãos f a f r (%) F a F r (%) , ,33 5 6, TOTAL APRESNTAÇÃO GRÁFICA GRÁFICO DE BARRAS: é um gráfco formado por barras vertcas, cujas alturas são proporcoas às freqüêcas das classes. 5

26 Freqüêcas Número de rmãos Fgura 4: Gráfco de Barras da dstrbução de freqüêca do º de rmãos dos aluos da dscpla MLI54 do curso de Matemátca (UFU) em 0/00. GRÁFICO DE BARRAS PARA DISTRIBUIÇÕES DE FREQÜÊNCIAS ACUMULADAS: é um gráfco formado por barras horzotas, cujas alturas são proporcoas às freqüêcas acumuladas das classes. 6 Número de rmãos Freqüêcas Fgura 5: Gráfco de Barras da dstrbução de freqüêca acumulada do º de rmãos dos aluos da dscpla MLI54 do curso de Matemátca (UFU) em 0/ VARIÁVEIS QUALITATIVAS Do mesmo modo que as varáves quattatvas dscretas as qualtatvas também ão se faz ecessáro a dstrbução dos dados em classes tervalares. A título de lustração, remos costrur a tabela de dstrbução de freqüêca para a varável sexo dos aluos observados a Tabela.. Etão, da mesma forma que fzemos para a varável dscreta faremos aqu também. Tabela.8: Dstrbução de freqüêca da varável sexo dos aluos da dscpla MLI54 do curso de Matemátca (UFU) em 0/00. Sexo f a f r f r (%) Femo 7 0, ,67 Masculo 3 0, ,33 TOTAL 30,0 00 6

27 APRESNTAÇÃO GRÁFICA GRÁFICO DE SETORES (PIZZA): é um gráfco em formato de crculo dvddo em setores cujas áreas são proporcoas à freqüêcas da classe. O processo de costrução é smples, pos sabe-se que setor de crcuferêca é formado por um âgulo de 360º e equvale a 00% da área da crcuferêca, assm para obter-se o setor cuja área represeta uma determada freqüêca, basta resolver uma regra de três smples, como a apresetada a segur: % 360º 00 x α f º r Para o exemplo da Tabela.8 para o sexo femo e masculo, respectvamete, temos: % 360º 00 x º 56,67 x α F F ,67 = = 04,0º 00 α % 360º 00 xm º 43,33 ; ,33 xm = = 55,99º 00 ou poderíamos achar o âgulo do sexo masculo pela dfereça: x M = 360º 04,0º = 55,99º. Fgura 6. Daí temos os âgulos que formarão as áreas do gráfco de setor, como pode ser vsto a 43.33% Femo Masculo 56.67% Fgura 6: Gráfco de Setor da dstrbução de freqüêca da varável sexo dos aluos da dscpla MLI54 do curso de Matemátca (UFU) em 0/ MEDIDAS DE POSIÇÃO E DISPERSÃO.5. - MEDIDAS DE POSIÇÃO OU DE TENDÊNCIA CENTRAL As meddas de posção ou de tedêca cetral costtuem uma forma mas stétca de apresetar os resultados cotdos os dados observados, pos represetam um valor cetral, em 7

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

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

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

Leia mais

Estudo das relações entre peso e altura de estudantes de estatística através da análise de regressão simples.

Estudo das relações entre peso e altura de estudantes de estatística através da análise de regressão simples. Estudo das relações etre peso e altura de estudates de estatístca através da aálse de regressão smples. Waessa Luaa de Brto COSTA 1, Adraa de Souza COSTA 1. Tago Almeda de OLIVEIRA 1 1 Departameto de Estatístca,

Leia mais

Unidade II ESTATÍSTICA

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

Leia mais

Análise de Regressão

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

Leia mais

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

CAPÍTULO 9 - Regressão linear e correlação

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

Leia mais

PUCRS FAMAT DEPTº DE ESTATÍSTICA ESTATÍSTICA DESCRITIVA SÉRGIO KATO

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

Leia mais

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

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

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

Leia mais

Matemática. Resolução das atividades complementares. M18 Noções de Estatística

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

Leia mais

É o grau de associação entre duas ou mais variáveis. Pode ser: correlacional ou experimental.

É o grau de associação entre duas ou mais variáveis. Pode ser: correlacional ou experimental. É o grau de assocação etre duas ou mas varáves. Pode ser: Prof. Lorí Val, Dr. val@pucrs.br http://www.pucrs.br/famat/val www.pucrs.br/famat/val/ correlacoal ou expermetal. Numa relação expermetal os valores

Leia mais

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

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

Perguntas Freqüentes - Bandeiras

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

Leia mais

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

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

Leia mais

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

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

Leia mais

Olá, amigos concursandos de todo o Brasil!

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

Leia mais

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

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

Leia mais

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

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

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

Leia mais

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

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

Leia mais

Professor Mauricio Lutz ESTATÍSTICA BÁSICA

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

Leia mais

A REGRESSÃO LINEAR EM EVENTOS HIDROLÓGICOS EXTREMOS: enchentes

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

Leia mais

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

Monitoramento ou Inventário Florestal Contínuo

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

Leia mais

CAPÍTULO 1 PROBABILIDADE

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

Leia mais

Capitulo 8 Resolução de Exercícios

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

Leia mais

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

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

Leia mais

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

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

Leia mais

1 SISTEMA FRANCÊS DE AMORTIZAÇÃO

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

Leia mais

FINANCIAMENTOS UTILIZANDO O EXCEL

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

Leia mais

Projeto de rede na cadeia de suprimentos

Projeto de rede na cadeia de suprimentos Projeto de rede a cadea de suprmetos Prof. Ph.D. Cláudo F. Rosso Egehara Logístca II Esboço O papel do projeto de rede a cadea de suprmetos Fatores que fluecam decsões de projeto de rede Modelo para decsões

Leia mais

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

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

Leia mais

Introdução e Organização de Dados Estatísticos

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

Leia mais

CAPÍTULO 5 - INTRODUÇÃO À INFERÊNCIA ESTATÍSTICA

CAPÍTULO 5 - INTRODUÇÃO À INFERÊNCIA ESTATÍSTICA CAPÍTULO 5 - INTRODUÇÃO À INFERÊNCIA ESTATÍSTICA 5. INTRODUÇÃO É freqüete ecotrarmos problemas estatísticos do seguite tipo : temos um grade úmero de objetos (população) tais que se fossem tomadas as medidas

Leia mais

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

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

Leia mais

Econometria: 4 - Regressão Múltipla em Notação Matricial

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

Leia mais

Faculdade de Economia, Administração e Contabilidade de Ribeirão Preto

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

Leia mais

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

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

Leia mais

MATERIAL DE ESTATÍSTICA II PROF. MÁRIO ROBERTO

MATERIAL DE ESTATÍSTICA II PROF. MÁRIO ROBERTO 1 VARIÁVEIS ALEATÓRIAS O que se etede por varável aleatóra? Até agora ossos estudos estavam pratcamete voltados mas para defrmos osso Espaço Amostral U, sem assocarmos suas respectvas probabldades aos

Leia mais

Capítulo 1 PORCENTAGEM

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

Leia mais

IV - Descrição e Apresentação dos Dados. Prof. Herondino

IV - Descrição e Apresentação dos Dados. Prof. Herondino IV - Descrção e Apresentação dos Dados Prof. Herondno Dados A palavra "dados" é um termo relatvo, tratamento de dados comumente ocorre por etapas, e os "dados processados" a partr de uma etapa podem ser

Leia mais

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

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

Leia mais

Uma Calculadora Financeira usando métodos numéricos e software livre

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

Leia mais

Matemática Financeira

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

Leia mais

Capítulo 6 - Centro de Gravidade de Superfícies Planas

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

Leia mais

LEASING UMA OBSERVAÇÃO Economista Antonio Pereira da Silva

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

Leia mais

A Medição e o Erro de Medição

A Medição e o Erro de Medição A Medção e o Erro de Medção Sumáro 1.1 Itrodução 1.2 Defções 1.3 Caracterzação da qualdade de medção 1.4 O erro da medção 1.4.1 Os erros aleatóros 1.4.2 Os erros sstemátcos 1.5 O verdadero valor, o erro

Leia mais

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

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

Leia mais

Em atendimento à solicitação de V.Sa., apresentamos, na seqüência, os resultados do estudo referenciado.

Em atendimento à solicitação de V.Sa., apresentamos, na seqüência, os resultados do estudo referenciado. 1 Belo Horzote, 14 de abrl de 2007. À UNAFISCO SAÚDE AT.: Glso Bezerra REF: AVALIAÇÃO ATUARIAL Prezado Sehor, Em atedmeto à solctação de V.Sa., apresetamos, a seqüêca, os resultados do estudo referecado.

Leia mais

Perguntas freqüentes Credenciadores

Perguntas freqüentes Credenciadores Pergutas freqüetes Credecadores Como devo proceder para prestar as formações de quatdade e valor das trasações com cartões de pagameto, os casos em que o portador opte pelo facameto da compra pelo emssor?

Leia mais

Cálculo de média a posteriori através de métodos de integração numérica e simulação monte carlo: estudo comparativo

Cálculo de média a posteriori através de métodos de integração numérica e simulação monte carlo: estudo comparativo INGEPRO Iovação, Gestão e Produção Jaero de 010, vol. 0, o. 01 www.gepro.com.br Cálculo de méda a posteror através de métodos de tegração umérca e smulação mote carlo: estudo comparatvo Helto Adre Lopes

Leia mais

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

Leia mais

Gestão de Sistemas de Produção/Operações Profº Túlio de Almeida

Gestão de Sistemas de Produção/Operações Profº Túlio de Almeida Gestão de Sstemas de Produção/Operações Profº Túlo de Almeda 3. AVALIAÇÃO DE DESEMPENHO E INDICADORES 3.1. INDICADORES DE DESEMPENHO Os dcadores são tes essecas para qualquer tpo de projeto, processo,

Leia mais

ELECTROTECNIA TEÓRICA MEEC IST

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

Leia mais

Ana Clara P. Campos 1 Denise Nunes Viola 1 Moacyr Cunha Filho 2 Guilherme Vilar 2 Vanessa Van Der Linden 3

Ana Clara P. Campos 1 Denise Nunes Viola 1 Moacyr Cunha Filho 2 Guilherme Vilar 2 Vanessa Van Der Linden 3 Idetfcação da exstêca de padrão espacal aleatóro a dstrbução dos pacetes portadores de doeça geétca rara com defcêca físca da Assocação de Assstêca à Craça Defcete (AACD) de Perambuco Aa Clara P. Campos

Leia mais

MÉTODO COMPUTACIONAL AUTOMÁTICO TICO PARA PRÉ-PROCESSAMENTO PROCESSAMENTO DE IMAGENS RADIOGRÁFICAS. M. Z. Nascimento, A. F. Frère e L. A.

MÉTODO COMPUTACIONAL AUTOMÁTICO TICO PARA PRÉ-PROCESSAMENTO PROCESSAMENTO DE IMAGENS RADIOGRÁFICAS. M. Z. Nascimento, A. F. Frère e L. A. MÉTODO COMPUTACIONAL AUTOMÁTICO TICO PARA PRÉ-PROCESSAMENTO PROCESSAMENTO DE IMAGENS RADIOGRÁFICAS M. Z. Nascmeto, A. F. Frère e L. A. Neves INTRODUÇÃO O cotraste as radografas vara ao logo do campo de

Leia mais

Teoria da Amostragem

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

Leia mais

2 Estrutura a Termo de Taxa de Juros

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

Leia mais

FERRAMENTA AVALIATIVA DINÂMICA A PARTIR DA TEORIA DE RESPOSTA AO ITEM

FERRAMENTA AVALIATIVA DINÂMICA A PARTIR DA TEORIA DE RESPOSTA AO ITEM FERRAMENTA AVALIATIVA DINÂMICA A PARTIR DA TEORIA DE RESPOSTA AO ITEM Fabríca D. Satos, Lucla G. Rbero, Leoardo G. de R. Guedes, Weber Marts Uversdade Católca de Goás, Departameto de Computação Uversdade

Leia mais

APLICAÇÕES DE MÉTODOS DE ENERGIA A PROBLEMAS DE INSTABILIDADE DE ESTRUTURAS

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

Leia mais

3 Precificação de resseguro

3 Precificação de resseguro Precfcação de Resseguro 35 3 Precfcação de resseguro Este capítulo traz prmeramete uma oção ampla das aplcações das metodologas de precfcação de resseguro para melhor compreesão do mesmo Da seção 3 até

Leia mais

Projeção Populacional 2013-2020 para a Cidade do Rio de Janeiro: uma aplicação do método AiBi

Projeção Populacional 2013-2020 para a Cidade do Rio de Janeiro: uma aplicação do método AiBi ISSN 1984-7203 Projeção Populacoal 2013-2020 para a Cdade do Ro de Jaero: uma aplcação do método AB Nº 20130102 Jaero - 2013 Iva Braga Ls 1, Marcelo Pessoa da Slva, Atoo Carlos Carero da Slva, Sérgo Gumarães

Leia mais

ANAIS O JOGO DA LOGÍSTICA E SUAS VARIANTES NO PROBLEMA DE LOCALIZAÇÃO DE INSTALAÇÕES

ANAIS O JOGO DA LOGÍSTICA E SUAS VARIANTES NO PROBLEMA DE LOCALIZAÇÃO DE INSTALAÇÕES O JOGO DA LOGÍSTICA E SUAS VARIANTES NO PROBLEMA DE LOCALIZAÇÃO DE INSTALAÇÕES MARCOS RICARDO ROSA GEORGES ( marcos.georges@puc-campas.edu.br, marcos_georges@yahoo.com.br ) PUC-CAMPINAS Resumo Este artgo

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

3. Porcentagem; 4. Problemas sobre custo e venda; 5. Fator de capitalização e taxa unitária.

3. Porcentagem; 4. Problemas sobre custo e venda; 5. Fator de capitalização e taxa unitária. 1 UTOR: Emeta Luz Herque M da Slva 1 Defções de razão e proporção, propredades; Graduado em Matemátca e habltado em ísca pelo UNIEB 2 Gradezas dretamete proporcoas e versamete proporcoas, Regra de três;

Leia mais

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

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

Leia mais

JUROS SIMPLES. i 100 i 100. TAXA PROPORCIONAL: É aquela que aplicada ao mesmo capital, no mesmo prazo, produze o mesmo juros.

JUROS SIMPLES. i 100 i 100. TAXA PROPORCIONAL: É aquela que aplicada ao mesmo capital, no mesmo prazo, produze o mesmo juros. JUROS MONTANTE JUROS SIMPLES J = C 0 * * t 00 M = C * + * t 00 TAXA PROPORCIONAL: É aquela que aplcada ao mesmo captal, o mesmo prazo, produze o mesmo juros. * = * JUROS COMPOSTOS MONTANTE M = C * + 00

Leia mais

Y X Baixo Alto Total Baixo 1 (0,025) 7 (0,175) 8 (0,20) Alto 19 (0,475) 13 (0,325) 32 (0,80) Total 20 (0,50) 20 (0,50) 40 (1,00)

Y X Baixo Alto Total Baixo 1 (0,025) 7 (0,175) 8 (0,20) Alto 19 (0,475) 13 (0,325) 32 (0,80) Total 20 (0,50) 20 (0,50) 40 (1,00) Bussab&Morettn Estatístca Básca Capítulo 4 Problema. (b) Grau de Instrução Procedênca º grau º grau Superor Total Interor 3 (,83) 7 (,94) (,) (,33) Captal 4 (,) (,39) (,) (,3) Outra (,39) (,7) (,) 3 (,3)

Leia mais

APOSTILA DA DISCIPLINA INFERÊNCIA ESTATÍSTICA I

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

Leia mais

UMA ANÁLISE ESPACIAL DA INSUFICIÊNCIA E DA DESIGUALDADE DE RENDA NOS MUNICÍPIOS SERGIPANOS, 1991-2000

UMA ANÁLISE ESPACIAL DA INSUFICIÊNCIA E DA DESIGUALDADE DE RENDA NOS MUNICÍPIOS SERGIPANOS, 1991-2000 Aas III Smpóso Regoal de Geoprocessameto e Sesorameto Remoto Aracaju/SE, 25 a 27 de outubro de 2006 UMA ANÁLISE ESPACIAL DA INSUFICIÊNCIA E DA DESIGUALDADE DE RENDA NOS MUNICÍPIOS SERGIPANOS, 99-2000 OLIVEIRA,

Leia mais

Estatística stica Descritiva

Estatística stica Descritiva AULA1-AULA5 AULA5 Estatístca stca Descrtva Prof. Vctor Hugo Lachos Davla oo que é a estatístca? Para mutos, a estatístca não passa de conjuntos de tabelas de dados numércos. Os estatístcos são pessoas

Leia mais

Apostila de Estatística Curso de Matemática. Volume II 2008. Probabilidades, Distribuição Binomial, Distribuição Normal. Prof. Dr. Celso Eduardo Tuna

Apostila de Estatística Curso de Matemática. Volume II 2008. Probabilidades, Distribuição Binomial, Distribuição Normal. Prof. Dr. Celso Eduardo Tuna Apostla de Estatístca Curso de Matemátca Volume II 008 Probabldades, Dstrbução Bnomal, Dstrbução Normal. Prof. Dr. Celso Eduardo Tuna 1 Capítulo 8 - Probabldade 8.1 Conceto Intutvamente pode-se defnr probabldade

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

Obra publicada pela Universidade Federal de Pelotas

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

Leia mais

Professor Mauricio Lutz CORRELAÇÃO

Professor Mauricio Lutz CORRELAÇÃO Professor Maurco Lutz 1 CORRELAÇÃO Em mutas stuações, torna-se nteressante e útl estabelecer uma relação entre duas ou mas varáves. A matemátca estabelece város tpos de relações entre varáves, por eemplo,

Leia mais

Capítulo 5 EQUAÇÕES DE CONSERVAÇÃO DA MASSA

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

Leia mais

1.1 Apresentação. do capítulo

1.1 Apresentação. do capítulo apítulo Matemátca Facera. Apresetação do capítulo A Matemátca Facera trata da comparação de valores moetáros que estão dspersos ao logoo do tempo. Através de seu estudo, podemos aalsar e comparar alteratvas

Leia mais

MODELOS DE RESPOSTA ALEATORIZADA PARA VARIÁVEIS QUANTITATIVAS: MODELO DE GREENBERG

MODELOS DE RESPOSTA ALEATORIZADA PARA VARIÁVEIS QUANTITATIVAS: MODELO DE GREENBERG MODELOS DE RESPOSTA ALEATORIADA PARA VARIÁVEIS QUANTITATIVAS: MODELO DE GREENBERG Olga Lda Solao DÁVILA RESUMO: Neste trabalho estudamos algus modelos de resposta aleatorzada (MRA), comumete usados em

Leia mais

Exercícios de Cálculo Numérico Interpolação Polinomial e Método dos Mínimos Quadrados

Exercícios de Cálculo Numérico Interpolação Polinomial e Método dos Mínimos Quadrados Eercícos e Cálculo Numérco Iterpolação Polomal e Métoo os Mímos Quaraos Para a ução aa, seja,, 6 e, 9 Costrua polômos e grau, para apromar, 5, e ecotre o valor o erro veraero a cos b c l Use o Teorema

Leia mais

AMOSTRAGEM EM DOIS ESTÁGIOS COM UNIDADES PRIMÁRIAS DE TAMANHOS DIFERENTES SUBSAMPLING TO TWO PROBATION WITH PRIMARY UNITS OF UNEQUAL SIZES

AMOSTRAGEM EM DOIS ESTÁGIOS COM UNIDADES PRIMÁRIAS DE TAMANHOS DIFERENTES SUBSAMPLING TO TWO PROBATION WITH PRIMARY UNITS OF UNEQUAL SIZES Cêca Florestal, v.6,., p.47-55 47 ISS 003-9954 AMOSTRAGEM EM DOIS ESTÁGIOS COM UIDADES PRIMÁRIAS DE TAMAHOS DIFERETES SUBSAMPLIG TO TWO PROBATIO WITH PRIMARY UITS OF UEQUAL SIZES Sylvo Péllco etto RESUMO

Leia mais

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

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

Leia mais

ÍNDICE DE TERMOS: MOTOR DEDICADO, PADRONIZAÇÃO;

ÍNDICE DE TERMOS: MOTOR DEDICADO, PADRONIZAÇÃO; Aplcação de Motores de Méda esão dedcados acoados por versor de frequêca e utlzação de um úco projeto em dferetes solctações de carga. Gleuber Helder Perera Rodrgues Esp. Eg. WEG Brasl gleuber@weg.et Alex

Leia mais

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

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

Leia mais

Curso de An lise de Fluxo de Caixa

Curso de An lise de Fluxo de Caixa Curso de A lse de Fluxo de Caxa SUMÁRIO PROGRESSÕES... 0. FÓRMULAS BÁSICAS... 0.. Progressões artmétcas... 0..2 Progressões geométrcas... 02.2 EXERCÍCIOS SUGERIDOS... 02 2 CONCEITOS DE MATEMÁTICA FINANCEIRA...

Leia mais

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

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

Leia mais

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

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

Leia mais

Capítulo 1 Matemática Financeira

Capítulo 1 Matemática Financeira apítulo Matemátca Facera. Apresetação do capítulo A matemátca facera trata da comparação de valores moetáros ao logo do tempo. Através de seu estudo, podemos aalsar e comparar alteratvas de vestmeto e

Leia mais

Lealdade à Marca e Sensibilidade ao Preço: Um Estudo da Escolha da Marca pelo Consumidor. Autoria: Delane Botelho, André Torrres Urdan.

Lealdade à Marca e Sensibilidade ao Preço: Um Estudo da Escolha da Marca pelo Consumidor. Autoria: Delane Botelho, André Torrres Urdan. Lealdade à Marca e Sesbldade ao Preço: Um Estudo da Escolha da Marca pelo Cosumdor Autora: Delae Botelho, Adré Torrres Urda Resumo Este artgo usa dados em pael do tpo escaeados, desagregados ao ível de

Leia mais

FUNDAMENTOS DE FINANÇAS E CUSTOS MÉTODOS QUANTITATIVOS APLICADOS À GESTÃO E NEGÓCIOS

FUNDAMENTOS DE FINANÇAS E CUSTOS MÉTODOS QUANTITATIVOS APLICADOS À GESTÃO E NEGÓCIOS 1 João Edso Tamel Marts FUNDAMENTOS DE FINANÇAS E CUSTOS & MÉTODOS QUANTITATIVOS APLICADOS À GESTÃO E NEGÓCIOS Permtda a reprodução pelos aluos dos Cursos Téccos da ETE Pro. Camargo Araha 013 Apresetação

Leia mais

CENTRO: GESTÃO ORGANIZACIONAL MATEMÁTICA FINANCEIRA

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

Leia mais

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

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

Leia mais

Variância estatística associada a métodos semi-empíricos para estimativa da capacidade de carga de estacas

Variância estatística associada a métodos semi-empíricos para estimativa da capacidade de carga de estacas Teora e Prátca a Egehara vl,.0, p.6-67, ovemro, 0 arâca estatístca assocada a métodos sem-empírcos para estmatva da capacdade de carga de estacas Statstcal varace assocated wth sem-emprcal methods for

Leia mais

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

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

Leia mais

Avaliação da Localização de Base de Atendimento para Equipamentos de Movimentação de uma Empresa Siderúrgica

Avaliação da Localização de Base de Atendimento para Equipamentos de Movimentação de uma Empresa Siderúrgica Avalação da Localzação de Base de Atedmeto para Equpametos de Movmetação de uma Empresa Sderúrgca Leadro Ferades da Slva Leadro.Ferades@cs.com.br UFF Ilto Curty Leal Juor ltocurty@gmal.com UFRJ Paul Adrao

Leia mais

Lista 9 - Introdução à Probabilidade e Estatística

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

Leia mais

EVAPOTRANSPIRAÇÃO DE REFERÊNCIA UTILIZANDO MÉTODOS DE TANQUE CLASSE A PROPOSTOS PELA FAO, NA REGIÃO DE MOSSORÓ, RN

EVAPOTRANSPIRAÇÃO DE REFERÊNCIA UTILIZANDO MÉTODOS DE TANQUE CLASSE A PROPOSTOS PELA FAO, NA REGIÃO DE MOSSORÓ, RN EVAPOTRANSPIRAÇÃO DE REFERÊNCIA UTILIZANDO MÉTODOS DE TANQUE CLASSE A PROPOSTOS PELA FAO, NA REGIÃO DE MOSSORÓ, RN Tayd Dayvso Custódo Pexoto ; Sérgo Luz Agular Leve ; Adre Herma Frere Bezerra 3 ; José

Leia mais