TESTE DE HIPÓTESES. Se a Hipótese Nula (H 0 ) é: COMETE O ACEITA DECISÃO CORRETA O PESQUISADOR ERRO TIPO II COMETE O REJEITA DECISÃO CORRETA

Save this PDF as:
 WORD  PNG  TXT  JPG

Tamanho: px
Começar a partir da página:

Download "TESTE DE HIPÓTESES. Se a Hipótese Nula (H 0 ) é: COMETE O ACEITA DECISÃO CORRETA O PESQUISADOR ERRO TIPO II COMETE O REJEITA DECISÃO CORRETA"

Transcrição

1 Embora com pouco tempo, devido à preparação da 3ª edição do livro Estatística ESAF, preocupado com os cadidatos que farão a prova para Fiscal-RS em 19/08/06 resolvi, mesmo em cima da hora, fazer um resumo sobre o assuto Teste de Hipóteses (que servirá também para outros cocursos), cotado com a colaboração do meu filho, Márcio Bello, a digitação. TESTE DE HIPÓTESES Defiição: É uma regra de decisão utilizada para aceitar ou rejeitar uma hipótese estatística com base em elemetos amostrais. Hipóteses: Teremos sempre duas hipóteses, H 0 (Agá-zero), que é a hipótese ula ou hipótese probada e H 1 ou H A (hipótese alterativa). Geralmete a hipótese alterativa (H 1 ) represeta a suposição que o pesquisador quer provar, sedo a hipótese ula (H 0 ) formulada com o expresso propósito de ser rejeitada. Coseguido rejeitar H 0, a hipótese alterativa terá de ser aceita, coseguido etão o pesquisador provar o que queria. A hipótese ula é sempre a hipótese a ser examiada. Se a aceitarmos, implicitamete estaremos rejeitado H 1 e se rejeitarmos H 0, etão ão podemos rejeitar H 1, devedo esta ser aceita. Tipos de erro: Dois tipos de erro podem ser cometidos um Teste de Hipóteses: Erro Tipo I () A hipótese ula é verdadeira e o pesquisador a rejeita. Erro Tipo II (β) A hipótese ula é falsa e o pesquisador a aceita. Qual dos dois tipos de erro é o mais grave e que deve ser evitado? Façamos uma aalogia com a decisão de um Juiz de Direito: o que será mais grave? Codear um iocete ou absolver um culpado? É claro que será mais grave a codeação de um iocete. Rejeitar a hipótese ula sedo ela verdadeira equivale a codear um iocete, logo o Erro Tipo I é o mais grave e deverá ser miimizada a probabilidade deste tipo de erro ser cometido. Essa probabilidade chama-se Nível de Sigificâcia do Teste, dado por. Já a probabilidade de β do Erro Tipo II ão pode ser calculada, a meos que se especifique um valor alterativo para μ. O poder ou potêcia do teste é dado por (1 β). Podemos resumir as possibilidades do Teste um quadro: Se a Hipótese Nula (H 0 ) é: VERDADEIRA FALSA O PESQUISADOR ACEITA H 0 REJEITA H 0 DECISÃO CORRETA COMETE O ERRO TIPO I () COMETE O ERRO TIPO II (β) DECISÃO CORRETA Teste de Hipóteses.doc Pedro Bello Págia 1

2 TIPOS DE TESTE DE HIPÓTESES PARA A MÉDIA: 1) Bicaudal ou Bilateral H 0 : μ = μ 0 H 1 : μ μ 0 Ode: μ é a média populacioal e μ 0 é o valor suposto para a média populacioal. Gráfico do teste bilateral: Ode: R.A. é a região de aceitação (da hipótese ula) e R.C. é a região crítica ou região de rejeição. A froteira etre essas regiões será dada por um valor tabelado (Tabela da Distribuição Normal ou da Tabela da Distribuição t-studet) como veremos mais adiate. ) Teste Uicaudal ou Uilateral à direita H 0 : μ μ 0 H 1 : μ > μ 0 Gráfico do teste: Teste de Hipóteses.doc Pedro Bello Págia

3 3) Teste Uicaudal ou Uilateral à esquerda H 0 : μ μ 0 H 1 : μ < μ 0 Gráfico do teste: OBS: Repare que a hipótese ula sempre temos uma igualdade (=, ou ) e a hipótese alterativa uma desigualdade (, > ou <). Distribuição Normal ou t-studet? Qual usar para arbitrar o valor tabelado que será a froteira etre as regiões de aceitação e rejeição? Para esclarecer melhor, vamos fazer o seguite quadro: TAMANHO DA AMOSTRA É GRANDE SE A VARIÂNCIA POPULACIONAL (σ ) É CONHECIDA USO A DISTRIBUIÇÃO NORMAL ( > 30) É DESCONHECIDA NORMAL É PEQUENO É CONHECIDA NORMAL ( 30) É DESCONHECIDA t-student Vemos etão, que só iremos utilizar a Distribuição t-studet (chamada de distribuição das pequeas amostras) quado a amostra for pequea (para até 30 elemetos observados) e a variâcia populacioal for descohecida. Se a amostra for grade (maior do que 30 elemetos), pouco importará ser cohecida a variâcia populacioal e usaremos a Tabela da Distribuição Normal para arbitrar o valor Z TAB B (ZTABELADO). Teste de Hipóteses.doc Pedro Bello Págia 3

4 B Assim, vemos que a maior parte dos casos usaremos a Distribuição Normal, pois basta que uma das codições seja atedida: amostra grade ( > 30) ou variâcia populacioal cohecida. Já para usar a Distribuição t-studet, duas codições terão de acotecer simultaeamete: amostra pequea ( 30) e variâcia populacioal descohecida. Para procedermos ao teste, além de cohecer o valor tabelado (Z TAB se usarmos Distribuição Normal ou t se usarmos Distribuição t-studet), temos que ecotrar o TABB valor calculado (Z CALC ou t CALC ), dado por: Z CALC Z CALC = se o desvio padrão populacioal (σ) for cohecido ou; σ =, pois se a amostra for grade ( > 30) e ão soubermos o valor do desvio S padrão populacioal (σ), usaremos o desvio padrão amostral (S). Se a amostra for pequea ( 30) e o desvio padrão populacioal for descohecido, usaremos a Distribuição t-studet e teremos a estatística teste: t CALC = S Supodo que usaremos a Distribuição Normal Padrão (Z): 1) Para o teste bilateral: Se Z TAB B < ZCALC < Z TABB, aceitaremos H 0. - Z TAB Z TAB Caso Z CALC < Z TAB, ou Z TAB < Z CALC, rejeitaremos H 0. Teste de Hipóteses.doc Pedro Bello Págia 4

5 B ) Para o teste uilateral à direita: Se Z CALC < Z TAB, aceitaremos H 0. Z TAB Se Z TAB B < ZCALC, rejeitaremos H 0. 3) Para o teste uilateral à esquerda: Se Z TAB B < ZCALC, aceitaremos H 0. -Z TAB Se Z CALC < Z TAB, rejeitaremos H 0. O mesmo raciocíio vale para os casos em que usarmos a Distribuição t-studet, com a difereça que compararemos t CALC com t TAB. B Teste de Hipóteses.doc Pedro Bello Págia 5

6 Para facilitar, vamos fazer o seguite roteiro (receitiha de bolo, passo a passo) para resolução de questões de Teste de Hipóteses e a seguir aplicá-lo em algus exemplos: Alterativa (H 1 ); 1º Passo: Pelo euciado do problema, estabelecer a Hipótese Nula (H 0 ) e a Hipótese º Passo: Também pelos dados do euciado, defiir a distribuição a ser utilizada (Normal ou t-studet); Z TAB ou t TAB ; B 3º Passo: Utilizado a Tabela Normal Padrão ou a Tabela t-studet, ecotrar o valor de 4º Passo: Fazer o deseho da curva, plotado o eixo das abscissas o valor tabelado, que será a froteira etre a área de aceitação (RA) e a(s) área(s) de rejeição (RC-Região Crítica); ateriormete. 5º Passo: Calcular a estatística teste (Z CALC ou t CALC ) utilizado uma das fórmulas dadas 6º Passo: Comparar o valor calculado com o valor tabelado e cocluir pela aceitação ou rejeição da Hipótese Nula. Ates de partimos para os exemplos, vamos praticar um pouco o uso das tabelas com os pricipais íveis de sigificâcia () geralmete adotados: I) Na Tabela da Distribuição Normal Padrão: I.1) Para o Teste Bilateral: I.1.a) Se = 1%, teremos / = 0,5% = 0,005 (para cada lado) e a área de aceitação será de 99% (0,99), sedo 0,495 à esquerda e 0,495 à direita do poto máximo da curva (a Distribuição Normal é simétrica). Verificado a Tabela Normal, temos 0,4949 para uma abscissa de,57 e 0,4951 para uma abscissa de,58. Logo, por iterpolação, a abscissa correspodete à área de 0,495 será a média das duas abscissas, ou seja,,575. Mas para facilitar, vamos adotar, o teste bilateral, quado = 1%, Z TAB =,58. Vejamos o gráfico da curva ormal: Nesse caso, H 0 só será aceita se o valor de Z CALC estiver etre,58 e,58. Teste de Hipóteses.doc Pedro Bello Págia 6

7 I.1.b) Se = 5%, teremos / =,5% = 0,05 (para cada lado) e a área de aceitação será de 95% (0,95), sedo 0,475 à esquerda e 0,475 à direita. Verificamos, a Tabela Normal, que uma área de 0,475 correspode à abscissa 1,96. Logo, o teste bilateral, quado = 5% etão Z TAB =1,96. Vejamos o gráfico da curva ormal: Aceitaremos H 0 se: 1,96 < Z CALC < 1,96 I.1.c) Mesmo raciocíio para = 10%, / = 5% = 0,05 (para cada lado). Área de aceitação igual a 0,90, sedo 0,45 à esquerda e 0,45 à direita. Na Tabela Normal uma área de 0,4495 correspode à abscissa 1,64 e uma área de 0,4505 correspode à abscissa de 1,65. Logo, com precisão, a abscissa seria 1,645. Mas para facilitar vamos adotar o teste bilateral, quado = 10%, Z TAB = 1,64. Vejamos o gráfico da curva ormal: Aceitaremos H 0 se: 1,64 < Z CALC < 1,64 Teste de Hipóteses.doc Pedro Bello Págia 7

8 I.) Para o teste uilateral (vamos cosiderar apeas o teste à direita, sabedo que vale o raciocíio para o teste à esquerda, bastado iverter os lados). I..a) Se = 1% (0,01), a área de aceitação será de 99% (0,99) à esquerda. Mas até a metade da curva (a Distribuição Normal é simétrica) temos 50% (0,5) de área. Logo, queremos a abscissa correspodete a uma área de 0,49. Verificado, a Tabela Normal, o valor mais próximo é de 0,4901, correspodete à uma abscissa de,33. Assim, o teste uilateral à direita, quado = 1%, teremos Z TAB =,33. e o teste uilateral à esquerda para o mesmo, Z TAB =,33. Vejamos o gráfico da curva ormal: I..b) Se = 5% (0,05), teremos área de aceitação = 0,95 à esquerda. Procuraremos, a tabela ormal a área de 0,45 (0,95 0,50), que correspode à abscissa de 1,64. Portato, o teste uilateral à direita, quado = 5%, etão Z TAB = 1,64 e o teste uilateral à esquerda para o mesmo, Z TAB = 1,64. Vejamos o gráfico da curva ormal: Teste de Hipóteses.doc Pedro Bello Págia 8

9 I..c) Se = 10% (0,10), área de aceitação = 0,90 à esquerda. Na Tabela Normal o valor mais próximo de 0,40 (0,90 0,50) é de 0,3997, que correspode à abscissa de 1,8. Portato, o teste uilateral à direita, para = 10%, Z TAB = 1,8 e o teste uilateral à esquerda, Z TAB = 1,8. Vedo o gráfico da curva ormal: II) Na Tabela da Distribuição t-studet: Nesta tabela, temos que levar em cosideração dois parâmetros: (alfa), que é o ível de sigificâcia e ϕ (fi) que é o úmero de graus de liberdade (g.l.) ou degrees of freedom (d.f.), dado por: (úmero de elemetos da amostra) meos 1 uidade ou seja: ϕ = 1. Temos que ter ateção também para o tipo de tabela, que pode ser: bilateral ou uilateral. Aqui, a tabela que usaremos é bilateral, como pode ser otado o deseho da curva a própria tabela (o fial deste resumo). Assim, o teste bilateral o da tabela será o próprio utilizado o teste. Mas para o teste uilateral teremos que procurar, esta tabela, o dobro do. II.1) Teste bilateral, supodo uma amostra de 5 elemetos ( = 5). Etão, ϕ = 5 1 ϕ = 4. Para um = 5%, vemos a tabela que a célula iterseção de = 0,05 e ϕ = 4 os forece,0639. Portato: t TAB =,0639 para = 5% e = 5. Vejamos o gráfico: Teste de Hipóteses.doc Pedro Bello Págia 9

10 II.) Agora, se o teste for uilateral, com o mesmo tamaho de amostra, e o mesmo, ão poderemos pegar diretamete a iterseção de =0,05 com ϕ = 4, pois o valor forecido é para um teste bilateral. Teremos que pegar a iterseção de ϕ = 4 com = 0,10, pois esta tabela (bilateral), = 0,05 correspode a 0,05 de cada lado. Teremos que pegar = 0,10, que correspoderá a 0,05 de cada lado. Assim a célula iterseção de = 0,10 com ϕ = 4 forecerá t TAB = 1,7109. Vejamos o gráfico: Aqui, este resumo foi mostrado apeas o Teste de Hipóteses para a Média, que é o assuto explicitamete descrito o Edital para Fiscal-RS e os pricípios básicos do que seja um Teste de Hipóteses. Mas há outros tipos de Testes de Hipóteses, como: Teste de Hipóteses para a Proporção, Teste de Hipóteses para a Variâcia, Teste de Hipóteses para a Difereça etre Médias e outros tipos de Teste de Hipóteses. Os mesmos pricípios descritos o iício deste resumo aplicam-se aos demais testes. O que muda é a forma de cálculo da estatística teste e as tabelas a serem utilizadas. Por exemplo, o Teste de Hipóteses para a Variâcia, a Tabela a ser utilizada é a da Distribuição de Qui-Quadrado; já o Teste de Hipóteses para a Proporção utilizamos apeas a Tabela da Distribuição Normal, já vista aqui. Em outra oportuidade poderei vir a falar especificamete dos outros Testes de Hipóteses, mas com a tarefa facilitada por este resumo. Quem o eteder bem, ão terá dificuldade em eteder os demais Testes. Vamos aos exemplos: Teste de Hipóteses.doc Pedro Bello Págia 10

11 EXEMPLO 1: Uma amostra de 36 elemetos de uma variável X ormalmete distribuída foreceu: X = 4,3 e S = 5,. Testar, o ível de sigificâcia 0,05, a hipótese de que μ > 40. Resolução: Seguido o roteiro, temos: 1º passo: H 0 : μ = 40; H 1 : μ > 40 (teste uilateral à direita); º passo: a amostra é grade ( > 30). Logo, usaremos a Tabela Normal; 3º passo: o teste é uilateral, com = 0,05. Logo, para uma área de 0,45, teremos Z TAB = 1, 64 ; 4º passo: desehar a curva, plotado Z TAB ; 5º passo: calcular a estatística teste. Z CALC = = S 4,3 40 = 5, 36 6º passo: Z CALC > Z TAB. B,3 5, 6 = 13,8 5, =,65. Coclusão: ao ível de sigificâcia de 5%, REJEITO H 0 : μ = 40. Logo, μ > 40. EXEMPLO : Uma amostra de 0 elemetos de uma variável X ormalmete distribuída foreceu: X = 53,4 e S = 7,5. Testar, o ível de sigificâcia 0,05, a hipótese de que μ = 50. Resolução: Hipóteses: H 0 : μ = 50; H 1 : μ 50 (teste bilateral); A amostra é pequea ( 30) e σ (desvio padrão populacioal) é descohecido. Logo, a distribuição a ser utilizada é a t-studet, com = 0 ϕ = 19 e = 0,05. Cosultado a tabela, ecotraremos t TAB =, Teste de Hipóteses.doc Pedro Bello Págia 11

12 Desehado a curva, temos: t CALC = = S 53,4 50 7,5 0,07. Como: t TAB B < tcalc < t TABB, ao ível de sigificâcia de 5% ACEITO H 0 : μ = 50. EXEMPLO 3: Uma idústria produz lâmpadas cuja duração segue uma distribuição N (800;1.600). Testar a hipótese de que μ = 800 cotra a alterativa de μ 800 se uma amostra aleatória de 30 lâmpadas tem um tempo médio de vida de 788 horas. Adotar = 0,05. Resolução: As hipóteses já estão o euciado: H 0 : μ = 800; H 1 : μ 800 (teste bilateral); Usaremos a distribuição Normal, pois a variâcia populacioal é cohecida, σ = σ = 40. = 0,05 0, 05 = Desehado a curva, temos:, pois o teste é bilateral. Para uma área de 0,475, Z TAB = 1, 96. Z CALC = = 1,64. σ Como: Z TAB B < ZCALC < Z TAB, ao ível de sigificâcia de 5% ACEITO H 0 : μ = 800. Teste de Hipóteses.doc Pedro Bello Págia 1

13 EXEMPLO 4: Uma amostra de tamaho = 18 de população ormal tem média X = 31,5 e desvio padrão S = 4,. Ao ível de sigificâcia de 5%, estes dados sugerem que a média populacioal seja superior a 30? Resolução: Hipóteses: H 0 : μ = 30; H 1 : μ > 30 (teste uilateral à direita); Amostra pequea ( = 18) e σ descohecido. Logo, t-studet, com ϕ = 17 e = 0,05. Mas como o teste é uilateral e a tabela é bilateral, usaremos = 0,10. Para este e ϕ = 17 a tabela forece: t TAB = 1,7396. Desehado a curva, temos: t CALC = = S 31,5 30 4, 18 1,515. Resposta: Não, a média é igual a 30, pois como: t CALC < t TAB, B ACEITO H 0 : μ = 30. EXEMPLO 5: Em uma amostra de 10 elemetos a média da amostra observada foi de 30. Sabe-se que a variâcia da população é igual a 160. Testar a hipótese de μ = 18 cotra a alterativa μ > 18 ao ível de sigificâcia de 10%. Resolução: As hipóteses já estão o euciado: H 0 : μ = 18; H 1 : μ > 18 (teste uilateral à direita); A amostra é pequea, mas a variâcia populacioal é cohecida. Por isso, usaremos a Distribuição Normal. O teste é uilateral, com = 0,10. Logo, para uma área de 0,40 (0,90 0,50) ecotraremos, a Tabela Normal Z TAB = 1, 8. Teste de Hipóteses.doc Pedro Bello Págia 13

14 Desehado a curva, temos: = 0,10 Z CALC = = σ = = 3. Vemos que ZCALC > Z TAB. B 4 Coclusão: ao ível de sigificâcia de 10%, REJEITO H 0 : μ = 18. Logo, μ > 18. EXEMPLO 6: O diâmetro médio de parafusos em uma amostra de 400 parafusos foreceu o valor de 5mm. Sedo 4mm o desvio padrão do processo de fabricação, pode-se afirmar, ao ível de sigificâcia de 5%, que o diâmetro médio de todos os parafusos seja iferior a 5,4mm? Resolução: Temos = 400; X = 5; σ = 4; = 5%. Hipóteses: H 0 : μ = 5,4; H 1 : μ < 5,4 (teste uilateral à esquerda); Distribuição: Normal, pois = 400 (amostra grade). Teste uilateral à esquerda, com = 0,05. Etão, para uma área de 0,45 (0,95 0,50) ecotraremos, a Tabela Normal Z TAB = 1, 64. = 0,05 Teste de Hipóteses.doc Pedro Bello Págia 14

15 Z CALC = = σ 5 5, = 0, = 4 =. Como Z CALC < Z TAB, ao ível de sigificâcia de 5%, REJEITO H 0 : μ = 5,4. Logo, o diâmetro médio é iferior a 5,4mm. EXEMPLO 7: Um esaio de tesões de ruptura de 6 cabos produzidos por uma compahia mostrou a tesão média de ruptura de 7.750kg e o desvio padrão de 145kg, ao passo que o fabricate declara que aquela tesão média é de 8.000kg. Será verdadeira a declaração do fabricate, ao ível de sigificâcia = 0,05? Resolução: Neste problema as hipóteses ão estão explícitas o euciado e aqui deveremos iterpretá-lo. O que o pesquisador irá querer provar? Que o fabricate está falado a verdade ou que está metido? Falamos ateriormete que H 1 represeta a suposição que o pesquisador quer provar, sedo H 0 formulada com o expresso propósito de ser rejeitada. Logo, as hipóteses serão: H 0 : μ = (afirmação do fabricate); H 1 : μ < (suposição do pesquisador); A amostra é pequea ( = 6) e σ descohecido. Logo, t-studet, com ϕ = 5 g.l. e = 0,05. Mas o teste é uilateral à esquerda e a tabela é bilateral. Portato o osso t tabelado será a célula iterseção de ϕ = 5 com = 0,10, ou seja: t TAB =, 015. = 0,05 t CALC = = S = 50 59,196 4,3. Como t CALC < t TAB, B ao ível de sigificâcia de 5%, REJEITO Portato o fabricate está metido, pois μ < H 0 : μ = Teste de Hipóteses.doc Pedro Bello Págia 15

16 EXEMPLO 8: Supohamos que em idivíduos ormais quato à visão, a pressão itra-ocular seja uma variável aleatória ormalmete distribuída com média 0 e variâcia 4 (em uidade de mm de mercúrio). Um cietista, queredo por à prova a sua hipótese de que o glaucoma causa um aumeto tecioal, mediu as pressões de 16 pacietes portadores de glaucoma, obtedo uma média igual a 4. O cietista deve ou ão mater sua hipótese, ao ível de sigificâcia = 0,005? Resolução: Novamete, vamos iterpretar o euciado. O que o cietista quer provar? Que o glaucoma causa aumeto da pressão. Logo, a hipótese alterativa (que o cietista quer provar) é que a média é superior a 0. Portato, as hipóteses são: H 0 : μ = 0; H 1 : μ > 0 (teste uilateral à direita); Temos: = 16; X = 4; μ = 0; σ = 4; = 0,005. A amostra é pequea, mas a variâcia populacioal é cohecida (σ = 4) e σ =. Portato, usaremos a Tabela Normal, ode a área de 0,495 (0,995 0,500) correspode a uma abscissa de,58. Logo, Z TAB =, 58. = 0,005 Z CALC = = σ = 4 16 = = 8. 4 Como Z CALC > Z TAB, ao ível de sigificâcia de 0,5%, REJEITO H 0 : μ = 0. Assim, aceito que μ > 0, ou seja, o cietista está correto e deve mater sua hipótese de que o glaucoma aumeta a pressão itra-ocular. Teste de Hipóteses.doc Pedro Bello Págia 16

17 EXEMPLO 9: Os graus dos aluos de Estatística têm sido baixos, com média de 5, e desvio de 1,. Com um curso de revisão miistrado pelo colega Joselias, pretede-se aumetar o redimeto dos aluos. Etre 36 aluos que freqüetaram tal curso, a média foi de 6,4. Pode-se dizer, ao ível de sigificâcia de 8%, que o curso é eficiete? Resolução: Temos = 36; X = 6,4; μ = 5,; σ = 1,; = 0,08. Hipóteses: H 0 : μ = 5,; H 1 : μ > 5, (teste uilateral à direita); Tabela: Normal, pois = 36 (a amostra é grade). Para = 0,08 teremos Z TAB = 1, 41, abscissa correspodete à área de 0,4 (0,9 0,50). = 0,08 Z CALC = = σ 6,4 5, 1, 36 = 1, 1, 6 = 6. Como Z CALC > Z TAB, ao ível de sigificâcia de 8%, REJEITO H 0 : μ = 5, e aceito que μ > 5,, ou seja, o curso miistrado pelo professor Joselias é eficiete. EXEMPLO 10: Questão da prova para Aalista do BACEN Área 4, elaborada pela FCC. Uma amostra aleatória de 9 valores de salários extraída de uma população, cosiderada ormal e de tamaho ifiito, apresetou média igual a R$800,00 com um desvio padrão igual a R$10,00. Os registros históricos idicam que a média dos salários da população é igual a R$740,00. Deseja-se testar a hipótese, ao ível de sigificâcia, se o valor da média verificada a amostra difere do valor de R$740,00. Seja H 0 a hipótese ula do teste (μ = 740), H 1 a hipótese alterativa (μ 740) e t / > 0 o quatil da distribuição "t" de Studet, o ível de sigificâcia, para testes bicudais com 8 graus de liberdade. Sabedo-se que H 0 foi rejeitada, tem-se que: Teste de Hipóteses.doc Pedro Bello Págia 17

18 (a) t / < 1,5. (b) t / > 1,5. (c) para qualquer ível de sigificâcia H 0 seria rejeitada, pois ( ) 0. (d) o valor da variável do teste (t calculado) obtido através da amostra e ecessário para comparação com t / e t / é igual a 0,5. (e) a um ível de sigificâcia β, β >, H 0 ão teria sido rejeitada. RESPOSTA: GABARITO LETRA A. t CALC = = S O gráfico do teste bicaudal: 9 60 = = 1,5. 40 t / 0 t / O euciado traz dois dados importates: 1) t / > 0; ) H 0 foi rejeitada. Vimos que t CALC = 1,5. Etão, para H 0 ser rejeitada: t CALC tem que ser iferior a t / ou; t CALC tem que ser superior a t /. Mas t / só pode ser positivo. Nesse caso, iferior a 1,5 (t CALC ) para que H 0 seja rejeitada. t CALC = 1,5 t / Teste de Hipóteses.doc Pedro Bello Págia 18

19 EXEMPLO 11: Questão da prova para o IBGE em 1999 elaborada pelo NCE-UFRJ. Cosidere uma amostra aleatória de tamaho 36 de uma distribuição ormal com média μ e desvio padrão 1,8. Deseja-se testar H 0 : μ 10 versus H 1 : μ > 10. O teste uiformemete mais poderoso de tamaho 1% rejeitará H 0 se a média amostral for, o míimo, igual a: (a) 10,7 (b) 11,1 (c) 11,5 (d) 11,9 (e) 1,3 RESPOSTA: GABARITO LETRA A. No teste uilateral à direita, H 0 será rejeitada se Z CALC > Z TAB. Para = 1%, teremos, a Tabela Normal ( > 30), Z TAB =,33. Substituido Z CALC, a estatística teste, por,33 temos: Z CALC = σ X 10,33 = 1,8 36 X 10,33 = 0,699 = X 10 X = 10, ,3 Esse é o valor que iguala Z CALC a Z TAB e para um valor de média amostral superior a este, H 0 será rejeitada. Como o euciado fala o míimo, o meor valor será 10,7. EXEMPLO 1: Questão da prova para Aalista Técico da SUSEP 006, elaborada pela ESAF. Em uma distribuição de siistro S, formulado-se a hipótese de que ão há difereça etre a freqüêcia esperada e a observada (hipótese ula: H 0 ). Dode, segudo um determiado ível de sigificâcia, podemos afirmar que ocorreu (a) um erro do tipo I, se for aceita a hipótese H 0. (b) um erro do tipo II, se for rejeitada a hipótese H 0. (c) um erro do tipo I, se for aceita a hipótese H 0, sedo esta correta. (d) um erro do tipo II, se for rejeitada a hipótese H 0, sedo esta correta. (e) um erro do tipo I, se for rejeitada a hipótese H 0, sedo esta correta. RESPOSTA: GABARITO LETRA E. Questão teórica facílima, como eu costumo dizer, essa é di-grátis. Só quem ão sabia o míimo do assuto ão a acertou. Basta ver o quadro à págia 1 deste resumo para ecotrar a resposta. Desejo bos estudos e exceletes provas de estatística a todos! PROFESSOR PEDRO BELLO Nas próximas págias estão as TABELAS DAS DISTRIBUIÇÕES: NORMAL E t-student Teste de Hipóteses.doc Pedro Bello Págia 19

20 TABELA DA DISTRIBUIÇÃO NORMAL PADRÃO Extraída do livro Curso de Estatística -Jairo Simo da Foseca & Gilberto de Adrade Martis-Editora Atlas Teste de Hipóteses.doc Pedro Bello Págia 0

21 TABELA DA DISTRIBUIÇÃO t de STUDENT Extraída do livro Curso de Estatística -Jairo Simo da Foseca & Gilberto de Adrade Martis-Editora Atlas Teste de Hipóteses.doc Pedro Bello Págia 1

Estimação por Intervalo (Intervalos de Confiança):

Estimação por Intervalo (Intervalos de Confiança): Estimação por Itervalo (Itervalos de Cofiaça): 1) Itervalo de Cofiaça para a Média Populacioal: Muitas vezes, para obter-se a verdadeira média populacioal ão compesa fazer um levatameto a 100% da população

Leia mais

Hipótese Estatística. Tipos de Hipóteses

Hipótese Estatística. Tipos de Hipóteses Hipótese Estatística Hipótese, em estatística, é uma suposição formulada a respeito dos parâmetros de uma distribuição de probabilidade de uma ou mais populações. Podemos formular a hipótese que a produtividade

Leia mais

TESTE DE HIPÓTESES PARA PROPORÇÕES

TESTE DE HIPÓTESES PARA PROPORÇÕES TESTE DE HIPÓTESES PARA PROPORÇÕES Este resumo visa auxiliar aos cadidatos que farão a prova para Fiscal ISS-SP, cujo programa, o Edital, cotempla Teste de Hipóteses para Médias e Proporções. Vem, assim,

Leia mais

Objetivos. Os testes de hipóteses ser: Paramétricos e Não Paramétricos. Testes não-paramétricos. Testes paramétricos

Objetivos. Os testes de hipóteses ser: Paramétricos e Não Paramétricos. Testes não-paramétricos. Testes paramétricos Objetivos Prof. Lorí Viali, Dr. http://www.pucrs.br/famat/viali/ viali@pucrs.br Testar o valor hipotético de um parâmetro (testes paramétricos) ou de relacioametos ou modelos (testes ão paramétricos).

Leia mais

Distribuições Amostrais

Distribuições Amostrais 9/3/06 Uiversidade Federal do Pará Istituto de Tecologia Estatística Aplicada I Prof. Dr. Jorge Teófilo de Barros Lopes Campus de Belém Curso de Egeharia Mecâica 3/09/06 3:38 ESTATÍSTICA APLICADA I - Teoria

Leia mais

1 Distribuições Amostrais

1 Distribuições Amostrais 1 Distribuições Amostrais Ao retirarmos uma amostra aleatória de uma população e calcularmos a partir desta amostra qualquer quatidade, ecotramos a estatística, ou seja, chamaremos os valores calculados

Leia mais

Objetivos. Testes não-paramétricos

Objetivos. Testes não-paramétricos Objetivos Prof. Lorí Viali, Dr. http://www. ufrgs.br/~viali/ viali@mat.ufrgs.br Testar o valor hipotético de um parâmetro (testes paramétricos) ou de relacioametos ou modelos (testes ão paramétricos).

Leia mais

Cap. 4 - Estimação por Intervalo

Cap. 4 - Estimação por Intervalo Cap. 4 - Estimação por Itervalo Amostragem e iferêcia estatística População: cosiste a totalidade das observações em que estamos iteressados. Nº de observações a população é deomiado tamaho=n. Amostra:

Leia mais

Mestrado Integrado em Engenharia Civil. Disciplina: TRANSPORTES. Sessão Prática 4: Amostragem

Mestrado Integrado em Engenharia Civil. Disciplina: TRANSPORTES. Sessão Prática 4: Amostragem Mestrado Itegrado em Egeharia Civil Disciplia: TRNSPORTES Prof. Resposável: José Mauel Viegas Sessão Prática 4: mostragem Istituto Superior Técico / Mestrado Itegrado Egª Civil Trasportes ulas Práticas

Leia mais

6. Testes de Hipóteses Conceitos Gerais

6. Testes de Hipóteses Conceitos Gerais 6. Testes de Hipóteses Coceitos Gerais Este capitulo itrodutório, pretede apresetar todas as defiições e todo o vocabulário utilizado em testes de hipóteses. Em um primeiro mometo, talvez você fique um

Leia mais

Medidas de Dispersão ou variabilidade

Medidas de Dispersão ou variabilidade Medidas de Dispersão ou variabilidade A média - ainda que considerada como um número que tem a faculdade de representar uma série de valores - não pode, por si mesma, destacar o grau de homogeneidade ou

Leia mais

Virgílio A. F. Almeida DCC-UFMG 1/2005

Virgílio A. F. Almeida DCC-UFMG 1/2005 Virgílio A. F. Almeida DCC-UFMG 1/005 !" # Comparado quatitativamete sistemas eperimetais: Algoritmos, protótipos, modelos, etc Sigificado de uma amostra Itervalos de cofiaça Tomado decisões e comparado

Leia mais

CAPÍTULO 6 - ESTIMAÇÃO E TESTES DE HIPÓTESES

CAPÍTULO 6 - ESTIMAÇÃO E TESTES DE HIPÓTESES CAPÍTULO 6 - ESTIMAÇÃO E TESTES DE HIPÓTESES 6. INTRODUÇÃO INFERÊNCIA ESTATÍSTICA Estimação por poto por itervalo Testes de Hipóteses População X θ =? Amostra θ Iferêcia Estatística X, X,..., X 6. ESTIMAÇÃO

Leia mais

ESTIMAÇÃO DA PROPORÇÃO POPULACIONAL p

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

Leia mais

CONCEITOS BÁSICOS E PRINCÍPIOS DE ESTATÍSTICA

CONCEITOS BÁSICOS E PRINCÍPIOS DE ESTATÍSTICA 1 CONCEITOS BÁSICOS E PRINCÍPIOS DE ESTATÍSTICA 1. Coceitos Básicos de Probabilidade Variável aleatória: é um úmero (ou vetor) determiado por uma resposta, isto é, uma fução defiida em potos do espaço

Leia mais

Amostras Aleatórias e Distribuições Amostrais. Probabilidade e Estatística: afinal, qual é a diferença?

Amostras Aleatórias e Distribuições Amostrais. Probabilidade e Estatística: afinal, qual é a diferença? Amostras Aleatórias e Distribuições Amostrais Probabilidade e Estatística: afial, qual é a difereça? Até agora o que fizemos foi desevolver modelos probabilísticos que se adequavam a situações reais. Por

Leia mais

Objetivo. Estimar a média µ de uma variável aleatória X, que representa uma característica de interesse de uma população, a partir de uma amostra.

Objetivo. Estimar a média µ de uma variável aleatória X, que representa uma característica de interesse de uma população, a partir de uma amostra. ESTIMAÇÃO PARA A MÉDIAM Objetivo Estimar a média µ de uma variável aleatória X, que represeta uma característica de iteresse de uma população, a partir de uma amostra. Exemplos: µ : peso médio de homes

Leia mais

Uma amostra aleatória simples de n elementos é selecionada a partir da população. Calcula-se o valor da média a partir da amostra

Uma amostra aleatória simples de n elementos é selecionada a partir da população. Calcula-se o valor da média a partir da amostra Distribuição amostral de Um dos procedimetos estatísticos mais comus é o uso de uma média da amostra ( ) para fazer iferêcias sobre uma população de média µ. Esse processo é apresetado a figura abaio.

Leia mais

CORRELAÇÃO Aqui me tens de regresso

CORRELAÇÃO Aqui me tens de regresso CORRELAÇÃO Aqui me tes de regresso O assuto Correlação fez parte, acompahado de Regressão, do programa de Auditor Fiscal, até 998, desaparecedo a partir do cocurso do ao 000 para agora retorar soziho.

Leia mais

Inferência Estatística

Inferência Estatística Iferêcia Estatística opulação Amostra Itroduç Itrodução à Iferêcia Estatística Como tirar coclusões tomar decisões a partir de iformação parcial / icompleta (amostra) projectado /geeralizado resultados

Leia mais

Testes de Comparação Múltipla

Testes de Comparação Múltipla Testes de Comparação Múltipla Quado a aplicação da aálise de variâcia coduz à reeição da hipótese ula, temos evidêcia de que existem difereças etre as médias populacioais. Mas, etre que médias se registam

Leia mais

Faculdade de Economia Universidade Nova de Lisboa ESTATÍSTICA. Exame Final 2ª Época 26 de Junho de Grupo I (3 valores)

Faculdade de Economia Universidade Nova de Lisboa ESTATÍSTICA. Exame Final 2ª Época 26 de Junho de Grupo I (3 valores) Faculdade de Ecoomia Uiversidade Nova de Lisboa ESTATÍSTIA Exame Fial ª Época 6 de Juho de 00 Ateção:. Respoda a cada grupo em folhas separadas. Idetifique todas as folhas.. Todas as respostas devem ser

Leia mais

Capítulo 5- Introdução à Inferência estatística.

Capítulo 5- Introdução à Inferência estatística. Capítulo 5- Itrodução à Iferêcia estatística. 1.1) Itrodução.(184) Na iferêcia estatística, aalisamos e iterpretamos amostras com o objetivo de tirar coclusões acerca da população de ode se extraiu a amostra.

Leia mais

A Inferência Estatística é um conjunto de técnicas que objetiva estudar a população através de evidências fornecidas por uma amostra.

A Inferência Estatística é um conjunto de técnicas que objetiva estudar a população através de evidências fornecidas por uma amostra. UNIVERSIDADE FEDERAL DA PARAÍBA Distribuição Amostral Luiz Medeiros de Araujo Lima Filho Departameto de Estatística INTRODUÇÃO A Iferêcia Estatística é um cojuto de técicas que objetiva estudar a população

Leia mais

RESOLUÇÃO DA PROVA DE RACIOCÍCNIO LÓGICO QUANTITATIVO P/ APO-MPOG 2015

RESOLUÇÃO DA PROVA DE RACIOCÍCNIO LÓGICO QUANTITATIVO P/ APO-MPOG 2015 RESOLUÇÃO DA PROVA DE RACIOCÍCNIO LÓGICO QUANTITATIVO P/ APO-MPOG 2015 Olá galera!!!! Hoje estou postado a resolução das questões de Raciocíio Lógico Quatitativo da prova de APO/MPOG, ocorrida o último

Leia mais

INFERÊNCIA. Fazer inferência (ou inferir) = tirar conclusões

INFERÊNCIA. Fazer inferência (ou inferir) = tirar conclusões INFERÊNCIA Fazer iferêcia (ou iferir) = tirar coclusões Iferêcia Estatística: cojuto de métodos de aálise estatística que permitem tirar coclusões sobre uma população com base em somete uma parte dela

Leia mais

Revisando... Distribuição Amostral da Média

Revisando... Distribuição Amostral da Média Estatística Aplicada II DISTRIBUIÇÃO AMOSTRAL MÉDIA AULA 08/08/16 Prof a Lilia M. Lima Cuha Agosto de 016 Revisado... Distribuição Amostral da Média Seja X uma v. a. de uma população com média µ e variâcia

Leia mais

ESTIMAÇÃO DE PARÂMETROS

ESTIMAÇÃO DE PARÂMETROS ESTIMAÇÃO DE PARÂMETROS 1 Estimação de Parâmetros uiverso do estudo (população) dados observados O raciocíio idutivo da estimação de parâmetros Estimação de Parâmetros POPULAÇÃO p =? AMOSTRA Observações:

Leia mais

Testes de Hipóteses. Júlio Osório. Os dois campos da Análise Estatística. Métodos Estatísticos. Inferência Estatística. Estatística Descritiva

Testes de Hipóteses. Júlio Osório. Os dois campos da Análise Estatística. Métodos Estatísticos. Inferência Estatística. Estatística Descritiva Testes de Hipóteses Júlio Osório Os dois campos da Aálise Estatística Métodos Estatísticos Estatística Descritiva Iferêcia Estatística Estimativa Testes de Hipóteses 1 Exemplo Ilustrativo Mediram-se os

Leia mais

DISTRIBUIÇÃO AMOSTRAL E ESTIMAÇÃO PONTUAL INTRODUÇÃO ROTEIRO POPULAÇÃO E AMOSTRA. Estatística Aplicada à Engenharia

DISTRIBUIÇÃO AMOSTRAL E ESTIMAÇÃO PONTUAL INTRODUÇÃO ROTEIRO POPULAÇÃO E AMOSTRA. Estatística Aplicada à Engenharia ROTEIRO DISTRIBUIÇÃO AMOSTRAL E ESTIMAÇÃO PONTUAL 1. Itrodução. Teorema Cetral do Limite 3. Coceitos de estimação potual 4. Métodos de estimação potual 5. Referêcias Estatística Aplicada à Egeharia 1 Estatística

Leia mais

Exercícios de Intervalos de Confiança para media, variância e proporção

Exercícios de Intervalos de Confiança para media, variância e proporção Exercícios de Itervalos de Cofiaça para media, variâcia e proporção 1. Se uma amostra aleatória =5, tem uma média amostral de 51,3 e uma desvio padrão populacioal de σ=. Costrua o itervalo com 95% de cofiaça

Leia mais

Introdução. Exemplos. Comparar três lojas quanto ao volume médio de vendas. ...

Introdução. Exemplos. Comparar três lojas quanto ao volume médio de vendas. ... Itrodução Exemplos Para curar uma certa doeça existem quatro tratametos possíveis: A, B, C e D. Pretede-se saber se existem difereças sigificativas os tratametos o que diz respeito ao tempo ecessário para

Leia mais

MAE116 Noções de Estatística

MAE116 Noções de Estatística Exercício 1 A Secretaria de Saúde de um muicípio vem realizado um programa educativo etre as gestates mostrado a importâcia da amametação. Para averiguar a eficácia do programa pretede-se realizar uma

Leia mais

DETERMINANDO A SIGNIFICÂNCIA ESTATÍSTICA PARA AS DIFERENÇAS ENTRE MÉDIAS

DETERMINANDO A SIGNIFICÂNCIA ESTATÍSTICA PARA AS DIFERENÇAS ENTRE MÉDIAS DTRMINANDO A SIGNIFIÂNIA STATÍSTIA PARA AS DIFRNÇAS NTR MÉDIAS Ferado Lag da Silveira Istituto de Física - UFRGS lag@if.ufrgs.br O objetivo desse texto é apresetar através de exemplos uméricos como se

Leia mais

DESIGUALDADES, LEIS LIMITE E TEOREMA DO LIMITE CENTRAL. todas as repetições). Então, para todo o número positivo ξ, teremos:

DESIGUALDADES, LEIS LIMITE E TEOREMA DO LIMITE CENTRAL. todas as repetições). Então, para todo o número positivo ξ, teremos: 48 DESIGUALDADES, LEIS LIMITE E TEOREMA DO LIMITE CENTRAL LEI DOS GRANDES NÚMEROS Pretede-se estudar o seguite problema: À medida que o úmero de repetições de uma experiêcia cresce, a frequêcia relativa

Leia mais

MAE Introdução à Probabilidade e Estatística II Resolução Lista 1

MAE Introdução à Probabilidade e Estatística II Resolução Lista 1 MAE 229 - Itrodução à Probabilidade e Estatística II Resolução Lista 1 Professor: Pedro Moretti Exercício 1 (a) Fazer histograma usado os seguites dados: Distribuição de probabilidade da variável X: X

Leia mais

AEP FISCAL ESTATÍSTICA

AEP FISCAL ESTATÍSTICA AEP FISCAL ESTATÍSTICA Módulo 0: Medidas de Dispersão (webercampos@gmail.com) MÓDULO 0 - MEDIDAS DE DISPERSÃO 1. Coceito: Dispersão é a maior ou meor diversificação dos valores de uma variável, em toro

Leia mais

Estatística Aplicada Medidas Resumo Apostila 4 Prof. Fábio Hipólito Aluno(a):

Estatística Aplicada Medidas Resumo Apostila 4 Prof. Fábio Hipólito Aluno(a): Medidas Resumo Apostila 4 Prof. Fábio Hipólito Aluo(a): # Objetivo desta aula: Calcular as medidas de tedêcia cetral: média, moda e mediaa para distribuições de frequêcias potuais e por itervalos de classes.

Leia mais

UNIVERSIDADE FEDERAL DO PARANÁ SETOR DE CIÊNCIAS EXATAS DEPTO. DE ESTATÍSTICA LISTA 4 PROBABILIDADE A (CE068) Prof. Benito Olivares Aguilera

UNIVERSIDADE FEDERAL DO PARANÁ SETOR DE CIÊNCIAS EXATAS DEPTO. DE ESTATÍSTICA LISTA 4 PROBABILIDADE A (CE068) Prof. Benito Olivares Aguilera UNIVERSIDADE FEDERAL DO PARANÁ SETOR DE CIÊNCIAS EATAS DEPTO. DE ESTATÍSTICA LISTA 4 PROBABILIDADE A (CE068) Prof. Beito Olivares Aguilera 2 o Sem./09 1. Das variáveis abaixo descritas, assiale quais são

Leia mais

Estimação parâmetros e teste de hipóteses. Prof. Dr. Alberto Franke (48)

Estimação parâmetros e teste de hipóteses. Prof. Dr. Alberto Franke (48) Estimação parâmetros e teste de hipóteses Prof. Dr. Alberto Franke (48) 91471041 Intervalo de confiança para média É um intervalo em que haja probabilidade do verdadeiro valor desconhecido do parâmetro

Leia mais

DE ESPECIALIZAÇÃO EM ESTATÍSTICA APLICADA)

DE ESPECIALIZAÇÃO EM ESTATÍSTICA APLICADA) 1. Sabe-se que o nível de significância é a probabilidade de cometermos um determinado tipo de erro quando da realização de um teste de hipóteses. Então: a) A escolha ideal seria um nível de significância

Leia mais

Estimativa de Parâmetros

Estimativa de Parâmetros Estimativa de Parâmetros ENG09004 04/ Prof. Alexadre Pedott pedott@producao.ufrgs.br Trabalho em Grupo Primeira Etrega: 7/0/04. Plao de Amostragem - Cotexto - Tipo de dado, frequêcia de coleta, quatidade

Leia mais

7. Testes de Hipóteses

7. Testes de Hipóteses 7. Testes de Hipóteses Suponha que você é o encarregado de regular o engarrafamento automatizado de leite numa determinada agroindústria. Sabe-se que as máquinas foram reguladas para engarrafar em média,

Leia mais

Lista 9 - Introdução à Probabilidade e Estatística

Lista 9 - Introdução à Probabilidade e Estatística Lista 9 - Itrodução à Probabilidade e Estatística Desigualdades e Teoremas Limites 2.=000. 1 Um ariro apota a um alvo de 20 cm de raio. Seus disparos atigem o alvo, em média, a 5 cm do cetro deste. Assuma

Leia mais

10 - Medidas de Variabilidade ou de Dispersão

10 - Medidas de Variabilidade ou de Dispersão 10 - Medidas de Variabilidade ou de Dispersão 10.1 Itrodução Localizado o cetro de uma distribuição de dados, o próximo passo será verificar a dispersão desses dados, buscado uma medida para essa dispersão.

Leia mais

Cap. VI Histogramas e Curvas de Distribuição

Cap. VI Histogramas e Curvas de Distribuição TLF /11 Capítulo VI Histogramas e curvas de distribuição 6.1. Distribuições e histogramas. 6 6.. Distribuição limite 63 6.3. Sigificado da distribuição limite: frequêcia esperada e probabilidade de um

Leia mais

A finalidade de uma equação de regressão seria estimar valores de uma variável, com base em valores conhecidos da outra.

A finalidade de uma equação de regressão seria estimar valores de uma variável, com base em valores conhecidos da outra. Jaete Pereira Amador Itrodução A aálise de regressão tem por objetivo descrever através de um modelo matemático, a relação existete etre duas variáveis, a partir de observações dessas viráveis. A aálise

Leia mais

Instruções gerais sobre a Prova:

Instruções gerais sobre a Prova: DEPARTAMENTO DE ESTATÍSTICA - UFMG PROVA DE ESTATÍSTICA & PROBABILIDADES SELEÇÃO MESTRADO/UFMG 2012/2013 Istruções gerais sobre a Prova: (a) Cada questão respodida corretamete vale 1 (um) poto. (b) Cada

Leia mais

10 INFERÊNCIA ESTATÍSTICA Testes de Hipóteses Introdução Lógica dos Testes de Hipóteses

10 INFERÊNCIA ESTATÍSTICA Testes de Hipóteses Introdução Lógica dos Testes de Hipóteses INE 700 - Iferêcia Estatística Testes de Hipóteses 0 INFERÊNCIA ESTATÍSTICA Testes de Hipóteses 0. - Itrodução Viu-se ateriormete que uma determiada população pode ser descrita através de um modelo probabilístico,

Leia mais

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

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

Leia mais

Exame MACS- Inferência-Intervalos.

Exame MACS- Inferência-Intervalos. Exame MACS- Iferêcia-Itervalos. No iício deste capítulo, surgem algumas ideias que devemos ter presetes: O objectivo da iferêcia estatística é usar uma amostra e tirar coclusões para toda a população.

Leia mais

AMOSTRAGEM ALEATÓRIA DISTRIBUIÇÕES POR AMOSTRAGEM

AMOSTRAGEM ALEATÓRIA DISTRIBUIÇÕES POR AMOSTRAGEM 6 AMOSTRAGEM ALEATÓRIA DISTRIBUIÇÕES POR AMOSTRAGEM Quado se pretede estudar uma determiada população, aalisam-se certas características ou variáveis dessa população. Essas variáveis poderão ser discretas

Leia mais

CAPÍTULO IV DESENVOLVIMENTOS EM SÉRIE

CAPÍTULO IV DESENVOLVIMENTOS EM SÉRIE CAPÍTUO IV DESENVOVIMENTOS EM SÉRIE Série de Taylor e de Mac-auri Seja f ) uma fução real de variável real com domíio A e seja a um poto iterior desse domíio Supoha-se que a fução admite derivadas fiitas

Leia mais

Enrico A. Colosimo Depto. Estatística UFMG

Enrico A. Colosimo Depto. Estatística UFMG Bioestatística F Comaração de uas Médias Erico A. Colosimo eto. Estatística UFMG htt//www.est.ufmg.br/~ericoc/ .4 istribuicao Gaussiaa com e σ Tabela t-tudet fx).35.3.5..5. -).5 Graus de liberdade istribuição

Leia mais

Universidade Federal do Pará Instituto de Tecnologia. Estatística Aplicada I

Universidade Federal do Pará Instituto de Tecnologia. Estatística Aplicada I 8/8/05 Universidade Federal do Pará Instituto de Tecnologia Estatística Aplicada I Prof. Dr. Jorge Teófilo de Barros Lopes Campus de Belém Curso de Engenharia Mecânica 8/08/05 06:55 ESTATÍSTICA APLICADA

Leia mais

ESTATÍSTICA E PROBABILIDADES

ESTATÍSTICA E PROBABILIDADES ESTATÍSTICA E PROBABILIDADES Aluo(a): Turma: Professores: Data: Edu/Vicete Noções de Estatística Podemos eteder a Estatística como sedo o método de estudo de comportameto coletivo, cujas coclusões são

Leia mais

Probabilidade II Aula 12

Probabilidade II Aula 12 Coteúdo Probabilidade II Aula Juho de 009 Desigualdade de Marov Desigualdade de Jese Lei Fraca dos Grades Números Môica Barros, D.Sc. Itrodução A variâcia de uma variável aleatória mede a dispersão em

Leia mais

3.4.2 Cálculo da moda para dados tabulados. 3.4 Moda Cálculo da moda para uma lista Cálculo da moda para distribuição de freqüências

3.4.2 Cálculo da moda para dados tabulados. 3.4 Moda Cálculo da moda para uma lista Cálculo da moda para distribuição de freqüências 14 Calcular a mediaa do cojuto descrito pela distribuição de freqüêcias a seguir. 8,0 10,0 10 Sabedo-se que é a somatória das, e, portato, = 15+25+16+34+10 = 100, pode-se determiar a posição cetral /2

Leia mais

MEDIDAS DESCRITIVAS DE POSIÇÃO, TENDÊNCIA CENTRAL E VARIABILIDADE

MEDIDAS DESCRITIVAS DE POSIÇÃO, TENDÊNCIA CENTRAL E VARIABILIDADE MEDIDAS DESCRITIVAS DE POSIÇÃO, TENDÊNCIA CENTRAL E VARIABILIDADE 1 Estatística descritiva (Eploratória) PRIMEIRO PASSO: Tabelas (distribuição de frequêcia) e Gráficos. SEGUNDO PASSO: Cálculo de medidas

Leia mais

Estudando complexidade de algoritmos

Estudando complexidade de algoritmos Estudado complexidade de algoritmos Dailo de Oliveira Domigos wwwdadomicombr Notas de aula de Estrutura de Dados e Aálise de Algoritmos (Professor Adré Bala, mestrado UFABC) Durate os estudos de complexidade

Leia mais

CAPÍTULO 6 ESTIMATIVA DE PARÂMETROS PPGEP. Introdução. Introdução. Estimativa de Parâmetros UFRGS

CAPÍTULO 6 ESTIMATIVA DE PARÂMETROS PPGEP. Introdução. Introdução. Estimativa de Parâmetros UFRGS CAPÍTULO 6 Itrodução Uma variável aleatória é caracterizada ou descrita pela sua distribuição de probabilidade. ETIMATIVA DE PARÂMETRO URG Em aplicações idustriais, as distribuições de probabilidade são

Leia mais

Análise de Algoritmos. Análise de Algoritmos. Análise de Algoritmos. Análise de Algoritmos. Análise de Algoritmos. Análise de Algoritmos

Análise de Algoritmos. Análise de Algoritmos. Análise de Algoritmos. Análise de Algoritmos. Análise de Algoritmos. Análise de Algoritmos Aálise de Algoritmos Aálise de Algoritmos Prof Dr José Augusto Baraauskas DFM-FFCLRP-USP A Aálise de Algoritmos é um campo da Ciêcia da Computação que tem como objetivo o etedimeto da complexidade dos

Leia mais

Aula 11 - Questões Comentadas e Resolvidas

Aula 11 - Questões Comentadas e Resolvidas Curso Olie - Raciocíio Lógico-Quatitativo para Traumatizados em Exercícios, icluido Matemática, Matemática Fiaceira e Estatística Profs. Alexadre Lima e Moraes Juior Aula - Questões Cometadas e Resolvidas

Leia mais

Problemas Sobre Correlacionamento

Problemas Sobre Correlacionamento Capítulo 2 Problemas Sobre Correlacioameto Se caiu, levate e ade como se uca tivesse caído, cosiderado que, a cada vez que você se esforça e se levata de uma queda, suas peras se fortalecem. 2.1. Problemas

Leia mais

TESTES DE HIPÓTESES. HIPÓTESES: São suposições que fazemos para testar a fixação de decisões, que poderão ser verdadeiras ou não.

TESTES DE HIPÓTESES. HIPÓTESES: São suposições que fazemos para testar a fixação de decisões, que poderão ser verdadeiras ou não. TESTES DE HIPÓTESES HIPÓTESES: São suposições que fazemos para testar a fixação de decisões, que poderão ser verdadeiras ou não. HIPÓTESES ESTATÍSTICA: Hipótese Nula (H 0 ): a ser validada pelo teste.

Leia mais

Séquências e Séries Infinitas de Termos Constantes

Séquências e Séries Infinitas de Termos Constantes Capítulo Séquêcias e Séries Ifiitas de Termos Costates.. Itrodução Neste capítulo estamos iteressados em aalisar as séries ifiitas de termos costates. Etretato, para eteder as séries ifiitas devemos ates

Leia mais

Teorema do Limite Central, distribuição amostral, estimação por ponto e intervalo de confiança

Teorema do Limite Central, distribuição amostral, estimação por ponto e intervalo de confiança Teorema do Limite Cetral, distribuição amostral, estimação por poto e itervalo de cofiaça Prof. Marcos Pó Métodos Quatitativos para Ciêcias Sociais Distribuição amostral Duas amostrages iguais oriudas

Leia mais

Lista de exercícios propostos n. o 05: Testes de hipóteses

Lista de exercícios propostos n. o 05: Testes de hipóteses Lista de exercícios propostos. o 5: Testes de hipóteses Exercício 1. Uma pizzaria recebe diariamete ecomedas por telefoe, que se têm comportado segudo uma lei ormal. A empresa está dimesioada para uma

Leia mais

Caderno de Exercício 3

Caderno de Exercício 3 1 Cadero de Exercício 3 Esaios de Hipóteses e Regressão Liear 1. Exercícios Aulas 1. Exercício 10.11 do livro Statistics for Ecoomics ad Busiess 2. Exercício 10.27 do livro Statistics for Ecoomics ad Busiess

Leia mais

Probabilidade II Aula 9

Probabilidade II Aula 9 Coteúdo Probabilidade II Aula 9 Maio de 9 Môica Barros, D.Sc. Estatísticas de Ordem Distribuição do Máximo e Míimo de uma amostra Uiforme(,) Distribuição do Máximo e Míimo caso geral Distribuição das Estatísticas

Leia mais

Testes de Ajustamento (testes da bondade do ajustamento)

Testes de Ajustamento (testes da bondade do ajustamento) Testes de Ajustameto (testes da bodade do ajustameto) Os testes de ajustameto servem para testar a hipótese de que uma determiada amostra aleatória teha sido extraída de uma população com distribuição

Leia mais

FUNDAÇÃO GETULIO VARGAS Programa de Certificação de Qualidade Curso de Graduação em Administração

FUNDAÇÃO GETULIO VARGAS Programa de Certificação de Qualidade Curso de Graduação em Administração FUNDAÇÃO GETULIO VARGAS Programa de Certificação de Qualidade Curso de Graduação em Admiistração PROVA DE ESTATÍSTICA II º Semestre / 00 - P - TIPO DADOS DO ALUNO: Nome: Assiatura INSTRUÇÕES: Você receberá

Leia mais

Teorema do Limite Central, distribuição amostral, estimação por ponto e intervalo de confiança

Teorema do Limite Central, distribuição amostral, estimação por ponto e intervalo de confiança Teorema do Limite Cetral, distribuição amostral, estimação por poto e itervalo de cofiaça Prof. Marcos Pó Métodos Quatitativos para Ciêcias Sociais Distribuição amostral Duas amostrages iguais oriudas

Leia mais

Estatística: Aplicação ao Sensoriamento Remoto SER ANO Técnicas de Reamostragem

Estatística: Aplicação ao Sensoriamento Remoto SER ANO Técnicas de Reamostragem Estatística: Aplicação ao Sesoriameto Remoto SER 202 - ANO 2016 Técicas de Reamostragem Camilo Daleles Reó camilo@dpi.ipe.br http://www.dpi.ipe.br/~camilo/estatistica/ Distribuição Amostral Testes paramétricos

Leia mais

S É R I E : E s t a t í s t i c a B á s i c a T e x t o 3 : E S T I M A Ç Ã O SUMÁRIO 1. INTRODUÇÃO ESTIMAÇÃO POR PONTO...4

S É R I E : E s t a t í s t i c a B á s i c a T e x t o 3 : E S T I M A Ç Ã O SUMÁRIO 1. INTRODUÇÃO ESTIMAÇÃO POR PONTO...4 SUMÁRIO. INTRODUÇÃO...3. ESTIMAÇÃO POR PONTO...4.. NOTAÇÃO...4.. PROPRIEDADES DOS ESTIMADORES...5... Não-tedeciosidade...5... Precisão ou eficiêcia...7..3. Validade (ou Acurácia)...8..4. Coerêcia ou cosistêcia...8.3.

Leia mais

A letra x representa números reais, portanto

A letra x representa números reais, portanto Aula 0 FUNÇÕES UFPA, 8 de março de 05 No ial desta aula, você seja capaz de: Saber dizer o domíio e a imagem das uções esseciais particularmete esta aula as uções potêcias; Fazer o esboço de gráico da

Leia mais

Estatística Inferencial

Estatística Inferencial statística Inferencial A ou inferencial compreende a stimação e o Teste de hipótese. Na verdade, a estatística inferencial forma a base das atividades de controle da qualidade e também pode auxiliar na

Leia mais

Aula 5 de Bases Matemáticas

Aula 5 de Bases Matemáticas Aula 5 de Bases Matemáticas Rodrigo Hause de julho de 04 Pricípio da Idução Fiita. Versão Fraca Deição (P.I.F., versão fraca) Seja p() uma proposição aberta o uiverso dos úmeros aturais. SE valem ambas

Leia mais

TESTES DE HIPÓTESES. Conceitos, Testes de 1 proporção, Testes de 1 média

TESTES DE HIPÓTESES. Conceitos, Testes de 1 proporção, Testes de 1 média TESTES DE HIPÓTESES Conceitos, Testes de 1 proporção, Testes de 1 média 1 Testes de Hipóteses População Conjectura (hipótese) sobre o comportamento de variáveis Amostra Decisão sobre a admissibilidade

Leia mais

Métodos Quantitativos em Contabilidade. Análise da Variância ANOVA. Prof. José Francisco Moreira Pessanha professorjfmp@hotmail.

Métodos Quantitativos em Contabilidade. Análise da Variância ANOVA. Prof. José Francisco Moreira Pessanha professorjfmp@hotmail. Métodos Quatitativos em Cotabilidade Aálise da Variâcia AOVA Prof. José Fracisco Moreira Pessaha professorfmp@hotmail.com Rio de Jaeiro, 8 de setembro de 01 Aálise da Variâcia com um fator (OE WAY AOVA)

Leia mais

AEP FISCAL ESTATÍSTICA

AEP FISCAL ESTATÍSTICA AEP FISCAL ESTATÍSTICA Módulo 12: - Itervalo de Cofiaça - Tete de Hipótee (webercampo@gmail.com) INTERVALO DE CONFIANÇA 1. INTERVALO DE CONFIANÇA PARA A MÉDIA O proceo de cotrução do itervalo de cofiaça

Leia mais

mat.ufrgs..ufrgs.br br/~viali/ mat.ufrgs..ufrgs.br

mat.ufrgs..ufrgs.br br/~viali/ mat.ufrgs..ufrgs.br Prof. Lorí Viali, Dr. http://www. ://www.mat mat.ufrgs..ufrgs.br br/~viali/ viali@mat mat.ufrgs..ufrgs.br Média Uma amostra Proporção Variância Dependentes Diferença de médias m Duas amostras Independentes

Leia mais

Stela Adami Vayego DEST/UFPR

Stela Adami Vayego DEST/UFPR Resumo 3 Resumo dos dados uméricos por meio de úmeros 1. Medidas de Tedêcia Cetral A tedêcia cetral da distribuição de freqüêcias de uma variável em um cojuto de dados é caracterizada pelo valor típico

Leia mais

Introdução ao Qui-Quadrado

Introdução ao Qui-Quadrado Técicas Laboratoriais de Física Lic. Física e g. Biomédica 007/08 Capítulo X Teste do Qui-quadrado, Itrodução ao qui-quadrado Defiição geral do qui-quadrado Graus de liberdade e reduzido abilidade do 66

Leia mais

7 Teste de Hipóteses

7 Teste de Hipóteses 7 Teste de Hipóteses 7-1 Aspectos Gerais 7-2 Fundamentos do Teste de Hipóteses 7-3 Teste de uma Afirmação sobre a Média: Grandes Amostras 7-4 Teste de uma Afirmação sobre a Média : Pequenas Amostras 7-5

Leia mais

Secção 1. Introdução às equações diferenciais

Secção 1. Introdução às equações diferenciais Secção. Itrodução às equações difereciais (Farlow: Sec..,.) Cosideremos um exemplo simples de um feómeo que pode ser descrito por uma equação diferecial. A velocidade de um corpo é defiida como o espaço

Leia mais

Estatística stica para Metrologia

Estatística stica para Metrologia Estatística stica para Metrologia Aula Môica Barros, D.Sc. Juho de 28 Muitos problemas práticos exigem que a gete decida aceitar ou rejeitar alguma afirmação a respeito de um parâmetro de iteresse. Esta

Leia mais

ENGENHARIA DA QUALIDADE A ENG AULA 6 CARTAS DE CONTROLE PARA ATRIBUTOS

ENGENHARIA DA QUALIDADE A ENG AULA 6 CARTAS DE CONTROLE PARA ATRIBUTOS ENGENHARIA DA QUALIDADE A ENG 09008 AULA 6 CARTAS DE CONTROLE PARA ATRIBUTOS PROFESSORES: CARLA SCHWENGBER TEN CATEN Tópicos desta aula Cartas de Cotrole para Variáveis Tipo 1: Tipo 2: Tipo 3: X X X ~

Leia mais

Intervalos de Confiança - Amostras Pequenas

Intervalos de Confiança - Amostras Pequenas Intervalos de Confiança - Amostras Pequenas Teste de Hipóteses para uma Média Jorge M. V. Capela, Marisa V. Capela, Instituto de Química - UNESP Araraquara, SP capela@iq.unesp.br Araraquara, SP - 2016

Leia mais

População x Amostra. statística descritiva X inferência estatística. Revisão de Estatística e Probabilidade

População x Amostra. statística descritiva X inferência estatística. Revisão de Estatística e Probabilidade Revisão de Estatística e Probabilidade Magos Martiello Uiversidade Federal do Espírito Sato - UFES Departameto de Iformática DI Laboratório de Pesquisas em Redes Multimidia LPRM statística descritiva X

Leia mais

PUCRS FAMAT DEPTº DE ESTATÍSTICA Estimação e Teste de Hipótese- Prof. Sérgio Kato

PUCRS FAMAT DEPTº DE ESTATÍSTICA Estimação e Teste de Hipótese- Prof. Sérgio Kato 1 PUCRS FAMAT DEPTº DE ESTATÍSTICA Estimação e Teste de Hipótese- Prof. Sérgio Kato 1. Estimação: O objetivo da iferêcia estatística é obter coclusões a respeito de populações através de uma amostra extraída

Leia mais

Comparação de testes paramétricos e não paramétricos aplicados em delineamentos experimentais

Comparação de testes paramétricos e não paramétricos aplicados em delineamentos experimentais Comparação de testes paramétricos e ão paramétricos aplicados em delieametos experimetais Gustavo Mello Reis (UFV) gustavo_epr@yahoo.com.br José Ivo Ribeiro Júior (UFV) jivo@dpi.ufv.br RESUMO: Para comparar

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

Análise de Equação de Recorrência

Análise de Equação de Recorrência Aálise de Equação de Recorrêcia Carlos Eduardo Ramisch - Cartão: 467 Soraya Sybele Hossai Cartão 497 INF0 - Complexidade de Algoritmos Prof.ª Luciaa Salete Buriol Porto Alegre, 0 de setembro de 006 Itrodução

Leia mais

Sucessão ou Sequência. Sucessão ou seqüência é todo conjunto que consideramos os elementos dispostos em certa ordem. janeiro,fevereiro,...

Sucessão ou Sequência. Sucessão ou seqüência é todo conjunto que consideramos os elementos dispostos em certa ordem. janeiro,fevereiro,... Curso Metor www.cursometor.wordpress.com Sucessão ou Sequêcia Defiição Sucessão ou seqüêcia é todo cojuto que cosideramos os elemetos dispostos em certa ordem. jaeiro,fevereiro,...,dezembro Exemplo : Exemplo

Leia mais

BINÔMIO DE NEWTON. O desenvolvimento da expressão 2. a b é simples, pois exige somente quatro multiplicações e uma soma:

BINÔMIO DE NEWTON. O desenvolvimento da expressão 2. a b é simples, pois exige somente quatro multiplicações e uma soma: 07 BINÔMIO DE NEWTON O desevolvimeto da epressão a b é simples, pois eige somete quatro multiplicações e uma soma: a b a b a b a ab ba b a ab b O desevolvimeto de a b é uma tarefa um pouco mais trabalhosa,

Leia mais

Intervalos Estatísticos para uma única Amostra - parte II

Intervalos Estatísticos para uma única Amostra - parte II Itervalos Estatísticos para uma úica Amostra - parte II Itervalo de cofiaça para proporção 2012/02 1 Itrodução 2 3 Objetivos Ao fial deste capítulo você deve ser capaz de: Costruir itervalos de cofiaça

Leia mais

Universidade São Judas Tadeu Faculdade de Tecnologia e Ciências Exatas Laboratório de Física e Química

Universidade São Judas Tadeu Faculdade de Tecnologia e Ciências Exatas Laboratório de Física e Química Uiversidade São Judas Tadeu Faculdade de Tecologia e Ciêcias Exatas Laboratório de Física e Química Aálise de Medidas Físicas Quado fazemos uma medida, determiamos um úmero para caracterizar uma gradeza

Leia mais

Probabilidades num jogo aos dados

Probabilidades num jogo aos dados Técicas Laboratoriais de Física Lic. Física e Eg. Biomédica 007/08 Capítulo VIII Distribuição Biomial Probabilidades um jogo aos dados Defiição de uma Distribuição Biomial Propriedades da Distribuição

Leia mais

Estimação e Testes de Hipóteses

Estimação e Testes de Hipóteses Estimação e Testes de Hipóteses 1 Estatísticas sticas e parâmetros Valores calculados por expressões matemáticas que resumem dados relativos a uma característica mensurável: Parâmetros: medidas numéricas

Leia mais