Recredenciamento Portaria MEC 347, de D.O.U

Save this PDF as:
 WORD  PNG  TXT  JPG

Tamanho: px
Começar a partir da página:

Download "Recredenciamento Portaria MEC 347, de D.O.U"

Transcrição

1 Portaria MEC 347, de D.O.U ESTATÍSTICA I / MÉTODOS QUANTITATIVOS E PROCESSO DECISÓRIO I / ESTATÍSTICA APLICADA À EDUCAÇÃO Elemetos de Probabilidade Quest(i) Ecotramos, a atureza, dois tipos de feômeos: Determiísticos - que ão depedem do úmero de ocorrêcias, pois os resultados são sempre os mesmos, como, por eemplo, o fato de sabermos que a certa temperatura um determiado corpo passará de um estado para o outro (sólido para o líquido, ou líquido para o gasoso). Aleatórios - os resultados ão são previsíveis, mesmo que haja um grade úmero de repetições do mesmo feômeo, como, por eemplo, o laçameto de uma moeda, de um dado, ou mesmo a determiação da vida útil de um compoete eletrôico. Espaço Amostral (S) Cada eperimeto aleatório correspode a vários resultados possíveis. Assim, ao laçarmos uma moeda, por eemplo, há dois resultados possíveis: cara ou coroa. Já, ao laçarmos um dado de seis faces, teremos como resultados possíveis:,, 3, 4, 5 e 6. Ao cojuto desses resultados possíveis damos o ome de espaço amostral (S) ou cojuto uiverso. Por eemplo: - o laçameto de uma moeda: S = {ca, co}; - o laçameto de um dado: S = {,, 3, 4, 5, 6} - o laçameto de duas moedas ao mesmo tempo: S = {(ca, co), (ca, ca), (co, ca), (co, co)} - o laçameto de dois dados simultâeos: S = {... Cada elemeto de S, que correspode a um resultado, recebe o ome de poto amostral, por eemplo, o úmero é um poto amostral do laçameto de um dado, ou seja, pertece à S ( S ). Evetos complemetares É a probabilidade de um eveto ão ocorrer. Por eemplo: se p é probabilidade de se tirar o úmero 4 em um dado de seis faces, q represeta a probabilidade disso ão ocorrer. Evetos idepedetes q p Dois evetos são idepedetes quado a realização (ou ão realização) de um eveto ão afeta a probabilidade da realização do outro, e vice-versa. É a probabilidade de um e de outro, este caso, a probabilidade deles se realizarem simultaeamete é dada pelo produto das probabilidades de cada eveto. p p p Por eemplo: qual a probabilidade de, o laçameto de dois dados, sair o úmero o primeiro e o úmero 5 o segudo? Evetos mutuamete eclusivos É quado a realização de um eveto eclui a realização do outro. Assim, por eemplo, o laçameto de uma moeda o eveto tirar cara ou tirar coroa são mutuamete eclusivos, já que ao realizar um deles, o outro ão se realiza. É a probabilidade de um ou de outro. Sedo assim: p p p Por eemplo: qual a probabilidade de, o laçameto um dado, sair o úmero ou o úmero 5? Eveto (A) É um subcojuto do espaço amostral S, por eemplo: seja S o espaço amostral do laçameto de um dado de seis faces, S = {,, 3, 4, 5, 6} e A = {, 4, 6} um subcojuto de S, só dos úmeros pares. A está cotido em S ( A S ), logo A é um eveto de S. Se A = S, chamamos A de eveto certo, e se A =, chamamos de eveto impossível. Os evetos geralmete são defiidos por seteças do tipo: obter um umero ímpar o laçameto de um dado ; obter cara o laçameto de uma moeda,... Cálculo de Probabilidade Tomamos S como espaço amostral e cosideramos que todos os elemetos de S teham a mesma chace de acotecer (cojuto equiprovável). Chamamos de probabilidade de um eveto A o º real p(a) tal que: ( A) p( A) ( S)

2 Portaria MEC 347, de D.O.U Eercícios e resoluções ) Qual a probabilidade de sair o ás de ouros quado retiramos uma carta de um baralho de 5 cartas? ) Qual a probabilidade de sair um rei quado retiramos uma carta de um baralho de 5 cartas? 3) Em um lote de peças, 4 são defeituosas. Sedo retirada uma peça, calcule: a. a probabilidade de essa peça ser defeituosa. b. a probabilidade de essa peça ão ser defeituosa. 4) No laçameto de dois dados, calcule a probabilidade de se obter soma igual a 5. 5) De dois baralhos de 5 cartas retiram-se, simultaeamete, uma carta do primeiro baralho e uma carta do segudo. Qual a probabilidade de a carta do primeiro baralho ser um rei e a do segudo ser o 5 de paus? 6) Uma ura A cotém: 3 bolas bracas, 4 pretas, verdes; uma ura B cotém: 5 bolas bracas, pretas, verde; uma ura C cotém: bolas bracas, 3 pretas, 4 verdes. Uma bola é retirada de cada ura. Qual é a probabilidade de as três bolas retiradas da primeira, seguda e terceira uras serem, respectivamete, braca, preta e verde? 7) De um baralho de 5 cartas retiram-se, ao acaso, duas cartas sem reposição. Qual a probabilidade de a primeira carta ser o ás de paus e a seguda ser o rei de paus? 8) Qual a probabilidade de sair uma figura quado retiramos uma carta de um baralho de 5 cartas? 9) Qual a probabilidade de sair uma carta de copas ou de ouros quado retiramos uma carta de um baralho de 5 cartas? 0) No laçameto de um dado, qual a probabilidade de se obter um úmero ão-iferior a 5? ) São dados dois baralhos de 5 cartas. Tiramos, ao mesmo tempo, uma carta do primeiro baralho e uma carta do segudo. Qual a probabilidade de tirarmos uma dama e um rei, ão ecessariamete essa ordem? ) Dois dados são laçados cojutamete. Determie a probabilidade de a soma ser 0 ou maior que 0.

3 Portaria MEC 347, de D.O.U Eercícios: probabilidade. Determie a probabilidade de cada eveto: a) o úmero par o laçameto de um dado. R: / b) uma carta de ouros ao se etrair uma carta de um baralho de 5 cartas. R: /4. Um úmero iteiro é escolhido aleatoriamete detre os úmeros,,3,...,38,49 e50. Determie a probabilidade de: a) o úmero ser dividido por 5. R: /5 b) um úmero termiar em 3. R: /0 c) um úmero ser dividido por 6 ou por 8. R: 6/5 d) um úmero ser dividido por 4e por 6. R: /5 3. Dois dados são laçados simultaeamete. Qual é a probabilidade de: a) A soma ser meor que 4? R: / b) A soma ser 9? R: /9 c) O primeiro resultado ser maior do que o segudo? R: 5/ 4. Qual é a probabilidade de sair um Rei ou uma carta de Copas, quado retiramos uma carta de um baralho? R: 4/3 5. Um lote é formado por 0 peças boas, quatro com defeitos e duas com defeitos graves. Uma peça é escolhida ao acaso. Calcule a probabilidade de que: a) Ela ão teha defeitos graves; R: 7/8 b) Ela ão teha defeitos; R: 5/8 c) Ela seja boa, ou teha defeitos graves; R: 3/4 6. Um dado é laçado e o úmero da face de cima é observado. a) se o resultado obtido for par, qual a probabilidade de ele ser maior ou igual a cico? R: /3 b) Se o úmero obtido for maior ou igual a cico, qual a probabilidade de ele ser par? R: / c) Se o resultado obtido for ímpar, qual a probabilidade de ele ser meor que 3? R: /3 d) Se o resultado for meor que 3, qual a probabilidade de ele ser ímpar? R: / 7. Dois dados, um verde e um vermelho, são laçados e observados os úmeros das faces de cima: a) Qual a probabilidade de ocorrerem úmeros iguais? R: /6 b) Qual a probabilidade de ocorrerem úmeros diferetes? R: 5/6 c) Qual a probabilidade de a soma dos úmeros ser 7? R: /6 d) Qual a probabilidade de a soma dos úmeros ser? R: /36 e) Qual a probabilidade de a soma dos úmeros ser meor ou igual a? R: OBS - Em algus casos, é ecessário fazer o cálculo do úmero de maeiras de um eveto ocorrer, e para isso, os valemos da relação etre o úmero de elemetos do espaço amostral e o úmero de elemetos do eveto: A P A U (U) é o úmero de elemetos do espaço amostral U (A) é o úmero de elemetos do eveto A. O cálculo do º de elemetos do espaço amostral ou de um eveto é dado por uma combiação: C, p! p! p! É o úmero total de combiações de elemetos tomados de p em p. este úmero é represetado por: biomial. p, chamado de úmero Eemplo: Cosidere um cojuto de 0 frutas em que 3 estão estragadas. Escolhedo aleatoriamete frutas desse cojuto, determie a probabilidade de: a) ambas ão estarem estragadas. O cálculo de maeiras de escolher duas furtas etre dez é o úmero total de combiações de 0 frutas ( elemetos) tomados de em (p em p), ou seja, = 0 e p =. 0! 0! 098! 90 U C0, 45! 0!!8!!8! O cálculo do úmero de maeiras de escolher duas frutas ão estragadas etre 7 (0 3 = 7). A C 7! 7! 765! 4! 7!!5!!5! 7, 7 U 45 5 Sedo assim: A P A e a probabilidade desse eveto é de 7/5. b) pelo meos uma estar estragada. Este eveto é complemetar ao P(A), portato: Em um lote de peças, quatro são defeituosas. Sedo retiradas aleatoriamete duas peças, calcule: a) a probabilidade de ambas serem defeituosos. R: / b) a probabilidade de ambas ão serem defeituosas. R: 4/33 c) a probabilidade de ao meos uma ser defeituosa. R: 9/33

4 Portaria MEC 347, de D.O.U DISTRIBUIÇÃO BINOMIAL E NORMAL Na prática é, muitas vezes, mais iteressate associarmos um úmero a um eveto aleatório e calcularmos a probabilidade da ocorrêcia desse úmero, do que a probabilidade do eveto. Variável aleatória: é uma fução que relacioa o espaço amostral com a ocorrêcia de um eveto. Por eemplo: se o espaço amostral relativo ao laçameto simultâeo de duas moedas é S = {(Ca, Ca), (Ca, Co), (Co, Ca), (Co, Co)} e X represeta o úmero de caras que aparecem, a cada poto amostral podemos associar um úmero para X, de acordo com a tabela abaio. PONTO AMOSTRAL (Ca, Ca) (Ca, Co) (Co, Ca) (Co, Co) Distribuição de probabilidade: é a associação a cada valo i a probabilidade p i de tais potos do espaço amostral. Assim: Logo: PONTO AMOSTRAL (Ca, Ca) (Ca, Co) (Co, Ca) (Co, Co) X 0 NÚMERO DE CARAS (X) 0 X 0 P(X) / / = /4 / / = /4 / / = /4 / / = /4 P(X) /4 /4 /4 Distribuição biomial: variável aleatória discreta. k k f X P( X k) p q ou seja k! k k f X P( X k) p q k! k! Em que: - P(X = k) é a probabilidade de que o eveto se realize k vezes em provas. - p é a probabilidade que o eveto ocorra em uma só prova (sucesso). - q é a probabilidade que o eveto ão se realize o decurso dessa prova (isucesso, p). ) Determie a probabilidade de obtermos eatamete 3 caras em 6 laces de uma moeda. R: 5/6 ) Jogado-se um dado três vezes, determie a probabilidade de se obter um múltiplo de 3 duas vezes. R: /9 3) Dois times de futebol, A e B, jogam etre si 6 vezes. Ecotre a probabilidade de o time A: a) gahar dois ou três jogos; R: 400/79 b) gahar pelo meos um jogo. R: 665/79 4) A probabilidade de um atirador acertar o alvo é /3. Se ele atirar 5 vezes, qual a probabilidade de acertar eatamete tiros? R: 40/43 5) Seis parafusos são escolhidos ao acaso da produção de certa máquia, que apreseta 0% de peças defeituosas. Qual a probabilidade de serem defeituosos dois deles? R: 9,84% Distribuição Normal (Curva ormal): etre as distribuições teóricas de variável aleatória cotíua, uma das mais empregadas é a distribuição ormal. Muitas das variáveis aalisadas a pesquisa socioecoômica correspodem à distribuição ormal ou dela se aproimam. Por eemplo: Seja X a variável aleatória que represeta os diâmetros dos parafusos produzidos por certa máquia. Vamos supor que essa variável teha distribuição ormal com média = cm e desvio padrão s = 0,04 cm. Pode haver iteresse em cohecer a probabilidade de um parafuso ter um diâmetro com valor etre e,05 cm. É fácil otar que essa probabilidade, idicada por P( < X <,05), correspode à área hachurada a figura: Tomado X como uma variável aleatória com distribuição ormal de média e desvio padrão s, etão a variável: z s As probabilidades associadas à distribuição ormal padroizada são ecotradas em tabelas, ão havedo ecessidade de serem calculadas. A tabela os dá a probabilidade de Z tomar qualquer valor etre a média 0 e um dado valor z, isto é: P(0 < Z < z). Temos, etão:,05 0,05 z,5 s 0,04 0,04 Logo, P(0 < Z <,5) = 0,3944, pela tabela, ou seja a probabilidade de um parafuso fabricado por essa máquia apresetar um diâmetro etre a média = e o valor =,05 é 0,3944. Escrevemos, etão: P( < X <,05) = P(0 < Z <,5) = 0,3944 ou 39,44%. Eemplos:

5 Portaria MEC 347, de D.O.U ) Determie as probabilidades: a) P(-,5 < Z < 0) A probabilidade procurada correspode à parte hachurada da figura: Eercícios: ) Sedo Z uma variável com distribuição ormal reduzida, calcule: a) P(0 < Z <,44) R: 0,45 e) P(Z > -,03) R: 0,9788 b) P(-0,85< Z < 0) R: 0,303 f) P(Z>,08) R: 0,40 c) P(-,48 < Z <,05) R: 0,904 g) P(Z < -0,66) R: 0,546 d) P(0,7 < Z <,89) R: 0,064 h) P(Z<0,60) R: 0,758 Sabemos que: P(0 < Z <,5) = 0,3944. Pela simetria da curva, temos: P(-,5 < Z < 0) = P(0 < Z <,5) = 0,3944. b) P(-0,5 < Z <,48) A probabilidade procurada correspode à parte hachurada da figura: Temos: P(-0,5 < Z <,48) = P(-0,5 < Z < 0) + P(0 < Z <,48) Como: P(-0,5 < Z < 0) = P(0 < Z < 0,5) = 0,95 e P(0 < Z <,48) = 0,4306, obtemos: P(-0,5 < Z <,48) = 0,95 + 0,4306 = 0,6. c) P(Z > 0,6) A probabilidade procurada correspode à parte hachurada da figura: ) Um teste padroizado de escolaridade tem distribuição ormal com média 00 e desvio padrão 0. Determie a probabilidade de um idivíduo submetido ao teste ter ota: a) maior que 0; R: 0,08 b) maior que 80; R: 0,977 c) etre 85 e 5; R: 0,8664 d) maior que 00. R: 0,5 3) Os pesos de 600 estudates são ormalmete distribuídos com média 65,3 kg e desvio padrão 5,5 kg. Determie o úmero de estudates que pesam: a) etre 60 e 70 kg; R: 0,6338 b) mais que 63, kg; R: 0,6480 c) meos que 68 kg. R: 0,6879 4) A duração de um certo compoete eletrôico tem média de 850 dias e desvio padrão de 40 dias. Sabedo que a duração é ormalmete distribuída, calcule a probabilidade de esse compoete durar: a) etre 700 e.000 dias; R: 0,9998 b) mais de 800 dias; R: 0,8944 c) meos de 750 dias. R: 0,006 OBS: Para esses eercícios use a tabela da curva ormal reduzida de 0 a z (dispoível o site). Temos: P(Z > 0,6) = P(Z > 0) - P(0 < Z < 0,6) Como: P(Z > 0) = 0,5 e P(0 < Z < 0,6) = 0,58, obtemos: P(Z > 0,6) = 0,5-0,58 = 0,74. ) Os salários semaais dos operários idustriais são distribuídos ormalmete, em toro da média de R$ 500,00 com desvio padrão de R$ 40,00. Calcule a probabilidade de um operário ter um salário semaal situado etre R$ 490,00 e R$ 50,00. Devemos, iicialmete, determiar os valores da variável de distribuição ormal reduzida. Assim: z 0,5 e z 0, Logo, a probabilidade procurada é dada por: P(490 < X < 50) = P(-0,5 < Z < 0,5) = P(-0,5 < Z < 0) + P(0 < Z < 0,5) = 0, ,95 = 0,90. É, pois, de se esperar que, em média, 9,0% dos operários teham salários etre R$ 490,00 e R$ 50,00. REFERÊNCIAS CRESPO, Atoio Arot. Estatística Fácil. São Paulo: Editora Saraiva, 009. MORETTIN, Luiz Gozaga. Estatística Básica: probabilidade. São Paulo: McGraw-Hill, 994

6 Portaria MEC 347, de D.O.U TEORIA DA AMOSTRAGEM A amostragem e em particular os processos de amostragem aplicam-se em varias áreas do cohecimeto e costituem, muitas vezes, a úica forma de obter iformações sobre uma determiada realidade que importa cohecer. A teoria da amostragem estuda as relações eistetes etre uma população e as amostras etraídas dessa população. É útil para a avaliação de gradezas descohecidas da população, ou para determiar se as difereças observadas etre duas amostras são devidas ao acaso ou se são verdadeiramete sigificativas. Amostragem é o processo de determiação de uma amostra a ser pesquisada. A amostra é uma parte de elemetos selecioada de uma população estatística. Equato que um seso evolve um eame a todos os elemetos de um dado grupo, a amostragem evolve um estudo de apeas uma parte dos elemetos. A amostragem cosiste em selecioar parte de uma população e observá-la com vista a estimar uma ou mais características para a totalidade da população. Algus eemplos da utilização da amostragem são: - Sodages da opiião pública que servem para cohecer a opiião da população sobre variadas questões. As mais comus são as sodages políticas. - Ispeção de mercado utilizada com o ituito de descobrir as preferêcias das pessoas em relação a certos produtos. - Para estimar a prevalêcia de uma doeça rara, a amostra pode ser costituída por algumas istituições médicas, cada uma das quais tem registro dos pacietes. Segue abaio a simbologia usada ao relacioar população e amostra: MEDIDAS POPULAÇÃO AMOSTRA Tamaho N Total T t Média Aritmética Variâcia Absoluta ² s² Desvio Padrão s Proporção p Plao de amostragem e tipos de amostrages O plao de amostragem defie o tipo de amostragem a ser utilizado. Os tipos de plaejametos amostrais mais utilizados são: Amostragem sistemática, Amostragem proporcioal estratificada, Amostragem por coglomerado e Amostragem aleatória simples. Amostragem sistemática: a amostragem já está ordeada segudo algum critério, como fichas em um fichário, listas telefôicas... Cosideremos uma população, com elemetos ordeados, de tamaho N e dela tiramos uma amostra de tamaho, através de uma amostragem sistemática, da seguite maeira: - Defiimos FS como fator de sistematização (ou itervalo de amostragem), dado por: FS = N/. - Sorteamos um úmero etre e FS. Esse úmero é simbolizado por m, que será o primeiro elemeto da amostra. N 000 Eemplo: seja N = 000 e = 00, logo: FS 5 00 Imagie que 3 seja o úmero sorteado etre e 5. Portato, os elemetos da população umerados por 3, 8, 3,..., 998 irão compor a amostra. Amostragem proporcioal estratificada: Muitas vezes a população, se divide em subpopulações (estratos). Como é provável que a variável em estudo apresete, de estrato em estrato, um comportameto heterogêeo, covém que o sorteio dos elemetos da amostra leve em cosideração tais estratos. É isso que fazemos quado empregamos a amostragem proporcioal estratificada, que, além de cosiderar a eistêcia dos estratos, obtém os elemetos da amostra proporcioal ao úmero de elemetos dos mesmos Eemplo: dada a população de operários da idustria automobilística, selecioar uma amostra proporcioal estratificada de 5% de operários para estimar seu salário médio. Usado a variável critério cargo para estratificar essa população, e cosiderado amostras de 5% de cada estrato obtido, chegamos ao seguite quadro: CARGO POPULAÇÃO AMOSTRA (5%) Chefes de seção Operários especializados Operários ão especializados TOTAL Amostragem por coglomerados: Neste tipo de amostragem a população total é subdividida em várias partes relativamete pequeas (ormalmete homogêeas), e algumas dessas subdivisões, ou coglomerados, são selecioadas ao acaso, para itegrarem a amostra global. Amostragem Aleatória simples: é um tipo de amostragem que utiliza uma técica probabilística. É também chamada de amostragem casual ou radômica. A característica pricipal é que todos os elemetos da população têm igual probabilidade de pertecer á amostra. Na prática a amostragem aleatória simples pode ser realizada umerado-se a população de a N e sorteado-se, a seguir, por meio de um dispositivo aleatório qualquer, k úmeros dessa seqüêcia, os quais correspoderão aos elemetos pertecetes á amostra. Amostras com e sem reposição Se cada elemeto da população pode ser escolhido mais de uma vez para participar de uma mesma amostra temos a chamada amostra com reposição. Se cada elemeto da população puder ser escolhido apeas uma úica vez para participar de uma mesma amostra, temos a chamada amostra sem reposição. Na prática, demostra-se que o uso de amostras sem reposição acarreta em meores erros do que com amostras com reposição.

7 Portaria MEC 347, de D.O.U DISTRIBUIÇÕES AMOSTRAIS Cosiderem-se todas as amostras possíveis de tamaho que podem ser retiradas de uma população de tamaho N (com ou sem reposição). Para cada amostra pode-se calcular uma gradeza estatística, como a média, o desvio padrão etc., que varia de amostra para amostra. Com os valores obtidos para determiada gradeza, podemos costruir uma distribuição de probabilidades, que será deomiada de distribuição amostral. Distribuição amostral das médias: se os valores da média e do desvio padrão de uma população, de tamaho N, forem respectivamete e, e desta população são retiradas todas as possíveis amostras de tamaho, sem reposição, os valores da epectâcia (média aritmética, este caso) e do desvio padrão da distribuição amostral das médias correspodete serão: N N Se a população for ifiita, ou se amostragem for tomada com reposição, os valores acima ficarão: E( ) _ E( ) _ Eemplo: Cosidere-se a população P = {, 3, 5, 6 } e todas as amostras possíveis de tamaho = etraídas com reposição. Para cada amostra vai-se calcular a média. Ter-se-á assim um cojuto de 6 valores que serão dispostos em uma tabela, com as respectivas probabilidades, e que costituirá etão a distribuição amostral da média da amostra. Determie: (a) a média da população; (b) o desvio-padrão da população; (c) a média da distribuição amostral das médias amostrais; (d) o desvio-padrão da distribuição amostral das médias. As possíveis amostras com as respectivas médias são: Amostras (,) (,3) (,5) (,6) (3,3) (3,5) (3,6) (5,5) 3 3, ,5 5 Amostras (5,6) (6,6) (3,) (5,) (6,) (5,3) (6,3) (6,5) 5, ,5 4 4,5 5,5 Colocado estes resultados em uma tabela (distribuição amostral da média) vem: f f,0 /6 /6,0 /6 4/6 3,0 3/6 9/6 3,5 /6 7/6 4,0 /6 8/6 4,5 /6 9/6 5,0 /6 5/6 5,5 /6 /6 6,0 /6 6/6 60/ a) média: 3, 75 4 i i b) 7,75 3,75, 90 c) E( ) _, etão E ( _ ) 3, 75 d) como é o tamaho da amostra:,90,36,36 é deomiado erro padrão da média. Ele mede a variabilidade etre as médias amostrais e dá uma idéia do erro que se comete ao se substituir a média da população pela média da amostra. Eercício: uma população se costitui dos úmeros, 3, 4, 5. Cosidere todas as amostras possíveis de tamaho, que podem ser etraídas dessa população com reposição. Determie: a) a média da população; b) o desvio-padrão da população; c) a média da distribuição amostral das médias amostrais; d) o desvio-padrão da distribuição amostral das médias. Distribuição amostral das proporções: se o valor da proporção de ocorrêcia de em eveto em uma população, de tamaho, for, e desta população são retiradas todas as possíveis amostras de tamaho, sem reposição, os valores da epectâcia e do desvio padrão da distribuição amostral das proporções correspodete serão: ( ) N E ( p) p N Se a população for ifiita, ou se amostragem for tomada com reposição, os valores acima ficarão: E ( p) p ( ) Eemplo: cosidere-se a população P = {, 3, 5, 6 } e todas as amostras possíveis de tamaho = obtidas com reposição. Para cada amostra vai-se calcular a proporção P de elemetos pares a população. Ter-se-á assim um cojuto de 6 valores que serão dispostos em uma tabela, com as respectivas probabilidades, e que formarão etão a distribuição amostral da proporção.

Variáveis Aleatórias e Distribuições de Probabilidade

Variáveis Aleatórias e Distribuições de Probabilidade PROBABILIDADES Variáveis Aleatórias e Distribuições de Probabilidade BERTOLO Fução de Probabilidades Vamos cosiderar um experimeto E que cosiste o laçameto de um dado hoesto. Seja a variável aleatória

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

Processos Estocásticos

Processos Estocásticos IFBA Processos Estocásticos Versão 1 Alla de Sousa Soares Graduação: Liceciatura em Matemática - UESB Especilização: Matemática Pura - UESB Mestrado: Matemática Pura - UFMG Vitória da Coquista - BA 2014

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

Estatística: Aplicação ao Sensoriamento Remoto SER ANO Teoria da amostragem

Estatística: Aplicação ao Sensoriamento Remoto SER ANO Teoria da amostragem Estatística: Aplicação ao Sesoriameto Remoto SER 04 - ANO 017 Teoria da amostragem Camilo Daleles Reó camilo@dpi.ipe.br http://www.dpi.ipe.br/~camilo/estatistica/ Algumas Cosiderações... É importate ter

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

Distribuição Amostral da Média: Exemplos

Distribuição Amostral da Média: Exemplos Distribuição Amostral da Média: Eemplos Talvez a aplicação mais simples da distribuição amostral da média seja o cálculo da probabilidade de uma amostra ter média detro de certa faia de valores. Vamos

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

Intervalos de Confiança

Intervalos de Confiança Itervalos de Cofiaça Prof. Adriao Medoça Souza, Dr. Departameto de Estatística - PPGEMQ / PPGEP - UFSM - 0/9/008 Estimação de Parâmetros O objetivo da Estatística é a realização de iferêcias acerca de

Leia mais

MODELOS PROBABILÍSTICOS DISCRETOS (BINOMIAL e POISSON)

MODELOS PROBABILÍSTICOS DISCRETOS (BINOMIAL e POISSON) MODELOS PROBABILÍSTICOS DISCRETOS (BINOMIAL e POISSON) Modelos probabilísticos Algumas variáveis aleatórias (V.A.) aparecem com bastate frequêcia em situações práticas de eperimetos aleatórios (E.: peso,

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

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

5. ANÁLISE DE SISTEMAS DA CONFIABILIADE DE SISTEMAS SÉRIE-PARALELO

5. ANÁLISE DE SISTEMAS DA CONFIABILIADE DE SISTEMAS SÉRIE-PARALELO 5. ANÁLISE DE SISTEMAS DA CONFIABILIADE DE SISTEMAS SÉRIE-PARALELO 5.1 INTRODUÇÃO Um sistema é defiido como todo o cojuto de compoetes itercoectados, previamete determiados, de forma a realizar um cojuto

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

Distribuição de Bernoulli

Distribuição de Bernoulli Algumas Distribuições Discretas Cálculo das Probabilidades e Estatística I Prof. Luiz Medeiros Departameto de Estatística UFPB Distribuição de Beroulli Na prática muitos eperimetos admitem apeas dois resultados

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

Avaliação de Desempenho de Sistemas Discretos

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

Leia mais

Colégio FAAT Ensino Fundamental e Médio

Colégio FAAT Ensino Fundamental e Médio Colégio FAAT Esio Fudametal e Médio Coteúdo: Recuperação do 4 Bimestre Matemática Prof. Leadro Capítulos 0 e : Probabilidade. Adição e multiplicação de probabilidades. Biômio de Newto. Número Biomial.

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

ITA Destas, é (são) falsa(s) (A) Apenas I (B) apenas II (C) apenas III (D) apenas I e III (E) apenas nenhuma.

ITA Destas, é (são) falsa(s) (A) Apenas I (B) apenas II (C) apenas III (D) apenas I e III (E) apenas nenhuma. ITA 00. (ITA 00) Cosidere as afirmações abaixo relativas a cojutos A, B e C quaisquer: I. A egação de x A B é: x A ou x B. II. A (B C) = (A B) (A C) III. (A\B) (B\A) = (A B) \ (A B) Destas, é (são) falsa(s)

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

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

Sumário. 2 Índice Remissivo 19

Sumário. 2 Índice Remissivo 19 i Sumário 1 Estatística Descritiva 1 1.1 Coceitos Básicos.................................... 1 1.1.1 Defiições importates............................. 1 1.2 Tabelas Estatísticas...................................

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

) E X. ) = 0 2 ( 1 p ) p = p. ) E 2 ( X ) = p p 2 = p ( 1 p ) ( ) = i 1 n. ( ) 2 n E( X) = ( ) = 1 p ( ) = p V ( X ) = E ( X 2 E X

) E X. ) = 0 2 ( 1 p ) p = p. ) E 2 ( X ) = p p 2 = p ( 1 p ) ( ) = i 1 n. ( ) 2 n E( X) = ( ) = 1 p ( ) = p V ( X ) = E ( X 2 E X 3.5 A distribuição uiforme discreta Defiição: X tem distribuição uiforme discreta se cada um dos valores possíveis,,,, tiver fução de probabilidade P( X = i ) = e represeta-se por, i =,, 0, c.c. X ~ Uif

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

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

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

Métodos de Amostragem

Métodos de Amostragem Métodos de Amostragem Amostragem aleatória Este é o procedimeto mais usual para ivetários florestais e baseia-se o pressuposto de que todas as uidades amostrais têm a mesma chace de serem amostradas a

Leia mais

DISTRIBUIÇÕES DE PROBABILIDADE

DISTRIBUIÇÕES DE PROBABILIDADE DISTRIBUIÇÕES DE PROBABILIDADE DISTRIBUIÇÃO DE PROBABILIDADE Seja uma v.a. que assume os valores,,..., com probabilidade p, p,..., p associadas a cada elemeto de, sedo p p... p diz-se que está defiida

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

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

Prof. Rafael A. Rosales 24 de maio de Exercício 1. De quantas maneiras é possível ordenar um conjunto formado por n elementos?

Prof. Rafael A. Rosales 24 de maio de Exercício 1. De quantas maneiras é possível ordenar um conjunto formado por n elementos? USP-FFCLRP Fudametos de Matemática DCM Iformática Biomédica Prof. Rafael A. Rosales 24 de maio de 20 Combiatória Exercício. De quatas maeiras é possível ordear um cojuto formado por elemetos? Exercício

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

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

) E 2 ( X) = p p 2 = p( 1 p) ) = 0 2 ( 1 p) p = p ( ) = ( ) = ( ) = p. F - cara (sucesso) C - coroa (insucesso)

) E 2 ( X) = p p 2 = p( 1 p) ) = 0 2 ( 1 p) p = p ( ) = ( ) = ( ) = p. F - cara (sucesso) C - coroa (insucesso) 3.6 A distribuição biomial Defiição: uma eperiêcia ou prova de Beroulli é uma eperiêcia aleatória só com dois resultados possíveis (um deles chamado "sucesso" e o outro "isucesso"). Seja P(sucesso) = p,

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

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

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

ESTATÍSTICA. PROF. RANILDO LOPES U.E PROF EDGAR TITO

ESTATÍSTICA. PROF. RANILDO LOPES  U.E PROF EDGAR TITO ESTATÍSTICA PROF. RANILDO LOPES http://ueedgartito.wordpress.com U.E PROF EDGAR TITO Medidas de tedêcia cetral Medidas cetrais são valores que resumem um cojuto de dados a um úico valor que, de alguma

Leia mais

Prova Escrita de MATEMÁTICA A - 12o Ano a Fase

Prova Escrita de MATEMÁTICA A - 12o Ano a Fase Prova Escrita de MATEMÁTICA A - 1o Ao 00 - a Fase Proposta de resolução GRUPO I 1. Como a probabilidade do João acertar em cada tetativa é 0,, a probabilidade do João acertar as tetativas é 0, 0, 0, 0,

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

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

PROVA 1 27/10/ Os dados apresentados na seqüência mostram os resultados de colesterol

PROVA 1 27/10/ Os dados apresentados na seqüência mostram os resultados de colesterol PROVA 1 7/10/009 Nome: GABARITO 1. Os dados apresetados a seqüêcia mostram os resultados de colesterol mg /100ml em dois grupos de aimais. O grupo A é formado por 10 total ( ) aimais submetidos a um cotrole

Leia mais

Teoria Elementar da Probabilidade

Teoria Elementar da Probabilidade 10 Teoria Elemetar da Probabilidade MODELOS MTEMÁTICOS DETERMINÍSTICOS PROBBILÍSTICOS PROCESSO (FENÓMENO) LETÓRIO - Quado o acaso iterfere a ocorrêcia de um ou mais dos resultados os quais tal processo

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

Amostragem 04/08/2014. Conceito, propriedades, métodos e cálculo. Conceitos básicos de População e Amostra. Qualidade. População;

Amostragem 04/08/2014. Conceito, propriedades, métodos e cálculo. Conceitos básicos de População e Amostra. Qualidade. População; 04/08/014 Uidade 4 : Amostragem Amostragem Coceito, propriedades, métodos e cálculo João Garibaldi Almeida Viaa Coceitos básicos de População e Amostra População; Elemetos que compõem uma população; Ceso;

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

CPV O cursinho que mais aprova na fgv

CPV O cursinho que mais aprova na fgv CPV O cursiho que mais aprova a fgv FGV ecoomia a Fase 0/dezembro/0 MATEMÁTICA 0. Chamaremos de S() a soma dos algarismos do úmero iteiro positivo, e de P() o produto dos algarismos de. Por exemplo, se

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

Métodos Numéricos e Estatísticos Parte II-Métodos Estatísticos Estimação pontual e intervalar

Métodos Numéricos e Estatísticos Parte II-Métodos Estatísticos Estimação pontual e intervalar potual por itervalos Métodos Numéricos e Estatísticos Parte II-Métodos Estatísticos potual e itervalar Lic. Eg. Biomédica e Bioegeharia-2009/2010 potual por itervalos A Teoria das Probabilidades cosiste

Leia mais

Professor Mauricio Lutz DISTRIBUIÇÃO NORMAL

Professor Mauricio Lutz DISTRIBUIÇÃO NORMAL 1 DISTRIBUIÇÃO NORMAL Entre as distribuições teóricas de variável contínua, uma das mais empregadas é a distribuição normal. O aspecto gráfico de uma distribuição normal é o da figura abaio. Para uma perfeita

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

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

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

Análise Combinatória (Regras de Contagem) 2 Princípio Fundamental da Multiplicação

Análise Combinatória (Regras de Contagem) 2 Princípio Fundamental da Multiplicação Uiversidade Federal Flumiese INSTITUTO DE MATEMÁTICA E ESTATÍSTICA DEPARTAMENTO DE ESTATÍSTICA Estatística Básica para Egeharia Prof. Mariaa Albi Material de Apoio Assuto: Aálise Combiatória Aálise Combiatória

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

Métodos Estatísticos Aplicados à Economia I (GET00117) Variáveis Aleatórias Discretas

Métodos Estatísticos Aplicados à Economia I (GET00117) Variáveis Aleatórias Discretas Uiversidade Federal Flumiese Istituto de Matemática e Estatística Métodos Estatísticos Aplicados à Ecoomia I (GET00117) Variáveis Aleatórias Discretas Aa Maria Lima de Farias Departameto de Estatística

Leia mais

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

Uma coleção de todos os possíveis elementos, objetos ou medidas de interesse. rof. Lorí Viali, Dr. viali@mat.ufrgs.br http://www.ufrgs.br/~viali/ Uma coleção de todos os possíveis elemetos, objetos ou medidas de iteresse. Um levatameto efetuado sobre toda uma população é deomiado

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

PREVISÃO DE PRECIPITAÇÃO

PREVISÃO DE PRECIPITAÇÃO 4 PREVISÃO DE PRECIPITAÇÃO PROBABILIDADE NOS PROJETOS Em Egeharia o cohecimeto das magitudes das precipitações apreseta grade iteresse prático por sua freqüete aplicação os projetos hidráulicos. Nos projetos

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

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

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

Métodos Estatísticos Aplicados à Economia I (GET00117) Probabilidade

Métodos Estatísticos Aplicados à Economia I (GET00117) Probabilidade Uiversidade Federal Flumiese Istituto de Matemática e Estatística Métodos Estatísticos Aplicados à Ecoomia I (GET00117) Probabilidade Aa Maria Lima de Farias Departameto de Estatística Agosto 015 Sumário

Leia mais

AULA Subespaço, Base e Dimensão Subespaço.

AULA Subespaço, Base e Dimensão Subespaço. Note bem: a leitura destes apotametos ão dispesa de modo algum a leitura ateta da bibliografia pricipal da cadeira TÓPICOS Subespaço. ALA Chama-se a ateção para a importâcia do trabalho pessoal a realizar

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

Problemas de Contagem

Problemas de Contagem Problemas de Cotagem Cotar em semre é fácil Pricíio Fudametal de Cotagem Se um certo acotecimeto ode ocorrer de 1 maeiras diferetes e se, aós este acotecimeto, um segudo ode ocorrer de 2 maeiras diferetes

Leia mais

Quantificando os Fenômenos Biológicos

Quantificando os Fenômenos Biológicos 1 ECOSSISTEMA Os ecossistemas estão costituídos por comuidades. A comuidade é uma uidade ecológica de visualização meos clara a atureza que outros coceitos como o de idivíduo ou mesmo o de população, que

Leia mais

DERIVADAS DE FUNÇÕES11

DERIVADAS DE FUNÇÕES11 DERIVADAS DE FUNÇÕES11 Gil da Costa Marques Fudametos de Matemática I 11.1 O cálculo diferecial 11. Difereças 11.3 Taxa de variação média 11.4 Taxa de variação istatâea e potual 11.5 Primeiros exemplos

Leia mais

CAP. I ERROS EM CÁLCULO NUMÉRICO

CAP. I ERROS EM CÁLCULO NUMÉRICO CAP I ERROS EM CÁLCULO NUMÉRICO 0 Itrodução Por método umérico etede-se um método para calcular a solução de um problema realizado apeas uma sequêcia fiita de operações aritméticas A obteção de uma solução

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

4 Teoria da Probabilidade

4 Teoria da Probabilidade 48 4 Teoria da Probabilidade Apresetam-se este capítulo coceitos de probabilidade e de estimação de fuções desidade de probabilidade ecessários ao desevolvimeto e compreesão do modelo proposto (capítulo

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

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

Capítulo I Séries Numéricas

Capítulo I Séries Numéricas Capítulo I Séries Numéricas Capitulo I Séries. SÉRIES NÚMERICAS DEFINIÇÃO Sedo u, u,..., u,... uma sucessão umérica, chama-se série umérica de termo geral u à epressão que habitualmete se escreve u u...

Leia mais

MEDIDAS DE TENDÊNCIA CENTRAL E MEDIDAS DE DISPERSÃO Í N D I C E

MEDIDAS DE TENDÊNCIA CENTRAL E MEDIDAS DE DISPERSÃO Í N D I C E MEDIDAS DE TENDÊNCIA CENTRAL E MEDIDAS DE DISPERSÃO Í N D I C E Medidas de Tedêcia Cetral Itrodução... 1- Média Aritmética... - Moda... 3- Mediaa... Medidas de Dispersão 4- Amplitude Total... 5- Variâcia

Leia mais

Exercício: Mediu-se os ângulos internos de um quadrilátero e obteve-se 361,4. Qual é o erro de que está afetada esta medida?

Exercício: Mediu-se os ângulos internos de um quadrilátero e obteve-se 361,4. Qual é o erro de que está afetada esta medida? 1. Tratameto estatísticos dos dados 1.1. TEORIA DE ERROS O ato de medir é, em essêcia, um ato de comparar, e essa comparação evolve erros de diversas origes (dos istrumetos, do operador, do processo de

Leia mais

Métodos de Classificação dos Objetos Segmentados(IAR) Vizinho Próximo Lógica Fuzzy

Métodos de Classificação dos Objetos Segmentados(IAR) Vizinho Próximo Lógica Fuzzy Viziho Próximo ógica Fuzzy Métodos de Classificação dos Objetos Segmetados(IAR) objeto REGRA CASSE Fuzzy Cohecimeto Miima Distâcia Viziho Próximo O método do viziho próximo é baseado o método da míima

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

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

Emerson Marcos Furtado

Emerson Marcos Furtado Emerso Marcos Furtado Mestre em Métodos Numéricos pela Uiversidade Federal do Paraá (UFPR). Graduado em Matemática pela UFPR. Professor do Esio Médio os estados do Paraá e Sata Cataria desde 199. Professor

Leia mais

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

Estatística I Aula 4. Prof.: Patricia Maria Bortolon, D. Sc. Estatística I Aula 4 Prof.: Patricia Maria Bortolo, D. Sc. PROBABILIDADE Ates...... de estudarmos probabilidades é preciso saber quais são as possibilidades de um determiado feômeo/experimeto Precisamos

Leia mais

Considerando que os triângulos são todos semelhantes, os perímetros formam uma PG de razão 1.

Considerando que os triângulos são todos semelhantes, os perímetros formam uma PG de razão 1. Resposta da questão : [B] Tem-se que t at = habitates e bt Resposta da questão : [D] PA a; a + r; a + r; a + 3r; a + 4r; a + 5r; a + 6r ( ) ( ) PG a; a + r; a + 6r; q = a + 6r a + r = a + r a + 4ar + 4r

Leia mais

( ) 4. Novo Espaço Matemática A 12.º ano Proposta de Teste de Avaliação [maio 2015] GRUPO I. f x

( ) 4. Novo Espaço Matemática A 12.º ano Proposta de Teste de Avaliação [maio 2015] GRUPO I. f x Novo Espaço Matemática A º ao Proposta de Teste de Avaliação [maio 05] Nome: Ao / Turma: Nº: Data: - - GRUPO I Os sete ites deste grupo são de escolha múltipla Em cada um deles, são idicadas quatro opções,

Leia mais

DFS Série Discreta de Fourier DFT Transformada Discreta de Fourier Convolução Circular

DFS Série Discreta de Fourier DFT Transformada Discreta de Fourier Convolução Circular Sistemas de Processameto Digital Egeharia de Sistemas e Iformática Ficha 4 5/6 4º Ao/ º Semestre DFS Série Discreta de Fourier DFT Trasformada Discreta de Fourier Covolução Circular Para calcular a DFT,

Leia mais

Centro de Ciências e Tecnlogia Agroalimentar - Campus Pombal Disciplina: Estatística Básica Aula 9 Professor: Carlos Sérgio

Centro de Ciências e Tecnlogia Agroalimentar - Campus Pombal Disciplina: Estatística Básica Aula 9 Professor: Carlos Sérgio Cetro de Ciêcias e Teclogia Agroalimetar - Campus Pombal Disciplia: Estatística Básica - 2012.1 Aula 9 Professor: Carlos Sérgio UNIDADE 5 - TEORIA DA AMOSTRAGEM (NOTAS DE AULA) 1 Itrodução Um problema

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

EPR 007 Controle Estatístico de Qualidade

EPR 007 Controle Estatístico de Qualidade EP 7 Cotrole Estatístico de Qualidade Prof. Dr. Emerso José de Paiva Gráficos e tabelas origiadas de Costa, Epprecht e Carpietti (212) 1 Num julgameto, ifelizmete, um iocete pode ir pra cadeia, assim como

Leia mais

Unidade IX Estimação

Unidade IX Estimação Uidade IX Estimação 6/09/07 Itervalos de cofiaça ii. Para a difereça etre médias de duas populações (μ μ ) caso : Variâcias cohecidas Pressupostos: 6/09/07 x - x x - x ; N é - x x ) ( x x x x E ) ( x x

Leia mais

ESTATÍSTICA. para Psicologia Parte 2. 01/06/2011 Bertolo 1

ESTATÍSTICA. para Psicologia Parte 2. 01/06/2011 Bertolo 1 ESTATÍSTICA para Psicologia Parte 2 01/06/2011 Bertolo 1 01/06/2011 Bertolo 2 Cap 02 - Medidas Estatísticas A distribuição de frequêcias permite-os descrever, de modo geral, os grupos de valores (classes)

Leia mais

Séries e aplicações15

Séries e aplicações15 Séries e aplicações5 Gil da Costa Marques Fudametos de Matemática I 5. Sequêcias 5. Séries 5. Séries especiais 5.4 Arquimedes e a quadratura da parábola 5.5 Sobre a Covergêcia de séries 5.6 Séries de Taylor

Leia mais

CAPÍTULO 8 - Noções de técnicas de amostragem

CAPÍTULO 8 - Noções de técnicas de amostragem INF 6 Estatística I J.I.Ribeiro Júior CAPÍTULO 8 - Noções de técicas de amostragem. Itrodução A Estatística costitui-se uma excelete ferrameta quado existem problemas de variabilidade a produção. É uma

Leia mais

Matemática. Resolução das atividades complementares. M7 Função Exponencial. 2 Encontre o valor da expressão

Matemática. Resolução das atividades complementares. M7 Função Exponencial. 2 Encontre o valor da expressão Resolução das atividades complemetares Matemática M Fução Epoecial p. 6 (Furg-RS) O valor da epressão A a) c) e) 6 6 b) d) 0 A?? A? 8? A A A? A 6 8 Ecotre o valor da epressão 0 ( ) 0 ( ) 0 0 0. Aplicado

Leia mais

Borja MÓDULO 03 CENTRO DE GRAVIDADE ESTABILIDADE DAS CONSTRUÇÕES NOTAS DE AULA: - Prof. Edilberto Vitorino de

Borja MÓDULO 03 CENTRO DE GRAVIDADE ESTABILIDADE DAS CONSTRUÇÕES NOTAS DE AULA: - Prof. Edilberto Vitorino de INSTITUTO FEDERAL DE EDUCAÇÃO CIÊNCIA e TECNOLOGIA DO RIO GRANDE DO NORTE DIRETORIA ACADÊMICA DE CONSTRUÇÃO CIVIL TEC. EM CONSTR. DE EDIFICIOS EDIFICAÇÕES TÉCNICO SUBSEQUENTE ESTABILIDADE DAS CONSTRUÇÕES

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

Roteiro. Introdução. Introdução. Introdução. Introdução. Métodos de amostragem. Cálculo do tamanho de amostra. Introdução. Métodos de amostragem

Roteiro. Introdução. Introdução. Introdução. Introdução. Métodos de amostragem. Cálculo do tamanho de amostra. Introdução. Métodos de amostragem Uiversidade de São Paulo Faculdade de Medicia Veteriária e Zootecia VPS6 - Métodos Quatitativos em Medicia Veteriária Cálculo do tamaho de amostra Prof. Grisi e Prof. Mauro Borba (UFRGS) Roteiro População

Leia mais

Questão 01) Na equação matricial, , calcule x e y. Questão 02) , determine o valor do módulo do elemento. Dadas as matrizes A = (3-4 6) e

Questão 01) Na equação matricial, , calcule x e y. Questão 02) , determine o valor do módulo do elemento. Dadas as matrizes A = (3-4 6) e Questão ) Na equação matricial, y, calcule e y. Questão ) Dadas as matrizes A = ( - 6) e B, determie o valor do módulo do elemeto a da matriz produto A por B. Questão ) Cosidere uma matriz A, de ordem,

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

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