Probabilidade e Estatística. Probabilidade e Estatística

Tamanho: px
Começar a partir da página:

Download "Probabilidade e Estatística. Probabilidade e Estatística"

Transcrição

1 Probabilidade e Estatística i

2 Sumário 1 Estatística Descritiva Coceitos Básicos Defiições importates Tabelas Estatísticas Série Croológica ou Temporal Série Geográfica Série Específica Distribuição de Frequêcia Costrução de uma distribuição de frequêcia Gráficos Estatísticos Histograma Polígoo de Frequêcia Gráfico de Lihas Gráfico de Coluas Gráfico em Barras Gráfico de Setores Medidas de Posição Média Aritmética Moda Mediaa Medidas de Dispersão Amplitude Desvio Médio Variâcia Desvio Padrão Coeficiete de Variação Atividades ii

3 2 Teoria dos Cojutos e Cotagem Teoria dos Cojutos Comparação etre cojutos Uião de cojutos Iterseção de cojutos Difereça etre cojutos Complemetar de um cojuto Propriedades etre as relações etre cojutos Cotagem Regra da multiplicação Regra da adição Permutação Arrajos Combiações Biômio de Newto Atividades Defiições Básicas Fudametos de Probabilidade Noções de Probabilidade Espaços Amostrais Fiitos Resultados Equiprováveis Probabilidade Codicioal Teorema da Multiplicação Teorema da Probabilidade Total Teorema de Bayes Evetos Idepedetes Atividades Variáveis Aleatórias e Suas Distribuições Variáveis Aleatórias Discretas Variáveis Aleatórias Cotíuas Fução de Distribuição Acumulada Variáveis Aleatórias Mistas Fuções de Variáveis Aleatórias Atividades iii

4 5 Esperaça de uma Variável Aleatória Variáveis aleatórias idepedetes Esperaça matemática Esperaça de uma Fução de Variável Aleatória Propriedades da Esperaça Variâcia de uma variável aleatória Propriedades da variâcia Atividades Pricipais Distribuições Discretas A Distribuição Beroulli A Distribuição Biomial A Distribuição Geométrica Perda de Memória A Distribuição Pascal (ou Biomial Negativa) Geeralização do Biômio de Newto Distribuição Pascal Distribuição Hipergeométrica Distribuição Poisso Aproximação da distribuição biomial pela Poisso Distribuição Poisso Atividades Pricipais Distribuições Cotíuas Distribuição Uiforme A Distribuição Normal Padroização e Tabulação da Distribuição Normal Aproximação da Distribuição Biomial pela Normal A Distribuição Expoecial Perda de Memória A Distribuição Gama A Fução Gama Distribuição Gama Atividades iv

5 8 Itrodução à Iferêcia Estatística Defiições Básicas Amostragem Tipos de Amostragem Distribuição Amostral Distribuição Amostral da Média Teorema Cetral do Limite Distribuição Amostral da Proporção Distribuição Amostral da Difereça etre Médias Distribuição Amostral da Difereça etre Proporções Iferêcia Estatística Estimação Potual Propriedades dos Estimadores Algus Estimadores Potuais Importates Estimador para a Média Estimador para a Variâcia Estimador para a Proporção Estimação Itervalar Itervalo de Cofiaça para a Média Itervalo de Cofiaça para a Proporção Itervalo de Cofiaça para a Difereça de Médias Regressão e Correlação Correlação Diagrama de Dispersão Coeficiete de Correlação de Pearso Regressão O Poder Explicativo do Modelo Atividades A Apêdice - Tabela da Distribuição Normal Ídice Remissivo 132 v

6 Prefácio BAIXANDO A VERSÃO MAIS NOVA DESTE LIVRO Acesse para verificar se há uma versão mais o Histórico de revisões, a iício do livro, para verificar o que mudou etre uma versão e outra. Este livro foi desevolvido para a itrodução do tema Probabilidade e Estatística, ão tedo a ambição de eglobar toda esta vasta área do cohecimeto humao. Probabilidade e Estatística são as áreas do cohecimeto humao que lidam com a icerteza. Ambas lidam com experimetos em que existe alguma variável (ou variáveis) que ão temos cotrole, e portato, mesmo matedo as mesmas codições, um experimeto pode forecer vários resultados diferetes. Probabilidade e Estatística podem ser vistas como ciêcias iversas. Quado se estuda probabilidade, cohecemos o modelo em estudo completamete, e estamos iteressados em saber como os resultados do experimeto se comportam (por exemplo, saber qual a probabilidade de sair um resultado específico). Já a estatística, temos um cojuto de dados, mas ão sabemos qual o modelo probabilístico que gerou estes dados, e portato, teta-se descobrir, a partir destes dados, qual o modelo probabilístico que gerou estes dados. Feômeos aleatórios estão cada vez mais presetes em ossas vidas, e cada vez mais estamos iteressados em tetar eteder estes feômeos. Gráficos estatísticos estão cada vez mais presetes em otícias, e é importate saber iterpretar esses gráficos corretamete. Quado vemos os resultados de uma pesquisa eleitoral, é bom sabermos iterpretar o seu sigificado, etc.. Vale a pea citar também que ferrametas estatísticas são utilizadas pelos bacos, para defiir o redimeto em fudos de ivestimeto ou poupaça, também são utilizadas pelas seguradoras para defiir qual o valor do seguro que você tem que pagar (a prática eles calculam o seu risco), etc.. Para um aluo, probabilidade e estatística podem ser úteis da seguite forma: i) são úteis para realizar pesquisa cietífica; ii) são úteis caso o aluo queira trabalhar em baco, seguradora, motadoras, istituições fiaceiras em geral, cotrole de qualidade da produção de algum item, etc..; iii) são úteis o dia-a-dia. Fializamos essa primeira parte do prefácio mostrado um exemplo de como a probabilidade pode mostrar como a ossa ituição os egaa. Supoha que temos uma sala com 50 pessoas. Qual a probabilidade de que pelo meos duas delas façam aiversário o mesmo dia do ao? Quado falamos dia do ao, estamos falado dia e mês, ão apeas dia. Temos 365 dias (vamos descosiderar o ao bissexto) e 50 pessoas. A ituição os diz que essa probabilidade ão deve ser muito grade. Etretato, esta probabilidade é de 97%! vi

7 Público alvo O público alvo desse livro são os aluos de Liceciatura em Computação, a modalidade à distâcia 1. Ele foi cocebido para ser utilizado uma disciplia de Probabilidade e Estatística. Como você deve estudar cada capítulo Leia a visão geral do capítulo Estude os coteúdos das seções Realize as atividades o fial do capítulo Verifique se você atigiu os objetivos do capítulo NA SALA DE AULA DO CURSO Tire dúvidas e discuta sobre as atividades do livro com outros itegrates do curso Leia materiais complemetares evetualmete dispoibilizados Realize as atividades propostas pelo professor da disciplia Caixas de diálogo Nesta seção apresetamos as caixas de diálogo que poderão ser utilizadas durate o texto. Cofira os sigificados delas. Nota Esta caixa é utilizada para realizar alguma reflexão. Dica Esta caixa é utilizada quado desejamos remeter a materiais complemetares. Importate Esta caixa é utilizada para chamar ateção sobre algo importate. 1 Embora ele teha sido feito para ateder aos aluos da Uiversidade Federal da Paraíba, o seu uso ão se restrige a esta uiversidade, podedo ser adotado por outras uiversidades do sistema UAB. vii

8 Cuidado Esta caixa é utilizada para alertar sobre algo que exige cautela. Ateção Esta caixa é utilizada para alertar sobre algo potecialmete perigoso. Os sigificados das caixas são apeas uma referêcia, podedo ser adaptados coforme as iteções dos autores. Vídeos Os vídeos são apresetados da seguite forma: Figura 1: Como baixar os códigos fotes: Nota Na versão impressa irá aparecer uma imagem quadriculada. Isto é o qrcode ( cotedo o lik do vídeo. Caso você teha um celular com acesso a iteret poderá acioar um programa de leitura de qrcode para acessar o vídeo. Na versão digital você poderá assistir o vídeo clicado diretamete sobre o lik. Compreededo as referêcias As referêcias são apresetadas coforme o elemeto que está sedo refereciado: Referêcias a capítulos Prefácio [vi] viii

9 Referêcias a seções Como você deve estudar cada capítulo [vii], Caixas de diálogo [vii]. Referêcias a images Figura 2 [ix] Nota Na versão impressa, o úmero que aparece etre chaves [ ] correspode ao úmero da págia ode está o coteúdo refereciado. Na versão digital do livro você poderá clicar o lik da referêcia. Feedback Você pode cotribuir com a atualização e correção deste livro. Ao fial de cada capítulo você será covidado a fazê-lo, eviado um feedback como a seguir: Feedback sobre o capítulo Você pode cotribuir para melhoria dos ossos livros. Ecotrou algum erro? Gostaria de submeter uma sugestão ou crítica? Para compreeder melhor como feedbacks fucioam cosulte o guia do curso. Nota A seção sobre o feedback, o guia do curso, pode ser acessado em: edusataa/guia-geral-ead-computacao-ufpb/blob/master/livro/capitulos/livroscotribuicao.adoc. Figura 2: Exemplo de cotribuição ix

10 Capítulo 1 Estatística Descritiva OBJETIVOS DO CAPÍTULO Ao fial deste capítulo você deverá ser capaz de: Cohecer os coceitos básicos da estatística e, pricipalmete, a difereça etre população e amostra Costruir uma tabela estatística Cohecer os tipos de variáveis estatísticas Costruir um histograma Idetificar e eteder o sigificado dos gráficos estatísticos Cohecer e saber calcular as pricipais medidas de posição Cohecer e saber calcular as pricipais medidas de dispersão 1.1 Coceitos Básicos A Estatística é a ciêcia voltada para a costrução de técicas e métodos que permitem tomar decisões os mais deferetes setores do cohecimeto. O que hoje se cohece por Estatística, é justamete esse cojuto de ferrametas de pesquisa que evolve, etre outros, o plaejameto do experimeto a ser realizado, a coleta qualificada dos dados, os processos de iferêcia estatística, bem como a aálise e o processameto das iformações coletadas Defiições importates Na estatística temos algumas defiições importates: População: Qualquer cojuto de iformação que teha etre si uma característica comum que delimite os elemetos pertecetes a ela. Amostra: É um subcojuto de elemetos pertecetes a uma população. Variável: Dados referêtes a uma característica de iteresse, coletados a partir de uma amostra. Ceso: Exame de todos os elemetos da população. 1 / 135

11 Amostra População Figura 1.1: População e Amostra Variável Figura 1.2: Exemplo de variável Temos dois tipos de variáveis: Nomial : Qualitativa Ordial : sexo, cor dos olhos. classe social, grau de istrução. Discreta : Quatitativa Cotiua : úmero de filhos. altura, peso, salário. 2 / 135

12 1.2 Tabelas Estatísticas Na estatística é fudametal apredermos a represetar os dados que serão aalisados por meio de tabelas. Uma tabela deve apresetar a seguite estrutura: Cabeçalho; Corpo; Rodapé. O cabeçalho deve coter o suficiete para que sejam respodidas as questões: O que está represetado? Ode ocorreu? Quado ocorreu? Além disso, a tabela é um quadro que resume um cojuto de dados dispostos segudo lihas e coluas de maeira sistemática Série Croológica ou Temporal Um exemplo muito comum e muito útil de tabela é dado pelas séries temporais. Uma série temporal cosiste em uma sequêcia umérica cujos valores variam com o tempo. Abaixo vemos como iserir os dados de uma série temporal em uma tabela: Vedas da Compahia Alfa: Aos Vedas em R$ 1.000, Fote: Departameto de Marketig Série Geográfica Muitas vezes o dado de iteresse pode depeder a posição geográfica de ode foram coletados. Assim, uma série geográfica cosiste em uma sequêcia umérica obtidas em diferetes regiões em um determiado istate do tempo. Empresas Fiscalizadas em 2008 Regiões Número de Empresas Norte Nordeste Sudeste Sul Cetro-Oeste Fote: Mesário Estatístico. 3 / 135

13 1.2.3 Série Específica Uma série importate é formada por dados agrupados por alguma espécie ou característica comum. Assim, uma série específica é uma série umérica agrupada por tipo. Temos o exemplo abaixo: Matrículas a Pós-graduação da UFPB Áreas de Esio Matrículas Ciêcias Biológicas 125 Ciêcias Exatas e Tecologia 158 Ciêcias Humaas 128 Fote: Serviço de Educação e Cultura. 1.3 Distribuição de Frequêcia Uma distribuição de frequêcia é uma tabela que cotém um resumo dos dados obtido em uma amostra. A distribuição é orgaizada em formato de tabela, e cada etrada da tabela cotém a frequêcia dos dados em um determiado itervalo, ou em um grupo. Abaixo vemos um exemplo simplificado de tabela de distribuição de frequêcia: Altura dos Aluos da UFPB Alturas em metros Número dos Aluos 1,50 1,60 5 1,60 1, ,70 1, ,80 1,90 3 Fote: Serviço de Saúde. Na próxima subseção aprederemos a costruir uma distribuição de frequêcia completa Costrução de uma distribuição de frequêcia Para ilustrar como se costrói uma distribuição de frequêcia, ós vamos cosiderar um exemplo específico. Assim, supoha que uma pesquisa foi feita, e o seguite cojuto de dados foi obtido: Dados Brutos: A primeira coisa que fazemos é ordear os dados do meor para o maior, formado o rol de dados: Rol de dados: Em seguida, calculamos a amplitude total, ou seja, o maior valor obtido a amostra subtraído do meor valor obtido a amostra: 4 / 135

14 Amplitude Total R: R = = 15. Vamos agora defiir as variáveis de iteresse, ou seja, para cada valor distito obtido a amostra, atribuiremos uma variável diferete: Variável X i : X 1 = 21, X 2 = 22, X 3 = 23, X 4 = 24, etc. O próximo passo é calcular a frequêcia absoluta das variáveis, ou seja, vamos calcular quatas vezes cada valor aparece a sequêcia. Por exemplo, o valor 21 aparece 3 vezes, o valor 22 aparece 2 vezes, etc.. Assim, obtemos: Frequêcia Absoluta F i F 1 = 3, F 2 = 2, F 3 = 2, F 4 = 1, etc. Vamos calcular, agora, o tamaho amostral, ou seja, o úmero de observações obtidas a amostra. Desta forma, temos: Tamaho Amostral : = 30. Queremos, agora, dividir a amostra em uma quatidade de grupos que formarão os itervalos. Cada grupo é chamado de classe, assim, queremos defiir o úmero de classes a ser cosiderado a tabela de distribuição de frequêcia: Número de Classes K: K = 5 para 25 e K, para > 25. Fórmula de Sturges K 1 + 3,22log. Logo, pela primeira regra temos K = 30 5,48 6, e pela seguda regra K 1 + 3,22log30 5,75 6. Desta forma, em ambos os casos temos K = 6, que será o valor cosiderado. O próximo passo é saber o comprimeto de cada itervalo a ser cosiderado, ou seja, calcular a amplitude de cada classe. Queremos que todas as classes teham a mesma amplitude e portato, temos: Amplitude das Classes h: h = R K. Daí, para o osso caso, h = 15 6 = 2,5 3. Vamos agora defiir os limites das classes. Ou seja, defiir os itervalos propriamete ditos. Para tato, começamos com o meor valor obtido da amostra, ou equivaletemete, o primeiro valor do rol de dados, e vamos somado a amplitude para defiir cada limite de itervalo: 5 / 135

15 Limites das Classes: Em seguida, calculamos os potos médios das classes, que ada mais é que a média aritmética etre os limites das classes: Potos Médios das Classes pm i : pm 1 = = 22,5, pm 2 = = 25,5,,etc. Agora, calculamos as frequêcias dos dados em cada itervalo e, chamada de frequêcia absoluta, e também a frequêcia acumulada, chamada de frequêcia absoluta acumulada, que cosidera a soma das frequêcias dos itervalos ateriores até o itervalo cosiderado: Frequêcia Absoluta Acumulada F ac : Classes pm i F i F ac , , , , , , Total Em seguida, iclui-se as frequêcias relativas dos dados, ou seja, para cada itervalo calcula-se f i = F i /. A frequêcia relativa, os iforma a proporção dos dados que pertecem a um determiado itervalo. Frequêcia Relativa f i : Classes pm i F i F ac f i , , , , , , , , , , , ,03 Total ,00 Para fializar, calculamos a frequêcia acumulada relativa, ou seja, calculamos para cada itervalo f ac = F ac /: 6 / 135

16 Frequêcia Relativa Acumulada f ac : Classes pm i F i F ac f i f ac , ,23 0, , ,27 0, , ,07 0, , ,13 0, , ,27 0, , ,03 1,00 Total , Gráficos Estatísticos Histograma O histograma é uma represetação gráfica da distribuição de frequêcia. O histograma é formado por uma justaposição de retâgulos de bases com mesmo comprimeto. O comprimeto da base é justamete a amplitude do itervalo e a altura do retâgulo é dada pela frequêcia absoluta do itervalo. Assim, uma vez feita a distribuição de frequêcia, a costrução do histograma é uma tarefa muito simples. Abaixo vemos um exemplo de histograma: F i Classes Figura 1.3: Histograma Polígoo de Frequêcia O polígoo de frequêcia é uma represetação gráfica obtida após ligar os potos médios de cada classe etre si. Se já tivermos um histograma, basta ligar os potos médios das bases superiores dos retâgulos. 7 / 135

17 Abaixo vemos um exemplo de polígoo de frequêcia obtido a partir de um histograma: F i Classes Figura 1.4: Polígoo de Frequêcia Obtido a Partir de um Histograma Abaixo vemos um exemplo cotedo apeas o polígoo de frequêcia: F i Classes Figura 1.5: Polígoo de Frequêcia Obtido a Partir de um Histograma Gráfico de Lihas Supoha que temos duas variáveis, por exemplo, podemos ter os dados de uma série temporal, dode uma variável seria o valor obtido, e a outra variável seria a data em que o valor foi obtido. Outra 8 / 135

18 possibilidade seria colocar dados de uma série geográfica, ode uma variável seria formada pelos dados e a outra seria a localização geográfica. O gráfico de lihas etão é formado costruido potos o plao (a partir das duas variáveis) e, em seguida, estes potos são ligados por segmetos de retas. Abaixo vemos um exemplo de gráfico de lihas de uma série temporal Redimeto Período Figura 1.6: Gráfico de lihas Gráfico de Coluas Um gráfico de coluas é formado por uma coleção de coluas, com bases de mesmo comprimeto, e igualmete espaçados. O eixo horizotal do gráfico cosiste das diferetes categorias cosideradas, e o eixo vertical é proporcioal ao valor do dado. Abaixo vemos um exemplo de gráfico de coluas: 9 / 135

19 Pessoas por categoria Categorias Figura 1.7: Gráfico de coluas Gráfico em Barras O gráfico em barras pode ser etedido como uma variação do gráfico de coluas. De fato, o gráfico em barras é formado por uma coleção de barras, de mesma altura e igualmete espaçadas. Etretato, este caso o eixo vertical represeta as diferetes categorias cosideradas e o eixo horizotal é proporcioal ao valor dado. Abaixo vemos um exemplo de gráfico em barras: Pessoas por classe Baixa Média Alta Figura 1.8: Gráfico em barras 10 / 135

20 1.4.6 Gráfico de Setores O gráfico de setores, que também é popularmete cohecido como gráfico pizza, é um gráfico em que um círculo é dividido em setores (que podem ser pesados como as fatias da pizza), ode cada setor represeta uma categoria cosiderada pelo cojuto de dados, e os âgulos dos setores são proporcioais aos valores dos dados em cada categoria. Assim, quato maior o valor obtido, maior será o âgulo do setor (e assim, maior será a fatia da pizza). Abaixo vemos um exemplo de gráfico de setores: Sul Sudeste Norte Cetro Oeste Nordeste Figura 1.9: Gráfico de setores 1.5 Medidas de Posição As medidas de posição são valores que represetam a tedêcia de cocetração dos dados observados. As mais importates são as medidas de tedêcia cetral. As três medidas de tedêcia cetral mais utilizadas são: média aritmética, moda e mediaa Média Aritmética É um valor que represeta uma característica do cojuto de dados. Essa característica é tal que a soma dos dados é preservada. A média é obtida a partir de todos os elemetos da distribuição e do tamaho da amostra. Notação: represetamos a média de um cojuto de dados por X (lê-se x barra). Cálculo da Média Aritmética + Dados ão agrupados (brutos) - média aritmética simples. 11 / 135

21 No caso de uma lista de dados ão-agrupados, calculamos a média aritmética pela fórmula: X = X i. Exemplo 1.1 Exemplo de cálculo de média aritmética com dados brutos Cosidere os dados 2,3,7 e 8. Etão, = 4 e X = = 20 4 = 5. Dados agrupados - média aritmética poderada. No caso em que temos os dados agrupados, ou seja, sabemos a frequêcia de cada observação, o cálculo da média aritmética pode ser simplificado. Assim, a média aritmética pode ser cálculada pela fórmula: X i F i X =. Exemplo 1.2 Exemplo de cálculo de média aritmética poderada Cosidere a seguite tabela: Assim, X = = 6,78. Tempo de Serviço (X i ) F i X i F i Total Dados agrupados em itervalos - média aritmética poderada No caso em que temos os dados agrupados em itervalos, utilizamos a média aritmética poderada, ode os pesos são dados pelo poto médio do itervalo. Assim, a média aritmética é calculada pela fórmula: X = X i pm i, Exemplo 1.3 Exemplo de cálculo de médias com dados agrupados em itervalos Cosidere a seguite tabela: Aos (X i ) F i pm i X i pm i Total Assim, X = = 6, / 135

22 1.5.2 Moda Defiimos a moda de um cojuto de dados como o valor mais frequete deste cojuto. Notação: represetamos a moda de um cojuto de dados por Mo. Exemplo 1.4 Exemplo de modas 1, 2, 4, 5 e 8 - ão existe valor mais frequete - ão existe moda (Amodal). 2, 2, 3, 7 e 8 - Mo = 2 (Uimodal). 1, 1, 10, 5, 5, 8, 7, 2 - Mo = 1 e 5 (Bimodal). Dados agrupados - Neste caso, a moda é defiida como classe modal, isto é, a classe com a maior frequecia. Exemplo 1.5 Exemplo de cálculo de classe modal Cosidere a seguite tabela: Assim, Mo = 8 (F 3 ). Tempo de Serviço (X i ) F i Total 18 Dados agrupados em itervalos: Neste caso, utiliza-se a fórmula de Czuber: ode: [ Mo = l Mo + h(f Mo F at ) 2F Mo (F at + F Pos ) ], h é a amplitude itervalar, F Mo é a frequêcia da classe modal, l Mo é o limite iferior da classe modal, F at é a frequêcia da classe aterior à classe modal, F Pos é a frequêcia da classe posterior à classe modal. 13 / 135

23 Exemplo 1.6 Exemplo de cálculo de moda pela fórmula de Czuber Cosidere a seguite tabela: Aos (X i ) F i Total 21 Assim, h = 4,F Mo = 10,l Mo = 4,F at = 4 e F pos = 7. Daí [ ] 4 (10 4) Mo = 4 + = 6, (4 + 7) Mediaa Defiimos a mediaa de um cojuto de dados como o valor que divide um cojuto de dados (ordeados) em duas partes com a mesma quatidade de dados. Notação: represetamos a mediaa de um cojuto de dados por Md. O elemeto mediao (E Md ) apota o local (os dados) ode a mediaa está localizada. A mediaa será o valor assumido a posição E Md. Dados ão agrupados (brutos) No caso de dados brutos, se o tamaho amostral () é ímpar, temos que E Md = ( + 1)/2. Note que o caso tamaho amostral é par, teremos dois valores possíveis para o elemeto mediao: /2 e / Neste caso a mediaa será a média dos valores assumidos estas posições. Exemplo 1.7 Exemplo de cálculo de mediaa para dados brutos 1, 2, 4, 5 e 8. Como é ímpar, temos E Md = 3, e Md = 4. 2, 2, 3, 7, 8 e 10. Aqui é par, assim E Md,1 = 6/2 = 3 e E Md,2 = 6/2+1 = 4. Daí Md = (3+7)/2 = 5. Dados agrupados Neste caso, olhar a frequêcia acumulada ajuda a ecotrar a médiaa. Caso 1: ímpar. 14 / 135

24 Exemplo 1.8 Exemplo de cálculo de mediaa com dados agrupados para ímpar Cosidere a seguite tabela:\vfill Faltas (X i ) F i F ac Total 11 - Como = 11, temos que E Md = (11 + 1)/2 = 6. Daí Md = 3. Note que a frequêcia acumulada idica que as posições de 2 até 8 temos o valor 3. Caso 2: par. Exemplo 1.9 Exemplo de cálculo de mediaa com dados agrupados para par Cosidere a seguite tabela: Tempo de Serviço (X i ) F i F ac Total 18 Neste caso = 18, daí temos E Md,1 = 18/2 = 9 e E Md,2 = 18/2+1 = 10. Portato Md = (8+8)/2 = 8. Note, ovamete, que a frequêcia acumulada idica que as posições de 9 até 18 temos o valor 8. Dados agrupados em itervalos Neste caso, utilizamos E Md = /2 idepedetemete de ser par ou ímpar. A classe mediaa é a primeira classe tal que F ac E Md. Portato, defiimos a mediaa pela fórmula [ ] EMd F ac,at Md = l Md + h, ode, l Md é o limite iferior da classe mediaa, h é a amplitude do itervalo, F Md F ac,at é a frequêcia acumulada da classe aterior à classe mediaa, F Md é a frequêcia da classe mediaa. 15 / 135

25 Exemplo 1.10 Exemplo do cálculo da mediaa para dados agrupados em itervalos Cosidere a seguite tabela: Aos (X i ) F i F ac Total 21 Assim, E Md = 21/2 = 10,5, e desta forma temos que a seguda classe é a classe mediaa. Daí l Md = 4,h = 4,F ac,at = 4 e F Md = 10. Portato, [ ] 10,5 4 Md = = 6, Medidas de Dispersão As medidas de dispersão medem o grau de variabilidade dos elemetos de uma distribuição; O valor zero idica ausêcia de dispersão; A dispersão aumeta à medida que aumeta o valor da medida de dispersão. Exemplo 1.11 Exemplo de motivação para as medidas de dispersão Notas de aluos em cico avaliações, UFPB, Aluos Notas Média Atôio João José Pedro Observa-se que: * As otas de Atôio ão variaram; As otas de João variaram meos do que as otas de José; As otas de Pedro variaram mais do que as otas de todos os outros aluos. Pricipais Medidas de Dispersão: Amplitude, Desvio Médio, Variâcia, Desvio Padrão, Coeficiete de Variação. 16 / 135

26 1.6.1 Amplitude A amplitude os forece uma idéia do campo de variação dos elemetos. Mais precisamete, ela forece a maior variação possível dos dados. A amplitude é dada pela fórmula A = X max X mi. Exemplo 1.12 Exemplo de cálculo de amplitude No exemplo aterior: A Atôio = 0; A João = 2; A José = 10; A Pedro = 10. Nota A amplitude ão mede bem a dispersão dos dados porque, usam-se apeas os valores extremos, ao ivés de utilizar todos os elemetos da distribuição Desvio Médio Desejado-se medir a dispersão dos dados em relação a média, parece iteressate a aálise dos desvios em toro da média. Isto é, aálise dos desvios: d i = (X i X). Mas a soma de todos os desvios é igual a zero. Isto é: d i = (X i X) = 0. Logo, será preciso ecotrar uma maeira de se trabalhar com os desvios sem que a soma dê zero. Dessa forma, defie-se o desvio médio. Dados ão agrupados (brutos): Neste caso, calculamos o desvio médio como: DM = d i = X i X. Nota Veja que os desvios foram cosiderados em módulo, evitado-se assim que a soma fosse ula. Dados agrupados: 17 / 135

ActivALEA. ative e atualize a sua literacia

ActivALEA. ative e atualize a sua literacia ActivALEA ative e atualize a sua literacia N.º 29 O QUE É UMA SONDAGEM? COMO É TRANSMIITIIDO O RESULTADO DE UMA SONDAGEM? O QUE É UM IINTERVALO DE CONFIIANÇA? Por: Maria Eugéia Graça Martis Departameto

Leia mais

Séries de Potências AULA LIVRO

Séries de Potências AULA LIVRO LIVRO Séries de Potêcias META Apresetar os coceitos e as pricipais propriedades de Séries de Potêcias. Além disso, itroduziremos as primeiras maeiras de escrever uma fução dada como uma série de potêcias.

Leia mais

Lista 9 - Introdução à Probabilidade e Estatística

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

Leia mais

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

somente um valor da variável y para cada valor de variável x.

somente um valor da variável y para cada valor de variável x. Notas de Aula: Revisão de fuções e geometria aalítica REVISÃO DE FUNÇÕES Fução como regra ou correspodêcia Defiição : Uma fução f é uma regra ou uma correspodêcia que faz associar um e somete um valor

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

Introdução ao Estudo de Sistemas Lineares

Introdução ao Estudo de Sistemas Lineares Itrodução ao Estudo de Sistemas Lieares 1. efiições. 1.1 Equação liear é toda seteça aberta, as icógitas x 1, x 2, x 3,..., x, do tipo a1 x1 a2 x2 a3 x3... a x b, em que a 1, a 2, a 3,..., a são os coeficietes

Leia mais

Jackknife, Bootstrap e outros métodos de reamostragem

Jackknife, Bootstrap e outros métodos de reamostragem Jackkife, Bootstrap e outros métodos de reamostragem Camilo Daleles Reó camilo@dpi.ipe.br Referata Biodiversa (http://www.dpi.ipe.br/referata/idex.html) São José dos Campos, 8 de dezembro de 20 Iferêcia

Leia mais

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

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

Leia mais

Faculdade de Engenharia Investigação Operacional. Prof. Doutor Engº Jorge Nhambiu

Faculdade de Engenharia Investigação Operacional. Prof. Doutor Engº Jorge Nhambiu Programação Diâmica Aula 3: Programação Diâmica Programação Diâmica Determiística; e Programação Diâmica Probabilística. Programação Diâmica O que é a Programação Diâmica? A Programação Diâmica é uma técica

Leia mais

Os juros compostos são conhecidos, popularmente, como juros sobre juros.

Os juros compostos são conhecidos, popularmente, como juros sobre juros. Módulo 4 JUROS COMPOSTOS Os juros compostos são cohecidos, popularmete, como juros sobre juros. 1. Itrodução Etedemos por juros compostos quado o fial de cada período de capitalização, os redimetos são

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

CAPÍTULO 8 - Noções de técnicas de amostragem

CAPÍTULO 8 - Noções de técnicas de amostragem INF 6 Estatística I JIRibeiro 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 ciêcia

Leia mais

Lista 2 - Introdução à Probabilidade e Estatística

Lista 2 - Introdução à Probabilidade e Estatística UNIVERSIDADE FEDERAL DO ABC Lista - Itrodução à Probabilidade e Estatística Modelo Probabilístico experimeto. Que eveto represeta ( =1 E )? 1 Uma ura cotém 3 bolas, uma vermelha, uma verde e uma azul.

Leia mais

CAPÍTULO 5 CIRCUITOS SEQUENCIAIS III: CONTADORES SÍNCRONOS

CAPÍTULO 5 CIRCUITOS SEQUENCIAIS III: CONTADORES SÍNCRONOS 60 Sumário CAPÍTULO 5 CIRCUITOS SEQUENCIAIS III: CONTADORES SÍNCRONOS 5.1. Itrodução... 62 5.2. Tabelas de trasição dos flip-flops... 63 5.2.1. Tabela de trasição do flip-flop JK... 63 5.2.2. Tabela de

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

Carteiras de Mínimo VAR ( Value at Risk ) no Brasil

Carteiras de Mínimo VAR ( Value at Risk ) no Brasil Carteiras de Míimo VAR ( Value at Risk ) o Brasil Março de 2006 Itrodução Este texto tem dois objetivos pricipais. Por um lado, ele visa apresetar os fudametos do cálculo do Value at Risk, a versão paramétrica

Leia mais

A seguir, uma demonstração do livro. Para adquirir a versão completa em papel, acesse: www.pagina10.com.br

A seguir, uma demonstração do livro. Para adquirir a versão completa em papel, acesse: www.pagina10.com.br A seguir, uma demostração do livro. Para adquirir a versão completa em papel, acesse: www.pagia10.com.br Matemática comercial & fiaceira - 2 4 Juros Compostos Iiciamos o capítulo discorredo sobre como

Leia mais

A TORRE DE HANÓI Carlos Yuzo Shine - Colégio Etapa

A TORRE DE HANÓI Carlos Yuzo Shine - Colégio Etapa A TORRE DE HANÓI Carlos Yuzo Shie - Colégio Etapa Artigo baseado em aula miistrada a IV Semaa Olímpica, Salvador - BA Nível Iiciate. A Torre de Haói é um dos quebra-cabeças matemáticos mais populares.

Leia mais

Capitulo 6 Resolução de Exercícios

Capitulo 6 Resolução de Exercícios FORMULÁRIO Cojutos Equivaletes o Regime de Juros Simples./Vecimeto Comum. Descoto Racioal ou Por Detro C1 C2 Cm C1 C2 C...... 1 i 1 i 1 i 1 i 1 i 1 i 1 2 m 1 2 m C Ck 1 i 1 i k1 Descoto Por Fora ou Comercial

Leia mais

JUROS COMPOSTOS. Questão 01 A aplicação de R$ 5.000, 00 à taxa de juros compostos de 20% a.m irá gerar após 4 meses, um montante de: letra b

JUROS COMPOSTOS. Questão 01 A aplicação de R$ 5.000, 00 à taxa de juros compostos de 20% a.m irá gerar após 4 meses, um montante de: letra b JUROS COMPOSTOS Chamamos de regime de juros compostos àquele ode os juros de cada período são calculados sobre o motate do período aterior, ou seja, os juros produzidos ao fim de cada período passam a

Leia mais

Faculdade Campo Limpo Paulista Mestrado em Ciência da Computação Complexidade de Algoritmos Avaliação 2

Faculdade Campo Limpo Paulista Mestrado em Ciência da Computação Complexidade de Algoritmos Avaliação 2 Faculdade Campo Limpo Paulista Mestrado em Ciêcia da Computação Complexidade de Algoritmos Avaliação 2. (2,0): Resolva a seguite relação de recorrêcia. T() = T( ) + 3 T() = 3 Pelo método iterativo progressivo.

Leia mais

Probabilidades. José Viegas

Probabilidades. José Viegas Probabilidades José Viegas Lisboa 001 1 Teoria das probabilidades Coceito geral de probabilidade Supoha-se que o eveto A pode ocorrer x vezes em, igualmete possíveis. Etão a probabilidade de ocorrêcia

Leia mais

Módulo 4 Matemática Financeira

Módulo 4 Matemática Financeira Módulo 4 Matemática Fiaceira I Coceitos Iiciais 1 Juros Juro é a remueração ou aluguel por um capital aplicado ou emprestado, o valor é obtido pela difereça etre dois pagametos, um em cada tempo, de modo

Leia mais

PRESTAÇÃO = JUROS + AMORTIZAÇÃO

PRESTAÇÃO = JUROS + AMORTIZAÇÃO AMORTIZAÇÃO Amortizar sigifica pagar em parcelas. Como o pagameto do saldo devedor pricipal é feito de forma parcelada durate um prazo estabelecido, cada parcela, chamada PRESTAÇÃO, será formada por duas

Leia mais

VII Equações Diferenciais Ordinárias de Primeira Ordem

VII Equações Diferenciais Ordinárias de Primeira Ordem VII Equações Difereciais Ordiárias de Primeira Ordem Itrodução As equações difereciais ordiárias são istrumetos esseciais para a modelação de muitos feómeos proveietes de várias áreas como a física, química,

Leia mais

Aula 2 - POT - Teoria dos Números - Fabio E. Brochero Martinez Carlos Gustavo T. de A. Moreira Nicolau C. Saldanha Eduardo Tengan

Aula 2 - POT - Teoria dos Números - Fabio E. Brochero Martinez Carlos Gustavo T. de A. Moreira Nicolau C. Saldanha Eduardo Tengan Aula - POT - Teoria dos Números - Nível III - Pricípios Fabio E. Brochero Martiez Carlos Gustavo T. de A. Moreira Nicolau C. Saldaha Eduardo Tega de Julho de 01 Pricípios Nesta aula apresetaremos algus

Leia mais

1.4- Técnicas de Amostragem

1.4- Técnicas de Amostragem 1.4- Técicas de Amostragem É a parte da Teoria Estatística que defie os procedimetos para os plaejametos amostrais e as técicas de estimação utilizadas. As técicas de amostragem, tal como o plaejameto

Leia mais

Capitulo 9 Resolução de Exercícios

Capitulo 9 Resolução de Exercícios FORMULÁRIO Empréstimos a Curto Prazo (Juros Simples) Taxa efetiva liear i l i ; Taxa efetiva expoecial i Empréstimos a Logo Prazo Relações Básicas C k R k i k ; Sk i Sk i e i ; Sk Sk Rk ; Sk i Sk R k ;

Leia mais

Conceito 31/10/2015. Módulo VI Séries ou Fluxos de Caixas Uniformes. SÉRIES OU FLUXOS DE CAIXAS UNIFORMES Fluxo de Caixa

Conceito 31/10/2015. Módulo VI Séries ou Fluxos de Caixas Uniformes. SÉRIES OU FLUXOS DE CAIXAS UNIFORMES Fluxo de Caixa Módulo VI Séries ou Fluxos de Caixas Uiformes Daillo Touriho S. da Silva, M.Sc. SÉRIES OU FLUXOS DE CAIXAS UNIFORMES Fluxo de Caixa Coceito A resolução de problemas de matemática fiaceira tora-se muito

Leia mais

Matemática Ficha de Trabalho

Matemática Ficha de Trabalho Matemática Ficha de Trabalho Probabilidades 12º ao FT4 Arrajos completos (arrajos com repetição) Na liguagem dos computadores usa-se o código biário que é caracterizado pela utilização de apeas dois algarismos,

Leia mais

Fundamentos de Bancos de Dados 3 a Prova

Fundamentos de Bancos de Dados 3 a Prova Fudametos de Bacos de Dados 3 a Prova Prof. Carlos A. Heuser Dezembro de 2007 Duração: 2 horas Prova com cosulta Questão 1 (Costrução de modelo ER - Peso 3) Deseja-se costruir um sistema WEB que armazee

Leia mais

Otimização e complexidade de algoritmos: problematizando o cálculo do mínimo múltiplo comum

Otimização e complexidade de algoritmos: problematizando o cálculo do mínimo múltiplo comum Otimização e complexidade de algoritmos: problematizado o cálculo do míimo múltiplo comum Custódio Gastão da Silva Júior 1 1 Faculdade de Iformática PUCRS 90619-900 Porto Alegre RS Brasil gastaojuior@gmail.com

Leia mais

PROGRAMA DE PÓS-GRADUAÇÃO EM ENGENHARIA DE TRANSPORTES E GESTÃO TERRITORIAL PPGTG DEPARTAMENTO DE ENGENHARIA CIVIL ECV

PROGRAMA DE PÓS-GRADUAÇÃO EM ENGENHARIA DE TRANSPORTES E GESTÃO TERRITORIAL PPGTG DEPARTAMENTO DE ENGENHARIA CIVIL ECV PROGRAMA DE PÓS-GRADUAÇÃO EM ENGENHARIA DE TRANSPORTES E GESTÃO TERRITORIAL PPGTG DEPARTAMENTO DE ENGENHARIA CIVIL ECV DISCIPLINA: TGT410026 FUNDAMENTOS DE ESTATÍSTICA 8ª AULA: ESTIMAÇÃO POR INTERVALO

Leia mais

CURTOSE. Teremos, portanto, no tocante às situações de Curtose de um conjunto, as seguintes possibilidades:

CURTOSE. Teremos, portanto, no tocante às situações de Curtose de um conjunto, as seguintes possibilidades: CURTOSE O que sigifica aalisar um cojuto quato à Curtose? Sigifica apeas verificar o grau de achatameto da curva. Ou seja, saber se a Curva de Freqüêcia que represeta o cojuto é mais afilada ou mais achatada

Leia mais

Curso MIX. Matemática Financeira. Juros compostos com testes resolvidos. 1.1 Conceito. 1.2 Período de Capitalização

Curso MIX. Matemática Financeira. Juros compostos com testes resolvidos. 1.1 Conceito. 1.2 Período de Capitalização Curso MI Matemática Fiaceira Professor: Pacífico Referêcia: 07//00 Juros compostos com testes resolvidos. Coceito Como vimos, o regime de capitalização composta o juro de cada período é calculado tomado

Leia mais

Anexo VI Técnicas Básicas de Simulação do livro Apoio à Decisão em Manutenção na Gestão de Activos Físicos

Anexo VI Técnicas Básicas de Simulação do livro Apoio à Decisão em Manutenção na Gestão de Activos Físicos Aexo VI Técicas Básicas de Simulação do livro Apoio à Decisão em Mauteção a Gestão de Activos Físicos LIDEL, 1 Rui Assis rassis@rassis.com http://www.rassis.com ANEXO VI Técicas Básicas de Simulação Simular

Leia mais

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

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

Leia mais

5- CÁLCULO APROXIMADO DE INTEGRAIS 5.1- INTEGRAÇÃO NUMÉRICA

5- CÁLCULO APROXIMADO DE INTEGRAIS 5.1- INTEGRAÇÃO NUMÉRICA 5- CÁLCULO APROXIMADO DE INTEGRAIS 5.- INTEGRAÇÃO NUMÉRICA Itegrar umericamete uma fução y f() um dado itervalo [a, b] é itegrar um poliômio P () que aproime f() o dado itervalo. Em particular, se y f()

Leia mais

EQUAÇÕES DIFERENCIAIS LINEARES DE ORDEM N

EQUAÇÕES DIFERENCIAIS LINEARES DE ORDEM N EQUAÇÕES DIFERENCIAIS LINEARES DE ORDEM N Estudaremos este capítulo as equações diereciais lieares de ordem, que são de suma importâcia como suporte matemático para vários ramos da egeharia e das ciêcias.

Leia mais

5. A nota final será a soma dos pontos (negativos e positivos) de todas as questões

5. A nota final será a soma dos pontos (negativos e positivos) de todas as questões DEPARTAMENTO DE ESTATÍSTICA - UFMG PROVA DE ESTATÍSTICA E PROBABILIDADE SELEÇÃO - MESTRADO/ UFMG - 2013/2014 Istruções: 1. Cada questão respodida corretamete vale 1 (um) poto. 2. Cada questão respodida

Leia mais

Testes de Hipóteses para a Diferença Entre Duas Médias Populacionais

Testes de Hipóteses para a Diferença Entre Duas Médias Populacionais Estatística II Atoio Roque Aula Testes de Hipóteses para a Difereça Etre Duas Médias Populacioais Vamos cosiderar o seguite problema: Um pesquisador está estudado o efeito da deficiêcia de vitamia E sobre

Leia mais

O TESTE DOS POSTOS ORDENADOS DE GALTON: UMA ABORDAGEM GEOMÉTRICA

O TESTE DOS POSTOS ORDENADOS DE GALTON: UMA ABORDAGEM GEOMÉTRICA O TESTE DOS POSTOS ORDENADOS DE GALTON: UMA ABORDAGEM GEOMÉTRICA Paulo César de Resede ANDRADE Lucas Moteiro CHAVES 2 Devail Jaques de SOUZA 2 RESUMO: Este trabalho apreseta a teoria do teste de Galto

Leia mais

COLÉGIO ANCHIETA-BA. ELABORAÇÃO: PROF. ADRIANO CARIBÉ e WALTER PORTO. RESOLUÇÃO: PROFA, MARIA ANTÔNIA C. GOUVEIA

COLÉGIO ANCHIETA-BA. ELABORAÇÃO: PROF. ADRIANO CARIBÉ e WALTER PORTO. RESOLUÇÃO: PROFA, MARIA ANTÔNIA C. GOUVEIA Questão 0. (UDESC) A AVALIAÇÃO DE MATEMÁTICA DA UNIDADE I-0 COLÉGIO ANCHIETA-BA ELABORAÇÃO: PROF. ADRIANO CARIBÉ e WALTER PORTO. PROFA, MARIA ANTÔNIA C. GOUVEIA Um professor de matemática, após corrigir

Leia mais

INTRODUÇÃO A TEORIA DE CONJUNTOS

INTRODUÇÃO A TEORIA DE CONJUNTOS INTRODUÇÃO TEORI DE CONJUNTOS Professora Laura guiar Cojuto dmitiremos que um cojuto seja uma coleção de ojetos chamados elemetos e que cada elemeto é um dos compoetes do cojuto. Geralmete, para dar ome

Leia mais

Guia do Professor. Matemática e Saúde. Experimentos

Guia do Professor. Matemática e Saúde. Experimentos Guia do Professor Matemática e Saúde Experimetos Coordeação Geral Elizabete dos Satos Autores Bárbara N. Palharii Alvim Sousa Karia Pessoa da Silva Lourdes Maria Werle de Almeida Luciaa Gastaldi S. Souza

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

Profa. Regina Maria Sigolo Bernardinelli. Estatística. Gestão Financeira / Gestão de Recursos Humanos / Logística / Marketing

Profa. Regina Maria Sigolo Bernardinelli. Estatística. Gestão Financeira / Gestão de Recursos Humanos / Logística / Marketing Profa. Regia Maria Sigolo Berardielli Estatística Gestão Fiaceira / Gestão de Recursos Humaos / Logística / Marketig REGINA MARIA SIGOLO BERNARDINELLI ESTATÍSTICA Esio a Distâcia E a D Revisão 09/008 LISTA

Leia mais

Universidade Federal do Maranhão Centro de Ciências Exatas e Tecnologia Coordenação do Programa de Pós-Graduação em Física

Universidade Federal do Maranhão Centro de Ciências Exatas e Tecnologia Coordenação do Programa de Pós-Graduação em Física Uiversidade Federal do Marahão Cetro de Ciêcias Exatas e Tecologia Coordeação do Programa de Pós-Graduação em Física Exame de Seleção para Igresso o 1º. Semestre de 2011 Disciplia: Mecâica Clássica 1.

Leia mais

Matemática. Resolução das atividades complementares. M10 Progressões. 1 (UFBA) A soma dos 3 o e 4 o termos da seqüência abaixo é:

Matemática. Resolução das atividades complementares. M10 Progressões. 1 (UFBA) A soma dos 3 o e 4 o termos da seqüência abaixo é: Resolução das atividades complemetares Matemática M0 Progressões p. 46 (UFBA) A soma dos o e 4 o termos da seqüêcia abaio é: a 8 * a 8 ( )? a, IN a) 6 c) 0 e) 6 b) 8 d) 8 a 8 * a 8 ( )? a, IN a 8 ()? a

Leia mais

O oscilador harmônico

O oscilador harmônico O oscilador harmôico A U L A 5 Meta da aula Aplicar o formalismo quâtico ao caso de um potecial de um oscilador harmôico simples, V( x) kx. objetivos obter a solução da equação de Schrödiger para um oscilador

Leia mais

MATEMÁTICA FINANCEIRA

MATEMÁTICA FINANCEIRA MATEMÁTICA FINANCEIRA VALOR DO DINHEIRO NO TEMPO Notas de aulas Gereciameto do Empreedimeto de Egeharia Egeharia Ecoômica e Aálise de Empreedimetos Prof. Márcio Belluomii Moraes, MsC CONCEITOS BÁSICOS

Leia mais

Notas de Aula do Curso PGE950: Probabilidade

Notas de Aula do Curso PGE950: Probabilidade Notas de Aula do Curso PGE950: Probabilidade Leadro Chaves Rêgo, Ph.D. 2013.1 Prefácio Estas otas de aula foram feitas para compilar o coteúdo de várias referêcias bibliográficas tedo em vista o coteúdo

Leia mais

onde d, u, v são inteiros não nulos, com u v, mdc(u, v) = 1 e u e v de paridades distintas.

onde d, u, v são inteiros não nulos, com u v, mdc(u, v) = 1 e u e v de paridades distintas. !"$# &%$" ')( * +-,$. /-0 3$4 5 6$7 8:9)$;$< =8:< > Deomiaremos equação diofatia (em homeagem ao matemático grego Diofato de Aleadria) uma equação em úmeros iteiros. Nosso objetivo será estudar dois tipos

Leia mais

DEPARTAMENTO DE ESTATÍSTICA PROBABILIDADE

DEPARTAMENTO DE ESTATÍSTICA PROBABILIDADE UNIVERSIDADE FEDERAL FLUMINENSE CENTRO DE ESTUDOS GERAIS INSTITUTO DE MATEMÁTICA DEPARTAMENTO DE ESTATÍSTICA PROBABILIDADE Aa Maria Lima de Farias Luiz da Costa Laurecel Setembro de 2007 . ii Coteúdo 1

Leia mais

PARECER SOBRE A PROVA DE MATEMATICA FINANCEIRA CAGE SEFAZ RS

PARECER SOBRE A PROVA DE MATEMATICA FINANCEIRA CAGE SEFAZ RS PARECER SOBRE A PROVA DE MATEMATICA FINANCEIRA CAGE SEFAZ RS O coteúdo programático das provas objetivas, apresetado o Aexo I do edital de abertura do referido cocurso público, iclui etre os tópicos de

Leia mais

PROBABILIDADES E ESTATÍSTICA

PROBABILIDADES E ESTATÍSTICA ESCOLA SUPERIOR DE TECNOLOGIA DE SETÚBAL DEPARTAMENTO DE MATEMÁTICA PROBABILIDADES E ESTATÍSTICA o Teste 7 o SEMESTRE 5/6 Data: Sábado, 7 de Jaeiro de 6 Duração: 9:3 às :3 Tópicos de Resolução. O úmero

Leia mais

FACULDADE DE ADMINISTRAÇÃO E NEGÓCIOS DE SERGIPE

FACULDADE DE ADMINISTRAÇÃO E NEGÓCIOS DE SERGIPE FACULDADE DE ADMINISTRAÇÃO E NEGÓCIOS DE SERGIPE CURSO: ENGENHARIA DE PRODUÇÃO ASSUNTO: INTRODUÇÃO ÀS EQUAÇÕES DIFERENCIAIS, EQUAÇÕES DIFERENCIAIS DE PRIMEIRA ORDEM SEPARÁVEIS, HOMOGÊNEAS, EXATAS, FATORES

Leia mais

Analise de Investimentos e Custos Prof. Adilson C. Bassan email: adilsonbassan@adilsonbassan.com

Analise de Investimentos e Custos Prof. Adilson C. Bassan email: adilsonbassan@adilsonbassan.com Aalise de Ivestimetos e Custos Prof. Adilso C. Bassa email: adilsobassa@adilsobassa.com JUROS SIMPLES 1 Juro e Cosumo Existe juro porque os recursos são escassos. As pessoas têm preferêcia temporal: preferem

Leia mais

Juros Simples e Compostos

Juros Simples e Compostos Juros Simples e Compostos 1. (G1 - epcar (Cpcar) 2013) Gabriel aplicou R$ 6500,00 a juros simples em dois bacos. No baco A, ele aplicou uma parte a 3% ao mês durate 5 6 de um ao; o baco B, aplicou o restate

Leia mais

Sistema Computacional para Medidas de Posição - FATEST

Sistema Computacional para Medidas de Posição - FATEST Sistema Computacioal para Medidas de Posição - FATEST Deise Deolido Silva, Mauricio Duarte, Reata Ueo Sales, Guilherme Maia da Silva Faculdade de Tecologia de Garça FATEC deisedeolido@hotmail.com, maur.duarte@gmail.com,

Leia mais

Neste capítulo, pretendemos ajustar retas ou polinômios a um conjunto de pontos experimentais.

Neste capítulo, pretendemos ajustar retas ou polinômios a um conjunto de pontos experimentais. 03 Capítulo 3 Regressão liear e poliomial Neste capítulo, pretedemos ajustar retas ou poliômios a um cojuto de potos experimetais. Regressão liear A tabela a seguir relacioa a desidade (g/cm 3 ) do sódio

Leia mais

7. ANÁLISE COMBINATÓRIA Professor Fernando Vargas. n 1 Cuidado

7. ANÁLISE COMBINATÓRIA Professor Fernando Vargas. n 1 Cuidado 7. ANÁLISE COMBINATÓRIA Professor Ferado Vargas É a área da Matemática que trata dos problemas de cotagem. Estuda problemas que evolvem o cálculo do úmero de agrupametos que podem ser feitos com os elemetos

Leia mais

Duas Fases da Estatística

Duas Fases da Estatística Aula 5. Itervalos de Cofiaça Métodos Estadísticos 008 Uiversidade de Averio Profª Gladys Castillo Jordá Duas Fases da Estatística Estatística Descritiva: descrever e estudar uma amostra Estatística Idutiva

Leia mais

PG Progressão Geométrica

PG Progressão Geométrica PG Progressão Geométrica 1. (Uel 014) Amalio Shchams é o ome cietífico de uma espécie rara de plata, típica do oroeste do cotiete africao. O caule dessa plata é composto por colmos, cujas características

Leia mais

Prova 3 Matemática ... GABARITO 1 NOME DO CANDIDATO:

Prova 3 Matemática ... GABARITO 1 NOME DO CANDIDATO: Prova 3 QUESTÕES OBJETIIVAS N ọ DE ORDEM: NOME DO CANDIDATO: N ọ DE INSCRIÇÃO: IINSTRUÇÕES PARA A REALIIZAÇÃO DA PROVA. Cofira os campos N ọ DE ORDEM, N ọ DE INSCRIÇÃO e NOME, que costam da etiqueta fixada

Leia mais

Lista de Exercícios #4. in Noções de Probabilidade e Estatística (Marcos N. Magalhães et al, 4ª. edição), Capítulo 4, seção 4.4, páginas 117-123.

Lista de Exercícios #4. in Noções de Probabilidade e Estatística (Marcos N. Magalhães et al, 4ª. edição), Capítulo 4, seção 4.4, páginas 117-123. Uiversidade de São Paulo IME (Istituto de Matemática e Estatística MAE Profº. Wager Borges São Paulo, 9 de Maio de 00 Ferado Herique Ferraz Pereira da Rosa Bach. Estatística Lista de Exercícios #4 i Noções

Leia mais

APONTAMENTOS DE ÁLGEBRA LINEAR E GEOMETRIA ANALÍTICA

APONTAMENTOS DE ÁLGEBRA LINEAR E GEOMETRIA ANALÍTICA UNIVERSIDADE DO ALGARVE ESCOLA SUPERIOR DE TECNOLOGIA APONTAMENTOS DE ÁLGEBRA LINEAR E GEOMETRIA ANALÍTICA (III ) ÁREA DEPARTAMENTAL DE ENGENHARIA CIVIL Ídice Itrodução Aplicação do cálculo matricial aos

Leia mais

Prof. Eugênio Carlos Stieler

Prof. Eugênio Carlos Stieler http://wwwuematbr/eugeio SISTEMAS DE AMORTIZAÇÃO A ecessidade de recursos obriga aqueles que querem fazer ivestimetos a tomar empréstimos e assumir dívidas que são pagas com juros que variam de acordo

Leia mais

Análise de Projectos ESAPL / IPVC. Critérios de Valorização e Selecção de Investimentos. Métodos Estáticos

Análise de Projectos ESAPL / IPVC. Critérios de Valorização e Selecção de Investimentos. Métodos Estáticos Aálise de Projectos ESAPL / IPVC Critérios de Valorização e Selecção de Ivestimetos. Métodos Estáticos Como escolher ivestimetos? Desde sempre que o homem teve ecessidade de ecotrar métodos racioais para

Leia mais

Fundamentos de Bancos de Dados 3 a Prova

Fundamentos de Bancos de Dados 3 a Prova Fudametos de Bacos de Dados 3 a Prova Prof. Carlos A. Heuser Dezembro de 2008 Duração: 2 horas Prova com cosulta Questão (Costrução de modelo ER) Deseja-se projetar uma base de dados que dará suporte a

Leia mais

DISTRIBUIÇÃO AMOSTRAL DA MÉDIA E PROPORÇÃO ESTATISTICA AVANÇADA

DISTRIBUIÇÃO AMOSTRAL DA MÉDIA E PROPORÇÃO ESTATISTICA AVANÇADA DISTRIBUIÇÃO AMOSTRAL DA MÉDIA E PROPORÇÃO Ferado Mori DISTRIBUIÇÃO AMOSTRAL DA MÉDIA E PROPORÇÃO ESTATISTICA AVANÇADA Resumo [Atraia o leitor com um resumo evolvete, em geral, uma rápida visão geral do

Leia mais

Tabela Price - verdades que incomodam Por Edson Rovina

Tabela Price - verdades que incomodam Por Edson Rovina Tabela Price - verdades que icomodam Por Edso Rovia matemático Mestrado em programação matemática pela UFPR (métodos uméricos de egeharia) Este texto aborda os seguites aspectos: A capitalização dos juros

Leia mais

Problema de Fluxo de Custo Mínimo

Problema de Fluxo de Custo Mínimo Problema de Fluo de Custo Míimo The Miimum Cost Flow Problem Ferado Nogueira Fluo de Custo Míimo O Problema de Fluo de Custo Míimo (The Miimum Cost Flow Problem) Este problema possui papel pricipal etre

Leia mais

a taxa de juros i está expressa na forma unitária; o período de tempo n e a taxa de juros i devem estar na mesma unidade de tempo.

a taxa de juros i está expressa na forma unitária; o período de tempo n e a taxa de juros i devem estar na mesma unidade de tempo. UFSC CFM DEPARTAMENTO DE MATEMÁTICA MTM 5151 MATEMÁTICA FINACEIRA I PROF. FERNANDO GUERRA. UNIDADE 3 JUROS COMPOSTOS Capitalização composta. É aquela em que a taxa de juros icide sempre sobre o capital

Leia mais

MATEMÁTICA APLICADA À GESTÃO I

MATEMÁTICA APLICADA À GESTÃO I 00 MATEMÁTICA APLICADA À GESTÃO I TEXTO DE APOIO MARIA ALICE FILIPE ÍNDICE NOTAS PRÉVIAS ALGUNS CONCEITOS SOBRE SÉRIES6 NOTAS PRÉVIAS As otas seguites referem-se ao maual adoptado: Cálculo, Vol I James

Leia mais

1.5 Aritmética de Ponto Flutuante

1.5 Aritmética de Ponto Flutuante .5 Aritmética de Poto Flutuate A represetação em aritmética de poto flutuate é muito utilizada a computação digital. Um exemplo é a caso das calculadoras cietíficas. Exemplo:,597 03. 3 Este úmero represeta:,597.

Leia mais

Exercícios de Matemática Polinômios

Exercícios de Matemática Polinômios Exercícios de Matemática Poliômios ) (ITA-977) Se P(x) é um poliômio do 5º grau que satisfaz as codições = P() = P() = P(3) = P(4) = P(5) e P(6) = 0, etão temos: a) P(0) = 4 b) P(0) = 3 c) P(0) = 9 d)

Leia mais

37ª OLIMPÍADA BRASILEIRA DE MATEMÁTICA PRIMEIRA FASE NÍVEL 3 (Ensino Médio) GABARITO

37ª OLIMPÍADA BRASILEIRA DE MATEMÁTICA PRIMEIRA FASE NÍVEL 3 (Ensino Médio) GABARITO 37ª OLIMPÍADA BRASILEIRA DE MATEMÁTICA PRIMEIRA FASE NÍVEL 3 Esio Médio) GABARITO GABARITO NÍVEL 3 ) B ) A ) B ) D ) C ) B 7) C ) C 7) B ) C 3) D 8) E 3) A 8) E 3) A ) C 9) B ) B 9) B ) C ) E 0) D ) A

Leia mais

Exercício 1. Quantos bytes (8 bits) existem de modo que ele contenha exatamente quatro 1 s? Exercício 2. Verifique que

Exercício 1. Quantos bytes (8 bits) existem de modo que ele contenha exatamente quatro 1 s? Exercício 2. Verifique que LISTA INCRÍVEL DE MATEMÁTICA DISCRETA II DANIEL SMANIA 1 Amostras, seleções, permutações e combiações Exercício 1 Quatos bytes (8 bits) existem de modo que ele coteha exatamete quatro 1 s? Exercício 2

Leia mais

Projetos Agropecuários - Módulo 4 ANÁLISE FINANCEIRA DE INVESTIMENTO

Projetos Agropecuários - Módulo 4 ANÁLISE FINANCEIRA DE INVESTIMENTO Projetos Agropecuários - Módulo 4 ANÁLISE FINANCEIRA DE INVESTIMENTO A parte fiaceira disciplia todas as áreas de uma orgaização que esteja direta ou idiretamete ligadas à tomada de decisão. Todo profissioal

Leia mais

M = 4320 CERTO. O montante será

M = 4320 CERTO. O montante será PROVA BANCO DO BRASIL / 008 CESPE Para a veda de otebooks, uma loja de iformática oferece vários plaos de fiaciameto e, em todos eles, a taxa básica de juros é de % compostos ao mês. Nessa situação, julgue

Leia mais

2.1 Dê exemplo de uma seqüência fa n g ; não constante, para ilustrar cada situação abaixo: (a) limitada e estritamente crescente;

2.1 Dê exemplo de uma seqüência fa n g ; não constante, para ilustrar cada situação abaixo: (a) limitada e estritamente crescente; 2.1 Dê exemplo de uma seqüêcia fa g ; ão costate, para ilustrar cada situação abaixo: (a) limitada e estritamete crescete; (b) limitada e estritamete decrescete; (c) limitada e ão moótoa; (d) ão limitada

Leia mais

UM NOVO OLHAR PARA O TEOREMA DE EULER

UM NOVO OLHAR PARA O TEOREMA DE EULER X Ecotro Nacioal de Educação Matemática UM NOVO OLHA PAA O TEOEMA DE EULE Iácio Atôio Athayde Oliveira Secretária de Educação do Distrito Federal professoriacio@gmail.com Aa Maria edolfi Gadulfo Uiversidade

Leia mais

Capitulo 2 Resolução de Exercícios

Capitulo 2 Resolução de Exercícios FORMULÁRIO Regime de Juros Simples S C J S 1 C i J Ci S C (1 i) S 1 C i Juro exato C i 365 S C 1 i C i 360 Juro Comercial 2.7 Exercícios Propostos 1 1) Qual o motate de uma aplicação de R$ 100.000,00 aplicados

Leia mais

Resposta: L π 4 L π 8

Resposta: L π 4 L π 8 . A figura a seguir ilustra as três primeiras etapas da divisão de um quadrado de lado L em quadrados meores, com um círculo iscrito em cada um deles. Sabedo-se que o úmero de círculos em cada etapa cresce

Leia mais

Testes χ 2 (cont.) Testes χ 2 para k categorias (cont.)

Testes χ 2 (cont.) Testes χ 2 para k categorias (cont.) Testes χ 2 de ajustameto, homogeeidade e idepedêcia Testes χ 2 (cot.) Os testes χ 2 cosiderados este último poto do programa surgem associados a dados de cotagem. Mais cocretamete, dados que cotam o úmero

Leia mais

Capítulo 2 Análise Descritiva e Exploratória de Dados

Capítulo 2 Análise Descritiva e Exploratória de Dados UNIVERSIDADE FEDERAL DE SÃO CARLOS C E N T R O D E C I Ê N C I A S E X A T A S E D E T E C N O L O G I A D E P A R T A M E N T O D E E S T A T Í S T I C A INTRODUÇÃO AO PLANEJAMENTO E ANÁLISE ESTATÍSTICA

Leia mais

AMOSTRAGEM. metodologia de estudar as populações por meio de amostras. Amostragem ou Censo?

AMOSTRAGEM. metodologia de estudar as populações por meio de amostras. Amostragem ou Censo? AMOSTRAGEM metodologia de estudar as populações por meio de amostras Amostragem ou Ceso? Por que fazer amostragem? população ifiita dimiuir custo aumetar velocidade a caracterização aumetar a represetatividade

Leia mais

Probabilidade e Estatística

Probabilidade e Estatística UNIVERSIDADE FEDERAL DA PARAÍBA Reitora MARGARETH DE FÁTIMA FORMIGA MELO DINIZ Vice-Reitor EDUARDO RAMALHO RABENHORST EDITORA DA UFPB Diretora IZABEL FRANÇA DE LIMA Vice-Diretor JOSÉ LUIZ DA SILVA Supervisão

Leia mais

UFRGS 2007 - MATEMÁTICA

UFRGS 2007 - MATEMÁTICA - MATEMÁTICA 01) Em 2006, segudo otícias veiculadas a impresa, a dívida itera brasileira superou um trilhão de reais. Em otas de R$ 50, um trilhão de reais tem massa de 20.000 toeladas. Com base essas

Leia mais

CPV seu Pé Direito no INSPER

CPV seu Pé Direito no INSPER CPV seu Pé Direito o INSPE INSPE esolvida /ovembro/0 Prova A (Marrom) MATEMÁTICA 7. Cosidere o quadrilátero coveo ABCD mostrado a figura, em que AB = cm, AD = cm e m(^a) = 90º. 8. No plao cartesiao da

Leia mais

Portanto, os juros podem induzir o adiamento do consumo, permitindo a formação de uma poupança.

Portanto, os juros podem induzir o adiamento do consumo, permitindo a formação de uma poupança. Matemática Fiaceira Deixar de cosumir hoje, visado comprar o futuro pode ser uma boa decisão, pois podemos, durate um período de tempo, ecoomizar uma certa quatia de diheiro para gahar os juros. Esses

Leia mais

Cálculo das Probabilidades e Estatística I. Departamento de Estatistica

Cálculo das Probabilidades e Estatística I. Departamento de Estatistica Cálculo das Probabilidades e Estatística I Departameto de Estatistica Versão - 2013 Sumário 1 Itrodução à Estatística 1 1.1 Coceitos básicos de amostragem..................................... 2 1.1.1

Leia mais

SUMÁRIO 1. AMOSTRAGEM 4. 1.1. Conceitos básicos 4

SUMÁRIO 1. AMOSTRAGEM 4. 1.1. Conceitos básicos 4 SUMÁRIO 1. AMOSTRAGEM 4 1.1. Coceitos básicos 4 1.. Distribuição amostral dos estimadores 8 1..1. Distribuição amostral da média 8 1... Distribuição amostral da variâcia 11 1..3. Distribuição amostral

Leia mais

defi departamento de física www.defi.isep.ipp.pt

defi departamento de física www.defi.isep.ipp.pt defi departameto de física Laboratórios de Física www.defi.isep.ipp.pt stituto Superior de Egeharia do Porto- Departameto de Física Rua Dr. Atóio Berardio de Almeida, 431 4200-072 Porto. T 228 340 500.

Leia mais

Aplicação de geomarketing em uma cidade de médio porte

Aplicação de geomarketing em uma cidade de médio porte Aplicação de geomarketig em uma cidade de médio porte Guilherme Marcodes da Silva Vilma Mayumi Tachibaa Itrodução Geomarketig, segudo Chasco-Yrigoye (003), é uma poderosa metodologia cietífica, desevolvida

Leia mais

Matemática Alexander dos Santos Dutra Ingrid Regina Pellini Valenço

Matemática Alexander dos Santos Dutra Ingrid Regina Pellini Valenço 4 Matemática Alexader dos Satos Dutra Igrid Regia Pellii Valeço Professor SUMÁRIO Reprodução proibida. Art. 84 do Código Peal e Lei 9.60 de 9 de fevereiro de 998. Módulo 0 Progressão aritmérica.................................

Leia mais

Até que tamanho podemos brincar de esconde-esconde?

Até que tamanho podemos brincar de esconde-esconde? Até que tamaho podemos bricar de escode-escode? Carlos Shie Sejam K e L dois subcojutos covexos e compactos de R. Supoha que K sempre cosiga se escoder atrás de L. Em termos mais precisos, para todo vetor

Leia mais