Estatística para Negócios

Tamanho: px
Começar a partir da página:

Download "Estatística para Negócios"

Transcrição

1 Estatística para Negócios Gerson Bronstein, M.Sc. Mônica Barros, D.Sc. Julho de 2002

2 Quem somos nós? Mônica Barros Doutora em Séries Temporais PUC-Rio Mestre em Estatística University of Texas at Austin, EUA Bacharel em Matemática University of Washington, Seattle, EUA Professora da PUC-Rio (Depto. De Eng. Elétrica) e IBMEC, Consultora, ex-gerente de risco da EL Paso Merchant e ex-assistente do Presidente da PETROS. Home page: 2

3 Quem somos nós? Gerson Bronstein Mestre em Administração, COPPEAD/UFRJ Mestre em Engenharia Elétrica, COPPE/UFRJ Engenheiro Eletrônico, UFRJ Coordenador Acadêmico e Professor das disciplinas Métodos Quantitativos e Gestão Financeira dos Programas In-Company do Ibmec Possui mais de 15 anos de experiência como pesquisador do Núcleo de Computação Eletrônica da UFRJ na área de Engenharia de Computação Atuou por mais de 5 anos como professor da Escola de Engenharia e Instituto de Matemática da UFRJ, em disciplinas relacionadas à Engenharia de Computação e Sistemas Atuou também como consultor em empresas como Booz, Allen e Hamilton e K2 Achievements 3

4 Sumário Apresentação do curso Estatística descritiva Análise multivariada Introdução à probabilidade Distribuições discretas de probabilidade Distribuições contínuas de probabilidade Distribuições amostrais e Intervalos de Confiança Testes de hipóteses Regressão Linear 4

5 Apresentação do curso 3 aulas expositivas (16hs) Objetivos Apresentar os conceitos básicos de probabilidade e estatística Fornecer instrumentos quantitativos de suporte às demais disciplinas do curso Disponibilizar ferramentas de apoio HP-12C e Excel 5

6 Apresentação do curso Bibliografia de apoio Zentgraf, Roberto Estatística Objetiva, 1 a ed., ZTG Editora livro texto Barros, M Probabilidade: um curso introdutório Editora Papel Virtual, Rio de Janeiro Anderson, Sweeney e Williams Statistics for Business and Economics, 8 a ed., South-Western College Publishing Levine, Berenson e Stephan - Estatística: Teoria e Aplicações usando Microsoft Excel em Português LTC Editora, Rio de Janeiro 6

7 Estatística Descritiva É um um conjunto de técnicas e procedimentos destinados à apresentação e descrição sumária de um conjunto de dados (amostra) Os elementos da amostra são apresentados em tabelas ou gráficos, sendo que estes últimos permitem observar algumas características particulares do conjunto de dados Os dois principais conjuntos de informações descritivas acerca de uma amostra são as medidas de posição / tendência central e as medidas de dispersão 7

8 Organizando e apresentando os dados Distribuição de freqüências agrupamento de dados em classes (ou categorias) e suas respectivas freqüências ( ou número de ocorrências) Cada categoria é definida pelos seus limites inferior e superior O número de classes deve ser tal que permita a obtenção de informações a respeito da amostra evite um número muito grande ou muito pequeno de classes Sempre que possível, utilize classes de mesma amplitude Histogramas Uma forma de representação gráfica da distribuição de freqüências Outras formas de representação gráfica: gráfico de torta, gráficos de ogiva (polígono de freqüências) 8

9 Organizando e apresentando os dados exemplo velocidade de carros na BR

10 Organizando e apresentando os dados exemplo velocidade dos carros distrib. de freqüência e histograma Distribuição de freqüências (10 classes) e histograma Limite Inferior Limite Superior Ocorrências

11 Medidas de posição ou tendência central As medidas de posição, também chamadas de percentis, definem um determinado valor dentro do conjunto de dados. As mais comuns são: Máximo Mínimo Quartis Decis As medidas de tendência central definem o centro da distribuição, segundo um determinado critério. As mais comuns são: Média (ou média aritmética) Mediana Moda 11

12 Medidas de tendência central Média valor médio dos elementos da amostra Fórmula da média para dados não agrupados (tratados individualmente) Para o exemplo anterior, a média é Média n 1 = x = n i= 1 x i = x 1 + x 2 + L+ n x n 12

13 13 Medidas de tendência central Fórmula da média para dados agrupados (diagrama de freqüência, onde x i é o valor médio do intervalo i e f i é a freqüência do intervalo i) Para o exemplo anterior, a média é 94,20 n n n n i i n i i i f f f x f x f x f f x f x Média = = = = = L L

14 Medidas de tendência central Mediana divide os elementos da amostra em duas partes iguais (o conjunto deve estar ordenado) Se o número de elementos (n) do conjunto for ímpar, a mediana é o elemento de ordem (n+1)/2 Se o número de elementos for par, a mediana é a média entre os elementos de ordem n/2 e (n+2)/2 Para o exemplo anterior, a mediana é (91+91)/2 = 91 Moda valor que ocorre com maior freqüência Pode haver mais de uma moda Para o exemplo anterior, a moda é 90 (5 ocorrências) Embora a mediana e a moda também possam ser calculadas para dados agrupados, nós não abordaremos esse assunto aqui 14

15 Medidas de posição Quartis dividem a amostra em 4 partes iguais (atenção: existem 3 quartis!) Para uma amostra com n elementos, o primeiro quartil (Q 1 ) será o elemento de ordem n/4, o segundo (Q 2 ) o elemento 2n/4 e o terceiro (Q 3 ) o elemento 3n/4 Se as ordens dos elementos referentes aos quartis resultarem em números fracionários, arredonde-os para cima Se as ordens resultarem em números inteiros, tome a média aritmética deste com o seguinte No exemplo anterior, as ordens dos quartis são 15, 30 e 45. Portanto, os quartis são (x 15 +x 16 )/2, (x 30 +x 31 )/2 e (x 45 +x 46 )/2 Os quartis são 83,5, 91 e 104,5 Observe que Q 2 é sempre igual à mediana 15

16 Medidas de posição Máximo maior valor da amostra Para o exemplo anterior, o máximo é 118 Mínimo menor valor da amostra Para o exemplo anterior, o mínimo é 63 Decis semelhante aos quartis, só que dividem a amostra em 10 partes iguais A forma de cálculo é semelhante a dos quartis Embora os quartis e decis (ou qualquer outro percentil) também possam ser calculados para tados agrupados, nós não abordaremos esse assunto aqui 16

17 Algumas observações sobre as medidas de posição e tendência Como as medidas de posição (mediana, moda, quartis e decis) são calculadas em função da posição relativa dos elementos de uma amostra, elas são insensíveis a valores extremos Essas medidas são chamadas de robustas Ao contrário, a média leva em conta o valor dos elementos de uma amostra, portanto é afetada por valores extremos da amostra 17

18 Medidas de dispersão Como o próprio nome diz, as medidas de dispersão medem a dispersão ou espalhamento (absoluto ou relativo) dos elementos de uma amostra As principais medidas de dispersão são: Amplitude Variância Desvio-padrão Amplitude interquartílica Coeficiente de variação 18

19 Medidas de dispersão Amplitude é a diferença entre os valores máximo e mínimo Para o exemplo anterior, a amplitude é 55 Amplitude interquartílica é a diferença entre o terceiro e primeiro quartis (Q 3 Q 1 ) Para o exemplo anterior, a amplitude interquartílica é 21 19

20 Medidas de dispersão Variância mede o desvio quadrado médio em relação à média dos elementos de uma amostra Fórmula da variância para dados não agrupados Para o exemplo anterior, a variância é 189,18 s 2 = 1 n 1 n i= 1 ( x i x) 2 ou s 2 n 1 = x n 1 i= 1 2 nx 2 Atenção: a variância é sempre 0!!!!! 20

21 21 Medidas de dispersão Fórmula da variância para dados agrupados (x i é o valor médio do intervalo i e f i é a freqüência do intervalo i) Para o exemplo anterior, a variância é 185,76 = = = = n i i n i i n i i i f f x f x s = = = n i i n i i i f f x x s ) ( ou ou

22 Medidas de dispersão Desvio-padrão é a raiz quadrada da variância Para o exemplo anterior com dados não agrupados, o desviopadrão é 13,75 Para o exemplo anterior com dados agrupados, o desvio-padrão é 13,63 Coeficiente de variação mede a dispersão dos elementos da amostra em relação à média. Sua fórmula é: s CV = x Para o exemplo anterior com dados não agrupados, o coeficiente de variação é 0,19 22

23 Interpretando o desvio-padrão O desvio-padrão é expresso na mesma unidade que os valores da amostra, ao contrário da variância, que é expressa em unidades 2. Daí, pela definição anterior, segue que o coeficiente de variação é adimensional. Em geral, devemos esperar que valores mais afastados da média (em desvios-padrão) tenham menor chance de ocorrer. Para uma amostra com distribuição simétrica e em formato de sino, encontraremos aproximadamente 68% dos valores estarão no intervalo 95% dos valores estarão no intervalo 100% dos valores estarão no intervalo x ±1.s x ± 2.s x ± 3.s 23

24 O desvio-padrão como medida de risco Exemplo considere dois fundos de investimento, A e B, e seus respectivos retornos nos últimos 12 meses (em %) Jan Fev Mar Abr Mai Jun Jul Ago Set Out Nov Dez Fundo A 5,25 4,37 5,36 5,64 4,77 4,51 4,82 4,93 5,39 5,29 4,68 5,04 Fundo B 1,23 2,28 3,40 7,00 6,75 7,47 7,28 5,29 10,7 5,37-0,2 3,45 Em qual dos dois fundos você colocaria o seu dinheiro? 24

25 O desvio-padrão como medida de risco Para ambos os fundos, R$100 aplicados em janeiro equivaleriam a aproximadamente R$180 em dezembro No entanto o desvio-padrão dos retornos do Fundo A é de 0,39% enquanto que para o Fundo B o desvio-padrão é de 3,10%, ou seja, o padrão de retornos do Fundo A oscilou muito menos em torno da média (foi mais homogêneo) que no Fundo B 25

26 O desvio-padrão como medida de risco Em Finanças, associamos a dispersão ao risco de um investimento E a teoria financeira diz também que um investidor racional exige retornos mais elevados para assumir riscos maiores Portanto, admitindo que você é um investidor racional, o Fundo A é mais atrativo que o Fundo B, pois para o mesmo retorno esperado em ambos os fundos você corre menos risco no Fundo A! 26

27 Algumas palavras sobre amostra e população População conjunto de todos os possíveis elementos pertencentem a uma mesma classe, sujeitos a uma análise, pesquisa etc. População de votantes do Brasil todos os brasileiros que possuem título de eleitor Um brasileiro que não possua título de eleitor ou um polonês não pertencem à população de votantes do Brasil Amostra um subconjunto de uma população 27

28 Algumas palavras sobre amostra e população Até o momento, estamos calculando os parâmetros de amostras O termo n 1 presente no denominador da fórmula da variância (e do desvio-padrão) é utilizado para torná-lo um estimador não tendencioso Normalmente, os parâmetros de uma amostra (média, desvio-padrão), serão denotados por e s Para os parâmetros da população, utilizamos µ e σ x 28

29 Utilizando a HP-12C e o Excel Com a HP-12C, você consegue calcular a média e desvio-padrão para a população e amostra As teclas utilizadas são < >, <s>, <Σ+> e < Σ-> Exemplo: considere o seguinte conjunto de dados: 4, 2, 5, 9, 3, 6 e 1 A média é 3,57 e o desvio-padrão é 1,99 Vejamos como utilizar a HP-12C x 29

30 Utilizando a HP-12C e o Excel Tecla Visor Descrição <f><σ> 0,00 Limpa os registros estatísticos 4<Σ+> 1,00 Primeiro dado inserido 2<Σ+> 2,00 Segundo dado inserido 5<Σ+> 3,00 Terceiro dado inserido 8<Σ+> 4,00 Ops! Dado incorreto 8<g><Σ > 3,00 Corrijo o dado incorreto 9<Σ+> 4,00 Quarto dado inserido 3<Σ+> 5,00 Quinto dado inserido 6<Σ+> 6,00 Sexto dado inserido 1<Σ+> 7,00 Último dado inserido <g>x <g>s 4,29 2,69 Média Desvio-padrão da amostra 30

31 Utilizando a HP-12C e o Excel O Excel possui diversas funções que permitem o cálculo das estatísticas descritivas med(lista) var(lista) varp(lista) Função maximo(lista) minimo(lista) media(lista) modo(lista) quartil(lista;k) desvpad(lista) desvpadp(lista) percentil(lista;k) cont.num(lista) Máximo (maior valor) da lista Mínimo (menor valor) da lista Média (aritmética) dos valores da lista Mediana da lista Moda da lista k-ésimo quartil da lista Variância amostral da lista (n-1) Variância populacional da lista Desvio-padrão amostral da lista Desvio-padrão populacional da lista k-ésimo percentil da lista Número de elementos da lista Descrição 31

32 Exemplo para casa Os dados do gráfico a seguir representam a temperatura máxima na estação Santa Cruz, na cidade do Rio de Janeiro, entre Janeiro de 1982 e Dezembro de Os dados estão no arquivo stat_case1.xls. Use o Excel para: Calcular a média, mediana, moda, máximo, mínimo, variância, desvio padrão, quartis, percentis 10%, 20%,..., 90% dos dados. Fazer um histograma dos dados. 32

33 Exemplo para casa Temperaturas Máximas a 1991 jan/84 mai/84 set/84 jan/85 mai/85 set/85 jan/86 mai/86 set/86 jan/87 mai/87 set/87 jan/88 mai/88 set/88 jan/89 mai/89 set/89 jan/90 mai/90 set/90 jan/91 mai/91 set/ mai/83 set/83 set/82 jan/83 jan/82 mai/82

34 Análise Multivariada Até agora, nós estudamos medidas númericas que caracterizam uma única variável por vez Muitas vezes precisamos analisar a relação existente entre duas ou mais variáveis Nós veremos a seguir duas dessas medidas Covariância Coeficiente de correlação 34

35 Covariância A covariância é uma medida da força da relação linear entre duas variáveis A fórmula da covariância de uma amostra é dada por s xy n ( x i 1 cov = = = xy i x)( y n 1 i y) Observe que para o cálculo da covariância, os valores relativos às duas variáveis devem estar emparelhados 35

36 Covariância Exemplo: uma grande loja de varejo deseja investigar a relação entre o número de comerciais (x) apresentados na TV e o volume de vendas na semana seguinte ao comercial (y). A tabela abaixo resume os dados Semana # de comerciais Vendas (R$ 000)

37 Covariância Pela análise do gráfico do volume de vendas x e número de comerciais, aparentemente existe uma relação linear forte entre as duas variáveis Calculando a covariância, obtemos: x = 3 y = 51 s xy = 11 37

38 Covariância interpretação gráfica Observe que a variância é obtida pelo produto dos desvios das variáveis em relação às suas médias Considere o gráfico abaixo Para os quadrantes I e III este produto é positivo, enquano que para os quadrantes II e IV, é negativo II x = 3 I y = III IV

39 Covariância interpretação gráfica Se s xy é positivo, os pontos que exercem maior influência estão localizados nos quadrantes I e III, indicando uma relação linear positiva entre x e y Se s xy é negativo, os pontos que exercem maior influencia estão localizados nos quadrantes II e IV, indicando uma relação linear negativa entre x e y Finalmente, se s xy é nulo ou próximo de zero, os pontos se encontram distribuidos uniformemente ao longo dos 4 quadrantes, não indicando nenhuma relação linear entre x e y 39

40 Problemas com a covariância Voltando ao exemplo anterior, parece haver uma forte relação linear positiva entre x e y, levando a um valor alto para s xy Mas, o que é um valor alto??? A covariância possui dois grandes problemas: Depende da unidade utilizada nos valores de x e y se as vendas fossem expressas em R$ (e não R$000), a variância seria e não 11 É difícil dizer, a princípio, se s xy é grande ou não é expressa em uma base absoluta. 40

41 Coeficiente de correlação Como a covariância, o coeficiente de correlação mede a força da relação linear entre duas variáveis emparelhadas Sua fórmula é dada por: s r xy = s s Ou seja, o coef. de correlação é apenas a covariância padronizada pelos desvios-padrões das duas variáveis (x e y) x xy y 41

42 Coeficiente de correlação Ao contrário da covariância, -1 r xy +1, e r xy é ADIMENSIONAL! Quanto mais próximo de +1, mais forte é a relação linear positiva entre x e y Quanto mais próximo de 1, mais forte é a relação linear negativa entre x e y Valores próximos de zero indicam ausência de relação linear entre x e y 42

43 Coeficiente de correlação No exemplo anterior, temos: s r xy s s x y xy = 11 = 1,49 = 7,93 = s s x xy s y = 11 1,49.7,93 = 0,93 Realmente, as variáveis x e y apresentam uma forte relação linear! Note que A COVARIÂNCIA E O COEFICIENTE DE CORRELAÇÃO MEDEM APENAS A INTENSIDADE DA RELAÇÃO LINEAR ENTRE AS DUAS VARIÁVEIS!!!! 43

44 Exemplo Risco de um Portfolio A teoria moderna de Finanças diz que devemos diversificar o nossa carteira de investimento a fim de diminuir o risco. Como já vimos anteriormente, a principal medida de risco utilizada é o desvio-padrão do retorno dos ativos. A partir da tabela a seguir com os retornos mensais de 2 ativos A e B, calcule: (a) a média e o desvio-padrão dos retornos de cada um deles; (b) a média e o desvio-padrão dos retornos de uma carteira composta de 50% do ativo A e 50% do ativo B; (c) idem, com 75% de A e 25% de B. Que conclusões você pode tirar? 44

45 Exemplo Risco de um Portfolio Mês Ativo A -11,5% 10,0% 1,6% -9,2% 1,0% -8,9% 20,4% 3,0% -9,3% Ativo B 0,6% 11,9% -14,5% -0,4% -6,0% 7,9% 17,3% -10,3% -17,8% As fórmulas para o cálculo da média e desvio-padrão de uma carteira são dadas a seguir: x s port 2 port w w A B = = = = w w A 2 A x s A 2 A peso peso + w + w B 2 B x s B 2 B + 2w A w B s de A no portfolio de B no portfolio 2 AB 10 11,3% 6,5% 11 1,3% -4,6% 12 0,0% -4,4% 45

46 Exemplo Risco de um Portfolio Solução: x A = 0,806%, x B = -1,156%; s A = 9,274%; s B = 10,168% Portfolio A: x = -0,175%; s = 8,459% Portfolio B: x = 0,316%; s = 8,544% Nos dois portfolios, o risco apresentado foi menor do que os riscos dos ativos individuais O retorno médio para ambos os portfolios ficou situado entre os retornos médios dos ativos individuais Conclusão conseguimos diversificar parte do risco, mas à custa de parte do retorno 46

47 Análise multivariada considerações finais Como na seção anterior, as fórmulas para variância e coeficiente de correlação aqui apresentadas referemse a amostras Para a população, as fórmulas são as seguintes: σ ρ xy xy x xy y n ( x i=1 = xy = = cov σ σ σ i µ )( y X n i µ ) Y 47

48 Utilizando o Excel Funções do Excel para análise multivariada Função covar(x;y) correl(x;y) Descrição Calcula a covariância populacional entre x e y. Para calcular a covariância amostral, multiplique o resultado obtido por n e divida por n 1 (n = número de pontos da amostra) Calcula o coeficiente de correlação populacional entre x e y.para calcular o coeficiente de correlação amostral, multiplique o resultado obtido por n e divida por n 1 (onde n é o número de pontos da amostra) 48

49 Exemplo para casa O arquivo stat_case2.xls contém as vendas mensais de automóveis (no mercado interno), aparelhos de TV e videocassete no período entre Janeiro de 1995 e Dezembro de Use o Excel para: Fazer o gráfico da evolução de cada variável ao longo do tempo Fazer o gráfico de dispersão das vendas de cada variável versus cada uma das outras (auto x TV, auto x video, TV x video) Calcular as covariâncias entre todos os pares de variáveis Calcular os coeficientes de correlação entre todos os pares de variáveis 49

50 Probabilidades Introdução Probabilidade faz parte do nosso dia a dia, por exemplo: A previsão da meteorologia é de (grande chance de) chuvas ao final do dia O Flamengo possui (MUITAS!!!) chances matemáticas de chegar à final A probabilidade do candidato XYZ chegar ao 2o. Turno das eleições presidenciais é pequena... A probabilidade da taxa SELIC cair na próxima reunião do COPOM é alta... 50

51 Probabilidades Introdução Em resumo: estamos SEMPRE falando sobre probabilidades no nosso dia a dia, resta saber como quantificá-las, e quais os MODELOS mais comuns na prática. Na terminologia usual, a probabilidade reflete a chance de um determinado evento ocorrer Quanto maior a probabilidade, maiores as chances de ocorrência IMPORTANTE: probabilidade é um número entre 0 e 1 sempre! 51

52 Probabilidades Introdução E por que é necessário estudar probabilidades? Sempre que lidamos com experiências aleatórias, ou seja, toda vez em que o mundo não é determinístico (quase sempre...) Experiência aleatória Aquela cujo resultado não pode ser conhecido antes da realização da mesma, por exemplo: O resultado da jogada de um dado; O número de carros que passam num posto de pedágio num intervalo de meia hora; A cotação do dólar em 02/03/2005; Os números que vão sair no concurso da Mega-Sena da próxima semana. 52

53 Probabilidades Introdução Mas... note que, embora você não saiba exatamente qual o resultado da experiência aleatória, também não existe ignorância completa sobre o assunto!!! No exemplo do dado, é claro que os resultados possíveis são {1, 2, 3, 4, 5, 6}, as faces do dado; no caso da Mega-Sena, o conjunto de valores possíveis são os 6 números sorteados no conjunto {0,..., 50} e nos outros exemplos podemos estabelecer um intervalo de valores máximos e mínimos! 53

54 Probabilidades algumas definições Experimento ou Experiência Aleatória atividade objeto do estudo Jogar um dado 5 vezes consecutivas Escolher ao acaso um nome da lista telefônica A cotação do dólar em 02/03/

55 Probabilidades algumas definições Espaço Amostral ou Universo conjunto de todos os possíveis resultados que podem ocorrer em um experimento Todas as possíveis combinações de 5 arremessos consecutivos de um dado (7.776) Total de nomes da lista telefônica do Rio de Janeiro (???) Valores entre R$ 1.50 e 150 reais (cotação do dólar em 02/03/2005) Evento um conjunto de possíveis resultados de um experimento Seqüências de 5 valores diferentes Nomes que comecem com P e tenham 5 letras Cotação do dólar entre 3.8 e 8.5 reais em 02/03/

56 Probabilidades algumas definições Complemento de um evento A ou A c todos os elementos do espaço amostral que não pertencem a A Se a probabilidade de um evento A for p (decimal), a probabilidade de A c será 1 p Eventos mutuamente exclusivos A e B os elementos de A não pertencem a B e vice-versa A ocorrência do evento A implica na não ocorrência do evento B e vice-versa Eventos coletivamente exaustivos A e B a união dos elementos de A e B formam o espaço amostral 56

57 Probabilidades métodos de cálculo Existem dois métodos quantitativos para a determinação de probabilidades de ocorrência de eventos. O primeiro, chamado de Método Clássico, assume que todos os elementos do espaço amostral são equiprováveis e a probabilidade de ocorrência de um determinado evento A, P(A), é definida como o número de resultados favoráveis (pertencentes ao evento), N(A), dividido pelo número total de resultados possíveis (espaço amostral), N(U). P ( A) = N( A) N( U ) 57

58 Probabilidades métodos de cálculo Exemplo: Considere o lançamento de dois dados não viciados. Qual é a probabilidade da soma dos valores obtidos ser 5? Solução: O espaço amostral contém 36 elementos (6 possibilidades para o primeiro dado e 6 possibilidades para o segundo dado) O evento considerado possui 4 elementos os pares (1,4), (4,1), (2,3) e (3,2) A probabilidade de A, P(A), é dada por: N( A) 4 P( A) = = = N( U ) 36 0,11 58

59 Probabilidades métodos de cálculo No segundo método, chamado de Método da Freqüência Relativa, não podemos assumir que todos os elementos do espaço amostral são equiprováveis Desta forma, devemos obter alguma amostra representativa do espaço amostral e utilizar a proporção de elementos favoráveis da amostra em relação ao tamanho total da amostra como estimativa da probabilidade do evento A As conclusões obtidas por esse método somente serão válidas se as amostras utilizadas mantiverem as mesmas características e condições da população (espaço amostral) 59

60 Probabilidades definição freqüência relativa Seja E uma experiência aleatória, e supomos que a experiência pode ser repetida n vezes, sempre nas mesmas condições. Sejam A e B eventos quaisquer, e n a e n b representam o número de ocorrências dos eventos A e B nas n repetições da experiência E. Por exemplo, suponha que E é a experiência: jogar um dado e observar o número que saiu. Seja A o evento: saiu um número par, e B o evento: saiu o número 6. Joga-se o dado 20 vezes, e observa-se as seguintes freqüências para cada face do dado: 60

61 Probabilidades definição freqüência relativa face do dado freqüência Então : n a = 11 e n b = 2, e n = 20 (número de repetições da experiência). Intuitivamente, se tivéssemos jogado o dado um número bem maior de vezes, nós nos sentiríamos mais confiantes em afirmar que a probabilidade de uma das faces do dado seria igual ao número de vezes em que aquela face "saiu" dividido pelo número de repetições da experiência. 61

62 Probabilidades definição freqüência relativa Definição - Freqüência relativa A freqüência relativa de um evento A, denotada por f A é definida por: f A = n a / n onde na indica o número de ocorrências do evento A dentre as n repetições da experiência. A partir da definição vemos que as freqüências relativas dos eventos A e B são, respectivamente, 11/20 = 0.55 e 2/20 =

63 Probabilidades métodos de cálculo Exemplo: De um total de nascimentos, 394 foram de gêmeos, trigêmeos ou mais. Qual a probabilidade de ocorrer o nascimento de uma única criança (não gêmeo)? Solução: A amostra é composta por elementos O evento considerado possui = elementos A probabilidade de A, P(A), é dada por: N( A) 4606 P( A) = = = N( U ) ,

64 Probabilidades algumas definições Espaço amostral e eventos representação gráfica (Diagrama de Venn) Espaço Amostral Interseção entre os eventos A e B Evento A Evento B 64

65 Probabilidades algumas definições Eventos complementares o complemento de A (A c ) é composto por todos os elementos do espaço amostral que não pertencem a A Espaço Amostral A c A 65

66 Probabilidades algumas definições Eventos mutuamente exclusivos os elementos de A não pertencem a B e vice-versa Obseve que dois eventos complementares são mutuamente exclusivos Espaço Amostral A B 66

67 Probabilidades algumas definições Eventos coletivamente exaustivos a união de todos os elementos pertencentes a esses eventos forma o espaço amostral Eventos coletivamente exaustivos podem ser mutuamente exclusivos (quando não há interseção entre eles) ou não Espaço Amostral A B C 67

68 Leis da Adição As leis da adição são úteis quando quando temos dois ou mais eventos e desejamos calcular a probabilidade de que pelo menos um deles ocorra Antes, vamos discutir dois conceitos importantes: a união e a interseção de eventos A união de dois eventos A e B é um evento C composto por todos os elementos pertencentes a A, B ou ambos, denotada por A B A interseção de dois eventos A e B é um evento C composto por todos os elementos pertencentes simultaneamente a A e B, denotada por A B 68

69 Leis da adição caso geral P(A+B) = P(A ou B) = P(A B) = P(A) + P(B) P(A B) A razão do último termo da fórmula e que quando somamos P(A) e P(B) estamos contando duas vezes P(A B) A B Espaço Amostral A B 69

70 Leis da Adição casos particulares Eventos mutuamente exclusivos P(A+B) = p(a) + p(b), já que P(A B) = 0 Eventos complementares P(A+B) = P(A) + P(B) = 1, já que P(A B) = 0 Eventos coletivamente exaustivos P(A+B) = P(A) + P(B) P(A B) = 1 Eventos coletivamente exaustivos e mutuamente exclusivos P(A+B) = P(A) + P(B) = 1, já que P(A B) = 0 70

71 Leis da Adição - exemplo Um banco possui 10 fundos de investimento. Desses, 6 são de renda fixa, 4 são corporativos e 2 são de renda fixa e corporativos. Se escolhermos um fundo ao acaso, qual é a probabilidade dele ser de renda fixa ou corporativo? Solução (evento A: renda fixa evento B: corporativo) Universo = 10 elementos P(A+B) = P(A) + P(B) P(A B) P(A) = 6/10 = 0,6 P(B) = 4/10 = 0,4 P(A B) = 2/10 = 0,2 P(A U B) = 0,6 + 0,4 0,2 = 0,8 ou 80% 71

72 Exemplo - para casa Uma empresa de TV a cabo possui clientes. Destes, 3500 assinam o pacote de programação premium, e 6000 possuem mais de um ponto instalado em casa clientes são, simultaneamente, assinantes premium com mais de um ponto instalado. Escolhe-se um cliente ao acaso. Qual a probabilidade dele ser assinante premium ou ter mais de um ponto instalado em casa? 72

73 Leis da Multiplicação Eventos independentes a ocorrência de A não influencia B e vice-versa Dois arremessos consecutivos de uma moeda As idades das próximas duas pessoas a entrar em um banco Probabilidade de ocorrência de dois eventos independentes P(A x B) = P(A e B) = P(A B) = P(A) x P(B) Exemplo: qual a probabilidade de ocorrência de exatamente 3 caras em três arremessos consecutivos de uma moeda? P(cara) = 0,5 P(3 caras) = 0,5 x 0,5 x 0,5 = 0,125 73

74 Leis da Multiplicação Exemplo: qual a probabilidade de ocorrência de pelo menos uma cara em três arremessos consecutivos de uma moeda? Método A: (c cara o coroa) 1 o 2 o 3 o Universo: 8 c c c c c c o o o o c o o c c o o o c o c o c o Elementos favoráveis: 7 P(A): 7/8 = 0,875 74

75 Leis da Multiplicação Método B: Observe que o evento A: obter pelo menos 1 cara é complementar ao evento B: não obter nenhuma cara Conseqüentemente P(A) + P(B) = 1 P(B) = 0,5 x 0,5 x 0,5 = 0,125 Logo, P(B) = 1 P(A) = 0,875 75

76 Independência e Dependência Exemplo Tomou-se uma amostra com 1000 pessoas num shopping-center com o objetivo de investigar a relação entre renda familiar e posse de cartões de crédito. A partir dos dados da próxima tabela pergunta-se: existe independência entre renda e número de cartões? 76

77 Independência e Dependência Renda Familiar < R$ 500 R$ 501 a R$1000 R$ 1001 a R$ 2000 > R$ 2001 Núm. Cartões ou mais Se existe independência entre as duas variáveis, então Pr(A i B j ) = Pr(A i ).Pr(B j ) para todos i e j, onde A i indica o nível de renda e B j o número de cartões de crédito. Logo, basta provar que a igualdade acima não é válida para ALGUMA célula na tabela para concluir que as duas variáveis são dependentes. Se olharmos para a célula superior esquerda vemos que: 77

78 Independência e Dependência Pr(renda abaixo de R$ 500 E 0 cartões) = 0.26 Mas: Pr(renda abaixo de R$ 500) = 330/1000 = 0.33 Pr( 0 cartões de crédito) = 530/1000 = 0.53 E como 0.26 (0.33)(0.53), segue que as variáveis renda familiar e número de cartões de crédito são dependentes. 78

Estatística stica para Metrologia

Estatística stica para Metrologia Aula 5 Estatística stica para Metrologia Aula 5 Variáveis Contínuas Uniforme Exponencial Normal Lognormal Mônica Barros, D.Sc. Maio de 008 1 Distribuição Uniforme A probabilidade de ocorrência em dois

Leia mais

Universidade Federal do Paraná Departamento de Informática. Reconhecimento de Padrões. Revisão de Probabilidade e Estatística

Universidade Federal do Paraná Departamento de Informática. Reconhecimento de Padrões. Revisão de Probabilidade e Estatística Universidade Federal do Paraná Departamento de Informática Reconhecimento de Padrões Revisão de Probabilidade e Estatística Luiz Eduardo S. Oliveira, Ph.D. http://lesoliveira.net Conceitos Básicos Estamos

Leia mais

Estatística stica para Metrologia

Estatística stica para Metrologia Estatística stica para Metrologia Aula 2 Definições básicas Introdução à robabilidade Mônica Barros, D.Sc. Março o de 2008 1 2 robabilidades Introdução robabilidade faz parte do nosso dia a dia, por exemplo:

Leia mais

Aula 11 Esperança e variância de variáveis aleatórias discretas

Aula 11 Esperança e variância de variáveis aleatórias discretas Aula 11 Esperança e variância de variáveis aleatórias discretas Nesta aula você estudará os conceitos de média e variância de variáveis aleatórias discretas, que são, respectivamente, medidas de posição

Leia mais

LISTA DE EXERCÍCIOS VARIÁVEIS ALEATÓRIAS

LISTA DE EXERCÍCIOS VARIÁVEIS ALEATÓRIAS LISTA DE EXERCÍCIOS VARIÁVEIS ALEATÓRIAS 1. Construir um quadro e o gráfico de uma distribuição de probabilidade para a variável aleatória X: número de coroas obtidas no lançamento de duas moedas. 2. Fazer

Leia mais

2 T Probabilidade: Definições básicas. 3 T Probabilidade: Definições básicas

2 T Probabilidade: Definições básicas. 3 T Probabilidade: Definições básicas Programa do Curso Métodos Estatísticos sticos de Apoio à Decisão Aula 4 Mônica Barros, D.Sc. Julho de 2008 Disciplina Métodos Estatísticos de Apoio à Decisão - BI MASTER 2008 Responsável Mônica Barros

Leia mais

Logo, para estar entre os 1% mais caros, o preço do carro deve ser IGUAL OU SUPERIOR A:

Logo, para estar entre os 1% mais caros, o preço do carro deve ser IGUAL OU SUPERIOR A: MQI 00 ESTATÍSTICA PARA METROLOGIA - SEMESTRE 008.0 Teste 6/05/008 GABARITO PROBLEMA O preço de um certo carro usado é uma variável Normal com média R$ 5 mil e desvio padrão R$ 400,00. a) Você está interessado

Leia mais

CURSO ON-LINE PROFESSOR: VÍTOR MENEZES

CURSO ON-LINE PROFESSOR: VÍTOR MENEZES Caros concurseiros, Como havia prometido, seguem comentários sobre a prova de estatística do ICMS RS. Em cada questão vou fazer breves comentários, bem como indicar eventual possibilidade de recurso. Não

Leia mais

Curso: Logística e Transportes Disciplina: Estatística Profa. Eliane Cabariti. Distribuição Normal

Curso: Logística e Transportes Disciplina: Estatística Profa. Eliane Cabariti. Distribuição Normal Curso: Logística e Transportes Disciplina: Estatística Profa. Eliane Cabariti Distribuição Normal 1. Introdução O mundo é normal! Acredite se quiser! Muitos dos fenômenos aleatórios que encontramos na

Leia mais

AULAS 04 E 05 Estatísticas Descritivas

AULAS 04 E 05 Estatísticas Descritivas 1 AULAS 04 E 05 Estatísticas Descritivas Ernesto F. L. Amaral 19 e 28 de agosto de 2010 Metodologia de Pesquisa (DCP 854B) Fonte: Triola, Mario F. 2008. Introdução à estatística. 10 ª ed. Rio de Janeiro:

Leia mais

Inferência Estatística

Inferência Estatística Universidade Federal Fluminense Instituto de Matemática e Estatística Inferência Estatística Ana Maria Lima de Farias Departamento de Estatística Conteúdo 1 Inferência estatística Conceitos básicos 1 1.1

Leia mais

UNIVERSIDADE DE SÃO PAULO. Faculdade de Arquitetura e Urbanismo

UNIVERSIDADE DE SÃO PAULO. Faculdade de Arquitetura e Urbanismo UNIVERSIDADE DE SÃO PAULO Faculdade de Arquitetura e Urbanismo DISTRIBUIÇÃO AMOSTRAL ESTIMAÇÃO AUT 516 Estatística Aplicada a Arquitetura e Urbanismo 2 DISTRIBUIÇÃO AMOSTRAL Na aula anterior analisamos

Leia mais

COMENTÁRIO AFRM/RS 2012 ESTATÍSTICA Prof. Sérgio Altenfelder

COMENTÁRIO AFRM/RS 2012 ESTATÍSTICA Prof. Sérgio Altenfelder Comentário Geral: Prova muito difícil, muito fora dos padrões das provas do TCE administração e Economia, praticamente só caiu teoria. Existem três questões (4, 45 e 47) que devem ser anuladas, por tratarem

Leia mais

Premium até 10 S.M. 180 60 30 20 10 a 20 S.M. 80 40 40 40 20 a 30 S.M. 60 30 60 70 mais de 30 S.M. 40 20 70 160

Premium até 10 S.M. 180 60 30 20 10 a 20 S.M. 80 40 40 40 20 a 30 S.M. 60 30 60 70 mais de 30 S.M. 40 20 70 160 1 MQI 2003 Estatística para Metrologia semestre 2008.01 LISTA DE EXERCÍCIOS # 1 PROBLEMA 1 Uma empresa de TV a cabo toma uma amostra de 1000 clientes, com o objetivo de verificar a relação entre a renda

Leia mais

Estatística Aplicada ao Serviço Social

Estatística Aplicada ao Serviço Social Estatística Aplicada ao Serviço Social Prof a. Juliana Freitas Pires Departamento de Estatística Universidade Federal da Paraíba - UFPB juliana@de.ufpb.br Introdução O que é Estatística? Coleção de métodos

Leia mais

Apoio à Decisão. Aulas 1 e 2. Quem sou eu? Mônica Barros, D.Sc. Programa do Curso Ferramentas de Análise do Excel. Mônica Barros

Apoio à Decisão. Aulas 1 e 2. Quem sou eu? Mônica Barros, D.Sc. Programa do Curso Ferramentas de Análise do Excel. Mônica Barros Quem sou eu? Métodos Estatísticos sticos de Apoio à Decisão Aulas 1 e 2 Mônica Barros, D.Sc. Mônica Barros Doutora em Séries Temporais PUC-Rio Mestre em Estatística University of Texas at Austin, EUA Bacharel

Leia mais

AULAS 13, 14 E 15 Correlação e Regressão

AULAS 13, 14 E 15 Correlação e Regressão 1 AULAS 13, 14 E 15 Correlação e Regressão Ernesto F. L. Amaral 23, 28 e 30 de setembro de 2010 Metodologia de Pesquisa (DCP 854B) Fonte: Triola, Mario F. 2008. Introdução à estatística. 10 ª ed. Rio de

Leia mais

Aula 2: Variáveis Aleatórias Discretas e Contínuas e suas Principais Distribuições.

Aula 2: Variáveis Aleatórias Discretas e Contínuas e suas Principais Distribuições. Aula 2: Variáveis Aleatórias Discretas e Contínuas e suas Principais Distribuições. Prof. Leandro Chaves Rêgo Programa de Pós-Graduação em Engenharia de Produção - UFPE Recife, 14 de Março de 2012 Tipos

Leia mais

Distribuição de Freqüência

Distribuição de Freqüência Distribuição de Freqüência Representação do conjunto de dados Distribuições de freqüência Freqüência relativa Freqüência acumulada Representação Gráfica Histogramas Organização dos dados Os métodos utilizados

Leia mais

Primeira Lista de Exercícios de Estatística

Primeira Lista de Exercícios de Estatística Primeira Lista de Exercícios de Estatística Professor Marcelo Fernandes Monitor: Márcio Salvato 1. Suponha que o universo seja formado pelos naturais de 1 a 10. Sejam A = {2, 3, 4}, B = {3, 4, 5}, C =

Leia mais

EXERCÍCIOS 2006 APOSTILA DE EXERCÍCIOS ESTATÍSTICA

EXERCÍCIOS 2006 APOSTILA DE EXERCÍCIOS ESTATÍSTICA EXERCÍCIOS 2006 APOSTILA DE EXERCÍCIOS ESTATÍSTICA Professor: LUIZ ANTÔNIO 1 1º) Em um escritório de consultoria, há cinco contínuos que recebem os seguintes salários mensais: R$ 800,00; R$ 780,00; R$

Leia mais

DETERMINAÇÃO DE LIMITES DE CRÉDITO! Uma nova abordagem para um velho problema.! Apresentação de planilha para determinação de limites de crédito.

DETERMINAÇÃO DE LIMITES DE CRÉDITO! Uma nova abordagem para um velho problema.! Apresentação de planilha para determinação de limites de crédito. UP-TO-DATE. ANO I. NÚMERO 41 DETERMINAÇÃO DE LIMITES DE CRÉDITO! Uma nova abordagem para um velho problema.! Apresentação de planilha para determinação de limites de crédito. Carlos Alexandre Sá (calex@marlin.com.br)

Leia mais

INE 7001 - Procedimentos de Análise Bidimensional de variáveis QUANTITATIVAS utilizando o Microsoft Excel. Professor Marcelo Menezes Reis

INE 7001 - Procedimentos de Análise Bidimensional de variáveis QUANTITATIVAS utilizando o Microsoft Excel. Professor Marcelo Menezes Reis INE 7001 - Procedimentos de Análise Bidimensional de variáveis QUANTITATIVAS utilizando o Microsoft Excel. Professor Marcelo Menezes Reis O objetivo deste texto é apresentar os principais procedimentos

Leia mais

Faculdade Tecnológica de Carapicuíba Tecnologia em Logística Ênfase em Transportes Notas da Disciplina de Estatística (versão 8.

Faculdade Tecnológica de Carapicuíba Tecnologia em Logística Ênfase em Transportes Notas da Disciplina de Estatística (versão 8. Faculdade Tecnológica de Carapicuíba Tecnologia em Logística Ênfase em Transportes Notas da Disciplina de Estatística (versão 8.) PROBABILIDADE Dizemos que a probabilidade é uma medida da quantidade de

Leia mais

Bioestatística Aula 3

Bioestatística Aula 3 Aula 3 Castro Soares de Oliveira Probabilidade Probabilidade é o ramo da matemática que estuda fenômenos aleatórios. Probabilidade é uma medida que quantifica a sua incerteza frente a um possível acontecimento

Leia mais

INE 5122 LISTA DE EXERCÍCIOS INFERÊNCIA ESTATÍSTICA

INE 5122 LISTA DE EXERCÍCIOS INFERÊNCIA ESTATÍSTICA INE 5122 LISTA DE EXERCÍCIOS INFERÊNCIA ESTATÍSTICA Marcados com asterisco os exercícios de Estimação de Parâmetros. Lista de Exercícios Inferência Estatística 1 1. O tempo médio de atendimento em uma

Leia mais

Distribuições de Probabilidade Distribuição Normal

Distribuições de Probabilidade Distribuição Normal PROBABILIDADES Distribuições de Probabilidade Distribuição Normal BERTOLO PRELIMINARES Quando aplicamos a Estatística na resolução de situações-problema, verificamos que muitas delas apresentam as mesmas

Leia mais

MEDIDAS DE DISPERSÃO

MEDIDAS DE DISPERSÃO MEDIDAS DE DISPERSÃO 1) (PETROBRAS) A variância da lista (1; 1; 2; 4) é igual a: a) 0,5 b) 0,75 c) 1 d) 1,25 e) 1,5 2) (AFPS ESAF) Dada a seqüência de valores 4, 4, 2, 7 e 3 assinale a opção que dá o valor

Leia mais

CURSO ON-LINE PROFESSOR GUILHERME NEVES 1

CURSO ON-LINE PROFESSOR GUILHERME NEVES 1 CURSO ON-LINE PROFESSOR GUILHERME NEVES 1 Olá pessoal! Resolverei neste ponto a prova de Matemática e Estatística para Técnico Administrativo para o BNDES 2008 organizado pela CESGRANRIO. Sem mais delongas,

Leia mais

Exercícios Resolvidos da Distribuição Binomial

Exercícios Resolvidos da Distribuição Binomial . a. Estabeleça as condições exigidas para se aplicar a distribuição binomial? b. Qual é a probabilidade de caras em lançamentos de uma moeda honesta? c. Qual é a probabilidade de menos que caras em lançamentos

Leia mais

Curso: Logística e Transportes Disciplina: Estatística Profa. Eliane Cabariti

Curso: Logística e Transportes Disciplina: Estatística Profa. Eliane Cabariti Curso: Logística e Transportes Disciplina: Estatística Profa. Eliane Cabariti Medidas de Posição Depois de se fazer a coleta e a representação dos dados de uma pesquisa, é comum analisarmos as tendências

Leia mais

Distribuições de Probabilidade Distribuição Binomial

Distribuições de Probabilidade Distribuição Binomial PROBABILIDADES Distribuições de Probabilidade Distribuição Binomial BERTOLO PRELIMINARES Quando aplicamos a Estatística na resolução de situações-problema, verificamos que muitas delas apresentam as mesmas

Leia mais

INSTITUTO DE APLICAÇÃO FERNANDO RODRIGUES DA SILVEIRA (CAp/UERJ) MATEMÁTICA ENSINO MÉDIO - PROF. ILYDIO SÁ CÁLCULO DE PROBABILIDADES PARTE 1

INSTITUTO DE APLICAÇÃO FERNANDO RODRIGUES DA SILVEIRA (CAp/UERJ) MATEMÁTICA ENSINO MÉDIO - PROF. ILYDIO SÁ CÁLCULO DE PROBABILIDADES PARTE 1 1 INSTITUTO DE APLICAÇÃO FERNANDO RODRIGUES DA SILVEIRA (CAp/UERJ) MATEMÁTICA ENSINO MÉDIO - PROF. ILYDIO SÁ CÁLCULO DE PROBABILIDADES PARTE 1 1. Origem histórica É possível quantificar o acaso? Para iniciar,

Leia mais

Probabilidade. Distribuição Normal

Probabilidade. Distribuição Normal Probabilidade Distribuição Normal Distribuição Normal Uma variável aleatória contínua tem uma distribuição normal se sua distribuição é: simétrica apresenta (num gráfico) forma de um sino Função Densidade

Leia mais

Vetores Aleatórios, correlação e conjuntas

Vetores Aleatórios, correlação e conjuntas Vetores Aleatórios, correlação e conjuntas Cláudio Tadeu Cristino 1 1 Universidade Federal Rural de Pernambuco, Recife, Brasil Segundo Semestre, 2013 C.T.Cristino (DEINFO-UFRPE) Vetores Aleatórios 2013.2

Leia mais

Cláudio Tadeu Cristino 1. Julho, 2014

Cláudio Tadeu Cristino 1. Julho, 2014 Inferência Estatística Estimação Cláudio Tadeu Cristino 1 1 Universidade Federal de Pernambuco, Recife, Brasil Mestrado em Nutrição, Atividade Física e Plasticidade Fenotípica Julho, 2014 C.T.Cristino

Leia mais

Capítulo 3 Modelos Estatísticos

Capítulo 3 Modelos Estatísticos Capítulo 3 Modelos Estatísticos Slide 1 Resenha Variáveis Aleatórias Distribuição Binomial Distribuição de Poisson Distribuição Normal Distribuição t de Student Distribuição Qui-quadrado Resenha Slide

Leia mais

Medidas de Variação ou Dispersão

Medidas de Variação ou Dispersão Medidas de Variação ou Dispersão Estatística descritiva Recapitulando: As três principais características de um conjunto de dados são: Um valor representativo do conjunto de dados: uma média (Medidas de

Leia mais

ESTATÍSTICA. aula 1. Insper Ibmec São Paulo. Prof. Dr. Marco Antonio Leonel Caetano

ESTATÍSTICA. aula 1. Insper Ibmec São Paulo. Prof. Dr. Marco Antonio Leonel Caetano ESTATÍSTICA aula 1 Prof. Dr. Marco Antonio Leonel Caetano Insper Ibmec São Paulo ESTATÍSTICA COISAS DO ESTADO ESTATÍSTICA: - Apresentação e Análise de dados - Tomadas de Decisões baseadas em análises -

Leia mais

4) Quais dos seguintes pares de eventos são mutuamente exclusivos:

4) Quais dos seguintes pares de eventos são mutuamente exclusivos: INE 7002 LISTA DE EXERCÍCIOS PROBABILIDADE Lista de Exercícios - Probabilidade 1 1) Lâmpadas que se apresentam em perfeitas condições são ensaiadas quanto ao tempo de vida. Um instrumento é acionado no

Leia mais

Resoluções comentadas de Raciocínio Lógico e Estatística - SEPLAG-2010 - EPPGG

Resoluções comentadas de Raciocínio Lógico e Estatística - SEPLAG-2010 - EPPGG Resoluções comentadas de Raciocínio Lógico e Estatística - SEPLAG-010 - EPPGG 11. Em uma caixa há 1 bolas de mesmo tamanho: 3 brancas, 4 vermelhas e 5 pretas. Uma pessoa, no escuro, deve retirar n bolas

Leia mais

Estatística Aplicada. Gestão de TI. Evanivaldo Castro Silva Júnior

Estatística Aplicada. Gestão de TI. Evanivaldo Castro Silva Júnior Gestão de TI Evanivaldo Castro Silva Júnior Porque estudar Estatística em um curso de Gestão de TI? TI trabalha com dados Geralmente grandes bases de dados Com grande variabilidade Difícil manipulação,

Leia mais

Inferência Estatística Aula 3

Inferência Estatística Aula 3 Inferência Estatís Aula 3 Agosto de 008 Mônica Barros Conteúdo Revisão de Probabilidade Algumas das principais distribuições discretas Distribuição de Poisson Distribuição Poisson como aproximação da Binomial

Leia mais

Regra do Evento Raro p/ Inferência Estatística:

Regra do Evento Raro p/ Inferência Estatística: Probabilidade 3-1 Aspectos Gerais 3-2 Fundamentos 3-3 Regra da Adição 3-4 Regra da Multiplicação: 3-5 Probabilidades por Meio de Simulações 3-6 Contagem 1 3-1 Aspectos Gerais Objetivos firmar um conhecimento

Leia mais

Métodos Estatísticos II 1 o. Semestre de 2010 ExercíciosProgramados1e2 VersãoparaoTutor Profa. Ana Maria Farias (UFF)

Métodos Estatísticos II 1 o. Semestre de 2010 ExercíciosProgramados1e2 VersãoparaoTutor Profa. Ana Maria Farias (UFF) Métodos Estatísticos II 1 o. Semestre de 010 ExercíciosProgramados1e VersãoparaoTutor Profa. Ana Maria Farias (UFF) Esses exercícios abrangem a matéria das primeiras semanas de aula (Aula 1) Os alunos

Leia mais

Teorema do Limite Central e Intervalo de Confiança

Teorema do Limite Central e Intervalo de Confiança Probabilidade e Estatística Teorema do Limite Central e Intervalo de Confiança Teorema do Limite Central Teorema do Limite Central Um variável aleatória pode ter uma distribuição qualquer (normal, uniforme,...),

Leia mais

Slides de Estatística Descritiva na HP-12C 01/10/2009 ESTATÍSTICAS. Na HP-12C. 01/10/2009 Bertolo 2. O que é Estatística?

Slides de Estatística Descritiva na HP-12C 01/10/2009 ESTATÍSTICAS. Na HP-12C. 01/10/2009 Bertolo 2. O que é Estatística? ESTATÍSTICAS Na HP-12C 01/10/2009 Bertolo 1 O que é Estatística? A estatística pode ser entendida como um conjunto de ferramentas envolvidas no estudo de métodos e procedimentos usados para 1. colecionar,

Leia mais

PROBABILIDADE PROFESSOR: ANDRÉ LUIS

PROBABILIDADE PROFESSOR: ANDRÉ LUIS PROBABILIDADE PROFESSOR: ANDRÉ LUIS 1. Experimentos Experimento determinístico: são aqueles em que o resultados são os mesmos, qualquer que seja o número de ocorrência dos mesmos. Exemplo: Um determinado

Leia mais

CAPÍTULO 4 Exercícios Resolvidos

CAPÍTULO 4 Exercícios Resolvidos CAPÍTULO 4 Exercícios Resolvidos R4.1) Condição para concretização de uma venda Um certo tipo de componente é vendido em lotes de 1000 itens. O preço de venda do lote é usualmente de 60 u.m. Um determinado

Leia mais

I. Experimentos Aleatórios

I. Experimentos Aleatórios A teoria do azar consiste em reduzir todos os acontecimentos do mesmo gênero a um certo número de casos igualmente possíveis, ou seja, tais que estejamos igualmente inseguros sobre sua existência, e em

Leia mais

http://www.de.ufpb.br/~luiz/

http://www.de.ufpb.br/~luiz/ UNIVERSIDADE FEDERAL DA PARAÍBA MEDIDAS DESCRITIVAS Departamento de Estatística Luiz Medeiros http://www.de.ufpb.br/~luiz/ Vimos que é possível sintetizar os dados sob a forma de distribuições de frequências

Leia mais

4. σ 2 Var X p x q e σ Dp X Podemos escrever o modelo do seguinte modo:

4. σ 2 Var X p x q e σ Dp X Podemos escrever o modelo do seguinte modo: Distribuições de Probabilidades Quando aplicamos a Estatística na resolução de problemas administrativos, verificamos que muitos problemas apresentam as mesmas características o que nos permite estabelecer

Leia mais

Análise descritiva de Dados. a) Média: (ou média aritmética) é representada por x e é dada soma das observações, divida pelo número de observações.

Análise descritiva de Dados. a) Média: (ou média aritmética) é representada por x e é dada soma das observações, divida pelo número de observações. Análise descritiva de Dados 4. Medidas resumos para variáveis quantitativas 4.1. Medidas de Posição: Considere uma amostra com n observações: x 1, x,..., x n. a) Média: (ou média aritmética) é representada

Leia mais

Capítulo 7 Medidas de dispersão

Capítulo 7 Medidas de dispersão Capítulo 7 Medidas de dispersão Introdução Para a compreensão deste capítulo, é necessário que você tenha entendido os conceitos apresentados nos capítulos 4 (ponto médio, classes e frequência) e 6 (média).

Leia mais

A probabilidade representa o resultado obtido através do cálculo da intensidade de ocorrência de um determinado evento.

A probabilidade representa o resultado obtido através do cálculo da intensidade de ocorrência de um determinado evento. Probabilidade A probabilidade estuda o risco e a ocorrência de eventos futuros determinando se existe condição de acontecimento ou não. O olhar da probabilidade iniciou-se em jogos de azar (dados, moedas,

Leia mais

CURSO ON-LINE PROFESSOR: VÍTOR MENEZES. Comentários sobre as provas de estatística e financeira ICMS RJ

CURSO ON-LINE PROFESSOR: VÍTOR MENEZES. Comentários sobre as provas de estatística e financeira ICMS RJ Comentários sobre as provas de estatística e financeira ICMS RJ Caríssimos, Acabei de voltar de uma longa auditoria em que visitamos inúmeros assentamentos federais do INCRA no interior do estado. Ou seja:

Leia mais

C Curso destinado à preparação para Concursos Públicos e Aprimoramento Profissional via INTERNET www.concursosecursos.com.br RACIOCÍNIO LÓGICO AULA 7

C Curso destinado à preparação para Concursos Públicos e Aprimoramento Profissional via INTERNET www.concursosecursos.com.br RACIOCÍNIO LÓGICO AULA 7 RACIOCÍNIO LÓGICO AULA 7 TEORIA DAS PROBABILIDADES Vamos considerar os seguintes experimentos: Um corpo de massa m, definida sendo arrastado horizontalmente por uma força qualquer, em um espaço definido.

Leia mais

DISTRIBUIÇÃO NORMAL 1

DISTRIBUIÇÃO NORMAL 1 DISTRIBUIÇÃO NORMAL 1 D ensid ade Introdução Exemplo : Observamos o peso, em kg, de 1500 pessoas adultas selecionadas ao acaso em uma população. O histograma por densidade é o seguinte: 0.04 0.03 0.02

Leia mais

PE-MEEC 1S 09/10 118. Capítulo 4 - Variáveis aleatórias e. 4.1 Variáveis. densidade de probabilidade 4.2 Valor esperado,

PE-MEEC 1S 09/10 118. Capítulo 4 - Variáveis aleatórias e. 4.1 Variáveis. densidade de probabilidade 4.2 Valor esperado, Capítulo 4 - Variáveis aleatórias e distribuições contínuas 4.1 Variáveis aleatórias contínuas. Função densidade de probabilidade 4.2 Valor esperado, variância e algumas das suas propriedades. Moda e quantis

Leia mais

Unidade II ESTATÍSTICA DESCRITIVA

Unidade II ESTATÍSTICA DESCRITIVA ESTATÍSTICA DESCRITIVA 5 Unidade II 2 PROBABILIDADE 10 15 20 25 30 35 2.1 Panorama histórico O estudo científico da probabilidade é um fato moderno. Segundo Eves (2004), é surpreendente que os matemáticos

Leia mais

1. Avaliação de impacto de programas sociais: por que, para que e quando fazer? (Cap. 1 do livro) 2. Estatística e Planilhas Eletrônicas 3.

1. Avaliação de impacto de programas sociais: por que, para que e quando fazer? (Cap. 1 do livro) 2. Estatística e Planilhas Eletrônicas 3. 1 1. Avaliação de impacto de programas sociais: por que, para que e quando fazer? (Cap. 1 do livro) 2. Estatística e Planilhas Eletrônicas 3. Modelo de Resultados Potenciais e Aleatorização (Cap. 2 e 3

Leia mais

Teste de Hipótese para uma Amostra Única

Teste de Hipótese para uma Amostra Única Teste de Hipótese para uma Amostra Única OBJETIVOS DE APRENDIZAGEM Depois de um cuidadoso estudo deste capítulo, você deve ser capaz de: 1.Estruturar problemas de engenharia de tomada de decisão, como

Leia mais

QUALITATIVA VARIÁVEL QUANTITATIVA

QUALITATIVA VARIÁVEL QUANTITATIVA NOMINAL ORDINAL QUALITATIVA VARIÁVEL QUANTITATIVA DISCRETA CONTÍNUA - Variável qualitativa nominal = valores que expressam atributos, sem nenhum tipo de ordem. Ex: cor dos olhos, sexo, estado civil, presença

Leia mais

Olá pessoal! Sem mais delongas, vamos às questões.

Olá pessoal! Sem mais delongas, vamos às questões. Olá pessoal! Resolverei neste ponto a prova para AFRE/SC 2010 realizada pela FEPESE no último final de semana. Nosso curso teve um resultado muito positivo visto que das 15 questões, vimos 14 praticamente

Leia mais

Teorema Central do Limite e Intervalo de Confiança

Teorema Central do Limite e Intervalo de Confiança Probabilidade e Estatística Teorema Central do Limite e Intervalo de Confiança Teorema Central do Limite Teorema Central do Limite Um variável aleatória pode ter uma distribuição qualquer (normal, uniforme,...),

Leia mais

Questões de Exames Passados. 1. Considere o polígono integral das distribuições a seguir e responda as perguntas abaixo. F(x) C D

Questões de Exames Passados. 1. Considere o polígono integral das distribuições a seguir e responda as perguntas abaixo. F(x) C D Faculdade de Economia, Universidade Nova de Lisboa Tratamento de Dados André C. Silva Questões de Exames Passados 1. Considere o polígono integral das distribuições a seguir e responda as perguntas abaixo.

Leia mais

INE 5111 Gabarito da Lista de Exercícios de Probabilidade INE 5111 LISTA DE EXERCÍCIOS DE PROBABILIDADE

INE 5111 Gabarito da Lista de Exercícios de Probabilidade INE 5111 LISTA DE EXERCÍCIOS DE PROBABILIDADE INE 5 LISTA DE EERCÍCIOS DE PROBABILIDADE INE 5 Gabarito da Lista de Exercícios de Probabilidade ) Em um sistema de transmissão de dados existe uma probabilidade igual a 5 de um dado ser transmitido erroneamente.

Leia mais

Geração de Números Aleatórios e Simulação

Geração de Números Aleatórios e Simulação Departamento de Informática Geração de Números Aleatórios e imulação Métodos Quantitativos LEI 26/27 usana Nascimento (snt@di.fct.unl.pt) Advertência Autores João Moura Pires (jmp@di.fct.unl.pt) usana

Leia mais

1 cartão de crédito mais de 1 cartão de crédito Renda até 10 S.M. 250 80 20 10 a 20 S.M. 100 200 40 20 a 30 S.M. 50 40 60 mais de 30 S.M.

1 cartão de crédito mais de 1 cartão de crédito Renda até 10 S.M. 250 80 20 10 a 20 S.M. 100 200 40 20 a 30 S.M. 50 40 60 mais de 30 S.M. ([HUFtFLRVÃÃ&DStWXORÃÃ Ã Tomou-se uma amostra de 000 pessoas num shopping center com o objetivo de verificar a relação entre o número de cartões de crédito e a renda familiar (em salários mínimos). Os

Leia mais

EXCEL 2013. Público Alvo: Arquitetos Engenheiros Civis Técnicos em Edificações Projetistas Estudantes das áreas de Arquitetura, Decoração e Engenharia

EXCEL 2013. Público Alvo: Arquitetos Engenheiros Civis Técnicos em Edificações Projetistas Estudantes das áreas de Arquitetura, Decoração e Engenharia EXCEL 2013 Este curso traz a vocês o que há de melhor na versão 2013 do Excel, apresentando seu ambiente de trabalho, formas de formatação de planilhas, utilização de fórmulas e funções e a criação e formatação

Leia mais

Uma distribuição de probabilidade é um modelo matemático que relaciona um certo valor da variável em estudo com a sua probabilidade de ocorrência.

Uma distribuição de probabilidade é um modelo matemático que relaciona um certo valor da variável em estudo com a sua probabilidade de ocorrência. Professor: Leandro Zvirtes UDESC/CCT Uma distribuição de probabilidade é um modelo matemático que relaciona um certo valor da variável em estudo com a sua probabilidade de ocorrência. Há dois tipos de

Leia mais

CRITÉRIOS PARA A DETERMINAÇÃO DOS INTERVALOS DE CLASSE

CRITÉRIOS PARA A DETERMINAÇÃO DOS INTERVALOS DE CLASSE CRITÉRIOS PARA A DETERMINAÇÃO DOS INTERVALOS DE CLASSE Número de classes a considerar (k): a) Tabela de Truman L. Kelley n 5 10 25 50 100 200 500 1000 k 2 4 6 8 10 12 15 15 b) k=5 para n 25 e para n >25.

Leia mais

DISTRIBUIÇÕES DE PROBABILIDADE

DISTRIBUIÇÕES DE PROBABILIDADE DISTRIBUIÇÕES DE PROBABILIDADE i1 Introdução Uma distribuição de probabilidade é um modelo matemático que relaciona um certo valor da variável em estudo com a sua probabilidade de ocorrência. Há dois tipos

Leia mais

CAPÍTULO 9 Exercícios Resolvidos

CAPÍTULO 9 Exercícios Resolvidos CAPÍTULO 9 Exercícios Resolvidos R9.1) Diâmetro de esferas de rolamento Os dados a seguir correspondem ao diâmetro, em mm, de 30 esferas de rolamento produzidas por uma máquina. 137 154 159 155 167 159

Leia mais

MAT 461 Tópicos de Matemática II Aula 3: Resumo de Probabilidade

MAT 461 Tópicos de Matemática II Aula 3: Resumo de Probabilidade MAT 461 Tópicos de Matemática II Aula 3: Resumo de Probabilidade Edson de Faria Departamento de Matemática IME-USP 19 de Agosto, 2013 Probabilidade: uma Introdução / Aula 3 1 Probabilidade Discreta: Exemplos

Leia mais

MINI SIMULADO 14 DE ABRIL DE 2013 BACEN ÁREA 2 PROVA: CONHECIMENTOS GERAIS E ESPECÍFICOS

MINI SIMULADO 14 DE ABRIL DE 2013 BACEN ÁREA 2 PROVA: CONHECIMENTOS GERAIS E ESPECÍFICOS IGEPP Instituto de Gestão, Economia e Políticas Públicas Telefone:(61) 3443 0369 E-mail: contatoigepp@gmail.com MINI SIMULADO 14 DE ABRIL DE 2013 BACEN ÁREA 2 PROVA: CONHECIMENTOS GERAIS E ESPECÍFICOS

Leia mais

O presente processo de seleção tem por objetivo preencher vaga e formar cadastro de docentes para ministrar as disciplinas/áreas abaixo:

O presente processo de seleção tem por objetivo preencher vaga e formar cadastro de docentes para ministrar as disciplinas/áreas abaixo: A Faculdade de Economia e Finanças Ibmec/RJ torna pública a abertura de processo seletivo para contratação de professores PJ para o curso de Pós Graduação Executiva - CBA. I Das vagas abertas para seleção

Leia mais

Tópicos em Inferência Estatística. Frases. Roteiro. 1. Introdução

Tópicos em Inferência Estatística. Frases. Roteiro. 1. Introdução Tópicos em Inferência Estatística Frases Torture os dados por um tempo suficiente, e eles contam tudo! fonte: mcrsoft@aimnet.com (Barry Fetter) Um homem com um relógio sabe a hora certa. Um homem com dois

Leia mais

Teoria das Probabilidades

Teoria das Probabilidades Teoria das Probabilidades Qual a probabilidade de eu passar no vestibular? Leandro Augusto Ferreira Centro de Divulgação Científica e Cultural Universidade de São Paulo São Carlos - Abril / 2009 Sumário

Leia mais

UNIVERSIDADE FEDERAL DE UBERLÂNDIA FACULDADE DE MATEMÁTICA 4 a LISTA DE EXERCÍCIOS GBQ12 Professor: Ednaldo Carvalho Guimarães AMOSTRAGEM

UNIVERSIDADE FEDERAL DE UBERLÂNDIA FACULDADE DE MATEMÁTICA 4 a LISTA DE EXERCÍCIOS GBQ12 Professor: Ednaldo Carvalho Guimarães AMOSTRAGEM 1 UNIVERSIDADE FEDERAL DE UBERLÂNDIA FACULDADE DE MATEMÁTICA 4 a LISTA DE EXERCÍCIOS GBQ12 Professor: Ednaldo Carvalho Guimarães AMOSTRAGEM 1) Um pesquisador está interessado em saber o tempo médio que

Leia mais

Cálculo das Probabilidades e Estatística I

Cálculo das Probabilidades e Estatística I Cálculo das Probabilidades e Estatística I Prof a. Juliana Freitas Pires Departamento de Estatística Universidade Federal da Paraíba - UFPB juliana@de.ufpb.br Introdução a Probabilidade Existem dois tipos

Leia mais

UNIVERSIDADE FEDERAL DO PIAUÍ (UFPI) ENG. DE PRODUÇÃO PROBABILIDADE E ESTATÍSTICA 2

UNIVERSIDADE FEDERAL DO PIAUÍ (UFPI) ENG. DE PRODUÇÃO PROBABILIDADE E ESTATÍSTICA 2 UNIVERSIDADE FEDERAL DO PIAUÍ (UFPI) ENG. DE PRODUÇÃO PROBABILIDADE E ESTATÍSTICA 2 LISTA N O 2 Prof.: William Morán Sem. I - 2011 1) Considere a seguinte função distribuição conjunta: 1 2 Y 0 0,7 0,0

Leia mais

Lista 5 - Introdução à Probabilidade e Estatística

Lista 5 - Introdução à Probabilidade e Estatística UNIVERSIDADE FEDERAL DO ABC Lista 5 - Introdução à Probabilidade e Estatística Variáveis Aleatórias 1 Duas bolas são escolhidas aleatoriamente de uma urna que contém 8 bolas brancas, 4 pretas e 2 laranjas.

Leia mais

Métodos Quantitativos. aula 3

Métodos Quantitativos. aula 3 Métodos Quantitativos aula 3 Prof. Dr. Marco Antonio Insper Ibmec São Paulo Simulação Empresarial Auxílio na tomada de decisão. Criação de cenários otimistas e pessimistas. Poder de previsão baseada em

Leia mais

Título : B2 Matemática Financeira. Conteúdo :

Título : B2 Matemática Financeira. Conteúdo : Título : B2 Matemática Financeira Conteúdo : A maioria das questões financeiras é construída por algumas fórmulas padrão e estratégias de negócio. Por exemplo, os investimentos tendem a crescer quando

Leia mais

COMO AVALIAR O RISCO DE UM PROJETO ATRAVÉS DA METODOLOGIA DE MONTE CARLO

COMO AVALIAR O RISCO DE UM PROJETO ATRAVÉS DA METODOLOGIA DE MONTE CARLO COMO AVALIAR O RISCO DE UM PROJETO ATRAVÉS DA O que é risco? Quais são os tipos de riscos? Quais são os tipos de análises? Qual a principal função do Excel para gerar simulações aleatórias? O que é distribuição

Leia mais

Probabilidade - aula III

Probabilidade - aula III 27 de Março de 2014 Regra da Probabilidade Total Objetivos Ao final deste capítulo você deve ser capaz de: Usar a regra da multiplicação para calcular probabilidade de eventos Usar a Regra da Probabilidade

Leia mais

TRATAMENTO DA INFORMAÇÃO/ANÁLISE DE DADOS AULA 09. Universidade Federal Fluminense

TRATAMENTO DA INFORMAÇÃO/ANÁLISE DE DADOS AULA 09. Universidade Federal Fluminense CURSO DE ESPECIALIZAÇÃO EM ENSINO DE MATEMÁTICA INSTITUTO DE MATEMÁTICA E ESTATÍSTICA 7 DE OUTUBRO DE 2014 TRATAMENTO DA INFORMAÇÃO/ANÁLISE DE DADOS AULA 09 Humberto José Bortolossi http://www.professores.uff.br/hjbortol/

Leia mais

Dedicado, Exclusivamente, A Todos Aqueles Que Querem A Aprovação!

Dedicado, Exclusivamente, A Todos Aqueles Que Querem A Aprovação! 1 Questões De Estatística Da Banca ESAF Que Você Precisa Aprender Como Resolver Antes De Fazer A Prova Do Concurso De Auditor-Fiscal Da Receita Federal 2014 Dedicado, Exclusivamente, A Todos Aqueles Que

Leia mais

JORNALISMO DE DADOS E VISUALIZAÇÃO. Noções de Estatística para Jornalistas. Marcelo Leme de Arruda www.chancedegol.com.br

JORNALISMO DE DADOS E VISUALIZAÇÃO. Noções de Estatística para Jornalistas. Marcelo Leme de Arruda www.chancedegol.com.br JORNALISMO DE DADOS E VISUALIZAÇÃO Noções de Estatística para Jornalistas Marcelo Leme de Arruda www.chancedegol.com.br Introdução Conceitos matemáticos 1 Somatório (Σ) Soma geral de termos Notação: n

Leia mais

Aula 10 Testes de hipóteses

Aula 10 Testes de hipóteses Aula 10 Testes de hipóteses Na teoria de estimação, vimos que é possível, por meio de estatísticas amostrais adequadas, estimar parâmetros de uma população, dentro de certo intervalo de confiança. Nos

Leia mais

ALGUNS TóPICOS DE CONTAGEM E PROBABILIDADE

ALGUNS TóPICOS DE CONTAGEM E PROBABILIDADE ALGUNS TóPICOS DE CONTAGEM E PROBABILIDADE MAT30 200/ O objetivo destas notas é ilustrar como a ideia de fazer aproximações permite uma compreensão melhor de diversos problemas de combinatória e probabilidade..

Leia mais

Módulo VIII. Probabilidade: Espaço Amostral e Evento

Módulo VIII. Probabilidade: Espaço Amostral e Evento 1 Módulo VIII Probabilidade: Espaço Amostral e Evento Suponha que em uma urna existam cinco bolas vermelhas e uma branca. Extraindo-se, ao acaso, uma das bolas, é mais provável que esta seja vermelha.

Leia mais

Exercício de Revisao 1

Exercício de Revisao 1 Exercício de Revisao 1 Considere que seu trabalho é comparar o desempenho de dois algoritmos (A e B) de computação gráfica, que usam métodos diferentes para geração de faces humanas realistas. São sistema

Leia mais

CURSO ON-LINE PROFESSOR GUILHERME NEVES

CURSO ON-LINE PROFESSOR GUILHERME NEVES Olá pessoal! Neste ponto resolverei a prova de Matemática Financeira e Estatística para APOFP/SEFAZ-SP/FCC/2010 realizada no último final de semana. A prova foi enviada por um aluno e o tipo é 005. Os

Leia mais

ANÁLISE ESTATÍSTICA Uanderson Rebula de Oliveira

ANÁLISE ESTATÍSTICA Uanderson Rebula de Oliveira ANÁLISE ESTATÍSTICA de Oliveira uanderson@csn.com.br www.uandersonrebula.blogspot.com CADERNO DE EXERCÍCIOS Tabelas e Gráficos Estatísticos 1) Classifique as Séries abaixo: ) Construção de tabelas: a)

Leia mais

Estatística e Probabilidade. Aula 8 Cap 05. Distribuição normal de probabilidade

Estatística e Probabilidade. Aula 8 Cap 05. Distribuição normal de probabilidade Estatística e Probabilidade Aula 8 Cap 05 Distribuição normal de probabilidade Estatística e Probabilidade Na aula anterior vimos... Distribuições Binomiais Distribuição Geométrica Distribuição de Poisson

Leia mais

DELEGAÇÃO DE TETE CAPACITAÇÃO INTERNA DO CORPO DOCENTE/ FEVEREIRO DE 2015

DELEGAÇÃO DE TETE CAPACITAÇÃO INTERNA DO CORPO DOCENTE/ FEVEREIRO DE 2015 DELEGAÇÃO DE TETE CAPACITAÇÃO INTERNA DO CORPO DOCENTE/ FEVEREIRO DE 2015 TEMA: IBM SPSS Statistics 20 FACILITADORES: dr. Alfeu Dias Martinho dr. Pércio António Chitata dr. Domingos Arcanjo António Nhampinga

Leia mais