INTRODUÇÃO A TEORIA DE ERROS

Tamanho: px
Começar a partir da página:

Download "INTRODUÇÃO A TEORIA DE ERROS"

Transcrição

1 Profa. Msc. Tereziha Saes de Lima Istituto Tecológico de Aeroáutica ITA Cetro Técico Aeroespacial CTA Praça Marechal Eduardo Gomes, 50. Vila das Acácias, São José dos campos SP. INTRODUÇÃO A TEORIA DE ERROS Resumo. Quado procuramos obter resultados através de observações experimetais, devemos ter sempre à mete que ossas observações serão sempre limitadas, o setido de que jamais retratam com perfeição absoluta a atureza observada. Dessa forma, quado relatamos o resultado da medição de uma gradeza, é de suma importâcia sabermos quatificar a qualidade do resultado, ou seja, precisamos iformar quão boa foi a ossa medição. Para eteder como isso deve ser feito, itroduziremos algus coceitos fudametais (Stempiiak, 997), e depois abordaremos os ites mais relevates da Teoria de Erros (Vuolo, 995). Palavras chaves: Desvios, Erros, Algarismos Sigificativos, Propagação de icertezas, Gráficos.. Defiições e coceitos importates As defiições aqui apresetadas foram extraídas do Guia da Icerteza de Medição, 003. Medição: Cojuto de operações que têm por objetivo determiar o valor de uma gradeza. Mesurado: Gradeza específica submetida à medição. A especificação de um mesurado pode requerer a iformação de outras gradezas, como temperatura, pressão, etc... Resultado de uma medição: Valor atribuído ao mesurado, obtido por medição. Uma expressão completa do resultado iclui iformações sobre a icerteza da medição. Valor verdadeiro: Valor cosistete com a defiição de uma dada gradeza específica. É o valor que seria obtido por uma medição perfeita. Erro: Resultado de uma medição meos o valor verdadeiro. Desvio padrão experimetal: Resultado que caracteriza a variabilidade dos resultados de uma série de medições, ou melhor, caracteriza a dispersão (em toro da média) dos resultados de uma série de medições. Icerteza de medição: Parâmetro, associado ao resultado da medição, que caracteriza a dispersão dos valores que podem ser razoavelmete atribuídos a um mesurado. Repetitividade: Grau de cocordâcia etre resultados de medições sucessivas de um mesmo mesurado, efetuadas sob as mesmas codições de mediçã. Valor médio verdadeiro: É o valor médio que seria obtido de um úmero ifiito de observações feitas em codições de repetitividade. Erro estatístico ou aleatório: É o resultado de uma medição meos a média que resultaria de um úmero ifiito de medições de um mesmo mesurado, efetuadas sob codições de repetitividade. Erro sistemático: Média que resultaria de um úmero ifiito de medições de um mesmo mesurado, meos o valor verdadeiro do mesurado. Icerteza padrão: Icerteza do resultado de uma medição expressa com um desvio padrão.

2 Nível de cofiaça: Idica a probabilidade que um resultado estar correto. Exatidão: Grau de cocordâcia etre o resultado de uma medição e o valor verdadeiro do mesurado. Precisão: Idica o grau de cocordâcia etre os diversos resultados experimetais obtidos em codições de repetitividade. É comum ocorrer certa cofusão etre os coceitos de precisão e exatidão. Vamos, pois, torálos mais claros através de um exemplo: Em uma competição de tiro ao alvo, um competidor coseguiu que todos os seus tiros ficassem distribuídos de maeira dispersa em toro do alvo cetral. Um segudo atirador, teve uma outra habilidade: coseguiu cocetrar todos os seus tiros em uma certa região localizada ao lado do alvo cetral. Apesar de seus tiros ficarem todos cocetrados, ão coseguiu atigir o alvo cetral. Já um terceiro competidor teve a destreza ecessária para coseguir cocetrar todos os tiros exatamete em cima do alvo. Nesse exemplo, o primeiro atirador efetuou disparos poucos precisos, pois seus tiros ficaram todos dispersos em toro do alvo cetral. O segudo atirador coseguiu atirar de maeira bastate precisa, pois seus tiros ficaram bem cocetrados. Em cotrapartida, por ão ter coseguido acertar o alvo, os disparos do segudo atirador ão foram exatos. Já o terceiro competidor coseguiu cocetrar duas habilidades: tiros exatos e precisos. Os tiros foram exatos porque atigiram o alvo e foram precisos porque todos ficaram bem cocetrados (houve pouca dispersão).. Tipos de Erros. Existem dois tipos de erros que podem ocorrer em uma medição. Cosidere que, em um certo experimeto, teham sido efetuadas medições. Certamete os resultados ão serão idêticos. Podemos idetificar, o experimeto realizado, algumas fotes de erro... Erro estatístico É o erro que resulta de uma flutuação o resultado da medição.é o erro que resulta de uma variação aleatória o resultado da medição que, por algum motivo, ão podem ou ão são cotrolados. Uma correte de ar, por exemplo, pode gerar um erro. Exemplo: quado medimos a massa através de uma balaça, algumas corretes de ar ou mesmo vibrações podem itroduzir este tipo de erro... Erro sistemático O erro sistemático presete os resultados é sempre o mesmo quado a medição é repetida. Assim, o efeito de um erro sistemático ão pode ser avaliado simplesmete repetido medições, sedo, pois, bem mais difícil de ser estimado. Os erros sistemáticos podem ser classificados em: (a) Erro sistemático istrumetal: está relacioado com a calibração do istrumeto. (b) Erro sistemático ambietal: é um erro devido a efeitos do ambiete sobre o experimeto. Os fatores que podem gerar esse tipo de erro são: temperatura, pressão, umidade, aceleração da gravidade, campo magético da Terra, luz, etre outros. (c) Erro sistemático observacioal: é o erro sistemático devido a falhas de procedimeto ou devido à imperícia do observador. Um observador que ão lê adequadamete o poteiro de um medidor pode itroduzir este tipo de erro o experimeto.

3 3. Algarismos sigificativos As medições de uma certa gradeza uca exprimem com certeza o valor verdadeiro desta gradeza: por mais preciso que teha sido o processo de medição, existe sempre uma icerteza itríseca associada a este processo. Covém, etão, saber quão certo é o resultado obtido e como se deve expressá-lo de maeira correta. Para tato, uma das preocupações fudametais a que deve se ater o observador é em expressar sua resposta com a quatidade correta de algarismos. Figura : Medição do comprimeto de uma Barra Metálica (exemplo ilustrativo). Por exemplo, (Fig.) cosidere alguém que, muido de uma régua milimetrada, mede o comprimeto de uma barra e observa que este deve estar etre 7mm e 8mm. Sabe-se que o comprimeto certamete é 7,x mm, mas õ se tem certeza. Pode-se especular qual deve ser o valor de x, mas ão se pode saber, apeas utilizado a régua, qual deve ser o valor exato de x. Alguém poderia dizer que seria 7,5mm, equato que outra pessoa poderia dizer que seria 7,8mm. Em resumo, esta medição efetuada tem-se certeza em dois algarismos ( e 7), e o terceiro algarismo (x) é duvidoso. Os algarismos dos quais se tem certeza são chamados de algarismos exatos, e o algarismo do qual ão se tem certeza é dito algarismo duvidoso. Os algarismos exatos mais o duvidoso compõem os algarismos sigificativos de uma gradeza. Note que, o exemplo, o resultado 7,5mm teria três algarismos sigificativos (os algarismos, 7 e 5), sedo dois exatos (os algarismos e 7) e um duvidoso (o algarismo 5). Voltado ao exemplo da medição do comprimeto da barra, ote que ão faria setido algum alguém apresetar como resposta de sua medição o valor 7,75mm. Isso porque ão se tem certeza quato ao primeiro úmero que aparece depois da vírgula (o algarismo 7 já é duvidoso), ão sedo, pois, coerete apresetar mais um algarismo depois daquele que já é duvidoso. 3.. Operações com algarismos sigificativos Como já foi dito, quado efetuamos medições, uca temos certeza se o valor aferido correspode, de fato, ao valor verdadeiro daquilo que medimos. Logo, existe um limite a quatidade de algarismos sigificativos em ossas respostas, já que sempre existe um algarismo duvidoso. Nos processos de medições, podemos avaliar a quatidade de algarismos sigificativos de ossas respostas através: da sesibilidade e precisão do istrumeto com o qual fazemos a medição; da perícia do observador; da icerteza associada à gradeza que medimos. No exemplo aterior da escala milimetrada, vimos que ão é coveiete expressarmos a resposta de uma medição como sedo 7,75mm, ou seja, ou damos a resposta como 7,7mm ou como 7,8mm (a regra de arredodameto será apresetada depois). Mas se esta medição fosse realizada com outro equipameto, como um paquímetro digital (INMETRO,995), ão é absurda a resposta 7,75mm. Isso porque este tipo de aparelho permite tal precisão. Normalmete, quado

4 vamos expressar o valor de uma gradeza, a quatidade de algarismos sigificativos de ossa resposta ficará sujeita à icerteza existete em tal gradeza. Isso será discutido adiate. 3.. Cotagem dos Algarismos Sigificativos. No caso do osso exemplo do comprimeto da barra, é fácil ver que: 7,5mm (medição com a escala) é um úmero que tem 3 algarismos sigificativos; 7,75mm (medição feita com o paquímetro digital) é um úmero que tem 4 algarismos sigifcativos (ote que agora os úmeros, 7 e 7 compõem os algarismos exatos, equato que o algarismo 5 é duvidoso). Imagie, porém, que tivéssemos que saber quatos algarismos sigificativos tem o úmero 0,009. Quado é ecessário cotar os algarismos sigificativos, ou mesmo expressar um resultado, o mais coveiete é expressar em otação cietífica, pois fica imediato o recohecimeto da quatidade de algarismos sigificativos. Assim: 0,009 =, 9 x 0-3 com a otação acima, recohecemos que o úmero possui 3 algarismos sigificativos. A seguir, algus exemplos para elucidar esse coceito: 0 =,0 x 0 3 (quatro algarismos sigificativos) 0,0 =, x 0 - (dois algarismos sigificativos),3 x 0 - (dois algarismos sigificativos) 30 =,30 x 0 (três algarismos sigificativos) 0, =, x 0 - (dois algarismos sigificativos) Note que as quatidades de algarismos sigificativos de 0, e 0,0 ão são as mesmas, assim como as de 8,5 e 8,50, 00 e 00, Operações matemáticas com algarismos sigificativos Recorredo ao exemplo da barra, imagie que queiramos determiar a razão de seu comprimeto por sua espessura. O comprimeto, medido com uma escala milimetrada, foi registrado como 7,5mm. Para a espessura, medida posteriormete com a mesma escala, foi ecotrado o valor de,0mm. Se fizermos os cálculos com uma calculadora, obtemos um valor para a razão igual a R =, Nesse caso, pode surgir a perguta: com quatos algarismos sigificativos devemos expressar a ossa resposta para R? Para respoder a essa perguta, devemos cotar os algarismos sigificativos dos operados e depois aplicar a seguite regra: o caso de adição e subtração: em geral, a resposta ão deve ter mais casas decimais que a parcela mais pobre em casas decimais. No caso de adição e subtração o bom seso acaba sedo a arma mais eficaz para expressar a resposta com a quatidade correta de algarismos sigificativos. o caso da multiplicação e divisão e em geral das outras operações: a quatidade de algarismos sigificativos da resposta é igual à quatidade de sigificativos do operado que tiver a meor quatidade de algarismos sigificativos. Exemplos:,6 +, ,004. Fazedo os cálculos, obtém-se: 503,994. Porém, aplicado o bom seso, otamos que a primeira parcela (,6) os leva a coclusão de que o primeiro dígito depois da vírgula é duvidoso. Logo, a resposta fial, o primeiro dígito após a vírgula já sedo duvidoso,

5 ão faz setido expressar as demais casas decimais. Devemos arredodar a resposta, etão, para: 504,0 (as regras de arredodameto serão dadas posteriormete, Vuolo, 995).,506 x 50,5. Fazedo os cálculos: 76,053. Utilizado a regra, verificamos que a resposta deve ter somete 3 algarismos sigificativos, ou seja, a resposta é: 76,. Note que se tivéssemos arredodado os operados ates de multiplicarmos, obteríamos uma outra resposta. Portato, ão devemos arredodar os operados ates de efetuarmos a operação. 50 x se(5 ). Fazedo os cálculos: 64, Utilizado, porém, a regra proposta, cocluímos que o resultado é 6,5x0. Voltado ao osso exemplo sobre o cálculo da razão etre o comprimeto da barra e a espessura, observado a regra aterior, obtemos R =,9. OBS: essas regras forecem uma maeira bastate prática de obter uma resposta com a quatidade correta de algarismos sigificativos. Etretato, o processo mais criterioso para trabalhar corretamete com os algarismos sigificativos evolve a teoria de propagação de icertezas Critérios para arredodameto Quado aparecer a ecessidade de efetuar algum arredodameto, podemos apelar ormalmete ao bom seso, arredodado sempre para o úmero mais próximo. Assim, quado precisamos arredodar 64,70476 para um úmero com somete dois algarismos sigificativos, podemos os pergutar: arredodar para 64 ou para 65? Todavia, se observarmos o úmero 64,70476, costatamos que ele está mais próximo de 65 do que de 64. Logo a resposta do arredodameto é 65. Nos casos gerais, podemos estabelecer a seguite regra: quado for ecessário arredodar um úmero ::::W;ZY Xabcd:::, sedo abcd os algarismos que devem ser retirados ( cortados ): se abcd estiver etre 0000 e 4999, etão arredodamos para baixo; se abcd estiver etre e 9999, etão arredodamos para cima; se abcd for , arredodamos de modo que o algarismo X, após o arredodameto, seja par. A seguir, damos algus exemplos em que os úmeros foram arredodados para obter uma resposta fial com três sigificativos: 7,365 7,4; 0,0039 0,00;,645,64;,693,69 4. Cálculo de erros 4.. Valor médio do mesurado Dado um cojuto de medições cujos resultados foram: resultados é dado por:,,...,,o valor médio dos = = i= i O valor médio verdadeiro de um cojuto de medições é o valor médio que seria obtido quado fossem feitas ifiitas observações. Em fis práticos, é impossível levatar ifiitas medições de um mesurado. Logo, para um úmero fiito, o valor médio os forece a melhor estimativa do valor médio verdadeiro, sedo esta estimativa tão melhor quato maior for o úmero de observações. Em geral, o valor médio é o que melhor represeta a gradeza medida.

6 4.. Desvios Para o osso iteresse, podemos tratar de dois tipos de desvios: Desvio padrão experimetal e Desvio padrão do valor médio Desvio padrão experimetal Para um cojuto de medições, o desvio padrão experimetal é um parâmetro que caracteriza quão dispersos estão os valores obtidos. Isso sigifica que se os resultados forem bastate próximos us dos outros, etão o desvio padrão será pequeo, e se os resultados forem dispersos, o desvio padrão será grade. O desvio padrão experimetal pode ser calculado através de: = ( i= i ) 4... Desvio padrão do valor médio Como já vimos, para cohecer o valor médio verdadeiro, seria ecessário efetuar ifiitas medições. Como, a prática, isso ão é possível, etão sabemos que a média é apeas uma estimativa do valor médio verdadeiro. Nesse cotexto, o desvio padrão do valor médio é um parâmetro que iforma quão bem a média das observações é uma estimativa do valor médio verdadeiro. Qualitativamete, valores pequeos de desvio padrão do valor médio estão associados a boas estimativas do valor médio verdadeiro; ao cotrário, elevados valores represetam que a média ão é uma boa estimativa do valor médio verdadeiro. O desvio padrão do valor médio é calculado através de: m = ( i ) = ( ) i = 5. Icerteza 5.. Itervalos de cofiaça Se efetuássemos ifiitas medições de uma certa gradeza, ão obteríamos o mesmo resultado em todas elas. Existe sempre uma dispersão dos valores que ocorre devido a erros aleatórios, e que, portato, foge ao osso cotrole. Nesse caso, sedo o valor médio ecotrado, costata-se, que aproximadamete 68,7% dos resultados ecotrados estaria o itervalo ±. Costata-se também que 50% dos resultados se ecotrariam o itervalo ± 0,674. Desse modo, se multiplicamos o desvio padrão experimetal por um certo valor k, o itervalo ± k irá coter uma certa porcetagem dos resultados obtidos. Essa porcetagem é chamada de ível de cofiaça, equato que o itervalo a ela associado é deomiado itervalo de cofiaça. Para o caso de ifiitas medições, a Tab. os forece quais são os itervalos de cofiaça associados a um determiado ível de cofiaça.

7 Tabela : Itervalos de cofiaça para um úmero de medições muito grade Níveis de cofiaça Itervalos de cofiaça 50% ± 0,674 68,7% ±,000 80% ±,8 90% ±,645 95% ±,960 95,45% ±,000 99% ±,576 99,73% ± 3,000 Tabela : Itervalos de cofiaça para um úmero de medições pequeo Nível de cofiaça Número de observações 50% 90% 95% I ±,00 ± 6,3 ±,7 3 N ± 0,8 ±,9 ± 4,30 4 T ± 0,77 ±,35 ± 3,8 5 E ± 0,74 ±,3 ±,78 6 R ± 0,73 ±,0 ±,54 7 V ± 0,7 ±,94 ±,45 8 A ± 0,7 ±,90 ±,37 9 L ± 0,7 ±,86 ±,3 0 O ± 0,70 ±,83 ±,6 6 S ± 0,69 ±,75 ±,3 Note que a Tab. mostra os itervalos de cofiaça para o caso em que foram levatados um úmero ifiito de medições. Na prática, porém, uca coseguimos atigir tal situação, sempre fazemos um úmero fiito de medições. Nesse caso, para um dado ível de cofiaça, o itervalo de cofiaça associado ao mesmo depede do úmero de observações. Essa depedêcia está mostrada a Tab..

8 5.. Icerteza padrão fial Até agora, aida ão iformamos como deve ser relatado o valor de uma gradeza submetida a medições. Já sabemos, a pricípio, a gradeza pode ser represetada, de modo satisfatório, pelo seu valor médio. Porém, quado efetuamos um cojuto de medições devemos ser capazes de iformar com qual qualidade a média pode ser uma estimativa do valor verdadeiro. Ou seja, devemos sempre iformar uma icerteza associada à média ecotrada. Poderíamos pesar, um primeiro ível, que a icerteza possa ser estimada pelo desvio padrão da média. Porém, devemos atetar que o cálculo do desvio padrão da média leva em cota somete as cotribuições dos erros aleatórios, e ão cosidera os erros sistemáticos. Existe, pois, uma icerteza residual que aida ão foi cosiderada. Essa icerteza residual ( r ), o caso de istrumetos de medição, costuma vir idicada pelo fabricate. Quado ão é idicada, podemos adotar, pelo bom seso, que se trata da metade da meor divisão da escala. Assim, o resultado de um cojuto de medições é = ± em que f é a icerteza padrão fial e pode ser calculada por: f ( ) ( ) = + m r f 6. Propagação de icertezas Imagie que queiramos fazer a soma de duas gradezas x e, para obter uma gradeza z. Sabemos que para expressar corretamete o resultado de ossa operação devemos relatar um valor médio e uma icerteza associada a este valor. De maeira geral, um resultado z deve ser expresso como: z = z ± Se z é uma fução de outras variáveis, etão: z = No caso da soma, por exemplo, z = x +, etão: z f ( x, ) z = x + Já o cálculo de z é mais complicado. O processo rigoroso para o cálculo das icertezas evolve uma equação com derivadas parciais. Apresetamos, a seguir os resultados mais práticos para as aplicações mais comus:. Soma e Subtração: z = x + ou z = x. Multiplicação e Divisão: z = x ou z = x / z ( ) ( ) = + x z z = x x + ]

9 3. Fórmula geral: z = x a b z x a b z x = Exemplo de um experimeto Cosideraremos, aqui, os resultados de um experimeto feito com o objetivo de determiar o valor da gravidade local de São José dos Campos. Os dados referetes a este experimeto ecotram-se dispoíveis em Neste exemplo, faremos algumas modifições dos resultados, com fialidades didáticas. O método de medição de g se baseia o modelo do pêdulo simples, que tem período aproximado por: T L = π, g em que L é o comprimeto do pêdulo. Neste experimeto, foram feitas cico medições do comprimeto L do pêdulo e cico medições do período do mesmo. Através dessas observações, obteremos o valor da gravidade. Cosideremos que os resultados das medições do comprimeto L estejam idicadas a Tab. 3. Tabela 3: Resultados de 5 medições do comprimeto L do pêdulo Determiação (i) Resultado obtido (m) 3,04 3,05 3 3,04 4 3,04 5 3,03 Assim, o valor médio obtido foi de L = ( 3,04 + 3,05 + 3,04+ 3,04 + 3,03) / 5 = 3,04m. O desvio padrão do valor médio vale: 0 m,l = (0,0) + ( 0,0) Se quisermos um ível de cofiaça de 90%, vemos, pela Tab. que o resultado aterior deve ser multiplicado por,3. Assim, para um ível de cofiaça de 90%: m, L = 0, 0067m. Iremos os preocupar com os arredodametos a expressão da resposta com a quatidade correta de sigificativos apeas o fial. Falta, agora, cosiderar a cotribuição da icerteza residual. Essa icerteza foi estimada em 0,05m. Logo a icerteza padrão fial em L é: = ( 0,0067 ) + ( 0,05 ) 0,05m. L = A icerteza é ormalmete escrita com um ou dois sigificativos (existe uma regra, que foi omitida este texto; maiores detalhes, cosultar Vuolo, 995), ou seja, L = (3,04 ± 0,05)m com 90% de cofiaça.

10 Agora, iremos relatar os resultados para o período do pêdulo. As 5 medições efetuadas costam a Tab. 4. Tabela 4: Resultados de 5 medições do período T do pêdulo. Determiação (i) Resultado obtido (s) 3,5 3,50 3 3,5 4 3,5 5 3,5 Procedemos da mesma maeira como feito para L. Assim, obtemos os seguites resultados: T = 3,5s com desvio padrão da média, para um ível de cofiaça de 90% dado por m, T = 0, 0067 s. A icerteza residual foi estimada em 0,0s, de modo que: T = (3,5 ± 0,0)s Agora, iremos calcular o valor da gravidade através dos resultados obtidos ateriormete para o comprimeto do pêdulo e o período do mesmo. Vemos que: g = 4π L T Assim o valor médio de g é: 4π L g = T Calculamos o erro em g através da Fórmula geral z = x a b apresetada ateriormete: g g = L L T + T Portato o resultado é: g = (9,7 ±,)m/s 7. Bibliografia ABNT, 003, Guia para a Expressão da Icerteza da Medição, 3 a Edição Brasileira. INMETRO: Rio de Jaeiro. INMETRO (995), Vocabulário Iteracioal de Termos fudametais e Gerais de Metrologia. Rio de Jaeiro. Site da iteret: http: // Vuolo, J.H. (995), Fudametos da Teoria de Erros. a edição. Edgard Blücher: São Paulo.

11 8. Sobre a Autora 8.. Formação Acadêmica Mestre em Ciêcias, área de Física de Plasmas, Istituto Tecológico de Aeroáutica ( ITA - CTA) cocluído em maio de 987. Título: Difusão Ambipolar em Plasmas Orietador: Dr. Ricardo Magus Osório Galvão Bacharel em Física, Uiversidade Federal Flumiese. Cocluído em Atividade Profissioal Professora de Física e Coordeadora do Laboratório de Física do o ao de Egeharia do Istituto Tecológico de Aeroáutica (ITA - CTA), São José dos Campos - SP. Coordeadora da Escola Avaçada de Física. do ITA Coordeação do Laboratório de Física do o ao de Egeharia do ITA Resposável por Oficias o projeto AEB - Escola 8.3. Área de Atuação Em Pesquisa Atuação a área de Esio através da Escola Avaçada de Física. Um curso voltado para aluos do terceiro ao do esio médio que participam de Olimpíadas, com o ituito de preparação para as seguites olimpíadas de Física: Iteracioal, Ibero-Americaa, Brasileira, Estaduais e Regioais. Cofecção de Experimetos para as Oficias do Projeto AEB-Escola, para aluos do Esio Fudametal e médio, com o ituito de despertar o iteresse dos mesmos para a área Espacial. Desevolvimeto de Laser C0 TEA Iteração Laser-Plasmas Simulação e Extração de íos em plasmas Simulação de um Laser de elétros livres - FEL Estudo de Descargas em Plasmas

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

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

Leia mais

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

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

Leia mais

10 - Medidas de Variabilidade ou de Dispersão

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

Leia mais

Distribuições Amostrais

Distribuições Amostrais Distribuições Amostrais O problema da iferêcia estatística: fazer uma afirmação sobre os parâmetros da população θ (média, variâcia, etc) através da amostra. Usaremos uma AAS de elemetos sorteados dessa

Leia mais

Obtemos, então, uma amostra aleatória de tamanho n de X, que representamos por X 1, X 2,..., X n.

Obtemos, então, uma amostra aleatória de tamanho n de X, que representamos por X 1, X 2,..., X n. Vamos observar elemetos, extraídos ao acaso e com reposição da população; Para cada elemeto selecioado, observamos o valor da variável X de iteresse. Obtemos, etão, uma amostra aleatória de tamaho de X,

Leia mais

Cap. 4 - Estimação por Intervalo

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

Leia mais

Prática I GRANDEZAS FÍSICAS E TEORIA DOS ERROS

Prática I GRANDEZAS FÍSICAS E TEORIA DOS ERROS Prática I GRANDEZAS FÍSICAS E TEORIA DOS ERROS INTRODUÇÃO O desevolvimeto do homem deve-se ao fato de que ele procurou observar os acotecimetos ao seu redor. Ao ver os resultados dos diversos evetos, ele

Leia mais

6.1 Estimativa de uma média populacional: grandes amostras. Definição: Um estimador é uma característica amostral (como a média amostral

6.1 Estimativa de uma média populacional: grandes amostras. Definição: Um estimador é uma característica amostral (como a média amostral 6 ESTIMAÇÃO 6.1 Estimativa de uma média populacioal: grades amostras Defiição: Um estimador é uma característica amostral (como a média amostral x ) utilizada para obter uma aproximação de um parâmetro

Leia mais

ESTIMAÇÃO DA PROPORÇÃO POPULACIONAL p

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

Leia mais

Estimar uma proporção p (desconhecida) de elementos em uma população, apresentando certa característica de interesse, a partir da informação

Estimar uma proporção p (desconhecida) de elementos em uma população, apresentando certa característica de interesse, a partir da informação ESTIMAÇÃO DA PROPORÇÃO POPULACIONAL p 1 Objetivo Estimar uma proporção p (descohecida) de elemetos em uma população, apresetado certa característica de iteresse, a partir da iformação forecida por uma

Leia mais

Experimento 1 Estudo da Lei de Hooke

Experimento 1 Estudo da Lei de Hooke Experimeto 1 Estudo da Lei de Hooke 1.1 Objetivos Físicos Verificação experimetal da lei de Hooke para uma mola helicoidal: Medida experimetal do módulo de rigidez do material μ. 1. Objetivos Didáticos

Leia mais

Cap. VI Histogramas e Curvas de Distribuição

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

Leia mais

UNIVERSIDADE ESTADUAL PAULISTA JÚLIO DE MESQUITA FILHO Campus de Bauru

UNIVERSIDADE ESTADUAL PAULISTA JÚLIO DE MESQUITA FILHO Campus de Bauru EXPERIMENTO - MEDIDAS E ERROS ****************************************************************************. Objetivos: Propiciar ao estudate a compreesão dos coceitos básicos de medidas; Avaliação e propagação

Leia mais

Teorema do limite central e es/mação da proporção populacional p

Teorema do limite central e es/mação da proporção populacional p Teorema do limite cetral e es/mação da proporção populacioal p 1 RESULTADO 1: Relembrado resultados importates Seja uma amostra aleatória de tamaho de uma variável aleatória X, com média µ e variâcia σ.temos

Leia mais

TRABALHO1 MEDIÇÕES, ALGARISMOS SIGNIFICATIVOS E ERROS.

TRABALHO1 MEDIÇÕES, ALGARISMOS SIGNIFICATIVOS E ERROS. TRABALHO1 MEDIÇÕES, ALGARISMOS SIGNIFICATIVOS E ERROS. 1.1 Objectivos Medir gradezas físicas, utilizado os istrumetos adequados. Apresetar correctamete os resultados das medições, ao ível da utilização

Leia mais

arxiv: v1 [math.ho] 3 Sep 2014

arxiv: v1 [math.ho] 3 Sep 2014 Álbum de figurihas da Copa do Mudo: uma abordagem via Cadeias de Markov Leadro Morgado IMECC, Uiversidade Estadual de Campias arxiv:409.260v [math.ho] 3 Sep 204 Cosiderações iiciais 6 de maio de 204 Com

Leia mais

Capítulo I Séries Numéricas

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

Leia mais

n ) uma amostra aleatória da variável aleatória X.

n ) uma amostra aleatória da variável aleatória X. - Distribuições amostrais Cosidere uma população de objetos dos quais estamos iteressados em estudar uma determiada característica. Quado dizemos que a população tem distribuição FX ( x ), queremos dizer

Leia mais

Capítulo 5- Introdução à Inferência estatística. (Versão: para o manual a partir de 2016/17)

Capítulo 5- Introdução à Inferência estatística. (Versão: para o manual a partir de 2016/17) Capítulo 5- Itrodução à Iferêcia estatística. (Versão: para o maual a partir de 2016/17) 1.1) Itrodução.(222)(Vídeo 39) Na iferêcia estatística, aalisamos e iterpretamos amostras com o objetivo de tirar

Leia mais

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

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

Leia mais

MATEMÁTICA II. Profa. Dra. Amanda Liz Pacífico Manfrim Perticarrari

MATEMÁTICA II. Profa. Dra. Amanda Liz Pacífico Manfrim Perticarrari MATEMÁTICA II Profa. Dra. Amada Liz Pacífico Mafrim Perticarrari amada@fcav.uesp.br O PROBLEMA DA ÁREA O PROBLEMA DA ÁREA Ecotre a área da região que está sob a curva y = f x de a até b. S = x, y a x b,

Leia mais

Distribuições Amostrais

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

Leia mais

Distribuições Amostrais

Distribuições Amostrais 7/3/07 Uiversidade Federal do Pará Istituto de Tecologia Estatística Aplicada I Prof. Dr. Jorge Teófilo de Barros Lopes Campus de Belém Curso de Egeharia Mecâica 3/07/07 09:3 ESTATÍSTICA APLICADA I - Teoria

Leia mais

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

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

Leia mais

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

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

Leia mais

Capítulo 5- Introdução à Inferência estatística.

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

Leia mais

Incerteza nas medidas realizadas pela prática da Câmara de Ionização.

Incerteza nas medidas realizadas pela prática da Câmara de Ionização. Icerteza as medidas realizadas pela prática da Câmara de Ioização. Emer Sales 1,2, Ferado Sadi Pito 1,2 ; Samuel Façaha Sousa Juior 1,2 ; Dayslo Luiz Gaudareto Freitas 1,2 ; Lucio das Chagas de Adrade

Leia mais

Exame Final Nacional de Matemática Aplicada às Ciências Sociais a Fase

Exame Final Nacional de Matemática Aplicada às Ciências Sociais a Fase Exame Fial Nacioal de Matemática Aplicada às Ciêcias Sociais 006 -. a Fase Proposta de resolução 1. 1.1. 1.1.1. Utilizado a iformação da tabela dada e idetificado o úmero de votos de cada partido com a

Leia mais

SEEC UNIVERSIDADE DO ESTADO DO RIO GRANDE DO NORTE UERN FACULDADE DE CIÊNCIAS EXATAS E NATURAIS FANAT DEPARTAMENTO DE CIÊNCIAS BIOLÓGICAS DECB

SEEC UNIVERSIDADE DO ESTADO DO RIO GRANDE DO NORTE UERN FACULDADE DE CIÊNCIAS EXATAS E NATURAIS FANAT DEPARTAMENTO DE CIÊNCIAS BIOLÓGICAS DECB Govero do Estado do Rio Grade do Norte Secretaria de Estado da Educação e da Cultura - SEEC UNIVERSIDADE DO ESTADO DO RIO GRANDE DO NORTE UERN FACULDADE DE CIÊNCIAS EXATAS E NATURAIS FANAT DEPARTAMENTO

Leia mais

DERIVADAS DE FUNÇÕES11

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

Leia mais

1 Amintas engenharia

1 Amintas engenharia 1 Amitas egeharia 2 Cálculo Numérico 1. Itrodução Amitas Paiva Afoso 3 1. Itrodução O que é o Cálculo Numérico? 4 1. Itrodução O Cálculo Numérico correspode a um cojuto de ferrametas ou métodos usados

Leia mais

Alguns autores também denotam uma sequência usando parêntesis:

Alguns autores também denotam uma sequência usando parêntesis: Capítulo 3 Sequêcias e Séries Numéricas 3. Sequêcias Numéricas Uma sequêcia umérica é uma fução real com domíio N que, a cada associa um úmero real a. Os úmeros a são chamados termos da sequêcia. É comum

Leia mais

MATEMÁTICA II. Profa. Dra. Amanda Liz Pacífico Manfrim Perticarrari

MATEMÁTICA II. Profa. Dra. Amanda Liz Pacífico Manfrim Perticarrari MATEMÁTICA II Profa. Dra. Amada Liz Pacífico Mafrim Perticarrari amada@fcav.uesp.br Ecotre a área da região que está sob a curva y = f x de a até b. S = x, y a x b, 0 y f x Isso sigifica que S, ilustrada

Leia mais

Fundamentos de Análise Matemática Profª Ana Paula. Números reais

Fundamentos de Análise Matemática Profª Ana Paula. Números reais Fudametos de Aálise Matemática Profª Aa Paula Números reais 1,, 3, cojuto dos úmeros aturais 0,1,,3, cojuto dos úmeros iteiros p q /p e q cojuto dos úmeros racioais a, a 0 a 1 a a, a e a i 0, 1,, 3, 4,

Leia mais

Sumário. 2 Índice Remissivo 17

Sumário. 2 Índice Remissivo 17 i Sumário 1 Itrodução à Iferêcia Estatística 1 1.1 Defiições Básicas................................... 1 1.2 Amostragem....................................... 2 1.2.1 Tipos de Amostragem.............................

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

Estimadores de Momentos

Estimadores de Momentos Estimadores de Mometos A média populacioal é um caso particular daquilo que chamamos de mometo. Na realidade, ela é o primeiro mometo. Se X for uma v.a. cotíua, com desidade f(x; θ 1,..., θ r ), depededo

Leia mais

Mas o que deixou de ser abordado na grande generalidade desses cursos foi o estudo dos produtos infinitos, mesmo que só no caso numérico real.

Mas o que deixou de ser abordado na grande generalidade desses cursos foi o estudo dos produtos infinitos, mesmo que só no caso numérico real. Resumo. O estudo das séries de termos reais, estudado as disciplias de Aálise Matemática da grade geeralidade dos cursos técicos de liceciatura, é aqui estedido ao corpo complexo, bem como ao caso em que

Leia mais

Universidade Federal de Mato Grosso Probabilidade e Estatística - Curso: Engenharia Civil Introdução à Inferência Estatística - Prof a Eveliny

Universidade Federal de Mato Grosso Probabilidade e Estatística - Curso: Engenharia Civil Introdução à Inferência Estatística - Prof a Eveliny 1 Itrodução Uiversidade Federal de Mato Grosso Probabilidade e Estatística - Curso: Egeharia Civil Itrodução à Iferêcia Estatística - Prof a Eveliy Vimos o iício do curso como resumir descritivamete variáveis

Leia mais

Material Teórico - Módulo Binômio de Newton e Triangulo de Pascal. Soma de Elementos em Linhas, Colunas e Diagonais. Segundo Ano do Ensino Médio

Material Teórico - Módulo Binômio de Newton e Triangulo de Pascal. Soma de Elementos em Linhas, Colunas e Diagonais. Segundo Ano do Ensino Médio Material Teórico - Módulo Biômio de Newto e Triagulo de Pascal Soma de Elemetos em Lihas, Coluas e Diagoais Segudo Ao do Esio Médio Autor: Prof Fabrício Siqueira Beevides Revisor: Prof Atoio Camiha M Neto

Leia mais

Material Teórico - Módulo Binômio de Newton e Triangulo de Pascal. Soma de Elementos em Linhas, Colunas e Diagonais. Segundo Ano do Ensino Médio

Material Teórico - Módulo Binômio de Newton e Triangulo de Pascal. Soma de Elementos em Linhas, Colunas e Diagonais. Segundo Ano do Ensino Médio Material Teórico - Módulo Biômio de Newto e Triagulo de Pascal Soma de Elemetos em Lihas, Coluas e Diagoais Segudo Ao do Esio Médio Autor: Prof Fabrício Siqueira Beevides Revisor: Prof Atoio Camiha M Neto

Leia mais

DETERMINANDO A SIGNIFICÂNCIA ESTATÍSTICA PARA AS DIFERENÇAS ENTRE MÉDIAS

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

Leia mais

Estimação da média populacional

Estimação da média populacional Estimação da média populacioal 1 MÉTODO ESTATÍSTICO Aálise Descritiva Teoria das Probabilidades Iferêcia Os dados efetivamete observados parecem mostrar que...? Se a distribuição dos dados seguir uma certa

Leia mais

1 a Lista de PE Solução

1 a Lista de PE Solução Uiversidade de Brasília Departameto de Estatística 1 a Lista de PE Solução 1. a) Qualitativa omial. b) Quatitativa discreta. c) Quatitativa discreta. d) Quatitativa cotíua. e) Quatitativa cotíua. f) Qualitativa

Leia mais

S E Q U Ê N C I A S E L I M I T E S. Prof. Benito Frazão Pires. Uma sequência é uma lista ordenada de números

S E Q U Ê N C I A S E L I M I T E S. Prof. Benito Frazão Pires. Uma sequência é uma lista ordenada de números S E Q U Ê N C I A S E L I M I T E S Prof. Beito Frazão Pires Uma sequêcia é uma lista ordeada de úmeros a, a 2,..., a,... ) deomiados termos da sequêcia: a é o primeiro termo, a 2 é o segudo termo e assim

Leia mais

Taxas e Índices. Ana Maria Lima de Farias Dirce Uesu Pesco

Taxas e Índices. Ana Maria Lima de Farias Dirce Uesu Pesco Taxas e Ídices Aa Maria Lima de Farias Dirce Uesu esco Itrodução Nesse texto apresetaremos coceitos básicos sobre ídices e taxas. Embora existam aplicações em diversos cotextos, essas otas utilizaremos

Leia mais

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

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

Leia mais

e, respectivamente. Os valores tabelados para a distribuição t-student dependem do número de graus de liberdade ( n 1 e

e, respectivamente. Os valores tabelados para a distribuição t-student dependem do número de graus de liberdade ( n 1 e Prof. Jaete Pereira Amador 1 1 Itrodução Um fator de grade importâcia a pesquisa é saber calcular corretamete o tamaho da amostra que será trabalhada. Devemos ter em mete que as estatísticas calculadas

Leia mais

Representação de Números em Ponto Flutuante

Representação de Números em Ponto Flutuante Represetação de Números em Poto Flutuate OBS: Esta aula é uma reprodução, sob a forma de slides, da aula em vídeo dispoibilizada pelo prof. Rex Medeiros, da UFRN/ECT, em https://youtu.be/ovuymcpkoc Notação

Leia mais

Disciplina: MATEMÁTICA Turma: 3º Ano Professor (a) : CÉSAR LOPES DE ASSIS INTRODUÇÃO A ESTATÍSTICA. Organização de dados

Disciplina: MATEMÁTICA Turma: 3º Ano Professor (a) : CÉSAR LOPES DE ASSIS INTRODUÇÃO A ESTATÍSTICA. Organização de dados Escola SESI de Aápolis - Judiaí Aluo (a): Disciplia: MATEMÁTICA Turma: 3º Ao Professor (a) : CÉSAR LOPES DE ASSIS Data: INTRODUÇÃO A ESTATÍSTICA A Estatística é o ramo da Matemática que coleta, descreve,

Leia mais

CF358 Física BásicaExperimental I

CF358 Física BásicaExperimental I CF358 Física BásicaExperimetal I CONFIGURAÇÃO MÓDULO TEÓRICO MÓDULO EXPERIMENTAL => BLOCO 1-4 EXPERIMENTOS => BLOCO 2-4 EXPERIMENTOS PRESENÇA (muito importate) NO MÍNIMO 75% AVALIAÇÃO 01 PROVA -BLOCO TEÓRICO

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

( 1,2,4,8,16,32,... ) PG de razão 2 ( 5,5,5,5,5,5,5,... ) PG de razão 1 ( 100,50,25,... ) PG de razão ½ ( 2, 6,18, 54,162,...

( 1,2,4,8,16,32,... ) PG de razão 2 ( 5,5,5,5,5,5,5,... ) PG de razão 1 ( 100,50,25,... ) PG de razão ½ ( 2, 6,18, 54,162,... Progressões Geométricas Defiição Chama se progressão geométrica PG qualquer seqüêcia de úmeros reais ou complexos, ode cada termo a partir do segudo, é igual ao aterior, multiplicado por uma costate deomiada

Leia mais

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

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

Leia mais

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

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

Leia mais

objetivo Exercícios Meta da aula Pré-requisitos

objetivo Exercícios Meta da aula Pré-requisitos Exercícios A U L A 6 Meta da aula Aplicar o formalismo quâtico estudado as Aulas a 5 deste módulo à resolução de um cojuto de exercícios. objetivo Esperamos que, após o térmio desta aula, você teha cosolidado

Leia mais

CÁLCULO I. Exibir o cálculo de algumas integrais utilizando a denição;

CÁLCULO I. Exibir o cálculo de algumas integrais utilizando a denição; CÁLCULO I Prof Edilso Neri Júior Prof Adré Almeida Aula o 9: A Itegral de Riema Objetivos da Aula Deir a itegral de Riema; Exibir o cálculo de algumas itegrais utilizado a deição; Apresetar fuções que

Leia mais

Estatística. Estatística II - Administração. Prof. Dr. Marcelo Tavares. Distribuições de amostragem. Estatística Descritiva X Estatística Inferencial

Estatística. Estatística II - Administração. Prof. Dr. Marcelo Tavares. Distribuições de amostragem. Estatística Descritiva X Estatística Inferencial Estatística II - Admiistração Prof. Dr. Marcelo Tavares Distribuições de amostragem Na iferêcia estatística vamos apresetar os argumetos estatísticos para fazer afirmações sobre as características de uma

Leia mais

MATEMÁTICA MÓDULO 6 ESTATÍSTICA. Professor Haroldo Filho

MATEMÁTICA MÓDULO 6 ESTATÍSTICA. Professor Haroldo Filho MATEMÁTICA Professor Haroldo Filho MÓDULO 6 ESTATÍSTICA 1.1 ESTATÍSTICA É a ciêcia que utiliza a coleta de dados, sua classificação, sua apresetação, sua aálise e sua iterpretação para se tomar algum tipo

Leia mais

MAE116 Noções de Estatística

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

Leia mais

Estimação da média populacional

Estimação da média populacional Estimação da média populacioal 1 MÉTODO ESTATÍSTICO Aálise Descritiva Teoria das Probabilidades Iferêcia Os dados efetivamete observados parecem mostrar que...? Se a distribuição dos dados seguir uma certa

Leia mais

Características dinâmicas

Características dinâmicas Características diâmicas As características diâmicas, descrevem o seu comportameto durate o itervalo de tempo em que a gradeza medida varia até o mometo em que o seu valor medido é apresetado. Resposta

Leia mais

O jogo MAX_MIN - Estatístico

O jogo MAX_MIN - Estatístico O jogo MAX_MIN - Estatístico José Marcos Lopes Resumo Apresetamos este trabalho um jogo (origial) de treiameto para fortalecer os coceitos de Média, Mediaa, Moda, Desvio Padrão e Desvio Médio da Estatística

Leia mais

CONCEITOS BÁSICOS E PRINCÍPIOS DE ESTATÍSTICA

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

Leia mais

Fundamentos de Estatística Aplicada. Módulo IV: Introdução à Inferência Estatística

Fundamentos de Estatística Aplicada. Módulo IV: Introdução à Inferência Estatística Uiversidade Federal Flumiese Istituto de Matemática e Estatística Fudametos de Estatística Aplicada Módulo IV: Itrodução à Iferêcia Estatística Aa Maria Lima de Farias Departameto de Estatística Coteúdo

Leia mais

ESTIMAÇÃO POR INTERVALO (INTERVALOS DE CONFIANÇA)

ESTIMAÇÃO POR INTERVALO (INTERVALOS DE CONFIANÇA) 06 ETIMÇÃO OR INTERVLO (INTERVLO DE CONINÇ) Cada um dos métodos de estimação potual permite associar a cada parâmetro populacioal um estimador. Ora a cada estimador estão associadas tatas estimativas diferetes

Leia mais

A IMPORTÂNCIA DAS ATIVIDADES PRÁTICAS COMO COMPONENTE CURRICULAR DISCUTIDA A PARTIR DE MÉTODOS PARA OBTENÇÃO DE FRAÇÕES GERATRIZES

A IMPORTÂNCIA DAS ATIVIDADES PRÁTICAS COMO COMPONENTE CURRICULAR DISCUTIDA A PARTIR DE MÉTODOS PARA OBTENÇÃO DE FRAÇÕES GERATRIZES A IMPORTÂNCIA DAS ATIVIDADES PRÁTICAS COMO COMPONENTE CURRICULAR DISCUTIDA A PARTIR DE MÉTODOS PARA OBTENÇÃO DE FRAÇÕES GERATRIZES Guilherme de Martii Uiversidade Tecológica Federal do Paraá - Câmpus Toledo

Leia mais

Métodos de Amostragem

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

Leia mais

Capítulo 5. CASO 5: EQUAÇÃO DE POISSON 5.1 MODELO MATEMÁTICO E SOLUÇÃO ANALÍTICA

Capítulo 5. CASO 5: EQUAÇÃO DE POISSON 5.1 MODELO MATEMÁTICO E SOLUÇÃO ANALÍTICA Capítulo 5. CASO 5: EQUAÇÃO DE POISSON No presete capítulo, é abordado um problema difusivo uidimesioal com absorção de calor (Icropera e DeWitt, 199, o que resulta uma equação de Poisso, que é uma equação

Leia mais

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

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

Leia mais

Como a dimensão da amostra é , o número de inquiridos correspondente é

Como a dimensão da amostra é , o número de inquiridos correspondente é 41. p ˆ 0, 5 e z 1, 960 Se a amplitude é 0,, etão a margem de erro é 0,1. 0,5 0,48 1,960 0,1 0,496 96 0,0510 0,496 0,0510 0,496 0,0510 Tema 5 71) 1.1 4 11 6% Como a dimesão da amostra é 15 800, o úmero

Leia mais

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

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

Leia mais

A DESIGUALDADE DE CHEBYCHEV

A DESIGUALDADE DE CHEBYCHEV A DESIGUALDADE DE CHEBYCHEV Quado se pretede calcular a probabilidade de poder ocorrer determiado acotecimeto e se cohece a distribuição probabilística que está em causa o problema, ão se colocam dificuldades

Leia mais

Séquências e Séries Infinitas de Termos Constantes

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

Leia mais

lim Px ( ) 35 x 5 ), teremos Px ( ) cada vez mais próximo de 35 (denotaremos isso da forma Px ( ) 35 ). UNIVERSIDADE FEDERAL DA PARAÍBA CAMPUS IV-CCAE

lim Px ( ) 35 x 5 ), teremos Px ( ) cada vez mais próximo de 35 (denotaremos isso da forma Px ( ) 35 ). UNIVERSIDADE FEDERAL DA PARAÍBA CAMPUS IV-CCAE CURSO DISCIPLINA PROFESSOR I) Itrodução ao Limite de uma Fução UNIVERSIDADE FEDERAL DA PARAÍBA CAMPUS IV-CCAE LICENCIATURA EM MATEMÁTICA CÁLCULO DIFERENCIAL E INTEGRAL I Limite de uma Fução José Elias

Leia mais

A Computação e as Classificações da Ciência

A Computação e as Classificações da Ciência A Computação e as Classificações da Ciêcia Ricardo de Almeida Falbo Metodologia de Pesquisa Departameto de Iformática Uiversidade Federal do Espírito Sato Ageda Classificações da Ciêcia A Computação e

Leia mais

Introdução ao Qui-Quadrado

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

Leia mais

Colégio FAAT Ensino Fundamental e Médio

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

Leia mais

Stela Adami Vayego DEST/UFPR

Stela Adami Vayego DEST/UFPR Resumo 0 Estimação de parâmetros populacioais 9.. Itrodução Aqui estudaremos o problema de avaliar certas características dos elemetos da população (parâmetros), com base em operações com os dados de uma

Leia mais

Sumário. 2 Índice Remissivo 11

Sumário. 2 Índice Remissivo 11 i Sumário 1 Esperaça de uma Variável Aleatória 1 1.1 Variáveis aleatórias idepedetes........................... 1 1.2 Esperaça matemática................................. 1 1.3 Esperaça de uma Fução de

Leia mais

Sequências, PA e PG material teórico

Sequências, PA e PG material teórico Sequêcias, PA e PG material teórico 1 SEQUÊNCIA ou SUCESSÃO: é todo cojuto ode cosideramos os seus elemetos colocados, ou dispostos, uma certa ordem. Cosiderado a sequêcia (; 3; 5; 7;...), dizemos que:

Leia mais

IMPLANTAÇÃO DE PROCEDIMENTO PARA CALIBRAÇÃO DE PAQUÍMETROS E MICRÔMETROS UTILIZADOS NA MONTAGEM E INTEGRAÇÃO DE SATÉLITES DO INPE/LIT

IMPLANTAÇÃO DE PROCEDIMENTO PARA CALIBRAÇÃO DE PAQUÍMETROS E MICRÔMETROS UTILIZADOS NA MONTAGEM E INTEGRAÇÃO DE SATÉLITES DO INPE/LIT IMPLANTAÇÃO DE PROCEDIMENTO PARA CALIBRAÇÃO DE PAQUÍMETROS E MICRÔMETROS UTILIZADOS NA MONTAGEM E INTEGRAÇÃO DE SATÉLITES DO INPE/LIT RELATÓRIO FINAL DE PROJETO DE INICIAÇÃO CIENTÍFICA (PIBIC/CNPq/INPE)

Leia mais

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

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

Leia mais

Alguns autores também denotam uma sequência usando parêntesis:

Alguns autores também denotam uma sequência usando parêntesis: Capítulo 3 Sequêcias e Séries Numéricas 3. Sequêcias Numéricas Uma sequêcia umérica é uma fução real com domíio N que, a cada associa um úmero real a. Os úmeros a são chamados termos da sequêcia. É comum

Leia mais

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

Objetivo. Estimar a média de uma variável aleatória X, que representa uma característica de interesse de uma população, a partir de uma amostra. Objetivo Estimar a média de uma variável aleatória X, que represeta uma característica de iteresse de uma população, a partir de uma amostra. Exemplos: : peso médio de homes a faixa etária de 20 a 30 aos,

Leia mais

Fundamentos de Estatística Aplicada. Módulo IV: Introdução à Inferência Estatística

Fundamentos de Estatística Aplicada. Módulo IV: Introdução à Inferência Estatística Uiversidade Federal Flumiese Istituto de Matemática e Estatística Fudametos de Estatística Aplicada Módulo IV: Itrodução à Iferêcia Estatística Aa Maria Lima de Farias Departameto de Estatística Coteúdo

Leia mais

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

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

Leia mais

Métodos Quantitativos para Ciência da Computação Experimental Aula #4

Métodos Quantitativos para Ciência da Computação Experimental Aula #4 Métodos Quatitativos para Ciêcia da Computação Experimetal Aula #4 Jussara Almeida DCC-UFMG 2017 Measuremets are ot to provide umbers, but isights Metodologia de Comparação de Sistemas Experimetais Comparado

Leia mais

Avaliação de Desempenho de Sistemas Discretos

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

Leia mais

TRANSPORTES. Sessão Prática 4 Amostragem de escalares

TRANSPORTES. Sessão Prática 4 Amostragem de escalares Mestrado Itegrado em Egeharia Civil TRNPORTE Prof. Resposável: Luis Picado atos essão Prática 4 mostragem de escalares Istituto uperior Técico / Mestrado Itegrado Egeharia Civil Trasportes ulas Práticas

Leia mais

Exame Final Nacional de Matemática Aplicada às Ciências Sociais a Fase

Exame Final Nacional de Matemática Aplicada às Ciências Sociais a Fase Exame Nacioal de Matemática Aplicada às Ciêcias Sociais 2013-1. a Fase Proposta de resolução 1. 1.1. Aplicado o método descrito, icluido o tema Festas, temos: Potuação do tema Bullig: 3 415 + 1 370 + 2

Leia mais

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

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

Leia mais

Novo Espaço Matemática A 12.º ano Proposta de Teste [outubro ]

Novo Espaço Matemática A 12.º ano Proposta de Teste [outubro ] Proposta de Teste [outubro - 017] Nome: Ao / Turma: N.º: Data: / / Não é permitido o uso de corretor. Deves riscar aquilo que pretedes que ão seja classificado. A prova iclui um formulário. As cotações

Leia mais

binomial seria quase simétrica. Nestas condições será também melhor a aproximação pela distribuição normal.

binomial seria quase simétrica. Nestas condições será também melhor a aproximação pela distribuição normal. biomial seria quase simétrica. Nestas codições será também melhor a aproximação pela distribuição ormal. Na prática, quado e p > 7, a distribuição ormal com parâmetros: µ p 99 σ p ( p) costitui uma boa

Leia mais

Capítulo II - Sucessões e Séries de Números Reais

Capítulo II - Sucessões e Séries de Números Reais Capítulo II - Sucessões e Séries de Números Reais 2 Séries de úmeros reais Sabemos bem o que sigifica u 1 + u 2 + + u p = p =1 e cohecemos as propriedades desta operação - comutatividade, associatividade,

Leia mais

Disciplina: TRANSPORTES. Sessão Prática 4 (Tipo A): Amostragem

Disciplina: TRANSPORTES. Sessão Prática 4 (Tipo A): Amostragem Mestrado Itegrado em Egeharia Civil Disciplia: TRANSPORTES Prof. Resposável: José Mauel Viegas Sessão Prática 4 (Tipo A): Amostragem 008 / 009 Istituto Superior Técico / Mestrado Itegrado Egª Civil Trasportes

Leia mais

FICHA de AVALIAÇÃO de MATEMÁTICA A 11.º Ano Versão 2

FICHA de AVALIAÇÃO de MATEMÁTICA A 11.º Ano Versão 2 FICHA de AVALIAÇÃO de MATEMÁTICA A.º Ao Versão Aluo: N.º Turma: Professor: Classificação: Apresete o seu raciocíio de forma clara, idicado todos os cálculos que tiver de efetuar e todas as justificações

Leia mais

4 Teoria da Probabilidade

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

Leia mais

Matemática E Extensivo V. 1

Matemática E Extensivo V. 1 Extesivo V. 0) a) r b) r c) r / d) r 7 0) A 0) B P.A. 7,,,... r a + ( ). a +. + 69 a 5 P.A. (r, r, r ) r ( r + r) 6r r r r 70 Exercícios 05) a 0 98 a a a 06) E 07) B 08) B 7 0 0; 8? P.A. ( 7, 65, 58,...)

Leia mais

Exame Final Nacional de Matemática Aplicada às Ciências Sociais Época especial

Exame Final Nacional de Matemática Aplicada às Ciências Sociais Época especial Exame Fial Nacioal de Matemática Aplicada às Ciêcias Sociais 016 - Época especial Proposta de resolução 1. Aplicado o primeiro método para o apurameto do vecedor, temos: N o. de votos 615 300 435 150 Total

Leia mais