MAE116 Noções de Estatística

Tamanho: px
Começar a partir da página:

Download "MAE116 Noções de Estatística"

Transcrição

1 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 pesquisa para estimar a proporção p de mães que amametam o recém-ascido pelo meos até o terceiro mês de idade da criaça. Uma amostra de mães submetidas ao programa será acompahada até o bebê completar 90 dias. (a) (0,75) Qual deve ser o tamaho da amostra, para que o erro da estimativa de p seja de 0,07, com um ível de cofiaça de 0,92? Sabe-se que ε = 0,07 é o erro amostral e z é tal que P( z Z z) = 0,92 e Z~N(0,1). Assim, z é tal que A(z) = 0,96 z = 1,75. Portato, o tamaho da amostra é calculado por: = ( z 2 ε ) p(1 p) = ( 1,75 2 0,07 ) 0,25 = 156,25 O tamaho da amostra deve ser de 157 mães. (b) (0,75) Registros da Secretaria de Saúde mostram que essa proporção p é superior a 70%. Com essa iformação seria possível cosiderar em (a) uma amostra de tamaho meor? Se sim, de quato? Se ão, por quê? Sabe-se que p > 0,7; etão o valor máximo de p(1 p) = 0,7(1 0,7) = 0,21. Logo, reduzimos o valor da amostra para = ( z 2 ε ) p(1 p) = ( 1,75 2 0,07 ) 0,21 = 131,25 Com isso, = 132, coseguido uma dimiuição de =25 mães a serem amostradas. (c) (1,0) Por uma questão de limitação de tempo, cosiderou-se uma amostra de 60 mães, cujos períodos de amametação (em dias) estão apresetados a seguir. Para as mães que aida estavam amametado o fial do acompahameto foi atribuído o tempo de 90 dias Dê uma estimativa potual para p e, com base ela, costrua um itervalo de 92% de cofiaça para p. Qual é o erro amostral de sua estimativa? Seja X: o. De mães com período de amametação de pelo meos 90 dias. Etão temos que p = X = 43 = 0,72 é uma estimativa potual para p. 60 O itervalo de cofiaça para p, com cofiaça γ = 0,92(z = 1,75) é calculado por: p (1 p ) p (1 p ) IC(p, 92%) = [p z ; p + z ] = [0,72 1,75 0, ; 0,72 + 1,75 0, ] = = [0,72 0,1014; 0,72 + 0,1014] = [0,618; 0,821]; sedo o erro amostral da estimativa dado por ε = z p (1 p ) = 0,1014. Págia 1 de 6

2 Exercício 2 Em uma amostra aleatória de 80 de bebês ascidos pré-termo, a idade gestacioal média ao ascer foi x = 29,8 semaas e desvio padrão s = 3,6 semaas. (a) (1,0) Costrua um itervalo de cofiaça de 95% para a idade gestacioal média de bebês ascidos prétermo. Seja X: idade gestacioal de bebês ascidos pré-termo. Iteresse é estimar : idade média gestacioal de bebes ascidos pré-termo Como ão sabemos se X tem distribuição ormal, mas o tamaho da amostra é grade, usado o TCL, o IC para é calculado por: [x z s s ; x + z ] Temos x = 29,8; como γ = 0,95 etão z = 1,96; = 80, e s = 3,6. Assim, substituido os valores, temos: [29,8 1,96 3,6 3,6 ; 29,8 + 1,96 ] = [29,8 0,7888; 29,8 + 0,7888] = [29,01; 30,59]; sedo o erro amostral ε = z s = 0,7888. (b) (0,5) Qual é o comprimeto desse itervalo? O comprimeto do itervalo esta dado pela difereça etre o limite Superior e limite Iferior, logo o comprimeto é 1,58 semaas. (c) (1,0) Que tamaho de amostra seria ecessário para que o itervalo de cofiaça de 95% teha comprimeto de 2 semaas? Como ão cohecemos o valor do desvio padrão populacioal, admitimos que o desvio padrão amostral s esteja próximo do valor, de tal forma que o erro amostral cosiderado seja ε = z s Como Amplitude = 2 = Amplitude/2 = 1. Etão, = ( z e )2 s 2 = ( 1,96 1 )2 3,6 2 = 49,79 50 Logo o tamaho de amostra ecessário para que o itervalo de cofiaça de 95% teha comprimeto de 2 semaas é = 50 bebês. Exercício 3 Um professor deseja estimar a proporção p de aluos que coseguiram eteder de forma satisfatória o coteúdo miistrado de sua matéria, utilizado um ovo método de esio. Ele quer que essa proporção seja estimada com um erro de 0,04 e um ível de cofiaça de 0,92. (a) (1,0) Qual é o tamaho de amostra ecessário para ateder às exigêcias do professor? Págia 2 de 6

3 Como ão temos iformação a respeito de p, etão cosideramos p = 0,5; assim p(1 p) = 0,25; logo o tamaho da amostra é determiado por = ( z 2 ε ) p(1 p) = ( z 2 ε ) 0,25 Temos que ε = 0,04 é o erro amostral e z é tal que P( z Z z) = 0,92 e com Z~N(0,1). O que implica z=1,75. Portato, = ( 1,75 2 0,04 ) 0,25 = 478,51 O tamaho da amostra deve ser de 479 aluos. (b) (0,75) Que tamaho deveria ter a amostra supodo que p está etre 0,2 e 0,6? E supodo que p é meor que 0,2? Note que, se 0,2 p 0,6 o máximo valor de p(1 p) é 0,5 0,5 = 0,25 e este caso ão há redução em alteração o tamaho de. Logo = 479 aluos. Se p < 0,2; etão o máximo valor de p(1 p) é 0,2 0,8 = 0,16 e = ( 1,75 0,04 )2 0,16 = 306, aluos, produzido uma redução de =172 aluos. (c) (0,75) Tomada uma amostra de 120 estudates, 50 apresetaram bom desempeho em uma prova aplicada após dois meses de utilização do ovo método. Com base esses dados, determie um itervalo de cofiaça com coeficiete de cofiaça de 0,95 para p. Seja X: o. de estudates que apresetaram bom desempeho a prova aplicada após dois meses de utilização do ovo método. Etão temos que p = X = 50 = 0,417, γ = 0,95 z = 1,96; logo: IC(p, 95%) = [p z p (1 p ) ; p + z p (1 p ) 0,0882] = [0,3288; 0,5052], 120 ] = [0,417 1,96 0, ; 0, ,96 0,243] = [0,417 0,0882; 0, sedo o erro amostral dado por ε = z p (1 p ) = 0,0882. Exercício 4 Utilize o programa R, com istruções a seguir, para gerar 80 réplicas de uma distribuição biomial, com parâmetros = 90 e p = 0,75 (probabilidade de sucesso). Para cada réplica estima-se a probabilidade de sucesso e costrói-se o itervalo de cofiaça (Lim_if, Lim_sup), com = 0,90. O programa também forece o úmero de itervalos, detre os 100 gerados, que cotem o verdadeiro valor de p. Imprima os itervalos gerados. (a) (1,0) Assiale os itervalos que ão cotêm o verdadeiro valor de p. Quatos são eles? Cheque com o úmero forecido pelo programa. > cbid(p_sucesso,lim_if, Lim_sup) p_sucesso Lim_if Lim_sup [1,] [2,] [3,] [4,] Págia 3 de 6

4 [5,] [6,] * [7,] [8,] [9,] [10,] [11,] [12,] [13,] [14,] [15,] [16,] [17,] [18,] [19,] [20,] [21,] [22,] [23,] [24,] [25,] [26,] * [27,] [28,] [29,] [30,] [31,] [32,] [33,] [34,] * [35,] [36,] * [37,] [38,] * [39,] [40,] [41,] [42,] [43,] [44,] [45,] * [46,] [47,] [48,] [49,] [50,] [51,] [52,] [53,] [54,] * Págia 4 de 6

5 [55,] [56,] [57,] [58,] [59,] [60,] * [61,] [62,] [63,] [64,] * [65,] [66,] * [67,] [68,] [69,] [70,] [71,] [72,] * [73,] [74,] [75,] * [76,] [77,] [78,] * [79,] * [80,] MAE116 Noções de Estatística > aux1<- ifelse(lim_if< 0.75,1,0) > aux2<-ifelse(lim_sup< 0.75,1,0) > idicadora <-ifelse(aux1==aux2,1,0) > sum(idicadora) [1] 14 As replicas 6,26,34,36,38,45,54,60,64,66,72,75,78,79 ão cotem o verdadeiro valor de p, 14 itervalos. Cofere com o programa. (b) (0,75) Calcule a proporção de itervalos que cotêm o verdadeiro valor de p, detre os 80 gerados. Comete o resultado obtido. São 66 itervalos que cotem o verdadeiro valor de p, detre os 80 gerados. Etão a proporção de itervalos que cotem o verdadeiro valor de p é 66/80=0,825. O procedimeto para gerar itervalos com cofiaça de 90% produziu 82,5% de itervalos que cotiham o verdadeiro valor de p, aproximadamete igual ao ível de cofiaça. Págia 5 de 6

6 (c) (0,75) Repita o estudo de simulação para ites (b) e (c), cosiderado 1000 réplicas da distribuição biomial. Não é ecessário imprimir os 1000 IC gerados. Nota: faça a adaptação do programa, substituido o valor 80 por Das 1000 replicas geradas 100 ão cotiham o verdadeiro valor de p,quer dizer, 900 tiham o verdadeiro valor de p. A proporção de itervalos que cotiham o verdadeiro valor de p é de 0,90, este caso, igual ao valor esperado para itervalo de 90% de cofiaça. Observações: 1. Istruções começado por # são cometários; 2. As istruções de comados devem ser digitadas a tela Script Widow e, para serem executadas, clique em <Submit> (lado direito acima da tela Output Widow ); 3. Os resultados dos comados executados aparecerão a tela Output Widow. Programa o Rcdmr # para gerar 80 réplicas da biomial = 90, p = 0.75 _replicas<-80 replicas<- rbiom(_replicas,90,0.75) # para estimar a probabilidade de sucesso p_sucesso<- replicas/90 # para costruir Itervalo de 90% Cofiaça para cada réplica erro<-1.64*sqrt(p_sucesso*(1-p_sucesso)/90) Lim_if<-p_sucesso - erro Lim_sup<- p_sucesso+erro #para visualisar os resultados cbid(p_sucesso,lim_if, Lim_sup) # para cotar quatos IC ão cotem o verdadeiro valor 0,75 aux1<- ifelse(lim_if< 0.75,1,0) aux2<-ifelse(lim_sup< 0.75,1,0) idicadora <-ifelse(aux1==aux2,1,0) sum(idicadora) Págia 6 de 6

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

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

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

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

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

MAE0229 Introdução à Probabilidade e à Estatística II

MAE0229 Introdução à Probabilidade e à Estatística II Exercício : Sabe-se que o tempo de viagem de um local A a zoa orte de São Paulo até a USP segue uma distribuição ormal com desvio padrão 9 miutos. Em 200 dias aotou-se o tempo gasto para vir desse poto

Leia mais

Lista 9 - Introdução à Probabilidade e Estatística

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

Leia mais

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

Intervalos Estatísticos para uma única Amostra - parte II

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

Leia mais

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

Comparação entre duas populações

Comparação entre duas populações Comparação etre duas populações AMOSTRAS INDEPENDENTES Comparação etre duas médias 3 Itrodução Em aplicações práticas é comum que o iteresse seja comparar as médias de duas diferetes populações (ambas

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

Intervalos de Confiança

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

Leia mais

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

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

ESTIMAÇÃO PARA A MÉDIA

ESTIMAÇÃO PARA A MÉDIA ESTIMAÇÃO PARA A MÉDIA Objetivo Estimar a média de uma variável aleatória, que represeta uma característica de iteresse de uma população, a partir de uma amostra. Vamos observar elemetos, extraídos ao

Leia mais

Teoria da Estimação 1

Teoria da Estimação 1 Teoria da Estimação 1 Um dos pricipais objetivos da estatística iferecial cosiste em estimar os valores de parâmetros populacioais descohecidos (estimação de parâmetros) utilizado dados amostrais. Etão,

Leia mais

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

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

Leia mais

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

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

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

Leia mais

MAE Introdução à Probabilidade e Estatística II Resolução Lista 2

MAE Introdução à Probabilidade e Estatística II Resolução Lista 2 MAE 9 - Itrodução à Probabilidade e Estatística II Resolução Lista Professor: Pedro Moretti Exercício 1 Deotado por Y a variável aleatória que represeta o comprimeto dos cilidros de aço, temos que Y N3,

Leia mais

Exame MACS- Inferência-Intervalos.

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

Leia mais

d) A partir do item c) encontre um estimador não viciado para σ 2.

d) A partir do item c) encontre um estimador não viciado para σ 2. Uiversidade de Brasília Departameto de Estatística 6 a Lista de PE 1 Seja X 1,, X ) uma AAS tal que EX i ) = µ e VarX i ) = σ 2 a) Ecotre EXi 2 ) e E X 2) b) Calcule EX i X) X i X) 2 c) Se T =, mostre

Leia mais

MAE 116 Estimação para a média FEA - 2º Semestre de 2018

MAE 116 Estimação para a média FEA - 2º Semestre de 2018 MAE 116 Estimação para a média FEA - 2º Semestre de 2018 1 Objetivo da aula O objetivo é estimar a média de uma população (ou de uma variável aleatória) Vamos iicialmete estudar de forma empírica a distribuição

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

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

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

MAE 116 - Noções de Estatística Grupo A - 1 o semestre de 2014 Lista de exercício 8 - Aula 8 - Estimação para p - CASA

MAE 116 - Noções de Estatística Grupo A - 1 o semestre de 2014 Lista de exercício 8 - Aula 8 - Estimação para p - CASA MAE 116 - Noções de Estatística Grupo A - 1 o semestre de 2014 Lista de exercício 8 - Aula 8 - Estimação para p - CASA 1. (2,5) Um provedor de acesso à iteret está moitorado a duração do tempo das coexões

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

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

Leia mais

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

INTERVALOS DE CONFIANÇA

INTERVALOS DE CONFIANÇA INTRVALOS D CONFIANÇA 014 stimação por itervalos 1,..., é uma amostra aleatória de uma variável cuja distribuição depede do parâmetro. Se L( 1,..., ) e U( 1,..., ) são duas fuções tais que L < U e P(L

Leia mais

7. INTERVALOS DE CONFIANÇA

7. INTERVALOS DE CONFIANÇA 7 INTRVALOS D CONFIANÇA 00 stimação por itervalos,, é uma amostra aleatória de uma variável cuja distribuição depede do parâmetro θ Se L(,, ) e U(,, ) são duas fuções tais que L < U e P(L θ U), o itervalo

Leia mais

Estatística e Probabilidade, D3, 2019_1. Escolha a alternativa correta e indique no gabarito de respostas

Estatística e Probabilidade, D3, 2019_1. Escolha a alternativa correta e indique no gabarito de respostas Estatística e Probabilidade, D3, 2019_1 Escolha a alterativa correta e idique o gabarito de respostas 1. Uma avaliação é costituída de 20 questões, cada uma delas com cico alterativas, das quais apeas

Leia mais

MAE Introdução à Probabilidade e Estatística II Resolução Lista 1

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

Leia mais

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

Grupo A - 1 semestre de 2012 Lista de exercícios 8 - Estimação C A S A (gabarito)

Grupo A - 1 semestre de 2012 Lista de exercícios 8 - Estimação C A S A (gabarito) Exercício 1. (2 pontos). O Departamento de Trânsito do Estado de São Paulo pretende estimar a proporção p de veículos fabricados nos últimos dez anos e cadastrados no estado que estejam emitindo monóxido

Leia mais

Instruções gerais sobre a Prova:

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

Leia mais

1 Estimação de Parâmetros

1 Estimação de Parâmetros 1 Estimação de arâmetros Vários tipos de estudos tem o objetivo de obter coclusões fazer iferêcias a respeito de parâmetros de uma população. A impossibilidade de avaliar toda a população faz com que a

Leia mais

Testes de Hipóteses sobre uma Proporção Populacional

Testes de Hipóteses sobre uma Proporção Populacional Estatística II Atoio Roque Aula Testes de Hipóteses sobre uma Proporção Populacioal Seja o seguite problema: Estamos iteressados em saber que proporção de motoristas da população usa cito de seguraça regularmete.

Leia mais

Stela Adami Vayego Estatística II CE003/DEST/UFPR

Stela Adami Vayego Estatística II CE003/DEST/UFPR Resumo 0 Estimação de parâmetros populacioais Defiição : Estimador e Estimativa Um estimador do parâmetro θ é qualquer fução das observações... isto é g(... ). O valor que g assume isto é g(x x... x )

Leia mais

ESTIMAÇÃO DE PARÂMETROS

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

Leia mais

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

Unidade IX Estimação

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

Leia mais

Contabilometria. Prof.: Patricia Maria Bortolon, D. Sc.

Contabilometria. Prof.: Patricia Maria Bortolon, D. Sc. Cotabilometria Prof.: Patricia Maria Bortolo, D. Sc. Teste para Duas Amostras Fote: LEVINE, D. M.; STEPHAN, D. F.; KREHBIEL, T. C.; BERENSON, M. L.; Estatística Teoria e Aplicações, 5a. Edição, Editora

Leia mais

Lista IC, tamanho de amostra e TH

Lista IC, tamanho de amostra e TH Lista IC, tamaho de amostra e TH 1. Cosidere a amostra abaixo e costrua um itervalo de cofiaça para a média populacioal. Cosidere um ível de cofiaça de 99%. 17 3 19 3 3 1 18 0 13 17 16 Como ão temos o

Leia mais

Estimação de Parâmetros. 1. Introdução

Estimação de Parâmetros. 1. Introdução Estimação de Parâmetros. Itrodução O objetivo da Estatística é a realização de iferêcia acerca de uma população, baseadas as iformações amostrais. Como as populações são caracterizados por medidas uméricas

Leia mais

Revisando... Distribuição Amostral da Média

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

Leia mais

UNIVERSIDADE FEDERAL DO PARANÁ SETOR DE CIÊNCIAS EXATAS DEPTO. DE ESTATÍSTICA LISTA 1-ESTATÍSTICA II (CE003)

UNIVERSIDADE FEDERAL DO PARANÁ SETOR DE CIÊNCIAS EXATAS DEPTO. DE ESTATÍSTICA LISTA 1-ESTATÍSTICA II (CE003) UNIVERSIDADE FEDERAL DO PARANÁ SETOR DE CIÊNCIAS EXATAS DEPTO. DE ESTATÍSTICA LISTA -ESTATÍSTICA II (CE003) Prof. Beito Olivares Aguilera o Sem./6. Usado os dados da Tabela o Aexo (Seção Orçameto da MB),

Leia mais

Exercícios de Intervalos de Confiança para media, variância e proporção

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

Leia mais

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

Pedro Alberto Barbetta / Marcelo Menezes Reis / Antonio Cezar Bornia São Paulo: Atlas, 2004

Pedro Alberto Barbetta / Marcelo Menezes Reis / Antonio Cezar Bornia São Paulo: Atlas, 2004 Estatística para Cursos de Egeharia e Iformática Pedro Alberto Barbetta / Marcelo Meezes Reis / Atoio Cezar Boria São Paulo: Atlas, 004 Cap. 7 - DistribuiçõesAmostrais e Estimaçãode deparâmetros APOIO:

Leia mais

Estimação A estimação de um parâmetro, θ, de uma população pode ser feita por dois processos: Estimação Pontual e Estimação intervalar.

Estimação A estimação de um parâmetro, θ, de uma população pode ser feita por dois processos: Estimação Pontual e Estimação intervalar. Escola uperior de Tecologia de Viseu ETIMAÇÃO Estimação A estimação de um parâmetro, θ, de uma população pode ser feita por dois processos: Estimação Potual e Estimação itervalar. Exemplo: Num dos diversos

Leia mais

CAPÍTULO 6 - ESTIMAÇÃO E TESTES DE HIPÓTESES

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

Leia mais

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

Centro de Ciências e Tecnlogia Agroalimentar - Campus Pombal Disciplina: Estatística Básica Aula 10 Professor: Carlos Sérgio

Centro de Ciências e Tecnlogia Agroalimentar - Campus Pombal Disciplina: Estatística Básica Aula 10 Professor: Carlos Sérgio Cetro de Ciêcias e Teclogia Agroalimetar - Campus Pombal Disciplia: Estatística Básica - 01.1 Aula 10 Professor: Carlos Sérgio UNIDADE 6 - TEORIA DA ESTIMAÇÃO NOTAS DE AULA 1 Itrodução Iferêcia estatística

Leia mais

Estimativa de Parâmetros

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

Leia mais

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

INFERÊNCIA. Fazer inferência (ou inferir) = tirar conclusões

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

Leia mais

Distribuições de Estatísticas Amostrais e Teorema Central do Limite

Distribuições de Estatísticas Amostrais e Teorema Central do Limite Distribuições de Estatísticas Amostrais e Teorema Cetral do Limite Vamos começar com um exemplo: A mega-sea de 996 a N 894 úmeros de a 6: Média: m 588 Desvio padrão: 756 49 amostras de 6 elemetos Frequêcia

Leia mais

Estimação por Intervalo (Intervalos de Confiança):

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

Leia mais

4. Inferência Estatística Estimadores Pontuais

4. Inferência Estatística Estimadores Pontuais 4. Iferêcia Estatística Estimadores Potuais 4.1. Itrodução Em lihas gerais, a Iferêcia Estatística objetiva estudar a população através de evidêcias forecidas pela amostra. É a amostra que cotém os elemetos

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

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

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

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

Leia mais

NOTAS DE AULA: DISTRIBUIÇÃO AMOSTRAL E INTERVALOS DE CONFIANÇA

NOTAS DE AULA: DISTRIBUIÇÃO AMOSTRAL E INTERVALOS DE CONFIANÇA NOTAS DE AULA: DISTRIBUIÇÃO AMOSTRAL E INTERVALOS DE CONFIANÇA Objetivos da aula: Compreeder que um estimador é uma variável aleatória e, portato, pode-se estabelecer sua distribuição probabilística; Estabelecer

Leia mais

Estatística Aplicada I DISTRIBUIÇÃO AMOSTRAL MÉDIA ERRO AMOSTRAL

Estatística Aplicada I DISTRIBUIÇÃO AMOSTRAL MÉDIA ERRO AMOSTRAL Estatística Aplicada I DISTRIBUIÇÃO AMOSTRAL MÉDIA ERRO AMOSTRAL AULA 8 16/05/17 Prof a Lilia M. Lima Cuha Maio de 017 PROPOSITO FUNDAMENTAL DA INFERÊNCIA ESTATISTICA DESENVOLVER ESTIMATIVAS E TESTAR HIPOTESES

Leia mais

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

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

Leia mais

Caderno de Exercício 2

Caderno de Exercício 2 1 Cadero de Exercício Estimação Potual e Itervalos de Cofiaça 1. Exercícios Aulas 1. Exercício 8.6 do livro Statistics for Ecoomics ad Busiess. O úmero de adares vedidos em cada dia por uma empresa imobiliária

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

CE-003: Estatística II - Turma K/O Avaliações Periódicas (1 o semestre 2018)

CE-003: Estatística II - Turma K/O Avaliações Periódicas (1 o semestre 2018) CE-003: Estatística II - Turma K/O Avaliações Periódicas (1 o semestre 2018) Avaliação 01 1. Em cada um dos ites a seguir foreça o espaço amostral e também sua caracterização quato a ser (i) fiito ou ifiito,

Leia mais

3 Introdução à inferência estatística

3 Introdução à inferência estatística 3 Itrodução à iferêcia estatística Itrodução à iferêcia estatística Pág. 00 1.1. Este tipo de estudos as sodages eleitorais têm como objetivo aferir o setido de voto dos eleitores. Isto permite, ão só

Leia mais

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

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

Leia mais

A finalidade dos testes de hipóteses paramétrico é avaliar afirmações sobre os valores dos parâmetros populacionais.

A finalidade dos testes de hipóteses paramétrico é avaliar afirmações sobre os valores dos parâmetros populacionais. Prof. Jaete Pereira Amador Itrodução Os métodos utilizados para realização de iferêcias a respeito dos parâmetros pertecem a duas categorias. Pode-se estimar ou prever o valor do parâmetro, através da

Leia mais

INTERVALO DE CONFIANÇA

INTERVALO DE CONFIANÇA INTERVALO DE CONFIANÇA Supoha que etejamo itereado um parâmetro populacioal verdadeiro (ma decohecido) θ. Podemo etimar o parâmetro θ uado iformação de oa amotra. Chamamo o úico úmero que repreeta o valor

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

Nosso objetivo agora é estudar a média de uma variável quantitativa X. Denotamos a média desconhecida como E(X)=µ

Nosso objetivo agora é estudar a média de uma variável quantitativa X. Denotamos a média desconhecida como E(X)=µ TESTE DE HIPÓTESES PARA A MÉDIA POPULACIONAL µ Nosso objetivo agora é estudar a média de uma variável quatitativa X. Deotamos a média descohecida como E(X)µ Mais precisamete, estimamos a média µ, costruímos

Leia mais

Ap A r p e r n e d n i d z i a z ge g m e m Es E t s a t tí t s í t s i t c i a c de d e Dado d s Francisco Carvalho

Ap A r p e r n e d n i d z i a z ge g m e m Es E t s a t tí t s í t s i t c i a c de d e Dado d s Francisco Carvalho Apredizagem Estatística de Dados Fracisco Carvalho Avaliação e Comparação de Classificadores Existem poucos estudos aalíticos sobre o comportameto de algoritmos de apredizagem. A aálise de classificadores

Leia mais

ESTATISTICA AFRF 2005 Resolução Prof. Angelo Primo Jr.

ESTATISTICA AFRF 2005 Resolução Prof. Angelo Primo Jr. ESTATISTICA AFRF 005 Resolução Prof. Agelo Primo Jr. Q39- Para dados agrupados represetados por uma curva de freqüêcias, as difereças etre os valores da média, da mediaa e da moda são idicadores da assimetria

Leia mais

PROVA DE ESTATÍSTICA SELEÇÃO MESTRADO/UFMG 2005

PROVA DE ESTATÍSTICA SELEÇÃO MESTRADO/UFMG 2005 PROVA DE ESTATÍSTICA SELEÇÃO MESTRADO/UFMG 005 Istruções para a prova: a) Cada questão respodida corretamete vale um poto. b) Questões deixadas em braco valem zero potos (este caso marque todas alterativas).

Leia mais

Objetivo Estimar uma proporção p (desconhecida) de elementos uma população, apresentando certa característica de interesse, partir

Objetivo Estimar uma proporção p (desconhecida) de elementos uma população, apresentando certa característica de interesse, partir Objetivo Estimar uma roorção (descohecida) de elemetos em uma oulação, aresetado certa característica de iteresse, a artir da iformação forecida or uma amostra. Exemlos: : roorção de aluos da USP que foram

Leia mais

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

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

Leia mais

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

n i=1 X i n X = n 1 i=1 X2 i ( n i=1 X i) 2 n

n i=1 X i n X = n 1 i=1 X2 i ( n i=1 X i) 2 n Exercício 1. As otas fiais de um curso de Estatística foram as seguites 7, 5, 4, 5, 6, 1, 8, 4, 5, 4, 6, 4, 5, 6, 4, 6, 6, 4, 8, 4, 5, 4, 5, 5 e 6. a. Determie a mediaa, os quartis e a média. Resposta:

Leia mais

ESTATÍSTICA NÃO-PARAMÉTRICA

ESTATÍSTICA NÃO-PARAMÉTRICA ESTATÍSTICA NÃO-PARAMÉTRICA Prof. Dr. Edmilso Rodrigues Pito Faculdade de Matemática - UFU edmilso@famat.ufu.br 1 Programa Itrodução - Plao de curso, sistema de avaliação - Coceitos básicos de iferêcia

Leia mais

O teste de McNemar. A tabela 2x2. Depois - Antes

O teste de McNemar. A tabela 2x2. Depois - Antes Prof. Lorí Viali, Dr. http://www.pucrs.br/famat/viali/ viali@pucrs.br O teste de McNemar O teste de McNemar para a sigificâcia de mudaças é particularmete aplicável aos experimetos do tipo "ates e depois"

Leia mais

Utilização de modelos não-lineares sigmoidais na descrição do aumento em diâmetro de frutos de pequi.

Utilização de modelos não-lineares sigmoidais na descrição do aumento em diâmetro de frutos de pequi. Utilização de modelos ão-lieares sigmoidais a descrição do aumeto em diâmetro de frutos de pequi. Ricardo Wager Pacopahyba de Mattos 1 Thaís Destéfai Ribeiro 1 Joel Augusto Muiz 1 Augusto Ramalho de Morais

Leia mais

MAE Introdução à Probabilidade e Estatística II Resolução Lista 3

MAE Introdução à Probabilidade e Estatística II Resolução Lista 3 MAE 229 - Itrodução à robabilidade e Estatística II Resolução Lista rofessor: edro Moretti Exercício 1 a A hipótese ula H 0 é de que a média de vedas µ permaece ialterada, equato que a hipótese alterativa

Leia mais

Probabilidades e Estatística

Probabilidades e Estatística Departameto de Matemática Probabilidades e Estatística Primeiro exame/segudo teste 2 o semestre 29/21 Duração: 18/9 miutos Grupo I Justifique coveietemete todas as respostas. 17/6/21 9: horas 1. Com base

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

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

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

Leia mais

ESTIMAÇÃO DE PARÂMETROS

ESTIMAÇÃO DE PARÂMETROS ESTIMAÇÃO DE PARÂMETROS 1 Estimação de Parâmetros uiverso do estudo (população) dados observados O raciocíio idutivo da estimação de parâmetros Estimação de Parâmetros População p Amostra X S pˆ (parâmetros:

Leia mais

Distribuição Amostral da Média: Exemplos

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

Leia mais

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

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

Aula 14 Parte 1 RACIOCÍNIO LÓGICO QUANTITATIVO PARA AFRFB PROFESSOR: GUILHERME NEVES

Aula 14 Parte 1 RACIOCÍNIO LÓGICO QUANTITATIVO PARA AFRFB PROFESSOR: GUILHERME NEVES Aula 14 Parte 1 Amostragem e Estimadores... Itervalo de cofiaça para a média... 9 Itervalo de cofiaça para proporções.... 39 Relação das questões cometadas... 51 Gabaritos... 57 Prof. Guilherme Neves www.potodoscocursos.com.br

Leia mais

Romeu M agnani Marisa Veiga Capela INSTITUTO DE QUÍMICA UNESP ARARAQUARA

Romeu M agnani Marisa Veiga Capela INSTITUTO DE QUÍMICA UNESP ARARAQUARA ESTATÍSTICA Romeu Magai Marisa Veiga Capela UNESP INSTITUTO DE QUÍMICA ARARAQUARA I. ESTATÍSTICA DESCRITIVA. INTRODUÇÃO A Estatística Descritiva trata da maeira de apresetar um cojuto de dados em tabelas

Leia mais