1. Calcular, usando a tabela da distribuição normal padronizada, as seguintes probabilidades:
|
|
- Cláudio Tavares Mendes
- 7 Há anos
- Visualizações:
Transcrição
1 Memória da aula prática 5 Página 1 de 8 1. Calcular, usando a tabela da distribuição normal padronizada, as seguintes probabilidades: a) p(0< Z < 1,38), que pode ser lido como: Qual a probabilidade correspondente ao intervalo de valores de Zres (resíduos padronizados) entre zero e +1,38? O que se pergunta é: qual é a área sob a curva densidade de probabilidade normal entre 0 e 1,38? Graficamente temos: A tabela que estamos usando dá como informação a área entre menos infinito e um dado valor de Zres, ou seja a probabilidade acumulada até um dado Zres Logo, para dizer quanto há entre Zres = 0 e Zres = 1,38, devemos fazer a diferença entre a probabilidade acumulada até Zres = 1,38 e Zres = 0. Consultando a tabela encontramos que a probabilidade acumulada até Zres = 1,38 é p = 0,9162: Zres até a 1ª Segunda casa decimal de Zres casa decimal ,0 0,5000 0,5040 0,5080 0,5120 0,5160 0,5199 0,5239 0,5279 0,5319 0,5359 0,1 0,5398 0,5438 0,5478 0,5517 0,5557 0,5596 0,5636 0,5675 0,5714 0,5753 0,2 0,5793 0,5832 0,5871 0,5910 0,5948 0,5987 0,6026 0,6064 0,6103 0, ,1 0,8643 0,8665 0,8686 0,8708 0,8729 0,8749 0,8770 0,8790 0,8810 0,8830 1,2 0,8849 0,8869 0,8888 0,8907 0,8925 0,8944 0,8962 0,8980 0,8997 0,9015 1,3 0,9032 0,9049 0,9066 0,9082 0,9099 0,9115 0,9131 0,9147 0,9162 0,9177 1,4 0,9192 0,9207 0,9222 0,9236 0,9251 0,9265 0,9279 0,9292 0,9306 0, ? 0 1,38 Quanto à probabilidade acumulada até zero, nem se precisa examinar a tabela: como zero divide ao meio a curva total de probabilidade igual a um (p = 1), a probabilidade acumulada até zero é p = 0,5. Logo a p(0< Z < 1,38) é = 0,9162 0,5000 = 0,4162. Resposta: a probabilidade de ocorrência de valores de Zres (distâncias padronizadas da média de uma medida qualquer cuja distribuição siga o tipo normal) entre 0 e 1,38 é de p = 0,4162, ou arredondando e passando para a base 100, 42%. No Excel escreva numa célula qualquer: =DIST.NORMP(1,38)-DIST.NORMP(0), que quer dizer a probabilidade acumulada até zres=1,38 probabilidade acumulada até zres=0. Obtenha o resultado p = 0,
2 Memória da aula prática 5 Página 2 de 8 b) P(Z > 1,54) lê-se: probabilidade de um z com valores maiores que 1,54 Graficamente, a pergunta é qual a área hachurada abaixo: 1,54? Nossa tabela informa a área até Zres = 1,54. A área que descreve a probabilidade de valores maiores é a complementar desta para a área total, ou probabilidade um. Logo, se até Zres = 1,54 tenho uma probabilidade x, de 1,54 para frente tenho uma probabilidade = 1-x. Pra descobrir quanto vale o x, vamos à tabela: Zres até a 1ª Segunda casa decimal de Zres casa decimal ,0 0,5000 0,5040 0,5080 0,5120 0,5160 0,5199 0,5239 0,5279 0,5319 0,5359 0,1 0,5398 0,5438 0,5478 0,5517 0,5557 0,5596 0,5636 0,5675 0,5714 0,5753 0,2 0,5793 0,5832 0,5871 0,5910 0,5948 0,5987 0,6026 0,6064 0,6103 0, ,1 0,8643 0,8665 0,8686 0,8708 0,8729 0,8749 0,8770 0,8790 0,8810 0,8830 1,2 0,8849 0,8869 0,8888 0,8907 0,8925 0,8944 0,8962 0,8980 0,8997 0,9015 1,3 0,9032 0,9049 0,9066 0,9082 0,9099 0,9115 0,9131 0,9147 0,9162 0,9177 1,4 0,9192 0,9207 0,9222 0,9236 0,9251 0,9265 0,9279 0,9292 0,9306 0,9319 1,5 0,9332 0,9345 0,9357 0,9370 0,9382 0,9394 0,9406 0,9418 0,9429 0, Se p (Zres < 1,54) = 0,9382, então p (Zres > 1,54) = 1-0,9382 = 0,0618, ou arredondando e passando para a base 100, p = 6,2%. No Excel: =1-DIST.NORMP(1,54) para obter p = 0, c) P (-1,42 < Z < 0) lê-se: probabilidade de um z com valores entre -1,42 e 0 Graficamente, a pergunta é? -1,42
3 Memória da aula prática 5 Página 3 de 8 Na tabela só temos informação sobre valores positivos de Zres. No entanto, dada a simetria da curva normal, sabemos que a probabilidade (área sob a curva) entre Zres = -1,42 e Zres = 0 é igual à probabilidade (área sob a curva) entre Zres = 0 e Zres = 1,42: +1,42 Logo, o que temos que fazer é buscar na tabela o valor de probabilidade acumulada até Zres = 1,42 e subtrair 0,50 que corresponde à probabilidade até a metade. A probabilidade acumulada até Zres = 1,42 é p =0,9222 (veja na tabela). Subtraindo disto o p = 0,5000 ficamos com p = 0,4222, ou arredondando 42%. Tanto a probabilidade entre Zres = -1,42 e Zres = 0 quanto a probabilidade entre Zres = 0 e Zres = +1,42 é 42%. No Excel: =DIST.NORMP(1,42)-DIST.NORMP(0), p = 0, Determine os valores da normal padronizada correspondente às seguintes probabilidades a) P(Z z) = 0,325. Lê-se: qual o valor z que acumula até si uma probabilidade de 0,325, ou 32,5%? NOTE QUE NESTE EXERCÍCIO ESTAMOS EXPLORANDO A FUNÇÃO INVERSA: dada uma probabilidade, argüimos o valor de Zres! Graficamente a pergunta é: Qual o valor de Zres que delimita a zona hachurada? Em outras palavras estamos perguntando: Qual o valor de Zres até o qual se acumula uma p = 0,325 probabilidade de p = 0,325? Como esta probabilidade é menor do que 50% (metade da curva que corresponde ao Zres=0) já sabemos que este Zres será negativo: Zres = -x. Nossa tabela de resíduos padronizados só informa valores positivos, temos que buscar informação para o valor de Zres simétrico ao que procuramos do lado positivo, o Zres = + x: p = 0,175 p = 0,175 p = 0,325 - x + x
4 Memória da aula prática 5 Página 4 de 8 Assim transformamos nossa pergunta de qual o valor de Zres que acumula até si uma probabilidade de 0,325, ou 32,5%? para a pergunta qual o valor de Zres que acumula até si uma probabilidade de 0,675, ou 67,5%?. Este valor, tomado com sinal invertido é o Zres que procuramos: Agora vamos à tabela e encontramos que para um p = 0,675 corresponde um Zres entre 0,45 e 0,46, portanto, Zres 0,455. Zres até a 1ª Segunda casa decimal de Zres casa decimal ,0 0,5000 0,5040 0,5080 0,5120 0,5160 0,5199 0,5239 0,5279 0,5319 0,5359 0,1 0,5398 0,5438 0,5478 0,5517 0,5557 0,5596 0,5636 0,5675 0,5714 0,5753 0,2 0,5793 0,5832 0,5871 0,5910 0,5948 0,5987 0,6026 0,6064 0,6103 0,6141 0,3 0,6179 0,6217 0,6255 0,6293 0,6331 0,6368 0,6406 0,6443 0,6480 0,6517 0,4 0,6554 0,6591 0,6628 0,6664 0,6700 0,6736 0,6772 0,6808 0,6844 0,6879 Se este é o +x, nossa resposta é seu simétrico -x : o Zres procurado é Zres -0, x Usando o Microsoft Excel, escreva numa célula qualquer =INV.NORMP(0,675) e obtenha a resposta Zres = 0, Ou ainda, você pode usar direto a probabilidade pedida: p = 0,325 =INV.NORMP(0,325) para obter Zres = -0, b) P(Z > z) = 0,265 lê-se: qual é o z além do qual acumula-se uma probabilidade de 0,265? Graficamente a pergunta é: - qual o Zres além do qual a área sob a curva densidade de probabilidade normal é p = 0,265? que é o mesmo que: - qual o Zres até o qual a área sob a curva densidade de probabilidade normal é p = 0,735? : p = 0,265 x? p = 0,735 x? Para esta segunda forma de se fazer a pergunta podemos obter a resposta examinando nossa tabela:
5 Memória da aula prática 5 Página 5 de 8 Zres até a 1ª Segunda casa decimal de Zres casa decimal ,0 0,5000 0,5040 0,5080 0,5120 0,5160 0,5199 0,5239 0,5279 0,5319 0,5359 0,1 0,5398 0,5438 0,5478 0,5517 0,5557 0,5596 0,5636 0,5675 0,5714 0,5753 0,2 0,5793 0,5832 0,5871 0,5910 0,5948 0,5987 0,6026 0,6064 0,6103 0,6141 0,3 0,6179 0,6217 0,6255 0,6293 0,6331 0,6368 0,6406 0,6443 0,6480 0,6517 0,4 0,6554 0,6591 0,6628 0,6664 0,6700 0,6736 0,6772 0,6808 0,6844 0,6879 0,5 0,6915 0,6950 0,6985 0,7019 0,7054 0,7088 0,7123 0,7157 0,7190 0,7224 0,6 0,7257 0,7291 0,7324 0,7357 0,7389 0,7422 0,7454 0,7486 0,7517 0,7549 Portanto, nossa resposta é: Zres 0,63. No Excel você pode procurar o Zres simétrico, de valor negativo e trocar o sinal: =INV.NORMP(0,265), cujo Zres = - 0, Ou procurar o Zres correspondente a 1-0,265: =INV.NORMP(1-0,265), cujo Zres = + 0, Nestas questões a) e b) do exercício 2), note que na primeira pergunta buscávamos algo e na segunda algo >, mas nossos procedimentos foram os mesmos. Numa escala contínua onde um ponto qualquer é infinitesimalmente pequeno, incluí-lo ou não no cálculo é irrelevante, pelo que menor ou igual é o mesmo que menor e maior ou igual é o mesmo que maior. 3. Utilizando a base de dados fornecida sobre um grupo de pacientes pede-se respostas para as seguintes questões: a) Qual a probabilidade de um paciente ter uma glicemia maior que 120 mg/dl? Supondo que glicemia siga uma distribuição normal recorremos à tabela que resume a curva densidade de probabilidade normal padronizada. Logo, para conhecer a probabilidade de uma glicemia maior que 120 mg/dl, devemos primeiro padronizar a medida 120 mg/dl: =. Para isto precisamos conhecer a média e o desvio padrão das medidas de glicemia: estimados a partir da tabela fornecida obtemos = 131,36 e = 45,76. Transformando 120 mg/dl em resíduos padronizados obtemos Zres = -0,25. Consultando nossa tabela encontramos a probabilidade para valores de Zres >+0,25, que é p(z 0,25) = 0,4013 (1-0,5987). Logo, a probabilidade de valores menores que seu simétrico é também p(z -0,25) = 0,4013. A questão pede a probabilidade de valores maiores que 120 mg/dl, ou p(z>-0,25). Esta probabilidade deve ser o complemento (1-p) de p=,040: p = 0,60. A probabilidade de pacientes com glicemia superior a 120 mg/dl é de p = 0,60. No Excel: =1-DIST.NORMP(-0,25), probabilidade total menos o que se acumula até Zres=-0,25, que resulta em p = 0, , a probabilidade para valores de glicemia superiores a 120mg/dl ou superiores a Zres = -0,25.
6 Memória da aula prática 5 Página 6 de 8 b) E um triglicéride entre 275 e 355 mg/dl? A probabilidade de triglicérides com valores entre 275 e 355 (p (275 triglic. 355) deve ser a diferença entre a probabilidade acumulada até triglic.= 355 menos a probabilidade acumulada até triglic. = 275 [p(trigl 355) - p(trigl 275)]. Como nossa tabela só informa valores de probabilidade para a distribuição normal padronizada, temos que padronizar os valores 275 e 355. Dado que a média de triglicérides é 221,14 mg/dl e o desvio padrão é 96,57 mg/dl, usando a fórmulazinha do Zres encontramos que estes valores transformados em resíduos padronizados correspondem a 0,56 e 1,39, respectivamente. 355 =,, = 1, =,, = 0,56 Graficamente nossa questão é: qual é a área sob a curva densidade de probabilidade normal entre os valores Zres= 0,56 e Zres=1,39? Como sugere a área hachurada abaixo: Na tabela encontramos que a probabilidade acumulada até Zres = 1,39 é p = 0,9177; E a probabilidade acumulada até zres = 0,56 é p = 0,7123. Logo, a probabilidade de valores de triglicérides entre 275 e 355 = 0,9177 0,7123 = 0,2054. A probabilidade de pacientes com triglicérides entre 275 e 355mg/dl é p = 0,2054. No Excel: =DIST.NORMP(1,39)-DIST.NORMP(0,56), que resulta num p = 0, c) E um colesterol menor que 280 mg/dl? A média de colesterol é 221,36 mg/dl e o desvio padrão é 58,07 mg/dl. Usando estas informações calculamos o Zres para 280 como Zres= 1,01. Graficamente a pergunta é: E para respondê-la examinamos a tabela e encontramos que a probabilidade acumulada até este valor de resíduo padronizado é de p = 0,8438. Logo,
7 Memória da aula prática 5 Página 7 de 8 A probabilidade de pacientes com colesterol menor que 280 mg/dl é p = 0,8438. No Excel: =DIST.NORMP(1,01), p = 0, d) Sabendo que 30% dos pacientes são paulistas, qual a probabilidade de um paciente ser paulista e ter colesterol maior que 280 mg/dl? As probabilidades de ser paulista e ter uma dosagem de colesterol superior a 280 mg/dl são independentes. Logo, a probabilidade de um E a probabilidade de outro é o PRODUTO das probabilidades. Como já sabemos do exercício anterior que a probabilidade de pessoas com colesterol menor que 280 mg/dl é 84,4%, podemos inferir que a probabilidade de pessoas se apresentarem com um colesterol maior que 280 mg/dl seja o complemento = 100% - 84,4%, ou seja 15,6%. Logo a probabilidade de ser paulista e apresentar um colesterol superior a 280mg/dl é 0,30 x 0,156 = 0,0468 ou, arredondando na base 100, 4,7% No Excel: =(1-DIST.NORMP(1,01))*0,3, p = 0,46874 e) Qual a probabilidade de um paciente apresentar uma glicemia de 120 mg/dl e um colesterol de 280 mg/dl? Antes de considerar se glicemia e colesterol são fenômenos independentes para arbitrar se a probabilidade de um e outro será o simples produto ou uma probabilidade condicional, note que esta probabilidade é necessariamente Nula! A probabilidade de qualquer valor individual de uma variável contínua é nula. Lembre-se probabilidade é uma razão entre casos favoráveis (eventos de interesse ou fenômenos observados) e todos os casos possíveis (apud Laplace). Logo a probabilidade tanto de glicemia = 120 mg/dl quanto de colesterol = 280 mg/dl é zero:, divisão que tende a zero. f) Quais valores delimitam em torno da média um intervalo com 95% de probabilidade de ocorrências [p(z z) = 0,95]? Outra vez, ou que se está perguntando é a função inversa da de probabilidade normal. Se se quer um intervalo de 95% em torno da média, o que ser quer é 47,5% do lado esquerdo e 47,5% do lado direito. Devemos procurar na tabela qual o valor de Zres até o qual acumula-se uma probabilidade de 97,5% (50% até a metade e 47,5% depois da metade, da média):
8 Memória da aula prática 5 Página 8 de Densidade A probabilidade acumulada é ,50 + 0,475 z = 1, Zres Encontramos o Zres = 1,96. Isto quer dizer que entre zero e +1,96 temos uma probabilidade de 47,5%. Dada a simetria da curva de densidade de distribuição normal, sabemos que a probabilidade (área) entre 1,96 e zero também é 47,5%. LOGO, para conseguirmos um intervalo dos 95% em torno da média devemos usar o intervalo entre 1,96 e +1,96. No intervalo Zres ± 1,96, a área sob a uma função densidade de probabilidade normal padronizada reúne 95% de todas as ocorrências de valores de uma variável que siga a distribuição normal de probabilidades: Density Probabillidade corresponde a esta área é Zres -1,96 +1,96
Respostas. Resposta 1: Considerando que o objetivo é calcular a proporção de hipertensos, recorremos à fórmula abaixo:
Deseja-se saber a proporção de pacientes com hipertensão arterial entre os pacientes de um ambulatório de diabetes mellitus. Estudos anteriores de diabetes têm encontrado uma proporção de 18,5%. 1. Qual
Leia mais1. Numa experiência que testa se biscoitos com adição de Ferro podem reduzir a prevalência (Proporção de pessoas doentes numa população) de anemia:
Memória da aula prática da aula 3 Página 1 de 7 1. Numa experiência que testa se biscoitos com adição de Ferro podem reduzir a prevalência (Proporção de pessoas doentes numa população) de anemia: a. Qual
Leia maisLucas Santana da Cunha 12 de julho de 2017
DISTRIBUIÇÃO NORMAL Lucas Santana da Cunha http://www.uel.br/pessoal/lscunha/ Universidade Estadual de Londrina 12 de julho de 2017 Distribuição Normal Dentre todas as distribuições de probabilidades,
Leia maisLucas Santana da Cunha de junho de 2018 Londrina
Distribuição Normal Lucas Santana da Cunha email: lscunha@uel.br http://www.uel.br/pessoal/lscunha/ 25 de junho de 2018 Londrina 1 / 17 Distribuição Normal Dentre todas as distribuições de probabilidades,
Leia maismemória da aula prática 9 Página 1 de 11
memória da aula prática 9 Página 1 de 11 A ASSOCIAÇÃO Na tabela abaixo há registros de 10 pacientes referentes a idade (X) e PAS pressão arterial sistólica (Y). Supõe-se que a PAS dependa da idade de forma
Leia maisEstatística I Aula 8. Prof.: Patricia Maria Bortolon, D. Sc.
Estatística I Aula 8 Prof.: Patricia Maria Bortolon, D. Sc. MODELOS PROBABILÍSTICOS MAIS COMUNS VARIÁVEIS ALEATÓRIAS CONTÍNUAS Lembram o que vimos sobre V.A. contínua na Aula 6? Definição: uma variável
Leia maisProbabilidade e Estatística
Probabilidade e Estatística Aula 6 Distribuições Contínuas (Parte 02) Leitura obrigatória: Devore, Capítulo 4 Chap 6-1 Distribuições de Probabilidade Distribuições de Probabilidade Distribuições de Probabilidade
Leia maisDistribuição Normal. Prof a Dr a Alcione Miranda dos Santos. Abril, 2011
Distribuição Normal Prof a Dr a Alcione Miranda dos Santos Universidade Federal do Maranhão Programa de Pós-Graduação em Saúde Coletiva email:alcione.miranda@gmail.com Abril, 2011 1 / 18 Sumário Introdução
Leia maisRevisão de distribuições de probabilidades contínuas (Capítulo 6 Levine)
Revisão de distribuições de probabilidades contínuas (Capítulo 6 Levine) Statistics for Managers Using Microsoft Excel, 5e 2008 Pearson Prentice-Hall, Inc. Chap 6-1 Objetivos: Neste capítulo, você aprenderá:
Leia mais5. PRINCIPAIS MODELOS CONTÍNUOS
5. PRINCIPAIS MODELOS CONTÍNUOS 2019 5.1. Modelo uniforme Uma v.a. contínua X tem distribuição uniforme com parâmetros e ( < ) se sua função densidade de probabilidade é dada por f ( x )={ 1 β α, α x β
Leia maisDistribuições Contínuas de Probabilidade
Distribuições Contínuas de Probabilidade Uma variável aleatória contínua é uma função definida sobre o espaço amostral, que associa valores em um intervalo de números reais. Exemplos: Espessura de um item
Leia maisDisciplina: Prof. a Dr. a Simone Daniela Sartorio. DTAiSeR-Ar
Disciplina: 1171 b) Variáveis Aleatórias Contínuas Prof. a Dr. a Simone Daniela Sartorio DTAiSeR-Ar 1 Uma variável aleatória é contínua (v.a.c.) se seu conjunto de valores é qualquer intervalo dos números
Leia maisb) Variáveis Aleatórias Contínuas
Disciplina: 1171 b) Variáveis Aleatórias Contínuas Prof. a Dr. a Simone Daniela Sartorio de Medeiros DTAiSeR-Ar 1 Uma variável aleatória é contínua (v.a.c.) se seu conjunto de valores é qualquer intervalo
Leia maisRESOLUÇÃO DAS QUESTÕES DE ESTATÍSTICA E RACIOCÍNIO LÓGICO
RESOLUÇÃO DAS QUESTÕES DE ESTATÍSTICA E RACIOCÍNIO LÓGICO Caro aluno, Disponibilizo abaixo a resolução das questões de Estatística e Raciocínio Lógico da prova de Analista da SEFAZ/PI 015. Resolvi as questões
Leia maisCálculo das Probabilidades e Estatística I
Cálculo das Probabilidades e Estatística I Prof a. Juliana Freitas Pires Departamento de Estatística Universidade Federal da Paraíba - UFPB juliana@de.ufpb.br Distribuição Normal Motivação: Distribuição
Leia maisAula 2 A distribuição normal
Aula 2 A distribuição normal Objetivos: Nesta aula você estudará a distribuição normal, que é uma das mais importantes distribuições contínuas. Você verá a definição geral desta distribuição, mas, nesse
Leia maisLista de Exercícios - Modelos Probabilísticos 1 INE 7002 GABARITO LISTA DE EXERCÍCIOS MODELOS PROBABILÍSTICOS
Lista de Exercícios - Modelos Probabilísticos INE 72 GABARITO LISTA DE EERCÍCIOS MODELOS PROBABILÍSTICOS 35) a) Binomial: cada realização tem apenas 2 resultados possíveis, o número de realizações é conhecido,
Leia maisb) Variáveis Aleatórias Contínuas
Disciplina: 221171 b) Variáveis Aleatórias Contínuas Prof. a Dr. a Simone Daniela Sartorio de Medeiros DTAiSeR-Ar 1 Uma variável aleatória é contínua (v.a.c.) se seu conjunto de valores é qualquer intervalo
Leia maisConceitos Iniciais de Estatística Módulo 6 : PROBABILIDADE VARIÁVEL ALEATÓRIA CONTÍNUA Prof. Rogério Rodrigues
Conceitos Iniciais de Estatística Módulo 6 : PROBABILIDADE VARIÁVEL ALEATÓRIA CONTÍNUA Prof. Rogério Rodrigues 0 1 CONCEITOS INICIAIS DE ESTATÍSTICA: PROBABILIDADE / VARIÁVEL ALEATÓRIA CONTÍNUA CURSO :
Leia maisTestes de Hipótese PARA COMPUTAÇÃO
Testes de Hipótese MONITORIA DE ESTATÍSTICA E PROBABILIDADE PARA COMPUTAÇÃO Testes de Hipóteses Um teste de hipótese é uma técnica de análise usada para estimar se uma hipótese sobre a população está correta,
Leia maisLucas Santana da Cunha de junho de 2018 Londrina
Variável aleatória contínua: Lucas Santana da Cunha email: lscunha@uel.br http://www.uel.br/pessoal/lscunha/ 13 de junho de 2018 Londrina 1 / 26 Esperança e variância de Y Função de distribuição acumulada
Leia mais( x) = a. f X. = para x I. Algumas Distribuições de Probabilidade Contínuas
Probabilidade e Estatística I Antonio Roque Aula Algumas Distribuições de Probabilidade Contínuas Vamos agora estudar algumas importantes distribuições de probabilidades para variáveis contínuas. Distribuição
Leia maisaula DISTRIBUIÇÃO NORMAL - PARTE I META OBJETIVOS PRÉ-REQUISITOS Apresentar o conteúdo de distribuição normal
DISTRIBUIÇÃO NORMAL - PARTE I 4 aula META Apresentar o conteúdo de distribuição normal OBJETIVOS Ao final desta aula, o aluno deverá: determinar a média e a variância para uma função contínua; padronizar
Leia maisPARTE 3. Profª. Drª. Alessandra de Ávila Montini
PARTE 3 Profª. Drª. Alessandra de Ávila Montini Distribuições Contínuas 2 Conteúdo Principais Distribuições de Probabilidade para Variáveis Quantitativas Contínuas: Exponencial Normal T de Student Qui-quadrado
Leia maisDistribuições derivadas da distribuição Normal. Distribuição Normal., x real.
Distribuições derivadas da distribuição Normal Distribuição Normal Uma variável aleatória X tem distribuição normal com parâmetros µ e σ, quando sua densidade de probabilidade é f ( x) π σ e ( x µ ) σ,
Leia maisProfessor Mauricio Lutz DISTRIBUIÇÃO NORMAL
1 DISTRIBUIÇÃO NORMAL Entre as distribuições teóricas de variável contínua, uma das mais empregadas é a distribuição normal. O aspecto gráfico de uma distribuição normal é o da figura abaio. Para uma perfeita
Leia mais5. PRINCIPAIS MODELOS CONTÍNUOS
5. PRINCIPAIS MODELOS CONTÍNUOS 00 5.. Modelo uniforme Uma v.a. contínua X tem distribuição uniforme com parâmetros α e β (α β) se sua função densidade de probabilidade é dada por f ( ) β α 0, Notação:
Leia mais14. Distribuição de Probabilidade para Variáveis Aleatórias Contínuas
4. Distribuição de Probabilidade para Variáveis Aleatórias Contínuas Os valores assumidos por uma variável aleatória contínua podem ser associados com medidas em uma escala contínua como, por exemplo,
Leia maisMAE 116 Distribuição Normal FEA - 2º Semestre de 2018
MAE 116 Distribuição Normal FEA - 2º Semestre de 2018 1 Introdução Até aqui estudamos variáveis aleatórias discretas que são caracterizadas por ter uma distribuição de probabilidade dada por uma tabela
Leia maisVariáveis Aleatórias Contínuas e Distribuição de Probabilidad
Variáveis Aleatórias Contínuas e Distribuição de Probabilidades - parte II 26 de Novembro de 2013 Distribuição Contínua Uniforme Média e Variância Objetivos Ao final deste capítulo você deve ser capaz
Leia maisDistribuição Gaussiana
Universidade Federal de Minas Gerais Instituto de Ciências Exatas Departamento de Estatística Distribuição Gaussiana Introdução à Bioestatística Turma Nutrição Aula 7: Distribuição Normal (Gaussiana) Distribuição
Leia maisProbabilidade Aula 08
332 Probabilidade Aula 8 Magno T. M. Silva Escola Politécnica da USP Maio de 217 A maior parte dos exemplos dessa aula foram extraídos de Jay L. Devore, Probabilidade e Estatística para engenharia e ciências,
Leia maisAula 9: Introdução à Inferência Estatística
Aula 9: Introdução à Inferência Estatística Professor: José Luiz Padilha da Silva email: jlpadilha@ufpr.br Departamento de Estatística Universidade Federal do Paraná Curitiba, 2018 José Luiz Padilha da
Leia maisLicenciatura em Ciências Biológicas Universidade Federal de Goiás. Bioestatística. Prof. Thiago Rangel - Dep. Ecologia ICB
Licenciatura em Ciências Biológicas Universidade Federal de Goiás Bioestatística Prof. Thiago Rangel - Dep. Ecologia ICB rangel.ufg@gmail.com Página do curso: http://www.ecologia.ufrgs.br/~adrimelo/bioestat
Leia maisBIOESTATISTICA. Unidade IV - Probabilidades
BIOESTATISTICA Unidade IV - Probabilidades 0 PROBABILIDADE E DISTRIBUIÇÃO DE FREQUÊNCIAS COMO ESTIMATIVA DA PROBABILIDADE Noções de Probabilidade Após realizar a descrição dos eventos utilizando gráficos,
Leia maisAula 8: Complemento a Um e Complemento a Dois
Aula 8: Complemento a Um e Complemento a Dois Diego Passos Universidade Federal Fluminense Fundamentos de Arquiteturas de Computadores Diego Passos (UFF) Complemento a Um e Complemento a Dois FAC 1 / 40
Leia maisRepresentações de Números Inteiros: Sinal e Magnitude e Representação em Excesso de k
Representações de Números Inteiros: Sinal e Magnitude e Representação em Excesso de k Cristina Boeres Instituto de Computação (UFF) Fundamentos de Arquiteturas de Computadores Material de Fernanda Passos
Leia maisIntervalos Estatísticos para uma única Amostra - parte I
Intervalos Estatísticos para uma única Amostra - parte I Intervalo de confiança para média 14 de Janeiro Objetivos Ao final deste capítulo você deve ser capaz de: Construir intervalos de confiança para
Leia mais5. PRINCIPAIS MODELOS CONTÍNUOS
5. PRINCIPAIS MODELOS CONTÍNUOS 04 5.. Modelo uniforme Uma v.a. contínua X tem distribuição uniforme com parâmetros α e β (α β) se sua função densidade de probabilidade é dada por f ( ) β α 0, Notação:
Leia maisAULA 17 - Distribuição Uniforme e Normal
AULA 17 - Distribuição Uniforme e Normal Susan Schommer Introdução à Estatística Econômica - IE/UFRJ Distribuições Contínuas Em muitos problemas se torna matematicamente mais simples considerar um espaço
Leia maisAULA 7 DISTRIBUIÇÕES CONTÍNUAS E MODELO NORMAL
UNIVERSIDADE FEDERAL DA BAHIA ESCOLA POLITÉCNICA MEAU- MESTRADO EM ENGENHARIA AMBIENTAL URBANA ENG C 18 Métodos de Pesquisa Quantitativos e Qualitativos AULA 7 DISTRIBUIÇÕES CONTÍNUAS E MODELO NORMAL Docente:
Leia maisModelos Lineares Distribuições de Probabilidades Distribuição Normal Teorema Central do Limite. Professora Ariane Ferreira
Distribuições de Probabilidades Distribuição Normal Teorema Central do Limite Professora Ariane Ferreira Modelos Probabilísticos de v.a. continuas Distribuição de Probabilidades 2 IPRJ UERJ Ariane Ferreira
Leia maisEstatística Aplicada
Estatística Aplicada Distribuição Normal Professor Lucas Schmidt www.acasadoconcurseiro.com.br Estatística Aplicada DISTRIBUIÇÕES NORMAL Distribuição Normal É uma distribuição teórica de frequências onde
Leia maisAULA 02 Distribuição de probabilidade normal
1 AULA 02 Distribuição de probabilidade normal Ernesto F. L. Amaral 02 de outubro de 2013 Centro de Pesquisas Quantitativas em Ciências Sociais (CPEQS) Faculdade de Filosofia e Ciências Humanas (FAFICH)
Leia maisVamos conversar sobre BRUNI
Vamos conversar sobre Aviso importante!!! Estes slides apresentam o conteúdo do livro Estatística Aplicada à Gestão Empresarial, de Adriano Leal Bruni, publicado pela Editora Atlas Capítulo 7 Distribuição
Leia maisDistribuição Normal. Prof. Herondino
Distribuição Normal Prof. Herondino Distribuição Normal A mais importante distribuição de probabilidade contínua em todo o domínio da estatística é a distribuição normal. Seu gráfico, chamado de curva
Leia maisGET00143 TEORIA DAS PROBABILIDADES II Variáveis Aleatórias Unidmensionais
Universidade Federal Fluminense Instituto de Matemática e Estatística GET00143 TEORIA DAS PROBABILIDADES II Variáveis Aleatórias Unidmensionais Ana Maria Lima de Farias Jessica Quintanilha Kubrusly Mariana
Leia maisProva Escrita de MATEMÁTICA A - 12o Ano a Fase
Prova Escrita de MAEMÁICA A - o Ano 006 - a Fase Proposta de resolução GRUPO I. Como o ponto (0,) pertence ao gráfico de f, temos que f(0) =, e assim vem que: f(0) = a 0 + b = + b = b = b = Como o ponto
Leia maisAproximação da Distribuição Binomial pela Distribuição Normal
Aproximação da Distribuição Binomial pela Distribuição Normal Uma das utilidades da distribuição normal é que ela pode ser usada para fornecer aproximações para algumas distribuições de probabilidade discretas.
Leia maisRESPOSTAS DA LISTA 5 (alguns estão com a resolução ou o resumo da resolução):
Lista de Matemática Básica I - RESPOSTAS) RESPOSTAS DA LISTA alguns estão com a resolução ou o resumo da resolução): Resposta: < < < < < 8 Justificativa: observe que Também observe que: e são simétricos;
Leia maisInferência Estatística Básica. Teste de Hipóteses para uma média populacional Cálculo do Valor p
Inferência Estatística Básica Teste de Hipóteses para uma média populacional Cálculo do Valor p Exemplo 1 Um restaurante compra frangos abatidos inteiros com peso médio de 3 Kg há vários anos de um mesmo
Leia mais47 = 1349 (ou multiplicando por 100 para converter para porcentagem: 3,5%).
Probabilidade Elementar Probabilidade e Estatística I Antonio Roque Aula 9 Fundamentos A tabela a seguir apresenta freqüências associadas a classes de níveis de colesterol no soro de uma amostra de homens
Leia maisCapítulo 5 Distribuições de probabilidade normal Pearson Prentice Hall. Todos os direitos reservados.
Capítulo 5 Distribuições de probabilidade normal slide 1 Descrição do capítulo 5.1 Introdução à distribuição normal e distribuição normal padrão 5.2 Distribuições normais: encontrando probabilidades 5.3
Leia maisCálculo 1 A Turma F1 Prova VR
Cálculo 1 A 2017.2 Turma F1 Prova VR Nome (MAIÚSCULO): Matrícula: O IMPORTANTE É O RACIOCÍNIO, PORTANTO DEIXE-O TODO NA PROVA. RESPOSTAS SEM AS DEVIDAS JUSTIFICATIVAS SERÃO DESCONSIDERADAS. (1) Esboce
Leia mais5. PRINCIPAIS MODELOS CONTÍNUOS
5. PRINCIPAIS MODELOS CONTÍNUOS 011 5.1. Modelo uniforme Uma v.a. contínua X tem distribuição uniforme com parâmetros e ( < ) se sua função densidade de probabilidade é dada por 1, f ( ) 0, Notação: X
Leia maisComo praticamente vivemos sobre bacias hidrográfica (bacias de drenagem) é fundamental que saibamos analisar, tanto o período de retorno como a
Como praticamente vivemos sobre bacias hidrográfica (bacias de drenagem) é fundamental que saibamos analisar, tanto o período de retorno como a frequência dos totais precipitados, isto porque a precipitação,
Leia mais5- Variáveis aleatórias contínuas
5- Variáveis aleatórias contínuas Para variáveis aleatórias contínuas, atribuímos probabilidades a intervalos de valores. Exemplo 5.1 Seja a variável correspondente ao tempo de vida útil de determinado
Leia maisProva Escrita de MATEMÁTICA A - 12o Ano Época especial
Prova Escrita de MATEMÁTICA A - o Ano 04 - Época especial Proposta de resolução GRUPO I. Para que os números de cinco algarismos sejam ímpares e tenham 4 algarismo pares, todos os números devem ser pares
Leia maisMedidas de Dispersão ou variabilidade
Medidas de Dispersão ou variabilidade A média - ainda que considerada como um número que tem a faculdade de representar uma série de valores - não pode, por si mesma, destacar o grau de homogeneidade ou
Leia maisUniversidade Federal de Goiás Instituto de Matemática e Estatística
Universidade Federal de Goiás Instituto de Matemática e Estatística Prova 3 de Probabilidade Prof.: Fabiano F. T. dos Santos Goiânia, 12 de dezembro de 214 Aluno: Nota: Descreva seu raciocínio e desenvolva
Leia maisAula 9 Intervalo de confiança para a média da N(μ; σ 2 ), σ 2 desconhecida
Aula 9 Intervalo de confiança para a média da N(μ; σ 2 ), σ 2 desconhecida Nesta aula você completará seu estudo básico sobre intervalos de confiança, analisando o problema de estimação da média de uma
Leia maisEstatística e Probabilidade. Aula 11 Cap 06
Aula 11 Cap 06 Intervalos de confiança para variância e desvio padrão Confiando no erro... Intervalos de Confiança para variância e desvio padrão Na produção industrial, é necessário controlar o tamanho
Leia maisRETA NUMÉRICA DOS NÚMEROS INTEIROS
RETA NUMÉRICA DOS NÚMEROS INTEIROS Prof. a : Patrícia Caldana O conjunto dos números inteiros é representado por (Z). Um número é considerado inteiro quando não apresenta casas decimais, ou seja, números
Leia maisPré-Cálculo. Humberto José Bortolossi. Aula de maio de Departamento de Matemática Aplicada Universidade Federal Fluminense
Pré-Cálculo Humberto José Bortolossi Departamento de Matemática Aplicada Universidade Federal Fluminense Aula 11 28 de maio de 2010 Aula 11 Pré-Cálculo 1 A função raiz quadrada f : [0, + ) [0, + ) x y
Leia maisAula 7: Representações de Números Inteiros: Sinal e Magnitude e Representação em Excesso de k
Aula 7: Representações de Números Inteiros: Sinal e Magnitude e Representação em Excesso de k Diego Passos Universidade Federal Fluminense Fundamentos de Arquiteturas de Computadores Diego Passos (UFF)
Leia maisVariáveis Aleatórias Contínuas
Variáveis Aleatórias Contínuas Bacharelado em Administração - FEA - Noturno 2 o Semestre 2017 MAE0219 (IME-USP) Variáveis Aleatórias Contínuas 2 o Semestre 2017 1 / 35 Objetivos da Aula Sumário 1 Objetivos
Leia maisAULA 02 Distribuição de Probabilidade Normal
1 AULA 02 Distribuição de Probabilidade Normal Ernesto F. L. Amaral 20 de agosto de 2012 Faculdade de Filosofia e Ciências Humanas (FAFICH) Universidade Federal de Minas Gerais (UFMG) Fonte: Triola, Mario
Leia maisMétodos Quantitativos em Medicina
Métodos Quantitativos em Medicina Comparação de Duas Médias Terceira Aula 009 Teste de Hipóteses - Estatística do teste A estatística do teste de hipótese depende da distribuição da variável na população
Leia maisDistribuições Contínuas Prof. Walter Sousa
Estatística Distribuições Contínuas Prof. Walter Sousa DISTRIBUIÇÕES CONTÍNUAS Uma variável aleatória XX é contínua se assumir um número infinito não numerável de valores. Assim, fica definida uma função,
Leia maisCap. 8 - Intervalos Estatísticos para uma Única Amostra
Intervalos Estatísticos para ESQUEMA DO CAPÍTULO 8.1 INTRODUÇÃO 8.2 INTERVALO DE CONFIANÇA PARA A MÉDIA DE UMA DISTRIBUIÇÃO NORMAL, VARIÂNCIA CONHECIDA 8.3 INTERVALO DE CONFIANÇA PARA A MÉDIA DE UMA DISTRIBUIÇÃO
Leia maisDeterminar a derivada resultante do produto de duas funções utilizando a regra do produto. Aplicar a Derivada para Determinação de Máximos e Mínimos.
MATEMÁTICA PARA NEGÓCIOS - GST1075 Semana Aula: 4 Regras de derivação Tema Regras de derivação Palavras-chave Derivada Objetivos Ao final desta aula, o aluno deverá ser capaz de: Verificar a derivada de
Leia maisDistribuições de Probabilidade Contínuas 1/19
all Distribuições de Probabilidade Contínuas Professores Eduardo Zambon e Magnos Martinello UFES Universidade Federal do Espírito Santo DI Departamento de Informática CEUNES Centro Universitário Norte
Leia maisEscola Politécnica da USP Engenharia de Petróleo e Gás DISTRIBUIÇÃO DE PROBABILIDADE CONTÍNUA. Aulas 10, 11,12 e 13 - Prof. Regina Meyer Branski
Escola Politécnica da USP Engenharia de Petróleo e Gás DISTRIBUIÇÃO DE PROBABILIDADE CONTÍNUA Aulas 10, 11,12 e 13 - Prof. Regina Meyer Branski Objetivos Distribuição Normal e Distribuição Normal Padrão
Leia maisENGENHARIA DA QUALIDADE A ENG AULA 2 REVISÃO DE ESTATÍSTICA
ENGENHARIA DA QUALIDADE A ENG 09008 AULA REVISÃO DE ESTATÍSTICA PROFESSORES: CARLA SCHWENGBER TEN CATEN ROGÉRIO FEROLDI MIORANDO Introdução Em um ambiente industrial, os dados devem formar a base para
Leia maisTUTORIAL DE OPERAÇÕES BÁSICAS
TUTORIAL DE OPERAÇÕES BÁSICAS MULTIPLICAÇÃO POR E SEUS MÚLTIPLOS Para multiplicar multiplicar por, 0, 00,... basta deslocar a vírgula para a direita tantas casas quantos forem os zeros.,6,6 (desloca a
Leia maisVETORES Motivação AULA 19
AULA 19 VETORES 19.1 Motivação Considere o problema de calcular a média aritmética das notas de 5 alunos de uma disciplina e determinar e escrever o número de alunos que obtiveram nota superior à média
Leia maisMaterial Teórico - O Plano Cartesiano e Sistemas de Equações. Sistemas de Equações do Primeiro Grau com Duas Incógnitas
Material Teórico - O Plano Cartesiano e Sistemas de Equações Sistemas de Equações do Primeiro Grau com Duas Incógnitas Sétimo Ano do Ensino Fundamental Prof Francisco Bruno Holanda Prof Antonio Caminha
Leia maisHEP-5800 BIOESTATÍSTICA. Capitulo 2
HEP-5800 BIOESTATÍSTICA Capitulo 2 NOÇÕES DE PROBABILIDADE, DISTRIBUIÇÃO BINOMIAL, DISTRIBUIÇÃO NORMAL Nilza Nunes da Silva Regina T. I. Bernal MARÇO DE 2012 2 1. NOÇÕES DE PROBABILIDADE 1. DEFINIÇÃO Considere
Leia maisEstatística Aplicada II. } Revisão: Probabilidade } Propriedades da Média Amostral
Estatística Aplicada II } Revisão: Probabilidade } Propriedades da Média Amostral 1 Aula de hoje } Tópicos } Revisão: } Distribuição de probabilidade } Variáveis aleatórias } Distribuição normal } Propriedades
Leia maisESTATÍSTICA. x(s) W Domínio. Contradomínio
Variáveis Aleatórias Variáveis Aleatórias são funções matemáticas que associam números reais aos resultados de um Espaço Amostral. Uma variável quantitativa geralmente agrega mais informação que uma qualitativa.
Leia maisIntervalo de confiança
Bioestatística Módulo 2: comparação entre conjuntos de coisas Relações de ordem entre coisas: >,
Leia maisUNIVERSIDADE FEDERAL DE PERNAMBUCO
CÁLCULO L1 NOTAS DA QUINTA AULA UNIVERSIDADE FEDERAL DE PERNAMBUCO Resumo. Iniciamos a aula definindo as funções trigonométricas e estabelecendo algumas de suas propriedades básicas. A seguir, calcularemos
Leia maisTópicos em Gestão da Informação II
Tópicos em Gestão da Informação II Aula 04 Medidas de posição relativa Prof. Dalton Martins dmartins@gmail.com Gestão da Informação Faculdade de Informação e Comunicação Universidade Federal de Goiás Determinando
Leia maisMaterial Teórico - Módulo Matrizes e Sistemas Lineares. Sistemas Lineares - Parte 2. Terceiro Ano do Ensino Médio
Material Teórico - Módulo Matrizes e Sistemas Lineares Sistemas Lineares - Parte 2 Terceiro Ano do Ensino Médio Autor: Prof Fabrício Siqueira Benevides Revisor: Prof Antonio Caminha M Neto 1 A representação
Leia maisPode-se mostrar que da matriz A, pode-se tomar pelo menos uma submatriz quadrada de ordem dois cujo determinante é diferente de zero. Então P(A) = P(A
MATEMÁTICA PARA ADMINISTRADORES AULA 03: ÁLGEBRA LINEAR E SISTEMAS DE EQUAÇÕES LINEARES TÓPICO 02: SISTEMA DE EQUAÇÕES LINEARES Considere o sistema linear de m equações e n incógnitas: O sistema S pode
Leia maisDistribuições de Probabilidade. Variáveis aleatórias contínuas
Distribuições de Probabilidade Variáveis aleatórias contínuas 1 Variáveis contínuas Uma variável aleatória contínua toma um nº infinito não numerável de valores (intervalos de números reais), os quais
Leia mais5. PRINCIPAIS MODELOS CONTÍNUOS
5. RINCIAIS MODELOS CONTÍNUOS 04 5.. Modelo uniforme Uma v.a. contínua tem distribuição uniforme com parâmetros α e β α β se sua função densidade de probabilidade é dada por f, β α 0, Notação: ~ Uα, β.
Leia maisDistribuições Importantes. Distribuições Contínuas
Distribuições Importantes Distribuições Contínuas Distribuição Normal ou de Gauss Definição Diz-se que uma v.a. X contínua tem distribuição normal ou de Gauss, X Nor(µ,σ), se a sua função densidade de
Leia maisDistribuição Normal de Probabilidade
Distribuição Normal de Probabilidade 1 Aspectos Gerais 2 A Distribuição Normal Padronizada 3 Determinação de Probabilidades 4 Cálculo de Valores 5 Teorema Central do Limite 1 1 Aspectos Gerais Variável
Leia maisProva Escrita de MATEMÁTICA A - 12o Ano a Fase
Prova Escrita de MATEMÁTICA A - 1o Ano 009 - a Fase Proposta de resolução GRUPO I 1. Como a Maria escolheu CD de um conjunto de 9, sem considerar a ordem relevante, existem 9 C pares diferentes que podem
Leia maisDistribuição Normal. Prof. Eduardo Bezerra. (CEFET/RJ) - BCC - Inferência Estatística. 25 de agosto de 2017
padrão - padronização Distribuição Normal Prof. Eduardo Bezerra (CEFET/RJ) - BCC - Inferência Estatística 25 de agosto de 2017 Eduardo Bezerra (CEFET/RJ) Distribuição Normal Março/2017 1 / 32 Roteiro Distribuições
Leia maisÁlgebra Matricial - Nota 03 Eliminação Gaussiana e Método de Gauss-Jordan
Álgebra Matricial - Nota 03 Eliminação Gaussiana e Método de Gauss-Jordan Márcio Nascimento da Silva Universidade Estadual Vale do Acaraú Curso de Licenciatura em Matemática marcio@matematicauva.org 8
Leia maisMAE Introdução à Probabilidade e Estatística I 2 o semestre de 2017 Gabarito da Lista de Exercícios 2 - Estatística Descritiva II - CASA
MAE0219 - Introdução à Probabilidade e Estatística I 2 o semestre de 2017 Gabarito da Lista de Exercícios 2 - Estatística Descritiva II - CASA Exercício 1 (a) A variável Frequência Cardíaca é do tipo quantitativa
Leia maisPadronização. Momentos. Coeficiente de Assimetria
Padronização Seja X 1,..., X n uma amostra de uma variável com com média e desvio-padrão S. Então a variável Z, definida como, tem as seguintes propriedades: a) b) ( ) c) é uma variável adimensional. Dizemos
Leia maisCapacidade de Armazenamento. Bit. Binário para Decimal. Decimal para Binário. Operações Aritméticas no Sistema binário.
Bit = BInary digit Bit Menor unidade de dado, física e/ou sua representação lógica, em um computador digital. Desligado = 0 Ligado = Capacidade de Armazenamento byte = 8 bits Byte(B)...B KiloByte(KB)...024Bou2
Leia mais)$&8/'$'('((1*(1+$5,$'(5(&856261$785$,6 7$%(/$6(67$7Ì67,&$6. -~OLR$3GD&XQKD2VyULR )$52
)$&8/'$'('((1*(1+$5,$'(5(&856261$785$,6 7$%(/$6(67$7Ì67,&$6 -~OLR$3GD&XQKD2VyULR )$52 1RWDVH[SOLFDWLYDV TABELAS ESTATÍSTICAS Notas explicativas Fontes x As tabelas das distribuições binomiais, de Poisson,
Leia maisCapítulo 2. Distribuições de Probabilidade Estimativas de parâmetros e tempos-atéfalha. Flávio Fogliatto
Capítulo 2 Distribuições de Probabilidade Estimativas de parâmetros e tempos-atéfalha Flávio Fogliatto 1 Ajustes de distribuições Em estudos de confiabilidade, dados são amostrados a partir de uma população
Leia maisINTRODUÇÃO À INFERÊNCIA ESTATÍSTICA. Prof. Anderson Rodrigo da Silva
INTRODUÇÃO À INFERÊNCIA ESTATÍSTICA Prof. Anderson Rodrigo da Silva anderson.silva@ifgoiano.edu.br Tipos de Pesquisa Censo: é o levantamento de toda população. Aqui não se faz inferência e sim uma descrição
Leia mais