Nessa situação, a média dessa distribuição Normal (X ) é igual à média populacional, ou seja:

Tamanho: px
Começar a partir da página:

Download "Nessa situação, a média dessa distribuição Normal (X ) é igual à média populacional, ou seja:"

Transcrição

1 Pessoal, trago a vocês a resolução da prova de Estatística do concurso para Auditor Fiscal aplicada pela FCC. Foram 10 questões de estatística! Não identifiquei possibilidade para recursos. Considero a prova em um bom nível, trabalhosa, que exigiu dos candidatos conhecimentos sobre todo o conteúdo programático. Nosso curso específico abordou todos os temas das questões e, por isso, tenho certeza que nossos alunos atentos conseguiram desenvolver todas as questões. Parabéns à banca examinadora! Instruções: Para responder às questões de números 21 a 23 utilize, dentre as informações dadas a seguir, as que julgar apropriadas. Se Z tem distribuição normal padrão, então: P(Z < 0,4) = 0,655; P(Z < 1,2) = 0,885; P(Z < 1,6) = 0,945; P(Z < 1,8) = 0,964; P(Z < 2) = 0, Uma auditoria feita em uma grande empresa considerou uma amostra aleatória de 64 contas a receber. Se a população de onde essa amostra provém é infinita e tem distribuição normal com desvio padrão igual a R$ 200,00 e média igual a R$ 950,00, a probabilidade da variável aleatória média amostral, usualmente denotada por X, estar situada entre R$ 980,00 e R$ 1.000,00 é dada por (A) 86,2% (B) 18,4% (C) 9,2% (D) 28,5% (E) 47,7% Consideradas as diversas amostras de tamanho n que se pode selecionar em uma população, o conjunto das médias (X ) de cada uma dessas amostras forma variável aleatória de distribuição Normal, com média (X ) e desvio padrão σ(x ). Nessa situação, a média dessa distribuição Normal (X ) é igual à média populacional, ou seja: (X ) = Para populações infinitas, ou quando a amostragem é feita com reposição, o desvio padrão σ(x ) é igual a razão entre o desvio padrão populacional e a raiz quadrada de n : σ(x ) = σ n 1 de 16

2 Distribuição Normal (X ); σ(x ) Considerando as informações do enunciado: (X ) = = R$ 950,00 σ(x ) = σ n = R$ = R$ 25,00 (X ) O enunciado questiona a probabilidade de a variável aleatória média amostral estar situada entre R$ 980,00 e R$ 1.000,00. Graficamente, temos esta situação: Área = Probabilidade X[ (X ); σ(x )] Para calcularmos o valor da Probabilidade, ou seja, o valor da área do gráfico, devemos transformar a variável aleatória X em uma variável Z, padronizada, onde a média é igual a zero, o desvio padrão é igual a 1, e os valores da variável Z são iguais a: Z 1 = x 1 (X ) σ/ n Z 2 = x 2 (X ) σ/ n = = = 1,2 = 2 Z i = x i (X ) σ(x ) Assim, temos a seguinte distribuição padronizada: 2 de 16

3 Área = Probabilidade Resolução da Prova de Estatística Z[0; 1] 0 1,2 2 A probabilidade P é igual a: P = P(Z < 2) P(Z < 1,2) Utilizando as informações do início da prova, temos que: P = 0,977 0,885 = 0,092 = 9,2% Resposta, letra C. Gabarito Preliminar, C. Para responder às questões de números 22 e 23, considere as informações a seguir: O efeito do medicamento A é o de baixar a pressão arterial de indivíduos hipertensos. O tempo, em minutos, decorrido entre a tomada do remédio e a diminuição da pressão é uma variável aleatória X com distribuição normal, tendo média μ e desvio padrão σ. 22. Se o valor de μ é de 56 min e o valor de σ é de 10 min, a probabilidade de X estar compreendido entre 52 min e 74 min é igual a (A) 56,0% (B) 61,9% (C) 52,4% (D) 64,5% (E) 30,9% A distribuição populacional é Normal, com média μ = 56, e desvio padrão σ = 10. A probabilidade de X estar compreendido entre 52 min e 74 min, graficamente, é: 3 de 16

4 Área = Probabilidade Resolução da Prova de Estatística X[ ; σ] Transformando a variável aleatória X em uma variável Z, padronizada, onde a média é igual a zero, o desvio padrão é igual a 1, e os valores da variável Z são iguais a: Z i = x i σ Z 1 = x = = 0,4 σ 10 Z 2 = x 2 σ = = 1,8 Assim, temos a seguinte distribuição padronizada: Área = Probabilidade Z[0 ; 1] 0,4 0 1,8 A probabilidade P é igual a: P = P(Z < 1,8) P(Z < 0,4) P = P(Z < 1,8) P(Z > 0,4) P = P(Z < 1,8) [1 P(Z < 0,4)] Utilizando as informações do início da prova, temos que: P = 0,964 (1 0,655) P = 0,964 (0,345) = 0,619 = 61,9% Resposta, letra B. Gabarito Preliminar, B. 4 de 16

5 23. Uma amostra aleatória de n indivíduos hipertensos foi selecionada com o objetivo de se estimar μ. Supondo que o valor de σ é 10 min, o valor de n para que o estimador não se afaste de μ por mais do que 2 min, com probabilidade de 89%, é igual a (A) 64 (B) 36 (C) 100 (D) 81 (E) 49 Intervalo de confiança = 1 α = 89% Dados Amostrais n? Dados Populacionais σ = 10 Média Intervalo = ± 2 Trata-se de intervalo de confiança para média populacional, com variância conhecida e população infinita: Área = Intervalo de confiança (1 ) Área = /2 Área = /2 x α/2 (x ) x α/2 Transformando a variável aleatória x em uma variável padronizada Z, essa distribuição é representada por: Área = Intervalo de confiança (1 ) Área = /2 Área = /2 Z α/2 0 Z α/2 Onde: 5 de 16

6 x μ Z = σ/ n Resolução da Prova de Estatística A probabilidade de que a variável Z, esteja entre os valores Z α/2 e Z α/2 é igual a (1 ). P( Z α/2 Z Z α/2 ) = 1 α Substituindo a variável Z, e desenvolvendo matematicamente a expressão, temos que o intervalo de confiança para média populacional é dado por: σ P (x Z α/2. n μ x + Z σ α/2. n ) = 1 α Para que o estimador x não se afaste de μ por mais do que 2 min, com probabilidade igual a 89%: Ou seja: σ Z α/2. n = 2 n = (Z α/2. σ) 2 4 P(x 2 μ x + 2) = 89% Assim, para calcularmos n, precisamos do valor de Z α/2, que ainda não conhecemos. Porém, vimos que: P( Z α/2 Z Z α/2 ) = 1 α = 89% P(Z Z α/2 ) P(Z Z α/2 ) = 89% P(Z Z α/2 ) [1 P(Z Z α/2 )] = 89% 2 P(Z Z α/2 ) 1 = 89% P(Z Z α/2 ) = 0, = 0,945 Assim, segundo as informações do enunciado: Z α/2 = 1,6 Calculado o valor de Z α/2, podemos obter n: n = (Z α/2. σ) 2 4 = (1,6.10)2 4 Resposta, letra A. = Gabarito Preliminar, A = Sabe-se que uma urna contém uma proporção de p bolas pretas e de (1 p) bolas brancas. O valor de p é desconhecido, mas sabe-se que é 3/5 ou é 1/2. A fim de se chegar a uma conclusão, seleciona-se ao acaso e com 6 de 16

7 reposição 10 bolas da urna e observa-se o número de bolas pretas. Um teste de hipóteses é proposto, esse considera testar a hipótese nula H 0: p = 1/2 contra a hipótese alternativa H a: p = 3/5. Se o teste rejeitar H 0 quando pelo menos 8 bolas pretas forem encontradas, o nível de significância do teste é igual a (A) 17/256 (B) 25/512 (C) 15/256 (D) 9/128 (E) 7/128 Dados do Teste: H 0: p = 0,5 H 1: p > 0,5 n = 10 Região Crítica: {8,9,10} Trata-se de um teste de hipótese unicaudal à direita para proporção populacional. Como n é pequeno (n 30), vamos utilizar a distribuição binomial. A região crítica do teste é representada por {8,9,10}, ou seja, a região relacionada à variável X ser igual a 8, 9 ou 10 bolas pretas. RC: (X = 8); (X = 9); (X = 10) O nível de significância, simbolizado por α, é representado pela probabilidade de rejeitar H 0 (p = 0,5) quando esta é verdadeira. Essa probabilidade ocorre na região crítica: RC p = 0,5: P(X = 8) + P(X = 9) + P(X = 10) Na distribuição binomial, a probabilidade de um evento X ocorrer em n tentativas, é igual a: P(X = x) = C n, x p x (1 p) n x P(X = 8) = C 10, 8 0,5 8 (1 0,5) 10 8 = 10! 2! 8! 0,58 0,5 2 = P(X = 9) = C 10, 9 0,5 9 (1 0,5) 10 9 = 10! 1! 9! 0,59 0,5 1 = P(X = 10) = C 10, 10 0,5 10 (1 0,5) = 10! 0! 10! 0,510 0,5 0 = Assim, o nível de significância é igual a: Resposta, letra E. Gabarito Preliminar, E. α = = = de 16

8 25. Um relatório, redigido por um auditor de um órgão público, tem 2 capítulos com 40 páginas cada. Esse relatório apresenta uma média de 1 erro ortográfico a cada 10 páginas. Considere que: I. a variável X que representa o número de erros por página tem distribuição de Poisson com média 0,1; II. existe independência entre os eventos número de erros ortográficos do capítulo 1 e número de erros ortográficos do capítulo 2. Nessas condições, a probabilidade de que pelo menos um dos capítulos possua no máximo um erro ortográfico é igual a Dados: e 0,1 = 0,905 e 2 = 0,135 e 4 = 0,018 (A) 0,1815 (B) 0,0180 (C) 0,1719 (D) 0,0164 (E) 0,1800 Supondo a combinação (a, b), onde: a representa o número de erros do capítulo 1 b representa o número de erros do capítulo 2 Para que pelo menos um dos capítulos possua no máximo um erro ortográfico, as combinações que devem ser contabilizadas são: zero erro em um capítulo e qualquer número de erros em outro; e um erro em um capítulo e qualquer número de erros em outro. Essas combinações podem ser traduzidas em: Grupo 1 Grupo 2 (0,0) (0,1) (0,2) (0,3)... (0, ) (1,0) (2,0) (3,0)... (,0) Grupo 3 (1,1) (1,2) (1,3) (1,4)... (1, ) Grupo 4 (2,1) (3,1) (4,1)... (, 1) Agora vamos calcular, separadamente, a probabilidade para cada um dos grupos, considerando que existe a independência dos erros no capítulo 1 e no capítulo 2: 1º grupo: (0,0) (0,1) (0,2) (0,3)... (0, ) Probabilidade = P(0) P(0) + P(0) P(1) + P(0) P(2) + + P(0) P( ) Probabilidade = P(0) [P(0) + P(1) + P(2) + + P( )] Probabilidade = P(0) [1] Probabilidade = P(0) 2º grupo: (1,0) (2,0) (3,0)... (,0) Probabilidade = P(1) P(0) + P(2) P(0) + P(3) P(0) + + P( ) P(0) Probabilidade = [P(1) + P(2) + P(3) + P( )] P(0) Probabilidade = [1 P(0)] P(0) 8 de 16

9 3º grupo: (1,1) (1,2) (1,3) (1,4)... (1, ) Probabilidade = P(1) P(1) + P(1) P(2) + P(1) P(3) + + P(1) P( ) Probabilidade = P(1) [P(1) + P(2) + P(3) + + P( )] Probabilidade = P(1) [1 P(0)] 4º grupo: (2,1) (3,1) (4,1)... (, 1) Probabilidade = P(2) P(1) + P(3) P(1) + P(4) P(1) + + P( ) P(1) Probabilidade = [P(2) + P(3) + P(4) + P( )] P(1) Probabilidade = [1 P(0) P(1)] P(1) Portanto, a probabilidade total pode ser calculada por: P = P(0) + [1 P(0)] P(0) + P(1) [1 P(0)] + [1 P(0) P(1)] P(1) P = P(0) + P(0) P(0) 2 + P(1) P(0)P(1) + P(1) P(0)P(1) P(1) 2 P = 2 P(0) + 2P(1) 2P(0)P(1) P(0) 2 P(1) 2 P = 2 [P(0) + P(1)] [P(0) + P(1)]² Calculando agora P(0) e P(1): P(x, t) = (λ. t)x x!. e λ.t P(0, 40) = (0,1.40)0. e 0,1.40 = e 0,1.40 = e 4 = 0,018 0! P(1, 40) = (0,1.40)1. e 0,1.40 = 4 e 0,1.40 = 4 e 4 = 4 0,018 = 0,072 1! Obtendo essas probabilidades, basta incluirmos na fórmula: P = 2 [P(0) + P(1)] [P(0) + P(1)]² P = 2 [0, ,072] [0, ,072]² P = 2 [0,09] [0,09]² P = 0,18 [0,09] 2 = 0,18 0,081 P = 0,1719 Resposta, letra C. Gabarito Preliminar, C. 9 de 16

10 26. Um estudo mostra que 20% de todos os candidatos que estão prestando determinado concurso público possuem doutorado em determinada área do conhecimento. Selecionando-se ao acaso e com reposição 4 desses candidatos, a probabilidade de que exatamente 2 possuam doutorado é igual a (A) 10,24% (B) 5,72% (C) 8,46% (D) 15,36% (E) 13,24% Selecionando quatro candidatos, a probabilidade de que exatamente 2 possuam doutorado é igual a: P = (20%) (20%) (1 20%) (1 20%) = 0,0256 Possuem doutorado Não Possuem doutorado No entanto, devemos considerar ainda que a probabilidade de sortear dois candidatos com doutorado independe da ordem de escolha. Assim, precisamos contabilizar o número de maneiras diferentes de selecionar 2 candidatos com doutorado entre os 4 existentes, utilizando a técnica de contagem da combinação: Probabilidade = C 4, 2 0,0256 = 4! 0,0256 = 6 0,0256 = 0,1536 = 15,36% 2! 2! Resposta, letra D. Gabarito Preliminar, D. 27. A tabela a seguir apresenta a distribuição de frequências relativas dos valores cobrados, em reais, do Imposto Predial Territorial Urbano (IPTU) em determinado município no ano de Sabe-se que o valor da mediana desses dados, calculado pelo método da interpolação linear, é igual a R$ 1.250,00. Nessas condições, o valor médio do IPTU, calculado considerando que todos os valores incluídos num intervalo de classe são coincidentes com o ponto médio do intervalo, é, em reais, igual a 10 de 16

11 (A) 1.275,00 (B) 1.260,00 (C) 1.280,00 (D) 1.320,00 (E) 1.240,00 Considerando as frequências relativas indicadas na tabela, temos que: f r = x + 0,20 + 0,40 + y + 0,10 = 1 x + y = 1 0,7 y = 0,3 x Ou seja, x pode variar entre 0 e 0,3, no máximo. Independente desse valor, a mediana estará situada no intervalo entre 1000 e Para calcularmos, então, o valor de x, vamos utilizar a metodologia que fazemos nas nossas aulas. A frequência acumulada é: IPTU, em R$ Fr Fac x x ,20 x+0, ,40 X+0, ,3-x 0, ,1 1,0 Utilizando o triângulo de apoio, onde na sua base indicamos o valor da variável, e na altura, as frequências absolutas do intervalo: x+0,6 0, Md 1400 x+0,2 Considerando a semelhança dos triângulos: (x + 0,6) (x + 0,2) 0,5 (x + 0,2) = Mediana ,4 400 = 0,3 x ,4 250 = 400 (0,3 x) 11 de 16

12 0,25 = 0,3 x x = 0,05 Conhecido o valor de x, podemos calcular a média: IPTU, em R$ PM Fr PM x Fr , , , , ,1 200 Resolução da Prova de Estatística Média = Fr PM = = 1260 Resposta, letra B. Gabarito Preliminar, B. Atenção: Considere as informações dadas na tabela seguir. Se t tem distribuição de Student com g graus de liberdade, a tabela fornece os valores de t c tais que P(t > t c) = c Um pesquisador deseja estimar o tempo médio μ em horas, para a realização de determinada tarefa pelos funcionários de determinada empresa. Uma amostra aleatória de 9 funcionários que realizam a tarefa revelou os seguintes tempos de realização: x 1, x 2,..., x 9. Considerando que essa amostra provém de uma população infinita e que 9 x i = 54 horas 1 e 9 x i 2 = 396 horas, 1 um intervalo de confiança para μ com coeficiente de confiança de 95%, em horas, é dado por (A) (3,80; 6,60) (B) (4,14; 7,86) (C) (3,69; 8,31) (D) (3,74; 8,26) (E) (4,17; 7,83) 12 de 16

13 O intervalo de confiança de 95% para uma média populacional em uma distribuição t de Student pode ser representado por: Graficamente: S P (x tα. 2 n μ S x +tα. ) = 1 α = 95% 2 n Para o cálculo do intervalo de confiança: x tα. e 2 n x +tα., precisamos 2 n calcular os seguintes parâmetros: Média amostral x : 9 x = 1 n x i 1 x = 1 54 = 6 horas 9 S S Desvio padrão Amostral: S = (x i x )² n 1 = x i 2 1 n ( x i)² = ² = 72 n = 3 Variável tα, para n 1 graus de liberdade: 2 tα = t 0,025 2 Para 8 graus de liberdade: t 0,025 = 2,31 Agora, podemos calcular o intervalo de confiança: S P (x tα. 2 n μ S x +tα. 2 n ) = 95% 13 de 16

14 3 P (6 2,31. 9 μ 6 + 2, ) = 95% P(6 2,31 μ 6 + 2,31) = 95% P(3,69 μ 8,31) = 95% Resolução da Prova de Estatística Resposta, letra C. Gabarito Preliminar, C. 29. O modelo Yt = α + βt + εt, t = 1, 2, 3,..., foi considerado para prever o lucro de uma companhia no ano ( t). Sabe-se que: Yt representa o lucro, em milhões de reais no ano t; α e β são parâmetros desconhecidos; εt é o correspondente erro aleatório, com as respectivas hipóteses da regressão linear; as estimativas de α e β foram obtidas pelo método de mínimos quadrados, considerando-se as observações Yt no período de 6 anos (2008 a 2013). Os dados relativos às observações são: Nessas condições, a previsão de mínimos quadrados para o lucro da companhia, em milhões de reais, no ano de 2014, é igual a (A) 9,50 (B) 7,55 (C) 8,15 (D) 7,90 (E) 8,80 Dada a equação de regressão linear Yt = α + βt, precisamos calcular seus coeficientes, com base nas seguintes fórmulas: β = S ty S tt = t iy i ( t i Y i )/n t i ² ( t i )²/n β = 140 (21.36)/6 91 (21)²/6 = 14 17,5 = 0,8 α = Y βx = ,8. = 6 2,8 = 3, de 16

15 Portanto, a equação de regressão que indica o lucro de uma companhia no ano ( t) é: Yt = 3,2 + 0,8t Assim, o lucro para o ano de 2014 ( t = 2014) é: Yt = 3,2 + 0,8t = 3,2 + 0,8 7 = 8,8 Resposta, letra E. Gabarito Preliminar, E. 30. Considere as seguintes afirmações: I. O histograma é um gráfico apropriado para representar dados de variáveis quantitativas contínuas. II. Se X é uma variável aleatória com parâmetros n e p, onde n representa o número de ensaios de Bernoulli e p representa a probabilidade de sucesso em cada ensaio, então a variância de X é dada pelo produto np. III. O nível de significância de um teste é a probabilidade de se cometer erro do tipo I. IV. Se r é o coeficiente de correlação linear de Pearson entre duas variáveis, então 1 < r < 1. É verdade o que se afirma APENAS em (A) I, III e IV. (B) III. (C) II e IV. (D) I e III. (E) II e III I. Correto! Vimos na Aula 2 do nosso curso que o histograma é a principal representação gráfica de uma distribuição de frequências, que, por sua vez, é um tipo de série que representa variáveis quantitativas contínuas. II. Errado! A distribuição binomial, que se caracteriza pela ocorrência de vários testes consecutivos e independentes (ensaios de Bernoulli), onde o resultado pode ser sucesso ou fracasso, apenas, possui média igual a n.p e variância igual a n.p.(1-p). III. Correto! Ao testar uma hipótese, podemos chegar à conclusão que ela deve ser rejeitada. No entanto, essa hipótese, de fato, pode ser verdadeira. Caso isso aconteça, estaremos cometendo um erro na inferência. Esse erro é denominado erro tipo I. Matematicamente, esse erro é representado pela probabilidade de se rejeitar uma hipótese H0 quando ela é verdadeira. 15 de 16

16 A probabilidade de que esse erro aconteça é denominado nível de significância do teste, e é representada numericamente por. IV. Errado! O coeficiente de Pearson é um número adimensional que varia de -1 a 1 (inclusive) e, a partir dele, podemos tirar conclusões sobre a correlação linear de duas variáveis. Portanto, 1 r 1. Resposta, letra D. Gabarito Preliminar, D. 16 de 16

ICMS/PE 2014 Resolução da Prova de Estatística Professor Fábio Amorim. ICMS PE 2014: Resolução da prova de Estatística Prof.

ICMS/PE 2014 Resolução da Prova de Estatística Professor Fábio Amorim. ICMS PE 2014: Resolução da prova de Estatística Prof. ICMS/PE 2014 Resolução da Prova de Estatística Professor Fábio Amorim 1 de 6 Pessoal, segue a resolução das questões de Estatística da prova realizada pela SEFAZ-PE, para o cargo de Auditor Fiscal do Tesouro

Leia mais

RESOLUÇÃO DE QUESTÕES DE MATEMÁTICA FINANCEIRA E ESTATÍSTICA

RESOLUÇÃO DE QUESTÕES DE MATEMÁTICA FINANCEIRA E ESTATÍSTICA RESOLUÇÃO DE QUESTÕES DE MATEMÁTICA FINANCEIRA E ESTATÍSTICA Caro aluno, Disponibilizo abaixo a resolução das questões de Matemática Financeira e Estatística da prova para o cargo de Auditor Fiscal da

Leia mais

RESOLUÇÃO DAS QUESTÕES DE ESTATÍSTICA

RESOLUÇÃO DAS QUESTÕES DE ESTATÍSTICA RESOLUÇÃO DAS QUESTÕES DE ESTATÍSTICA Caro aluno, Disponibilizo abaixo a resolução resumida das questões de Estatística da prova de Auditor da SEFAZ/PI 2015. Vale dizer que utilizei a numeração da prova

Leia mais

Resolução da Prova de Matemática Financeira e Estatística do ISS Teresina, aplicada em 28/08/2016.

Resolução da Prova de Matemática Financeira e Estatística do ISS Teresina, aplicada em 28/08/2016. de Matemática Financeira e Estatística do ISS Teresina, aplicada em 8/08/016. 11 - (ISS Teresina 016 / FCC) Joana aplicou todo seu capital, durante 6 meses, em bancos ( e Y). No Banco, ela aplicou 37,5%

Leia mais

Probabilidade e Estatística. Estimação de Parâmetros Intervalo de Confiança

Probabilidade e Estatística. Estimação de Parâmetros Intervalo de Confiança Probabilidade e Estatística Prof. Dr. Narciso Gonçalves da Silva http://páginapessoal.utfpr.edu.br/ngsilva Estimação de Parâmetros Intervalo de Confiança Introdução A inferência estatística é o processo

Leia mais

Estimação e Testes de Hipóteses

Estimação e Testes de Hipóteses Estimação e Testes de Hipóteses 1 Estatísticas sticas e parâmetros Valores calculados por expressões matemáticas que resumem dados relativos a uma característica mensurável: Parâmetros: medidas numéricas

Leia mais

Intervalos de Confiança - Amostras Pequenas

Intervalos de Confiança - Amostras Pequenas Intervalos de Confiança - Amostras Pequenas Teste de Hipóteses para uma Média Jorge M. V. Capela, Marisa V. Capela, Instituto de Química - UNESP Araraquara, SP capela@iq.unesp.br Araraquara, SP - 2016

Leia mais

PROJETO E ANÁLISES DE EXPERIMENTOS (PAE) INTRODUÇÃO AOS MÉTODOS ESTATÍSTICOS EM ENGENHARIA

PROJETO E ANÁLISES DE EXPERIMENTOS (PAE) INTRODUÇÃO AOS MÉTODOS ESTATÍSTICOS EM ENGENHARIA PROJETO E ANÁLISES DE EXPERIMENTOS (PAE) INTRODUÇÃO AOS MÉTODOS ESTATÍSTICOS EM ENGENHARIA VARIABILIDADE NA MEDIDA DE DADOS CIENTÍFICOS Se numa pesquisa, desenvolvimento de um processo ou produto, o valor

Leia mais

Distribuições Amostrais

Distribuições Amostrais Distribuições Amostrais 1 Da população, com parâmetro, retira-se k amostras de tamanho n e calcula-se a estatística. Estas estatísticas são as estimativas de. As estatísticas, sendo variáveis aleatórias,

Leia mais

DE ESPECIALIZAÇÃO EM ESTATÍSTICA APLICADA)

DE ESPECIALIZAÇÃO EM ESTATÍSTICA APLICADA) 1. Sabe-se que o nível de significância é a probabilidade de cometermos um determinado tipo de erro quando da realização de um teste de hipóteses. Então: a) A escolha ideal seria um nível de significância

Leia mais

INSTRUÇÕES. O tempo disponível para a realização das duas provas e o preenchimento da Folha de Respostas é de 5 (cinco) horas no total.

INSTRUÇÕES. O tempo disponível para a realização das duas provas e o preenchimento da Folha de Respostas é de 5 (cinco) horas no total. INSTRUÇÕES Para a realização desta prova, você recebeu este Caderno de Questões. 1. Caderno de Questões Verifique se este Caderno de Questões contém a prova de Conhecimentos Específicos referente ao cargo

Leia mais

MOQ-13 PROBABILIDADE E ESTATÍSTICA. Professor: Rodrigo A. Scarpel

MOQ-13 PROBABILIDADE E ESTATÍSTICA. Professor: Rodrigo A. Scarpel MOQ-13 PROBABILIDADE E ESTATÍSTICA Professor: Rodrigo A. Scarpel rodrigo@ita.br www.mec.ita.br/~rodrigo Programa do curso: Semanas 1 2 3 4 5 6 7 8 9 10 11 12 13 14 15 e 16 Introdução à probabilidade (eventos,

Leia mais

CONHECIMENTOS ESPECÍFICOS

CONHECIMENTOS ESPECÍFICOS CONHECIMENTOS ESPECÍFICOS 2003 2004 2005 2006 2007 2008 2009 2010 X 39,0 39,5 39,5 39,0 39,5 41,5 42,0 42,0 Y 46,5 65,5 86,0 100,0 121,0 150,5 174,0 203,0 A tabela acima mostra as quantidades, em milhões

Leia mais

Definição. Os valores assumidos pelos estimadores denomina-se estimativas pontuais ou simplesmente estimativas.

Definição. Os valores assumidos pelos estimadores denomina-se estimativas pontuais ou simplesmente estimativas. 1. Inferência Estatística Inferência Estatística é o uso da informção (ou experiência ou história) para a redução da incerteza sobre o objeto em estudo. A informação pode ou não ser proveniente de um experimento

Leia mais

MAE Introdução à Probabilidade e Estatística II Resolução Lista 5

MAE Introdução à Probabilidade e Estatística II Resolução Lista 5 MAE 229 - Introdução à Probabilidade e Estatística II Resolução Lista 5 Professor: Pedro Morettin e Profa. Chang Chian Exercício 1 (a) De uma forma geral, o desvio padrão é usado para medir a dispersão

Leia mais

INFERÊNCIA ESTATÍSTICA. ESTIMAÇÃO PARA A PROPORÇÃO POPULACIONAL p

INFERÊNCIA ESTATÍSTICA. ESTIMAÇÃO PARA A PROPORÇÃO POPULACIONAL p INFERÊNCIA ESTATÍSTICA ESTIMAÇÃO PARA A PROPORÇÃO POPULACIONAL p Objetivo Estimar uma proporção p (desconhecida) de elementos em uma população, apresentando certa característica de interesse, a partir

Leia mais

Introdução ao Planejamento e Análise Estatística de Experimentos 1º Semestre de 2013 Capítulo 3 Introdução à Probabilidade e à Inferência Estatística

Introdução ao Planejamento e Análise Estatística de Experimentos 1º Semestre de 2013 Capítulo 3 Introdução à Probabilidade e à Inferência Estatística Introdução ao Planejamento e Análise Estatística de Experimentos Capítulo 3 Introdução à Probabilidade e à Inferência Estatística Introdução ao Planejamento e Análise Estatística de Experimentos Agora,

Leia mais

CAPÍTULO 4 CONCEITOS BÁSICOS DE ESTATÍSTICA E PROBABILIDADES

CAPÍTULO 4 CONCEITOS BÁSICOS DE ESTATÍSTICA E PROBABILIDADES CAPÍTULO 4 CONCEITOS BÁSICOS DE ESTATÍSTICA E PROBABILIDADES. INTRODUÇÃO - Conceito de população desconhecida π e proporção da amostra observada P. π P + pequeno erro Perguntas: - Qual é o pequeno erro?

Leia mais

Prof. Adriano Mendonça Souza, Dr. Departamento de Estatística PPGEMQ / PPGEP - UFSM

Prof. Adriano Mendonça Souza, Dr. Departamento de Estatística PPGEMQ / PPGEP - UFSM Prof. Adriano Mendonça Souza, Dr. Departamento de Estatística PPGEMQ / PPGEP - UFSM Noções básicasb de Inferência Estatística descritiva inferencial População - Parâmetros desconhecidos (reais) Amostra

Leia mais

Estatística 1. Resumo Teórico

Estatística 1. Resumo Teórico Estatística 1 Resumo Teórico Conceitos do Curso 1. Tipos de Variáveis e Representações Gráficas a. Tipos de Variáveis b. Distribuição de Frequências c. Histograma 2. Estatística Descritiva Medidas Estatísticas

Leia mais

Inferência Estatística: DEEST/UFOP Prof.: Spencer Barbosa da Silva

Inferência Estatística: DEEST/UFOP Prof.: Spencer Barbosa da Silva Inferência Estatística: Prof.: Spencer Barbosa da Silva Amostragem Estatística Descritiva Cálculo de Probabilidade Inferência Estatística Estimação Teste de Hipótese Pontual Por Intervalo Conceitos básicos

Leia mais

Testes de Hipótese para uma única Amostra - parte II

Testes de Hipótese para uma única Amostra - parte II Testes de Hipótese para uma única Amostra - parte II 2012/02 1 Teste para média com variância conhecida 2 3 Objetivos Ao final deste capítulo você deve ser capaz de: Testar hipóteses para média de uma

Leia mais

AULA 07 Inferência a Partir de Duas Amostras

AULA 07 Inferência a Partir de Duas Amostras 1 AULA 07 Inferência a Partir de Duas Amostras Ernesto F. L. Amaral 10 de setembro de 2012 Faculdade de Filosofia e Ciências Humanas (FAFICH) Universidade Federal de Minas Gerais (UFMG) Fonte: Triola,

Leia mais

Bioestatística e Computação I

Bioestatística e Computação I Bioestatística e Computação I Distribuições Teóricas de Probabilidade Maria Virginia P Dutra Eloane G Ramos Vania Matos Fonseca Pós Graduação em Saúde da Mulher e da Criança IFF FIOCRUZ Baseado nas aulas

Leia mais

PROBABILIDADE E ESTATÍSTICA. Profa. Dra. Yara de Souza Tadano

PROBABILIDADE E ESTATÍSTICA. Profa. Dra. Yara de Souza Tadano PROBABILIDADE E ESTATÍSTICA Profa. Dra. Yara de Souza Tadano yaratadano@utfpr.edu.br Aula 7 11/2014 Variáveis Aleatórias Variáveis Aleatórias Probabilidade e Estatística 3/41 Variáveis Aleatórias Colete

Leia mais

Testes de Hipótese para uma única Amostra - parte I

Testes de Hipótese para uma única Amostra - parte I Testes de Hipótese para uma única Amostra - parte I 26 de Junho de 2014 Objetivos Ao final deste capítulo você deve ser capaz de: Estruturar problemas de engenharia como testes de hipótese. Entender os

Leia mais

Testes de Hipóteses Paramétricos

Testes de Hipóteses Paramétricos Testes de Hipóteses Paramétricos Carla Henriques Departamento de Matemática Escola Superior de Tecnologia de Viseu Introdução Exemplos Testar se mais de metade da população irá consumir um novo produto

Leia mais

Medidas de Dispersão ou variabilidade

Medidas 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 mais

Estatística II Aula 2. Prof.: Patricia Maria Bortolon, D. Sc.

Estatística II Aula 2. Prof.: Patricia Maria Bortolon, D. Sc. Estatística II Aula Prof.: Patricia Maria Bortolon, D. Sc. Distribuições Amostrais ... vocês lembram que: Antes de tudo... Estatística Parâmetro Amostra População E usamos estatíticas das amostras para

Leia mais

SUMÁRIO. Prefácio, Espaço amostrai, Definição de probabilidade, Probabilidades finitas dos espaços amostrais fin itos, 20

SUMÁRIO. Prefácio, Espaço amostrai, Definição de probabilidade, Probabilidades finitas dos espaços amostrais fin itos, 20 SUMÁRIO Prefácio, 1 3 1 CÁLCULO DAS PROBABILIDADES, 15 1.1 Introdução, 15 1.2 Caracterização de um experimento aleatório, 15 1.3 Espaço amostrai, 16 1.4 Evento, 17 1.5 Eventos mutuamente exclusivos, 17

Leia mais

Sumário. CAPÍTULO 1 Conceitos preliminares 1. CAPÍTULO 2 Descrição de dados: análise monovariada 47

Sumário. CAPÍTULO 1 Conceitos preliminares 1. CAPÍTULO 2 Descrição de dados: análise monovariada 47 CAPÍTULO 1 Conceitos preliminares 1 Introdução........................................................1 O que é estatística?.................................................. 4 Papel dos microcomputadores.........................................

Leia mais

Intervalos de Confiança

Intervalos de Confiança Intervalos de Confiança INTERVALOS DE CONFIANÇA.1 Conceitos básicos.1.1 Parâmetro e estatística Parâmetro é a descrição numérica de uma característica da população. Estatística é a descrição numérica de

Leia mais

VERSÃO RESPOSTAS PROVA DE MÉTODOS QUANTITATIVOS

VERSÃO RESPOSTAS PROVA DE MÉTODOS QUANTITATIVOS UNIVERSIDADE DE SÃO PAULO FACULDADE DE ECONOMIA, ADMINISTRAÇÃO E CONTABILIDADE DE RIBEIRÃO PRETO PROGRAMA DE PÓS-GRADUAÇÃO EM ADMINISTRAÇÃO DE ORGANIZAÇÕES PROCESSO SELETIVO MESTRADO - TURMA 2012 PROVA

Leia mais

CONHECIMENTOS ESPECÍFICOS

CONHECIMENTOS ESPECÍFICOS CESPE/UnB FUB/03 fa 5 4 3 CONHECIMENTOS ESPECÍFICOS 60 As distribuições B e C possuem os mesmos valores para os quartis Q e Q, e o quartil superior em B corresponde ao quartil central (Q ) da distribuição

Leia mais

CORRELAÇÃO. Flávia F. Feitosa

CORRELAÇÃO. Flávia F. Feitosa CORRELAÇÃO Flávia F. Feitosa BH1350 Métodos e Técnicas de Análise da Informação para o Planejamento Junho de 2015 Revisão Inferência Estatística: Método científico para tirar conclusões sobre os parâmetros

Leia mais

Estatística

Estatística Estatística 1 2016.2 Sumário Capítulo 1 Conceitos Básicos... 3 MEDIDAS DE POSIÇÃO... 3 MEDIDAS DE DISPERSÃO... 5 EXERCÍCIOS CAPÍTULO 1... 8 Capítulo 2 Outliers e Padronização... 12 VALOR PADRONIZADO (Z)...

Leia mais

AULAS 6 e 7. ESPERANÇA, MOMENTOS E DISTRIBUIÇÕES DE PROBABILIDADES de VARIÁVEIS DISCRETAS 05/05/2017

AULAS 6 e 7. ESPERANÇA, MOMENTOS E DISTRIBUIÇÕES DE PROBABILIDADES de VARIÁVEIS DISCRETAS 05/05/2017 AULAS 6 e 7 ESPERANÇA, MOMENTOS E DISTRIBUIÇÕES DE PROBABILIDADES de VARIÁVEIS DISCRETAS 05/05/2017 Em aulas passadas vimos as funções de probabilidade de variáveis discretas e contínuas agora vamos ver

Leia mais

PROVA DE ESTATÍSTICA e PROBABILIDADES SELEÇÃO - MESTRADO/UFMG /2012

PROVA DE ESTATÍSTICA e PROBABILIDADES SELEÇÃO - MESTRADO/UFMG /2012 PROVA DE ESTATÍSTICA e PROBABILIDADES SELEÇÃO - MESTRADO/UFMG - 0/0 Instruções:. Cada questão respondida corretamente vale (um) ponto.. Cada questão respondida incorretamente vale - (menos um) ponto. 3.

Leia mais

5 Distribuição normal de probabilidade. Estatística Aplicada Larson Farber

5 Distribuição normal de probabilidade. Estatística Aplicada Larson Farber 5 Distribuição normal de probabilidade Estatística Aplicada Larson Farber Seção 5.1 Introdução às distribuições normais Propriedades de uma distribuição normal Suas média, mediana e moda são iguais. Tem

Leia mais

Cálculo das Probabilidades e Estatística I

Cálculo das Probabilidades e Estatística I Cálculo das Probabilidades e Estatística I Prof a. Juliana Freitas Pires Departamento de Estatística Universidade Federal da Paraíba - UFPB juliana@de.ufpb.br Introdução O curso foi dividido em três etapas:

Leia mais

VERSÃO RESPOSTAS PROVA DE MÉTODOS QUANTITATIVOS

VERSÃO RESPOSTAS PROVA DE MÉTODOS QUANTITATIVOS UNIVERSIDADE DE SÃO PAULO FACULDADE DE ECONOMIA, ADMINISTRAÇÃO E CONTABILIDADE DE RIBEIRÃO PRETO PROGRAMA DE PÓS-GRADUAÇÃO EM ADMINISTRAÇÃO DE ORGANIZAÇÕES PROCESSO SELETIVO DOUTORADO - TURMA 20 VERSÃO

Leia mais

HEP Bioestatística

HEP Bioestatística HEP 57800 Bioestatística DATA Aula CONTEÚDO PROGRAMÁTICO 05/03 Terça 1 Níveis de mensuração, variáveis, organização de dados, apresentação tabular 07/03 Quinta 2 Apresentação tabular e gráfica 12/03 Terça

Leia mais

Unidade I ESTATÍSTICA APLICADA. Prof. Mauricio Fanno

Unidade I ESTATÍSTICA APLICADA. Prof. Mauricio Fanno Unidade I ESTATÍSTICA APLICADA Prof. Mauricio Fanno Estatística indutiva Estatística descritiva Dados no passado ou no presente e em pequena quantidade, portanto, reais e coletáveis. Campo de trabalho:

Leia mais

TÉCNICAS DE AMOSTRAGEM

TÉCNICAS DE AMOSTRAGEM TÉCNICAS DE AMOSTRAGEM Ralph dos Santos Silva Departamento de Métodos Estatísticos Instituto de Matemática Universidade Federal do Rio de Janeiro Sumário Teorema Central do Limite (TCL) Se y 1, y 2,...,

Leia mais

Inferência Estatística. Teoria da Estimação

Inferência Estatística. Teoria da Estimação Inferência Estatística Teoria da Estimação Os procedimentos básicos de inferência Estimação: usamos o resultado amostral para estimar o valor desconhecido do parâmetro Teste de hipótese: usamos o resultado

Leia mais

Prova de Estatística

Prova de Estatística UNIVERSIDADE FEDERAL DO PARÁ CURSO DE MESTRADO EM ECONOMIA PROCESSO SELETIVO 2010 Prova de Estatística INSTRUÇÕES PARA A PROVA Leia atentamente as questões. A interpretação das questões faz parte da prova;

Leia mais

Teste de hipóteses para uma média populacional com variância conhecida e desconhecida

Teste de hipóteses para uma média populacional com variância conhecida e desconhecida Teste de hipóteses para uma média populacional com variância conhecida e desconhecida Teste de hipóteses para uma média populacional com variância conhecida Tomando-se como exemplo os dados de recém-nascidos

Leia mais

TESTES DE HIPÓTESES. Conceitos, Testes de 1 proporção, Testes de 1 média

TESTES DE HIPÓTESES. Conceitos, Testes de 1 proporção, Testes de 1 média TESTES DE HIPÓTESES Conceitos, Testes de 1 proporção, Testes de 1 média 1 Testes de Hipóteses População Conjectura (hipótese) sobre o comportamento de variáveis Amostra Decisão sobre a admissibilidade

Leia mais

Eventos coletivamente exaustivos: A união dos eventos é o espaço amostral.

Eventos coletivamente exaustivos: A união dos eventos é o espaço amostral. DEFINIÇÕES ADICIONAIS: PROBABILIDADE Espaço amostral (Ω) é o conjunto de todos os possíveis resultados de um experimento. Evento é qualquer subconjunto do espaço amostral. Evento combinado: Possui duas

Leia mais

7 Teste de Hipóteses

7 Teste de Hipóteses 7 Teste de Hipóteses 7-1 Aspectos Gerais 7-2 Fundamentos do Teste de Hipóteses 7-3 Teste de uma Afirmação sobre a Média: Grandes Amostras 7-4 Teste de uma Afirmação sobre a Média : Pequenas Amostras 7-5

Leia mais

Inferência Estatística:

Inferência Estatística: Inferência Estatística: Amostragem Estatística Descritiva Cálculo de Probabilidade Inferência Estatística Estimação Teste de Hipótese Pontual Por Intervalo Conceitos básicos Estimação É um processo que

Leia mais

Estatística II. Intervalo de Confiança Lista de Exercícios

Estatística II. Intervalo de Confiança Lista de Exercícios Estatística II Intervalo de Confiança Lista de Exercícios 1. IC da Média com a Variância Populacional Desconhecida De 50.000 válvulas fabricadas por uma companhia, retira-se uma amostra de 400 válvulas,

Leia mais

Estatística. Guia de Estudos P1

Estatística. Guia de Estudos P1 Estatística Guia de Estudos P1 1. Introdução O objetivo principal do curso de estatística é dar as ferramentas necessárias para o aluno saber analisar e manipular dados e, a partir deles, extrair conclusões

Leia mais

Introdução ao Planejamento e Análise Estatística de Experimentos 1º Semestre de 2013 Capítulo 3 Introdução à Probabilidade e à Inferência Estatística

Introdução ao Planejamento e Análise Estatística de Experimentos 1º Semestre de 2013 Capítulo 3 Introdução à Probabilidade e à Inferência Estatística Introdução ao Planejamento e Análise Estatística de Capítulo 3 Introdução à Probabilidade e à Inferência Estatística INTERVALOS DE CONFIANÇA: Diferentes pesquisadores, selecionando amostras de uma mesma

Leia mais

Resultados possíveis do nosso estudo

Resultados possíveis do nosso estudo Resultados possíveis do nosso estudo Interpretação de gráficos, decisão baseada nas hipóteses, interpretação. Para termos isso, precisamos fazer uma inferência estatística! Número de visitas Inferência

Leia mais

Modelos Probabilísticos Teóricos Discretos e Contínuos. Bernoulli, Binomial, Poisson, Uniforme, Exponencial, Normal

Modelos Probabilísticos Teóricos Discretos e Contínuos. Bernoulli, Binomial, Poisson, Uniforme, Exponencial, Normal Modelos Probabilísticos Teóricos Discretos e Contínuos Bernoulli, Binomial, Poisson, Uniforme, Exponencial, Normal Distribuição de Probabilidades A distribuição de probabilidades de uma variável aleatória:

Leia mais

ESTATÍSTICA. x(s) W Domínio. Contradomínio

ESTATÍSTICA. 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 mais

Unidade III ESTATÍSTICA. Prof. Fernando Rodrigues

Unidade III ESTATÍSTICA. Prof. Fernando Rodrigues Unidade III ESTATÍSTICA Prof. Fernando Rodrigues Medidas de dispersão Estudamos na unidade anterior as medidas de tendência central, que fornecem importantes informações sobre uma sequência numérica. Entretanto,

Leia mais

Testes de Hipóteses. Professor: Josimar Vasconcelos Contato: ou

Testes de Hipóteses. Professor: Josimar Vasconcelos Contato: ou Testes de Hipóteses Professor: Josimar Vasconcelos Contato: josimar@ufpi.edu.br ou josimar@uag.ufrpe.br http://prof-josimar.blogspot.com.br/ Universidade Federal do Piauí UFPI Campus Senador Helvídio Nunes

Leia mais

Distribuição de frequências. Prof. Dr. Alberto Franke

Distribuição de frequências. Prof. Dr. Alberto Franke Distribuição de frequências Prof. Dr. Alberto Franke E-mail: alberto.franke@ufsc.br 1 Distribuição de frequências Há necessidade de distinguir entre: Distribuição observada Distribuição verdadeira Distribuição

Leia mais

Universidade Federal do Pará Instituto de Tecnologia. Estatística Aplicada I

Universidade Federal do Pará Instituto de Tecnologia. Estatística Aplicada I 8/8/05 Universidade Federal do Pará Instituto de Tecnologia Estatística Aplicada I Prof. Dr. Jorge Teófilo de Barros Lopes Campus de Belém Curso de Engenharia Mecânica 8/08/05 06:55 ESTATÍSTICA APLICADA

Leia mais

Estatística I Aula 8. Prof.: Patricia Maria Bortolon, D. Sc.

Estatística 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 mais

Probabilidade e Modelos Probabilísticos

Probabilidade e Modelos Probabilísticos Probabilidade e Modelos Probabilísticos 2ª Parte: modelos probabilísticos para variáveis aleatórias contínuas, modelo uniforme, modelo exponencial, modelo normal 1 Distribuição de Probabilidades A distribuição

Leia mais

Variável Aleatória. Gilson Barbosa Dourado 6 de agosto de 2008

Variável Aleatória. Gilson Barbosa Dourado 6 de agosto de 2008 Variável Aleatória Gilson Barbosa Dourado gdourado@uneb.br 6 de agosto de 2008 Denição de Variável Aleatória Considere um experimento E e seu espaço amostral Ω = {a 1, a 2,..., a n }. Variável aleatória

Leia mais

Estatística. Probabilidade. Conteúdo. Objetivos. Definições. Probabilidade: regras e aplicações. Distribuição Discreta e Distribuição Normal.

Estatística. Probabilidade. Conteúdo. Objetivos. Definições. Probabilidade: regras e aplicações. Distribuição Discreta e Distribuição Normal. Estatística Probabilidade Profa. Ivonete Melo de Carvalho Conteúdo Definições. Probabilidade: regras e aplicações. Distribuição Discreta e Distribuição Normal. Objetivos Utilizar a probabilidade como estimador

Leia mais

Estatística para Cursos de Engenharia e Informática

Estatística para Cursos de Engenharia e Informática Estatística para Cursos de Engenharia e Informática BARBETTA, Pedro Alberto REIS, Marcelo Menezes BORNIA, Antonio Cezar MUDANÇAS E CORREÇOES DA ª EDIÇÃO p. 03, após expressão 4.9: P( A B) = P( B A) p.

Leia mais

Bioestatística e Computação I

Bioestatística e Computação I Bioestatística e Computação I Inferência por Teste de Hipótese Maria Virginia P Dutra Eloane G Ramos Vania Matos Fonseca Pós Graduação em Saúde da Mulher e da Criança IFF FIOCRUZ Baseado nas aulas de M.

Leia mais

Análise da Regressão múltipla: Inferência. Aula 4 6 de maio de 2013

Análise da Regressão múltipla: Inferência. Aula 4 6 de maio de 2013 Análise da Regressão múltipla: Inferência Revisão da graduação Aula 4 6 de maio de 2013 Hipóteses do modelo linear clássico (MLC) Sabemos que, dadas as hipóteses de Gauss- Markov, MQO é BLUE. Para realizarmos

Leia mais

AULA 02 Distribuição de Probabilidade Normal

AULA 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 mais

Intervalos Estatísticos para uma única Amostra - parte I

Intervalos 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 mais

Distribuições Amostrais

Distribuições Amostrais Estatística II Antonio Roque Aula Distribuições Amostrais O problema central da inferência estatística é como fazer afirmações sobre os parâmetros de uma população a partir de estatísticas obtidas de amostras

Leia mais

Inferência Estatística

Inferência Estatística Metodologia de Diagnóstico e Elaboração de Relatório FASHT Inferência Estatística Profa. Cesaltina Pires cpires@uevora.pt Plano da Apresentação Duas distribuições importantes Normal T- Student Estimação

Leia mais

Conceitos Básicos Teste t Teste F. Teste de Hipóteses. Joel M. Corrêa da Rosa

Conceitos Básicos Teste t Teste F. Teste de Hipóteses. Joel M. Corrêa da Rosa 2011 O 1. Formular duas hipóteses sobre um valor que é desconhecido na população. 2. Fixar um nível de significância 3. Escolher a Estatística do Teste 4. Calcular o p-valor 5. Tomar a decisão mediante

Leia mais

TÉCNICAS DE AMOSTRAGEM

TÉCNICAS DE AMOSTRAGEM TÉCNICAS DE AMOSTRAGEM Ralph dos Santos Silva Departamento de Métodos Estatísticos Instituto de Matemática Universidade Federal do Rio de Janeiro Sumário Amostragem estratificada Divisão da população em

Leia mais

CE001 - BIOESTATÍSTICA TESTE DO QUI-QUADRADO

CE001 - BIOESTATÍSTICA TESTE DO QUI-QUADRADO CE001 - BIOESTATÍSTICA TESTE DO QUI-QUADRADO Ana Paula Araujo Correa Eder Queiroz Newton Trevisan DEFINIÇÃO É um teste de hipóteses que se destina a encontrar um valor da dispersão para duas variáveis

Leia mais

Distribuições Amostrais e Estimação Pontual de Parâmetros

Distribuições Amostrais e Estimação Pontual de Parâmetros Distribuições Amostrais e Estimação Pontual de Parâmetros - parte I 2012/02 1 Introdução 2 3 4 5 Objetivos Ao final deste capítulo você deve ser capaz de: Entender estimação de parâmetros de uma distribuição

Leia mais

Análise da Regressão. Prof. Dr. Alberto Franke (48)

Análise da Regressão. Prof. Dr. Alberto Franke (48) Análise da Regressão Prof. Dr. Alberto Franke (48) 91471041 O que é Análise da Regressão? Análise da regressão é uma metodologia estatística que utiliza a relação entre duas ou mais variáveis quantitativas

Leia mais

Variáveis Aleatórias Discretas e Distribuição de Probabilidade

Variáveis Aleatórias Discretas e Distribuição de Probabilidade Variáveis Aleatórias Discretas e Distribuição de Probabilidades 2012/02 1 Variáveis Aleatórias Discretas 2 Distribuições de Probabilidade e Funções de Probabilidade 3 4 de uma Variável Aleatória Discreta

Leia mais

Estatística Inferencial

Estatística Inferencial statística Inferencial A ou inferencial compreende a stimação e o Teste de hipótese. Na verdade, a estatística inferencial forma a base das atividades de controle da qualidade e também pode auxiliar na

Leia mais

Fernando de Pol Mayer

Fernando de Pol Mayer Fernando de Pol Mayer Laboratório de Estatística e Geoinformação (LEG) Departamento de Estatística (DEST) Universidade Federal do Paraná (UFPR) Este conteúdo está disponível por meio da Licença Creative

Leia mais

Estimativas e Tamanhos de Amostras

Estimativas e Tamanhos de Amostras Estimativas e Tamanhos de Amostras 1 Aspectos Gerais 2 Estimativa de uma Média Populacional: Grandes Amostras 3 Estimativa de uma Média Populacional: Pequenas Amostras 4 Tamanho Amostral Necessário para

Leia mais

i. f Y (y, θ) = 1/θ... 0 y θ 0... y < 0 ou y > θ Se a amostra selecionada foi ( ), qual será a estimativa para θ?

i. f Y (y, θ) = 1/θ... 0 y θ 0... y < 0 ou y > θ Se a amostra selecionada foi ( ), qual será a estimativa para θ? Fundação Getulio Vargas Curso: Graduação Disciplina: Estatística Professor: Moisés Balassiano Lista de Exercícios Inferência. Seja (Y, Y 2,..., Y n ) uma amostra aleatória iid, de tamanho n, extraída de

Leia mais

mat.ufrgs..ufrgs.br br/~viali/ mat.ufrgs..ufrgs.br

mat.ufrgs..ufrgs.br br/~viali/ mat.ufrgs..ufrgs.br Prof. Lorí Viali, Dr. http://www. ://www.mat mat.ufrgs..ufrgs.br br/~viali/ viali@mat mat.ufrgs..ufrgs.br Média Uma amostra Proporção Variância Dependentes Diferença de médias m Duas amostras Independentes

Leia mais

Filho, não é um bicho: chama-se Estatística!

Filho, não é um bicho: chama-se Estatística! Paulo Jorge Silveira Ferreira Filho, não é um bicho: chama-se Estatística! Estatística aplicada uma abordagem prática FICHA TÉCNICA EDIÇÃO: Paulo Ferreira TÍTULO: Filho, não é um bicho: chama-se Estatística!

Leia mais

Ajustar Técnica usada na análise dos dados para controlar ou considerar possíveis variáveis de confusão.

Ajustar Técnica usada na análise dos dados para controlar ou considerar possíveis variáveis de confusão. Glossário Ajustar Técnica usada na análise dos dados para controlar ou considerar possíveis variáveis de confusão. Análise de co-variância: Procedimento estatístico utilizado para análise de dados que

Leia mais

EXAME DE ESTATÍSTICA / ESTATÍSTICA I

EXAME DE ESTATÍSTICA / ESTATÍSTICA I INSTITUTO POLITÉCNICO DE SETÚBAL ESCOLA SUPERIOR DE SAÚDE EAME DE ESTATÍSTICA / ESTATÍSTICA I Cursos: Licenciatura em Enfermagem e Licenciaturas Bi-etápicas em Fisioterapia e em Terapia da Fala Época de

Leia mais

Aproximação da binomial pela normal

Aproximação da binomial pela normal Aproximação da binomial pela normal 1 Objetivo Verificar como a distribuição normal pode ser utilizada para calcular, de forma aproximada, probabilidades associadas a uma variável aleatória com distribuição

Leia mais

Exercícios Resolvidos

Exercícios Resolvidos Exercícios Resolvidos R10.1) Velocidade média na estrada Sergio afirma que Raquel dirige seu carro na estrada a uma velocidade média superior a 100 km/h, enquanto Raquel discorda, afirmando dirigir na

Leia mais

AULA 10 Estimativas e Tamanhos Amostrais

AULA 10 Estimativas e Tamanhos Amostrais 1 AULA 10 Estimativas e Tamanhos Amostrais Ernesto F. L. Amaral 18 de setembro de 2012 Metodologia de Pesquisa (DCP 854B) Fonte: Triola, Mario F. 2008. Introdução à estatística. 10 ª ed. Rio de Janeiro:

Leia mais

a) 19% b) 20% c) Aproximadamente 13% d) 14% e) Qualquer número menor que 20%

a) 19% b) 20% c) Aproximadamente 13% d) 14% e) Qualquer número menor que 20% 0. Sabe-se que o nível de significância é a probabilidade de cometermos um determinado tipo de erro quando da realização de um teste de hipóteses. Então: a) A escolha ideal seria um nível de significância

Leia mais

Introdução à Inferência Estatística

Introdução à Inferência Estatística Introdução à Inferência Estatística Capítulo 10, Estatística Básica (Bussab&Morettin, 7a Edição) 2a AULA 02/03/2015 MAE229 - Ano letivo 2015 Lígia Henriques-Rodrigues 2a aula (02/03/2015) MAE229 1 / 16

Leia mais

Conforme o conjunto de valores X(S) uma variável aleatória poderá ser discreta ou contínua.

Conforme o conjunto de valores X(S) uma variável aleatória poderá ser discreta ou contínua. Prof. Lorí Viali, Dr. viali@pucrs.br http://www.pucrs.br/famat/viali/ s KKK CKK KKC KCK CCK CKC KCC CCC S X X(s) R X(S) Uma função X que associa a cada elemento de S (s S) um número real X(s) é denominada

Leia mais

Profa.: Patricia Maria Bortolon, D.Sc. Statistics for Managers Using Microsoft Excel, 5e 2008 Pearson Prentice-Hall, Inc. Chap 9-1

Profa.: Patricia Maria Bortolon, D.Sc. Statistics for Managers Using Microsoft Excel, 5e 2008 Pearson Prentice-Hall, Inc. Chap 9-1 MÉTODOS QUANTITATIVOS APLICADOS À CONTABILIDADE Profa.: Patricia Maria Bortolon, D.Sc. Statistics for Managers Using Microsoft Excel, 5e 2008 Pearson Prentice-Hall, Inc. Chap 9-1 Fundamentos de Testes

Leia mais

FACULDADE DE TECNOLOGIA DE GUARATINGUETÁ

FACULDADE DE TECNOLOGIA DE GUARATINGUETÁ FACULDADE DE TECNOLOGIA DE GUARATINGUETÁ ESTATÍSTICA II Nota de aula 1 Prof. MSc. Herivelto T Marcondes dos Santos Fevereiro /2009 1 Modelos de probabilidade 1.1 Variável aleatória Definição: Sejam ε um

Leia mais

VARIÁVEIS ALEATÓRIAS E DISTRIBUIÇÕES DE PROBABILIDADE

VARIÁVEIS ALEATÓRIAS E DISTRIBUIÇÕES DE PROBABILIDADE VARIÁVEIS ALEATÓRIAS E DISTRIBUIÇÕES DE PROBABILIDADE.1 INTRODUÇÃO Admita que, de um lote de 10 peças, 3 das quais são defeituosas, peças são etraídas ao acaso, juntas (ou uma a uma, sem reposição). Estamos

Leia mais

EXAME DE ESTATÍSTICA / ESTATÍSTICA I

EXAME DE ESTATÍSTICA / ESTATÍSTICA I INSTITUTO POLITÉCNICO DE SETÚBAL ESCOLA SUPERIOR DE SAÚDE EAME DE ESTATÍSTICA / ESTATÍSTICA I Cursos: Licenciatura em Enfermagem e Licenciaturas Bi-etápicas em Fisioterapia e em Terapia da Fala Época de

Leia mais

ESTATÍSTICA APLICADA À ADMINISTRAÇÃO

ESTATÍSTICA APLICADA À ADMINISTRAÇÃO ESTATÍSTICA APLICADA À ADMINISTRAÇÃO Thiago Marzagão INTERVALOS DE CONFIANÇA Thiago Marzagão (IDP) ESTATÍSTICA APLICADA À ADMINISTRAÇÃO 1/2016 1 / 53 média amostral ( x) Queremos saber o salário médio

Leia mais

Amostragem e distribuições por amostragem

Amostragem e distribuições por amostragem Amostragem e distribuições por amostragem Carla Henriques e Nuno Bastos Departamento de Matemática Escola Superior de Tecnologia de Viseu Contabilidade e Administração População, amostra e inferência estatística

Leia mais

Distribuições de Probabilidade Contínuas 1/19

Distribuições 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 mais

Teste de Hipóteses. Enrico A. Colosimo/UFMG enricoc/ Depto. Estatística - ICEx - UFMG 1/24

Teste de Hipóteses. Enrico A. Colosimo/UFMG  enricoc/ Depto. Estatística - ICEx - UFMG 1/24 1/24 Introdução à Bioestatística Teste de Hipóteses Enrico A. Colosimo/UFMG http://www.est.ufmg.br/ enricoc/ Depto. Estatística - ICEx - UFMG 2/24 Exemplo A concentração de certa substância no sangue entre

Leia mais