Diferença entre duas médias. Diferença entre duas proporções (π 1 - π 2 = ) Igualdade entre duas variâncias. Prof. Lorí Viali, Dr.

Tamanho: px
Começar a partir da página:

Download "Diferença entre duas médias. Diferença entre duas proporções (π 1 - π 2 = ) Igualdade entre duas variâncias. Prof. Lorí Viali, Dr."

Transcrição

1 Prof. Lorí Viali, Dr. a.ufrgs..ufrgs.br hp:// :// br/~viali/ Depedees Idepedees Tese para aosras eparelhadas Variâcias Cohecidas Variâcias Descohecidas Tese z uposas iguais uposas diferees Difereça ere duas édias (µ - µ ) Difereça ere duas proporções (π - π ) Igualdade ere duas variâcias ( )

2 Nese caso a variável vel ese é: Z > z c (ese uilaeral/uicaudal à direia) Z µ Z < z c (ese uilaeral/uicaudal à esquerda) Z > z c Ode z c é al que: Φ(z c ) (ese uilaeral/uicaudal à direia) Φ(z c ) (ese uilaeral/uicaudal à esquerda) Φ(z c ) / ou Φ(z c ) / Ua grade epresa quer coprar peças de dois forecedores diferees. O forecedor A alega que a durabilidade é de 000 horas co desvio de 0 horas, equao que o forecedor B diz que a duração édia é de 050 horas co desvio padrão de 40 horas. Para esar se a durabilidade de B é realee aior, duas aosras de aaho 64, de cada u dos forecedores, fora obidas. A duração édia da aosra A foi de 995 horas e a B foi de 05. Qual a coclusão a 5% de sigificâcia?

3 Hipóeses: H 0 : µ µ H 0 : µ < µ Dados: 64 0; e 05 5% Traa-se de u ese uilaeral à esquerda co e cohecidos. A variável vel ese é: µ Z Eão: Z , O valor críico z c é al que: Φ(z c ) 0,05 5%. Eão z c Φ (0,05) -,645. Assi RC (- ( ; -,645] DECIÃO e CONCLUÃO: Coo z -,30 RC ou -,30 > -,645, Aceio H 0, iso é,, a 5% de sigificâcia ão se pode afirar que a édia de A é eor que a édia de B 5%,30 RC ( ;,645;] OPÇÃO: Trabalhar co a sigificâcia do resulado obido (-,30), ( iso é,, o valor-p. Para iso, deve-se calcular P(Z < -,30), iso é,, p P(Z < -,30) Φ(-,30) 9,68%. Coo a sigificâcia do resulado (9,68% 9,68%) é aior que a sigificâcia do ese (5% 5%) ) ão é possível rejeiar a hipóese ula. Nese caso a variável vel ese é: µ ˆ s 3

4 Ode s é dado por: s ( ) s ( ) s e v é dado por: - U relaório da defesa do cosuidor osrou que u ese co oio peus da arca A apreseara ua vida édia de k co u desvio padrão de 3500 k e que doze de ua arca cocorree B, esados as esas codições, ivera ua durabilidade édia de 4400 k co variabilidade de 400 k. upodo que as variâcias populacioais seja as esas e adiido ua sigificâcia de 5%, verifique se é possível afirar que as duas arcas difere quao a durabilidade édia. E se a sigificâcia fosse % qual seria a coclusão? Hipóeses: H 0 : µ µ H 0 : µ µ Dados: 8; s A 3500; s B ; % ; Traa-se de u ese bilaeral co e suposaee iguais. A B Ode: s A variável vel ese é: µ ˆ s. ( ) A ( ) B 4

5 s Eão: 8., ,965 40,965 8 O valor críico c é al que: P( Τ 8 > c ) 0,05 5%. Eão c T (0,9750),0. Assi RC (- ; -,0] [,0; ) DECIÃO e CONCLUÃO: Coo -,9 RC ou -,9 < -,0, Rejeio H 0, iso é,, a 5% de sigificâcia posso afirar que a vida édia das duas arcas difere. ν 8 8 ν 8,9,5% %,5 RC ( ;,0] U[,0; ) O valor críico c é al que: P( Τ 8 > c ) 0,0 %. Eão c T (0,9950),878. Assi RC (- ( ; -,878],878] [ [,878; ) DECIÃO e CONCLUÃO: Coo -,9 RC ou -,9 > -,878, Aceio H 0, iso é,, a % de sigificâcia ão posso afirar que a vida édia das duas arcas difere. ν 8 8,9 ν 8 Nese caso a variável vel ese é: 0,5% % 0,5 RC ( ;,878] U[,878; ) ˆ µ s s 5

6 Ode v é dado por: v > c (ese uilaeral/uicaudal à direia) v < c (ese uilaeral/uicaudal à esquerda) v > c Ode c é al que: P( v < c ) (ese uilaeral/uicaudal à direia) P( v < c ) (ese uilaeral/uicaudal à esquerda) P( v < c ) / ou P( v > c ) / Ua epresa fabrica rasisores do ipo A e do ipo B. A arca A, ais cara, é suposaee pelo eos 60 horas ais durável do que a arca B. U usuário quer saber se vale a pea pagar ais pela arca A e resolve esar se, de fao, ela é ais durável. Tesa 0 ies de A ecorado ua vida édia de 000 horas co desvio de 60 horas, equao que 0 ies da arca B apresea ua vida édia de 90 horas co desvio de 40 horas. Qual a coclusão a 5% de sigificâcia? 6

7 Hipóeses: H 0 : µ - µ 60 H 0 : µ - µ > 60 Dados: 0 s A 60; s B ; 90 5% ; Traa-se de u ese uilaeral à direia co e suposaee desiguais. A B Ode: A variável vel ese é: µ ˆ s s ( ) ( ) E: s s , O valor críico c é al que: P(Τ 33 > c ) 0,05 5%. Eão c T (0,95),69. Assi RC [,69; ) DECIÃO e CONCLUÃO: Coo,86 RC ou,86 >,69, Rejeio H 0, iso é,, a 5% de sigificâcia posso afirar que a vida édia da arca é pelo eos 60 horas aior que a arca B ν ,86 0 RC [ 5%, 69 ; ) H 0 : π π H : π π > (ese uilaeral/uicaudal à direia) π π < (ese uilaeral/uicaudal à esquerda) π π 7

8 Nese caso a variável vel ese é: P Z P ˆ µ P P P P P P P( P) P( P ) Z > z c (ese uilaeral/uicaudal à direia) Z < z c (ese uilaeral/uicaudal à esquerda) Z > z c Ode z c é al que: Φ(z c ) (ese uilaeral/uicaudal à direia) Φ(z c ) (ese uilaeral/uicaudal à esquerda) Φ(z c ) / ou Φ(z c ) - / A reioria de ua grade uiversidade erevisou 600 aluos, 350 ulheres e 50 hoes, para colher a opiião sobre a roca do sisea de avaliação da uiversidade. Da aosra 40 ulheres e 5 hoes esava a favor. Tese a 5% se exise difereça sigificaiva de opiião ere hoes e ulheres. Hipóeses: H 0 : π π H 0 : π π Dados: 350; 50 p 40/350 40% p 5/50 46% 5% ; Traa-se de u ese bilaeral para a proporção. 8

9 A variável vel ese é: P P Z P ( P ) P ( P ) 0,40 0,46 0 0,40( 0,40 ) 0,46( 0,46 ) ,06, 0,078 O valor críico z c é al que: P( Ζ > z c ) 0,05 5%. Eão z c Φ (0,05) -,96. Assi RC (- ( ; -,96],96] [ [,96; ) DECIÃO e CONCLUÃO: Coo z -, RC ou -, < -,96, Rejeio H 0, iso é,, a 5% de sigificâcia posso afirar que as opiiões difere ere hoes e ulheres.,,5% %,5 RC ( ;,96] U[,96; ) H 0 : H : > (ese uilaeral/uicaudal à direia) < (ese uilaeral/uicaudal à esquerda) Nese caso a variável vel ese é: F, F -,- > f (ese uilaeral/uicaudal à direia) F f -, - < (ese uilaeral/uicaudal à esquerda) F -,- > f ou F-,- < f c c c c 9

10 Ode F -; é al que: ;- P ( F, - > F c ) (ese uilaeral/uicaudal à direia) P ( F, - < F (ese uilaeral/uicaudal à esquerda) P( F, - c ) > Fc ) / ou P( F, - < F ) / c O desvio padrão de ua diesão paricular de u copoee de eal é saisfaório para a oage do copoee. U ovo forecedor esá sedo cosiderado e ele será preferível se o desvio padrão é eor do que o do aual forecedor. Ua aosra de 00 ies de cada forecedor é obido. Forecedor aual: s 0,0058 Novo forecedor: s 0,004 A epresa deve rocar de forecedor se for cosiderado ua sigificâcia de 5%? Hipóeses: H 0 : H 0 : > Dados: 00 s 0,0058 s 0,004 5% Traa-se de u ese uilaeral à direia para a igualdade de variâcias. F A variável vel ese é: Eão: f Que apresea ua disribuição F co g.l. o uerador e g.l. o deoiador. s s 0,0058,4 0,004 0

11 O valor críico f c é al que: P( F > f c ) 0,05 5%. Eão f c F (0,05),39. Assi RC [,39; ) F -;- F99; 99 DECIÃO e CONCLUÃO: Coo f,4 RC ou,4 <,39, Rejeio H 0, iso é,, a 5% de sigificâcia posso afirar que a variâcia do forecedor aual é aior do que a do ovo forecedor.,4 5% RC [,39 ; ) H 0 : µ D H : µ D > (ese uilaeral/uicaudal à direia) µ D < (ese uilaeral/uicaudal à esquerda) µ D Nese caso a variável vel ese é: D µ ˆ D D D D Ode : d d ( d i d ) s i d i d e v é dado por: -

12 - > c (ese uilaeral/uicaudal à direia) - < c (ese uilaeral/uicaudal à esquerda) - > c Ode c é al que: P( - < c ) (ese uilaeral/uicaudal à direia) P( - < c ) (ese uilaeral/uicaudal à esquerda) P( - < c ) / ou P( - > c ) / (ese bilaeral/bicaudal) U laboraório possui dois equipaeos de precisão. O direor suspeia que exise ua pequea difereça de calibração ere os dois (ele ão sabe e qual deles) de odo que u ede a dar leiuras u pouco aiores do que o ouro. Ele propõe esar os dois aparelhos aravés da leiura de 0 edidas (abela a próxia lâia) e cada u dos aparelhos. Faça o ese adequado a ua sigificâcia de 5%. Aparelho A Aparelho B,,5,, 0,55 0,57 3,33 3,3,4,47 0,30 0,30,3,36 3,7 3,9,93,9,50,6

13 Hipóeses: H 0 : µ D 0 H : µ D 0 Dados: 0 5% Ua vez que as aosras ão são idepedees, raa-se do ese para aosras eparelhadas. Ode: s A variável vel ese é: D µ ˆ ( d i d ) D D D D d d d i d i A,, 0,55 3,33,4 0,30,3 3,7,93,50 -- B,5, 0,57 3,3,44 0,30,36 3,9,90,6 -- d i 0,30 0,0 0,0-0,0 0,0 0,00 0,04 0,0-0,03 0, 0,56 d i 0,0900 0,000 0,0004 0,0004 0,0004 0,0000 0,006 0,0004 0,0009 0,0 0,6 s Te-se: A variável vel ese é: d d d d 0,56 0 0,0560 i D 0, , D 0,097 0,097 0,84 i 0,6 0.0, ,097 O valor críico z c é al que: P( T > c ) 0,05 5%. Eão c T (0,05),6. Assi RC [,6; ] ν 9 DECIÃO e CONCLUÃO: Coo,84 RC ou,84 <,6, Aceio H 0, iso é,, a 5% de sigificâcia ão se pode afirar que as leiuras são diferees.,84 5% RC [,6 ; ) 3

Prof. Lorí Viali, Dr.

Prof. Lorí Viali, Dr. Prof. Lorí Viali, Dr. viali@mat.ufrgs.br http://www.ufrgs.br/~viali/ Dependentes Teste t para amostras emparelhadas Variâncias Teste z Conhecidas Independentes Variâncias Desconhecidas Supostas iguais

Leia mais

Prof. Lorí Viali, Dr. Mat2282 Análise Estatística Não Paramétrica

Prof. Lorí Viali, Dr.  Mat2282 Análise Estatística Não Paramétrica Prof. Lorí Viali, Dr. http://www.pucrs.br/~viali/ viali@pucrs.br Objetivos Testar o valor hipotético de um parâmetro (testes paramétricos) ou de relacionamentos ou modelos (testes não paramétricos). Envolvem

Leia mais

Objetivos. Testes não-paramétricos

Objetivos. Testes não-paramétricos Objetivos Prof. Lorí Viali, Dr. http://www. ufrgs.br/~viali/ viali@mat.ufrgs.br Testar o valor hipotético de um parâmetro (testes paramétricos) ou de relacioametos ou modelos (testes ão paramétricos).

Leia mais

Objetivos. Os testes de hipóteses ser: Paramétricos e Não Paramétricos. Testes não-paramétricos. Testes paramétricos

Objetivos. Os testes de hipóteses ser: Paramétricos e Não Paramétricos. Testes não-paramétricos. Testes paramétricos Objetivos Prof. Lorí Viali, Dr. http://www.pucrs.br/famat/viali/ viali@pucrs.br Testar o valor hipotético de um parâmetro (testes paramétricos) ou de relacioametos ou modelos (testes ão paramétricos).

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

Como o Intervalo de Confiança para a média é bilateral, teremos uma situação semelhante à da figura abaixo:

Como o Intervalo de Confiança para a média é bilateral, teremos uma situação semelhante à da figura abaixo: INE66 Méodo Eaíico Exercício Prova - Semere 15.1 O poo de fuão (medido em C) é um apeco crucial em maeriai cerâmico, epecialmee o uado em reaore ucleare, como a ória. Receemee um fabricae apreeou dua ova

Leia mais

Teste de Hipóteses Paramétricos

Teste de Hipóteses Paramétricos Teste de Hipóteses Paramétricos Como costruir testes de hipóteses para difereças etre duas médias. Como costruir testes de hipóteses para difereças etre duas proporções. Como costruir testes de hipóteses

Leia mais

Uma função X que associa a cada elemento de S (s S) um número real x = X(s) é denominada variável aleatória.

Uma função X que associa a cada elemento de S (s S) um número real x = X(s) é denominada variável aleatória. Prof. Lorí Viali, Dr. viali@ma.ufrgs.br hp://www.ma.ufrgs.br/~viali/ s KKK CKK KKC KCK CCK CKC KCC CCC S X R x = X(s) X(S) Uma fução X que associa a cada elemeo de S (s S) um úmero real x = X(s) é deomiada

Leia mais

Conceito. Exemplos. Os exemplos de (a) a (d) mostram séries discretas, enquanto que os de (e) a (g) ilustram séries contínuas.

Conceito. Exemplos. Os exemplos de (a) a (d) mostram séries discretas, enquanto que os de (e) a (g) ilustram séries contínuas. Coceio Na Esaísica exise siuações ode os dados de ieresse são obidos e isaes sucessivos de epo (iuo, hora, dia, ês ou ao), ou aida u período coíuo de epo, coo acoece u elerocardiograa ou sisógrafo. Esses

Leia mais

Métodos Estatísticos de Previsão MÉTODOS ESTATÍSTICOS DE PREVISÃO. Análise de Erros. Bernardo Almada Lobo. Bernardo Almada-Lobo (2007)

Métodos Estatísticos de Previsão MÉTODOS ESTATÍSTICOS DE PREVISÃO. Análise de Erros. Bernardo Almada Lobo. Bernardo Almada-Lobo (2007) Méodos saísicos de Previsão MÉTODO TATÍTICO D PRVIÃO 0 08 06 04 0 00 98 96 94 9 90 0 5 0 5 0 Aálise de rros Berardo Almada Lobo Berardo Almada-Lobo (007) Méodos saísicos de Previsão Regressão Liear Múlipla

Leia mais

ANÁLISE DE SINAIS E SISTEMAS

ANÁLISE DE SINAIS E SISTEMAS ANÁLISE DE SINAIS E SISTEMAS AULA 3: OPERAÇÕES BÁSICAS EM SINAIS: OPERARAÇÕES NAS VARIÁVEIS DEPENDENTES; OPERARAÇÕES NA VARIÁVEL INDEPENDENTE. FUNÇÕES ELEMENTARES: O DEGRAU UNITÁRIO; A RAMPA UNITÁRIA;

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

Grupo I ( 3 valores) 0 Os parâmetros podem ser considerados variáveis aleatórias pois as suas estimativas variam de amostra para amostra

Grupo I ( 3 valores) 0 Os parâmetros podem ser considerados variáveis aleatórias pois as suas estimativas variam de amostra para amostra Exame fial Esaísica Maria Helea Almeida 7 de Maio de 003 José Aóio Piheiro Duração h e 30 Noe bem: Grupos diferees em folhas diferees Não se esqueça de ideificar TODAS as folhas 3 Para maer a ordem, a

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

1 a Lista: MTM146: Prof. Paulo Magalhães:

1 a Lista: MTM146: Prof. Paulo Magalhães: Exercício : Mosre que a solução do sisema de EDO s x y f ( x y y com codições iiciais: x ( ) x() ) ), f saisfazedo x( f ( ) d f ( ) cos( ) d f ( ) cos( ) d f ( ), é dada por Exercício : Resolva o seguie

Leia mais

1 a Lista: MTM146: Prof. Paulo Magalhães:

1 a Lista: MTM146: Prof. Paulo Magalhães: a Lisa: MTM46: Prof Paulo Magalhães: Exercício : Mosre que a solução do sisema de EDO s x y f ( x y y com codições iiciais: x ( x(, f saisfazedo f (, é dada por x( f ( d Exercício : Resolva o seguie y

Leia mais

Hipótese Estatística. Tipos de Hipóteses

Hipótese Estatística. Tipos de Hipóteses Hipótese Estatística Hipótese, em estatística, é uma suposição formulada a respeito dos parâmetros de uma distribuição de probabilidade de uma ou mais populações. Podemos formular a hipótese que a produtividade

Leia mais

8. INFERÊNCIA PARA DUAS POPULAÇÕES

8. INFERÊNCIA PARA DUAS POPULAÇÕES 8. INFERÊNCIA PARA DUAS POPULAÇÕES 8.. Poulações ideedetes co distribuição oral Poulação Poulação X,, X Y,,Y X ~ N, Y ~ N, X Y ~ N, Obs. Se a distribuição de X e/ou Y ão for oral, os resultados são válidos

Leia mais

Capítulo 3 SLITs Sistemas Lineares e Invariantes no Tempo

Capítulo 3 SLITs Sistemas Lineares e Invariantes no Tempo Capíulo 3 SLITs Siseas Lieares e Ivariaes o Tepo 3. Irodução 3.2 Repreação e odelo de esado 3.3 Siseas SISO 3.4 Siseas MIMO uli-diesioais 3.5 Modelo de espaço de esados coíuos 3.6 Resposa ipulsiva e covolução

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

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

Intervalo de Confiança

Intervalo de Confiança 8/8/05 Uiversidade Federal do ará Isiuo de Tecologia Esaísica Aplicada I ro. Dr. Jorge Teóilo de Barros Lopes Campus de Belém Curso de Egeharia Mecâica 8/08/05 06:54 ESTATÍSTICA ALICADA I - Teoria das

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

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

ESTIMAÇÃO INTERVALAR. O intervalo aleatório [T 1,T 2 ] é chamado um intervalo de 100(1 α)% de confiança para

ESTIMAÇÃO INTERVALAR. O intervalo aleatório [T 1,T 2 ] é chamado um intervalo de 100(1 α)% de confiança para SUMÁRIO Estiação Itervalar. Quatidade ivotal................................... Método da Quatidade ivotal....................... 3.. Itervalos para opulações Norais - ua aostra............ 4..3 Itervalos

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

Intervalos de confiança

Intervalos de confiança 0 Itervalo de cofiaça 6.. A etiação por itervalo Noralete o proceo de ivetigação de u parâetro eceitao ir alé da ua etiativa potual ˆ. O fato de ão e cohecer o valor de pode cauar ua ieguraça e levar a

Leia mais

Estatística: Aplicação ao Sensoriamento Remoto SER ANO Teste de Hipótese

Estatística: Aplicação ao Sensoriamento Remoto SER ANO Teste de Hipótese Estatística: Aplicação ao Sesoriameto Remoto SER 4 - ANO 18 Teste de Hipótese Camilo Daleles Reó camilo@dpi.ipe.br http://www.dpi.ipe.br/~camilo/estatistica/ Estimação de Parâmetros Como já foi visto,

Leia mais

ECONOMIA DOS RECURSOS NATURAIS. A gestão dos recursos naturais recursos renováveis

ECONOMIA DOS RECURSOS NATURAIS. A gestão dos recursos naturais recursos renováveis ECONOMIA DOS RECURSOS NATURAIS A gesão dos recursos aurais recursos reováveis Recursos biológicos Os recursos biológicos diferem dos recursos ão reováveis o seido em que aqueles crescem e se reproduzem

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

XXIX OLIMPÍADA BRASILEIRA DE MATEMÁTICA PRIMEIRA FASE NÍVEL 3 (Ensino Médio) GABARITO

XXIX OLIMPÍADA BRASILEIRA DE MATEMÁTICA PRIMEIRA FASE NÍVEL 3 (Ensino Médio) GABARITO XXIX OLIMPÍADA BRASILEIRA DE MATEMÁTICA PRIMEIRA FASE NÍVEL (Esio Médio) GABARITO GABARITO NÍVEL ) A ) C ) B ) A ) E ) C ) E ) D ) E ) D ) A ) E ) B ) D ) B ) A ) E ) E ) B ) Aulada ) A 0) D ) A 0) B )

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

Cálculo do valor em risco dos ativos financeiros da Petrobrás e da Vale via modelos ARMA-GARCH

Cálculo do valor em risco dos ativos financeiros da Petrobrás e da Vale via modelos ARMA-GARCH Cálculo do valor em risco dos aivos financeiros da Perobrás e da Vale via modelos ARMA-GARCH Bruno Dias de Casro 1 Thiago R. dos Sanos 23 1 Inrodução Os aivos financeiros das companhias Perobrás e Vale

Leia mais

Testes de Comparação Múltipla

Testes de Comparação Múltipla Testes de Comparação Múltipla Quado a aplicação da aálise de variâcia coduz à reeição da hipótese ula, temos evidêcia de que existem difereças etre as médias populacioais. Mas, etre que médias se registam

Leia mais

Universidade Federal de Pelotas Vetores e Álgebra Linear Prof a : Msc. Merhy Heli Rodrigues Matrizes

Universidade Federal de Pelotas Vetores e Álgebra Linear Prof a : Msc. Merhy Heli Rodrigues Matrizes Uiversidde Federl de Pelos Veores e Álgebr Lier Prof : Msc. Merhy Heli Rodrigues Mrizes. Mrizes. Defiição: Mriz m x é um bel de m. úmeros reis disposos em m lihs (fils horizois) e colus (fils vericis)..

Leia mais

Grupo I (Cotação: 0 a 3.6 valores: uma resposta certa vale 1.2 valores e uma errada valores)

Grupo I (Cotação: 0 a 3.6 valores: uma resposta certa vale 1.2 valores e uma errada valores) INSTITUTO SUPERIOR DE ECONOMIA E GESTÃO Esaísica II - Licenciaura em Gesão Época de Recurso 6//9 Pare práica (quesões resposa múlipla) (7.6 valores) Nome: Nº Espaço reservado para a classificação (não

Leia mais

Enrico A. Colosimo Depto. Estatística UFMG

Enrico A. Colosimo Depto. Estatística UFMG Bioestatística F Comaração de uas Médias Erico A. Colosimo eto. Estatística UFMG htt//www.est.ufmg.br/~ericoc/ .4 istribuicao Gaussiaa com e σ Tabela t-tudet fx).35.3.5..5. -).5 Graus de liberdade istribuição

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

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

MATEMÁTICA APLICADA RESOLUÇÃO E RESPOSTA

MATEMÁTICA APLICADA RESOLUÇÃO E RESPOSTA GRADUAÇÃO EM ADMINISTRAÇÃO DE EMPRESAS - SP 4/6/7 A Deostre que, se escolheros três úeros iteiros positivos quaisquer, sepre eistirão dois deles cuja difereça é u úero últiplo de. B Cosidere u triâgulo

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

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

Solução: A distribuição normal. Representação gráfica. Cálculo de probabilidades. A normal padrão. σ Será uma N(0; 1).

Solução: A distribuição normal. Representação gráfica. Cálculo de probabilidades. A normal padrão. σ Será uma N(0; 1). A distribuição normal Uma variável aleatória X tem uma distribuição normal se sua fdp for do tipo: f (x) =.e π. σ x µ. σ, x R Prof. Lorí Viali, Dr. viali@mat.ufrgs.br http://www.mat.ufrgs.br/~viali/ com

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

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

INTERPRETANDO CORRETAMENTE O PASSADO PODEM-SE GERAR PREVISÕES ÚTEIS PARA O FUTURO.

INTERPRETANDO CORRETAMENTE O PASSADO PODEM-SE GERAR PREVISÕES ÚTEIS PARA O FUTURO. MÓDUO - MODEOS DE PREVISÃO E ESTIMATIVA DE DEMANDA Baseado em Chopra, Suil e Meidl, Peer, Gereciameo da Cadeia de Suprimeos, Preice Hall, São Paulo, 23. Quao se deve fabricar os próximos dias? Quais os

Leia mais

Sinais e Sistemas. Env. CS1 Ground Revolute. Sine Wave Joint Actuator. Double Pendulum Two coupled planar pendulums with

Sinais e Sistemas. Env. CS1 Ground Revolute. Sine Wave Joint Actuator. Double Pendulum Two coupled planar pendulums with -4-6 -8 - - -4-6 -8-3 -3 Frequecy (khz Hammig kaiser Chebyshev Siais e Sisemas Power Specral Desiy Ev B F CS CS B F CS Groud Revolue Body Revolue Body Power/frequecy (db/hz Sie Wave Joi Acuaor Joi Sesor

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

O MÉTODO VARIACIONAL APLICADO AO PROBLEMA NÃO-LINEAR DA PROPAGAÇÃO DE SÓLITONS.

O MÉTODO VARIACIONAL APLICADO AO PROBLEMA NÃO-LINEAR DA PROPAGAÇÃO DE SÓLITONS. O ÉTODO VARIACIONAL APLICADO AO PROBLEA NÃO-LINEAR DA PROPAGAÇÃO DE SÓLITONS. Cibele Aparecida Ladeia (PROIC/PIBIC/CNPQ- AF), Paulo Laere Nai (Orieador), e-mail: cibele_ma_uel@yahoo.com.br, pauloai@uel.br.

Leia mais

Aplicações à Teoria da Confiabilidade

Aplicações à Teoria da Confiabilidade Aplicações à Teoria da ESQUEMA DO CAPÍTULO 11.1 CONCEITOS FUNDAMENTAIS 11.2 A LEI DE FALHA NORMAL 11.3 A LEI DE FALHA EXPONENCIAL 11.4 A LEI DE FALHA EXPONENCIAL E A DISTRIBUIÇÃO DE POISSON 11.5 A LEI

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

Universidade Federal de Lavras

Universidade Federal de Lavras Universidade Federal de Lavras Deparameno de Esaísica Prof. Daniel Furado Ferreira 11 a Teoria da Decisão Esaísica 1) Quais são os erros envolvidos nos eses de hipóeses? Explique. 2) Se ao realizar um

Leia mais

1. Dados: Deve compreender-se a natureza dos dados que formam a base dos procedimentos

1. Dados: Deve compreender-se a natureza dos dados que formam a base dos procedimentos 9. Testes de Hipóteses 9.. Itrodução Uma hipótese pode defiir-se simplesmete como uma afirmação acerca de uma mais populações. Em geral, a hipótese se refere aos parâmetros da população sobre os quais

Leia mais

Matemática FUVEST ETAPA QUESTÃO 1. b) Como f(x) = = 0 + x = 1 e. Dados m e n inteiros, considere a função f definida por m

Matemática FUVEST ETAPA QUESTÃO 1. b) Como f(x) = = 0 + x = 1 e. Dados m e n inteiros, considere a função f definida por m Mateática FUVEST QUESTÃO 1 Dados e iteiros, cosidere a fução f defiida por fx (), x para x. a) No caso e que, ostre que a igualdade f( ) se verifica. b) No caso e que, ache as iterseções do gráfico de

Leia mais

Estatística: Aplicação ao Sensoriamento Remoto SER ANO Técnicas de Reamostragem

Estatística: Aplicação ao Sensoriamento Remoto SER ANO Técnicas de Reamostragem Estatística: Aplicação ao Sesoriameto Remoto SER 202 - ANO 2016 Técicas de Reamostragem Camilo Daleles Reó camilo@dpi.ipe.br http://www.dpi.ipe.br/~camilo/estatistica/ Distribuição Amostral Testes paramétricos

Leia mais

Exemplo. Exemplo. Taxa Interna de Retorno. Administração

Exemplo. Exemplo. Taxa Interna de Retorno. Administração Admiisração Taxa Iera de Reoro Deomia-se Taxa Iera de Reoro (TRI) de um fluxo de caixa à axa de juros que aula o Valor Presee Líquido (VPL). MATEMÁTICA FINANCEIRA Por: EDÉZIO SACRAMENTO edezio@oi.com.br

Leia mais

Capítulo 12. Problema 01. (a) (b)

Capítulo 12. Problema 01. (a) (b) apítulo Problema (a P(Erro I P(dizer que são de B a 76 75 P Z P( Z P(Erro II 5,87% P(dizer que são de A a 76 77 P Z P( Z 5,87% (b P(Erro I 5% P ( ~ (75; 75,645 verdade são de A P verdade são de B P 76,645

Leia mais

Capítulo 12 SELECIONADOS PARA ESTUDO PROVA 15/09: Problema 01. (a) (b)

Capítulo 12 SELECIONADOS PARA ESTUDO PROVA 15/09: Problema 01. (a) (b) apítulo ELEIOADO PARA ETUDO PROVA 5/9: -3 5-9 -3 6-7 -8 35-38 Problema (a P(Erro I P(dizer que são de B a 76 75 P Z P( Z 5,87% P(Erro II P(dizer que são de A a 76 77 P Z P( Z 5,87% (b P(Erro I 5% P ( ~

Leia mais

5 Modelo Teórico Modelagem determinística

5 Modelo Teórico Modelagem determinística 5 Modelo Teórico Nese rabalho será adoada a simulação de Moe Carlo para precificar as opções reais do projeo, uilizado o sofware @Risk. O modelo eórico aplicado é baseado a premissa de que o valor presee

Leia mais

Por Ponto. Por intervalo

Por Ponto. Por intervalo rof Lorí Viali, Dr viali@maufrgbr hp://wwwufrgbr/~viali/ Uma A eimação em por objeivo foreer iformaçõe obre parâmero populaioai, edo omo bae uma amora aleaória eraída da população de ieree θ ETIMAÇÃO AMOTRA

Leia mais

Número de regressores do Método DFA

Número de regressores do Método DFA Núero de regressores do Método DFA Raquel Roes Lihares 1 Sílvia Regia Costa Lopes 2 1 Itrodução O étodo da aálise de flutuações destedeciadas (Detreded Fluctuatio Aalysis - DFA), proposto por Peg et al.

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

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

MOQ-13 PROBABILIDADE E ESTATÍSTICA. Professor: Rodrigo A. Scarpel MOQ-13 PROILIDDE E ESTTÍSTIC Professor: Rodrigo. Scarpel rodrigo@ita.br www.mec.ita.br/~rodrigo Programa do curso: Semaas 1 3 4 5 6 7 8 9 10 11 1 13 14 15 e 16 Itrodução à probabilidade (evetos, espaço

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

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

PROPRIEDADES GEOMÉTRICAS DO PROBLEMA DE DOIS NÍVEIS LINEAR-QUADRÁTICO

PROPRIEDADES GEOMÉTRICAS DO PROBLEMA DE DOIS NÍVEIS LINEAR-QUADRÁTICO PROPRIEDADES GEOMÉTRICAS DO PROBLEMA DE DOIS NÍVEIS LINEAR-QUADRÁTICO Kel D. Villacora V. Uiversidade Federal do Rio de Jaeiro Cidade Uiversiária, Cero de Tecologia, Bloco H, Rio de Jaeiro, RJ keldvv@cos.ufrj.br

Leia mais

Um estudo de simulação sobre a estimação do desvio padrão de processos na presença de causas especiais de variação

Um estudo de simulação sobre a estimação do desvio padrão de processos na presença de causas especiais de variação Um esudo de simulação sobre a esimação do desvio padrão de processos a preseça de causas especiais de variação Márcio Aôio Couo Ferreira (UFAM) macouo@ufam.edu.br José Raimudo Gomes Pereira (UFAM) jrpereira@ufam.edu.br

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

TESTE DE HIPÓTESES. Se a Hipótese Nula (H 0 ) é: COMETE O ACEITA DECISÃO CORRETA O PESQUISADOR ERRO TIPO II COMETE O REJEITA DECISÃO CORRETA

TESTE DE HIPÓTESES. Se a Hipótese Nula (H 0 ) é: COMETE O ACEITA DECISÃO CORRETA O PESQUISADOR ERRO TIPO II COMETE O REJEITA DECISÃO CORRETA Embora com pouco tempo, devido à preparação da 3ª edição do livro Estatística ESAF, preocupado com os cadidatos que farão a prova para Fiscal-RS em 19/08/06 resolvi, mesmo em cima da hora, fazer um resumo

Leia mais

Lista de exercícios propostos n. o 05: Testes de hipóteses

Lista de exercícios propostos n. o 05: Testes de hipóteses Lista de exercícios propostos. o 5: Testes de hipóteses Exercício 1. Uma pizzaria recebe diariamete ecomedas por telefoe, que se têm comportado segudo uma lei ormal. A empresa está dimesioada para uma

Leia mais

- Processamento digital de sinais Capítulo 2 Sinais e sistemas discretos

- Processamento digital de sinais Capítulo 2 Sinais e sistemas discretos - Processameo digial de siais Capíulo Siais e sisemas discreos Siais discreos Siais aalógicos x digiais Coíuos x discreo Admiido como sequêcia de úmeros. {x[]}, 0, ±, ±,... Z Período amosragem: s Variáveis

Leia mais

Motivação. Prof. Lorí Viali, Dr.

Motivação. Prof. Lorí Viali, Dr. Moivação rof. Lorí Viali, Dr. vialli@ma.ufrgs.br hp://www.ma.ufrgs.br/~vialli/ Na práica, não exise muio ineresse na comparação de preços e quanidades de um único arigo, como é o caso dos relaivos, mas

Leia mais

Projeto e Análise de Algoritmos Aula 2: Função de Complexidade Notação Assintótica (GPV 0.3)

Projeto e Análise de Algoritmos Aula 2: Função de Complexidade Notação Assintótica (GPV 0.3) Projeto e Aálise de Algoritos Aula 2: Fução de Coplexidade Notação Assitótica (GPV 0.3) DECOM/UFOP 202/2 5º. Período Aderso Aleida Ferreira Material desevolvido por Adréa Iabrudi Tavares BCC 24/202-2 BCC

Leia mais

UFSC ( ) Física (Amarela) 21) Resposta: 19. Comentário

UFSC ( ) Física (Amarela) 21) Resposta: 19. Comentário UFSC Física (Aarela) 1) Resposta: 19 Coetário No Everest o valor da aceleração da gravidade é eor, e portato o período de oscilação ficará aior, provocado u atraso o horário do relógio B. 0. Correta. Devido

Leia mais

Sinais e Sistemas. Env. CS1 Ground Revolute. Sine Wave Joint Actuator. Double Pendulum Two coupled planar pendulums with

Sinais e Sistemas. Env. CS1 Ground Revolute. Sine Wave Joint Actuator. Double Pendulum Two coupled planar pendulums with -4-6 -8-0 - -4-6 -8-30 -3 Frequec Hz Hammig aiser Chebshev Faculdade de Egeharia iais e isemas Power pecral Desi Ev B F C C B F C Groud Revolue Bod Revolue Bod Power/frequec db/hz ie Wave Joi Acuaor Joi

Leia mais

TRANSITÓRIOS MECÂNICOS DO MOTOR DE INDUÇÃO

TRANSITÓRIOS MECÂNICOS DO MOTOR DE INDUÇÃO CAPÍTULO 7 TRANSITÓRIOS MECÂNICOS DO MOTOR DE INDUÇÃO 7.1 INTRODUÇÃO Vaos cosderar o caso de u oor de dução dusral, aleado por esões rfáscas balaceadas. Tal oor e a caracerísca orque-velocdade represeada

Leia mais

c.c. É a função que associa a cada x X(S) um número f(x) que deve satisfazer as seguintes propriedades:

c.c. É a função que associa a cada x X(S) um número f(x) que deve satisfazer as seguintes propriedades: Prof. Lorí Viali, Dr. viali@mat.ufrgs.br http://www.mat.ufrgs.br/~viali/ Seja X uma variável aleatória com conjunto de valores X(S). Se o conjunto de valores for infinito não enumerável então a variável

Leia mais

Instituto Tecnológico de Aeronáutica VIBRAÇÕES MECÂNICAS MPD-42

Instituto Tecnológico de Aeronáutica VIBRAÇÕES MECÂNICAS MPD-42 Isiuo Tecológico de Aeroáuica VIBRAÇÕES MECÂNICAS MPD-4 Isiuo Tecológico de Aeroáuica SISTEMAS DISCRETOS MPD-4 Isiuo Tecológico de Aeroáuica SISTEMAS COM UM GRAU DE LIBERDADE: VIBRAÇÃO FORÇADA MPD-4 3

Leia mais

Opções Reais. Estimando Volatilidade. Volatilidade. Volatilidade. Mestrado. IAG PUC-Rio. Prof. Luiz Brandão

Opções Reais. Estimando Volatilidade. Volatilidade. Volatilidade. Mestrado. IAG PUC-Rio. Prof. Luiz Brandão Opções Reais Esimado Volailidade Mesrado Prof. Luiz Bradão bradao@iag.puc-rio.br IAG PUC-Rio Volailidade Volailidade O Valor Presee V 0 de um aivo é obido descoado-se os seus fluxos de caixa a uma axa

Leia mais

2- Resolução de Sistemas Não-lineares.

2- Resolução de Sistemas Não-lineares. MÉTODOS NUMÉRICOS PARA EQUAÇÕES DIFERENCIAIS PARCIAIS - Resolução de Sisteas Não-lieares..- Método de Newto..- Método da Iteração. 3.3- Método do Gradiete. - Sisteas Não Lieares de Equações Cosidere u

Leia mais

4- Método de Diferenças Finitas Aplicado às Equações Diferenciais Parciais.

4- Método de Diferenças Finitas Aplicado às Equações Diferenciais Parciais. MÉTODOS NM ÉRICOS PARA E QAÇÕES DIFEREN CIAIS PARCIAIS 4- Méodo de Difereças Fiias Aplicado às Equações Difereciais Parciais. 4.- Aproximação de Fuções. 4..- Aproximação por Poliômios. 4..- Ajuse de Dados:

Leia mais

Lista 7.3 Optimização com Restrições de Igualdade

Lista 7.3 Optimização com Restrições de Igualdade Faculdade de Ecooia da Uiversidade Nova de Lisboa Apotaetos Cálculo II Lista 7.3 Optiização co Restrições de Igualdade. Problea de optiização de ua ução escalar, de variáveis reais, co restrições de igualdade:

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

Universidade Tecnológica Federal do Paraná Departamento de Eletrônica Disciplina: Teoria da Informação Professor: Dyson Pereira Junior

Universidade Tecnológica Federal do Paraná Departamento de Eletrônica Disciplina: Teoria da Informação Professor: Dyson Pereira Junior Uiversidade ecológica Federal do Paraá Deparameo de Elerôica Disciplia: eoria da Iformação Professor: Dyso Pereira Juior ZONA DE IMPECIÃO NÍVEI APOXIMAÇÃO DO VALO UPEIO APOXIMAÇÃO DO VALO INFEIO 5.4 Capacidade

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

EXAME NACIONAL DE SELEÇÃO 2008

EXAME NACIONAL DE SELEÇÃO 2008 EAME NACIONAL DE SELEÇÃO 008 PROVA DE ESTATÍSTICA o Dia: 5/0/007 SEGUNDA-FEIRA HORÁRIO: 0h30 às h 45 (horário de Brasília) EAME NACIONAL DE SELEÇÃO 008 o Dia:5/0(Seguda-feira) Mahã:0:30h às h 45 ESTATÍSTICA

Leia mais

ESTATÍSTICA EXPLORATÓRIA

ESTATÍSTICA EXPLORATÓRIA ESTATÍSTICA EXPLORATÓRIA Prof Paulo Reato A. Firmio praf6@gmail.com Aulas 19-0 1 Iferêcia Idutiva - Defiições Coceitos importates Parâmetro: fução diretamete associada à população É um valor fixo, mas

Leia mais

Exercícios de Matemática Binômio de Newton

Exercícios de Matemática Binômio de Newton Exercícios de Mateática Biôio de Newto ) (ESPM-995) Ua lachoete especializada e hot dogs oferece ao freguês 0 tipos diferetes de olhos coo tepero adicioal, que pode ser usados à votade. O tipos de hot

Leia mais

1 Distribuições Amostrais

1 Distribuições Amostrais 1 Distribuições Amostrais Ao retirarmos uma amostra aleatória de uma população e calcularmos a partir desta amostra qualquer quatidade, ecotramos a estatística, ou seja, chamaremos os valores calculados

Leia mais

Matemática Financeira e Instrumentos de Gestão

Matemática Financeira e Instrumentos de Gestão Licenciaura e Gesão Maeáica Financeira e nsruenos de Gesão [] Carlos Francisco Alves 7-8. Núeros Índices. Conceio e Cálculo de Núeros Índices.. Índices Siples Núero Índice: U núero índice é u valor que

Leia mais

1 o SIMULADO NACIONAL AFA - SISTEMA SEI

1 o SIMULADO NACIONAL AFA - SISTEMA SEI Istruções 1. Para a realização das provas do Siulado Nacioal AFA Sistea SEI, o usuário deverá estar cadastrado, e o seu cadastro, ativado.. E cojuto co esse arquivo de questões, está sedo dispoibilizado

Leia mais

Curso de Dinâmica das Estruturas 25. No exemplo de três graus de liberdade (GLs) longitudinais, para cada uma das partículas, temos:

Curso de Dinâmica das Estruturas 25. No exemplo de três graus de liberdade (GLs) longitudinais, para cada uma das partículas, temos: Crso de iâica das Esrras 5 III ESTRUTURAS COM VÁRIOS GRAUS E LIBERAE III. Eqações do Movieo No exelo de rês gras de liberdade (GLs) logidiais, ara cada a das aríclas, eos: x F x F x F As orças elásicas

Leia mais

3 Estudo da Barra de Geração [1]

3 Estudo da Barra de Geração [1] 3 Esudo da Barra de eração [1] 31 Inrodução No apíulo 2, raou-se do máximo fluxo de poência aiva e reaiva que pode chear à barra de cara, limiando a máxima cara que pode ser alimenada, e do possível efeio

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

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

CÁLCULO NUMÉRICO. Profa. Dra. Yara de Souza Tadano

CÁLCULO NUMÉRICO. Profa. Dra. Yara de Souza Tadano CÁLCULO NUMÉRICO Profa. Dra. Yara de Souza Tadano yaratadano@utfpr.edu.br Aula 15 Ajuste de Curvas - Matlab Ajuste Linear As equações (4) e (5) siplifica-se nas : α +α x = 0 1 i y i (6) α x +α x 0 i 1

Leia mais

SÉRIE: Estatística Básica Texto: Estimação 1. INTRODUÇÃO ESTIMAÇÃO POR PONTO ESTIMAÇÃO POR INTERVALO... 15

SÉRIE: Estatística Básica Texto: Estimação 1. INTRODUÇÃO ESTIMAÇÃO POR PONTO ESTIMAÇÃO POR INTERVALO... 15 SUMÁRIO. INTRODUÇÃO... 3. ESTIMAÇÃO POR PONTO... 4.. NOTAÇÃO... 4.. PROPRIEDADES DOS ESTIMADORES... 5... Não-tedeciosidade... 5... Precisão ou eficiêcia... 8..3. Validade (ou Acurácia... 9..4. Coerêcia

Leia mais

Uma variável aleatória X tem uma distribuição normal se sua fdp for do tipo:

Uma variável aleatória X tem uma distribuição normal se sua fdp for do tipo: Prof. Lorí Viali, Dr. viali@mat.ufrgs.br http://www.mat.ufrgs.br/~viali/ Uma variável aleatória X tem uma distribuição normal se sua fdp for do tipo: f().e π. μ., R com - < μ < e > 0 0, 0,6 N(0; ) N(0;

Leia mais