Universidade Estadual de Alagoas UNEAL Campus II Santana do Ipanema Disciplina: Estatística Básica. Professor: Wellyngton Chaves Monteiro da Silva

Tamanho: px
Começar a partir da página:

Download "Universidade Estadual de Alagoas UNEAL Campus II Santana do Ipanema Disciplina: Estatística Básica. Professor: Wellyngton Chaves Monteiro da Silva"

Transcrição

1 Uversdade Estadual de Alagoas UNEAL Campus Sataa do paema Dscpla: Estatístca Básca Professor: Wellgto Chaves Motero da Slva Cocetos cas e Breve Hstórco da Estatístca Daramete somos epostos a uma grade quatdade de formações umércas, e depededo da stuação, podemos ser os cosumdores ou mesmo os produtores dessas formações Para tato, ecesstamos de cohecmetos e capactações específcas Os procedmetos, téccas e métodos estatístcos são fudametas a eecução dessas tarefas É dfícl, atualmete,ser um cdadão formado sem uma compreesão dos város ídces goverametas, dos gráfcos e médas publcados daramete a mpresa e das pesqusas de opão públca Faras et al, 003 Estatístca pode ser etedda como a cêca dos dados, uma cêca para o produtor e para o cosumdor de formações dessa atureza Ela evolve a coleta, classfcação, orgazação, aálse e terpretação dos dados Marts, 00 Hstorcamete, o desevolvmeto da estatístca pode ser eteddo a partr de dos feômeos dsttos a ecessdade de goveros coletarem dados cestáros e o desevolvmeto da teora do cálculo das probabldades Marts, 00 O termo estatístca vem do latm status, vsto que suas prmeras utlzações foram como artmétca estatal, ome do qual dervara estatístca Bsquerra et al, 004 Os goverates da atgudade, como até ossos das, sempre ecesstaram cohecer suas rquezas e potecal de seus estados para fs de cobraça de mpostos e formações demográfcas com vstas ao recrutameto de soldados para seus eérctos Fo por causa de um receseameto que Jesus asceu em Belém e ão em Nazaré, ode resdam José e Mara Nues, 998 O prmero uso da palavra estatístca, etretato, parece datar de 589 e apareceu em um trabalho do hstorador talao Grolomo Ghl quado se referu a uma cêca cvl, polítca, estatístca e mltar Berquó et al, 98 Acredta-se que uma compaha de avegação teha ecomedado a um matemátco, o século XV, estudos sobre os rscos em egócos de seguros, em trasporte marítmo de mercadoras, quado fo utlzada pela prmera vez uma le empírca de probabldade sso permtu o desevolvmeto dos egócos de seguros ao poto de torá-lo em uma das mas mportates atvdades do mudo modero Nues, 998 Em seguda, as eperêcas de Chevaler de Méré sobre ogos de azar levaram ao desevolvmeto da teora de probabldades por Pascal e Fermat, os meados do século XV Neste período, séculos XV e XV, a estatístca ocupou-se bascamete do cálculo de probabldades, calmete com os ogos de azar, e posterormete, com o suíço Jacques Beroull, costtuu-se como cêca Bsquerra et al, 004, quado da publcação de seu grade tratado sobre probabldade Outrossm, os fudametos da estatístca como ramo depedete de cohecmeto tveram orgem o íco do século XX, 8, com os trabalhos depedetes de Laplace e Gauss, gualmete astrôomos e matemátcos, que desevolveram os prcípos da le ormal Vale ressaltar que, de acordo com Nues 998 e Slvera Júor et al 989, a equação para a curva ormal de erros fo publcada pela prmera vez por Movre, em 773, com obetvos puramete matemátcos, amas magado que seus resultados pudessem ter aplcação prátca a aálse de dados epermetas O trabalho permaeceu descohecdo até 94, quado Karl Pearso o descobru em uma bbloteca Ada o século XX começou-se a aplcar a estatístca a pesqusa em cêcas socas e a educação Fracs Galto fo um dos pesqusadores que deu maor mpulso à aplcação da estatístca, troduzdo o coceto de correlação e regressão, como também os percets Pearso colaborou com Galto e desevolveu uma das fórmulas mas utlzadas para o cálculo da correlação, a prova de ququadrado e outras cotrbuções Bsquerra et al, 004 No século XX, foram troduzdas ovas téccas O glês R A Fsher fo um dos que mas cotrbuu para o modero desevolvmeto da estatístca, troduzdo dversas téccas relacoadas à aálse da varabldade Suas cotrbuções foram em váras áreas do cohecmeto, otadamete agrcultura, bologa e geétca Nues, 998 Um de seus aluos, o glês Wllam Gosset, cohecdo com o pseudômo de Studet, realzou mportates avaços o cotraste de médas Bsquerra et al, 004 Fsher, com os resultados de Gosset, descobru rapdamete as dstrbuções amostras dos coefcetes de correlação, regressão, correlação múltpla e dstrbução da razão etre duas varâcas; com suas pesqusas, desevolveu esquemas epermetas de modo que os efetos pudessem ser estudados depedetemete, e ada estedeu e deu déa mas precsa à técca chamada Aálse de Varâca, até hoe uma das mas poderosas utlzada a estatístca Slvera Júor, 989 Um outro marco mportate o desevolvmeto dos métodos estatístcos, e que acoteceu o século XX, fo o adveto da formátca, permtdo que a estatístca alargasse ada mas os seus horzotes Professor Wellgto Chaves Motero da Slva Pága /6 Estatístca Básca Cocetos cas, tpos de cohecmeto e trodução ao método estatístco

2 Para fs ddátcos e de apresetação, costuma-se dvdr a estatístca em três grades áreas: amostragem e plaeameto, que cosste os mecasmos de coleta dos dados; estatístca descrtva, resposável pela orgazação, apresetação e smplfcação dos dados; e estatístca ferecal, que cosste o couto de métodos para a tomada de decsões, em stuações ode estem certeza e varação Faras et al, 003 A probabldade é a base matemátca sob a qual a estatístca é costruída, e forece métodos para quatfcar a certeza estete em determada stuação, usado ora um úmero ora uma fução matemátca Tpos de cohecmeto Somos todos depedetes do cohecmeto acumulado e cuo processo de acumulação e trasmssão tem sdo o propulsor da cêca e do progresso materal da humadade O cohecmeto pode ser classfcado em: Vulgar ou empírco, que é ametódco, adqurdo por todos a vda cotdaa É baseado a eperêca vvda ou trasmtda Em geral resulta de repetdas eperêcas de erros e acertos Não peetra os feômeos e ão va além do fato em s, do feômeo solado Embora de ível feror ao cetífco, o cohecmeto vulgar ão pode ser desprezado, pos costtu a base do saber É o cohecmeto obtdo ao acaso, após úmeras tetatvas, ou sea, o cohecmeto adqurdo através de ações ão plaeadas Eemplo: a chave está emperrado a fechadura e, de tato epermetarmos abrr a porta, acabamos por descobrr cohecer um etho de grar a chave sem emperrar Teológco, é o cohecmeto revelado pela fé dva ou creça relgosa Não pode, por sua orgem, ser cofrmado ou egado Depede da formação moral e das creças de cada dvíduo Eemplo: acredtar que alguém fo curado por um mlagre; ou acredtar em duede; acredtar em reecaração; acredtar em espírto etc Flosófco, que tem por orgem a capacdade de refleão do homem e, por strumeto eclusvo, o racocío A cêca ão tem capacdade sufcete para eplcar o setdo geral do Uverso Por sso, o homem teta essa eplcação através da Flosofa, a qual ultrapassa os lmtes da Cêca lmtada à comprovação cocreta epermetal A essêca do cohecmeto flosófco é a busca do saber e ão a sua posse A flosofa terroga o saber e o trasforma em problema As coclusões da Flosofa carecem de prova materal e por sso são especulatvas e ão oferecem soluções deftvas para umerosas questões Pode traduzr-se em deologas e como tal flur dretamete a vda cocreta do homem É o cohecmeto especulatvo sobre feômeos, gerado cocetos subetvos Eemplo: O homem é a pote etre o amal e o além-homem Fredrch Netzsche Cetífco, é o cohecmeto racoal, sstemátco, eato e verfcável da realdade Sua orgem está os procedmetos de verfcação baseados a metodologa cetífca Trascede os fatos e os feômeos, aalsa-os para descobrr suas causas e coclur sobre as les geras que os regem É verfcável a prátca por demostração ou epermetação Tem o propósto de desvedar os segredos da realdade, eplcar com clareza e precsão suas relações de predomío, gualdade e subordação com outros fatores e feômeos Suas les são uversalmete váldas para todos os fatos e casos da mesma espéce Eemplo: descobrr uma vaca que evte uma doeça; descobrr como se dá a respração dos batráquos O acúmulo permaete de cohecmetos sobre a atureza, através de ações e processos racoas, compõe o uverso de déas, hoe deomado, cêca cohecmeto racoal, sstemátco, eato e verfcável da realdade Nas palavras de Este, o grade obetvo da cêca é eplcar o maor úmero de fatos empírcos pela dedução lógca a partr do meor úmero de hpóteses e aomas Algumas característcas do cohecmeto cetífco etraído de Araúo 006: Laatos e Marco 986: 0 detfcam como característcas do cohecmeto cetífco: ser factual ldar com ocorrêcas e fatos reas, cotgete a veracdade ou falsdade do cohecmeto produzdo pode ser cohecda através da eperêca, sstemátco ordeado logcamete um sstema de déas, verfcável o que ão pode ser comprovado ão é do âmbto da cêca, falível ão é deftvo, absoluto e apromadamete eato ovas descobertas podem reformular o acervo de déas estetes Essas característcas são também levatadas por Alves Para o autor, cotudo, ão se deve falar em ruptura do cohecmeto cetífco com o seso comum Embora eles seam muto dferetes um do outro Alves, 987: 37, este uma cotudade etre o pesameto cetífco e o seso comum bdem: 7 Com sso, o autor argumeta que a cêca ão deve ser vsta como uma forma de cohecmeto completamete dstate do fazer humao, dotada de autordade questoável Etre as característcas da cêca, ada coforme o autor, destacam-se a busca de ordem, a formulação de modelos e les que eplcam o fucoameto dos feômeos e da atureza, o abadoo dos valores e a busca de um saber obetvo, o uso de hpóteses e de epermetação que permte medr os evetos com precsão e o rgor do Professor Wellgto Chaves Motero da Slva Pága /6 Estatístca Básca Cocetos cas, tpos de cohecmeto e trodução ao método estatístco

3 pesameto com a utlzação do racocío lógco Alves detfca ada duas característcas essecas A prmera é a busca por um cohecmeto geral, uversal, aplcável a todos os casos: Sempre que passamos do passado para o futuro, ou do partcular para o geral, ós amplamos aqulo que sabemos Alves, 987: 6 Busca-se tato as regulardades e uformdades quato, também, a possbldade da prevsão A seguda é a falseabldade, sto é, os eucados cetífcos podem ser testados para se cofrmar se são verdaderos ou falsos Uma proposção verfcável é aquela sobre a qual, a partr de testes, podemos tomar uma decsão sobre sua verdade ou falsdade bdem : 76 Etre os obetvos da cêca estão a busca do cotrole prátco da atureza, a descrção e compreesão do mudo e a possbldade de predção Gressler, 003: 37 Posterormete, ela se ala à técca é quado ela realmete se destaca bdem: 4 e passa a resultar uma sére de avaços os modos de produção da socedade, tedo seu ápce a Revolução dustral do século XV com grades vetos como a laçadera 733, o tear mecâco 738, a máqua a vapor 768, a locomotva 83, o barco a vapor 8 e mutas outras que alteraram de forma sgfcatva as formas de produção e de vda das socedades Ao mesmo tempo, o cohecmeto cetífco se desevolve e busca sua legtmdade a partr de sua sttucoalzação as uversdades, coselhos, assocações, cogressos; sttutos, publcações e evetos Referêcas ecotradas o teto de Araúo 006: Alves, R Flosofa da cêca: trodução ao ogo e suas regras São Paulo: Braslese 987 Gressler, L A trodução à pesqusa: proetos e relatóros São Paulo: Loola 003 Laatos, EM e Marco, M Metodologa cetífca São Paulo: Atlas 986 trodução ao Método Cetífco Uma defção de método cetífco bastate adequada é dada pelo Professor Oscar Kempthore em seu lvro The desg ad aalss of epermets : método cetífco é aplcação da lógca e da obetvdade para compreesão de feômeos Nues, 998 O aspecto essecal do método cetífco é o eame de tudo o que á se sabe sobre um feômeo e a formulação a partr desse cohecmeto, de hpóteses que devem ser submetdas à verfcação epermetal A epressão verfcação epermetal é mportate, pos ehuma questão cua resposta ão possa ser obtda através da observação plaeada, pertece ao coteto da cêca Nues, 998 O método cetífco proporcoa ao cetsta a oretação geral que faclta o plaeameto de uma pesqusa, a formulação de hpótese, a realzação de eperêcas e a terpretação de resultados epermetas É apeas um strumeto costtuído por um couto de procedmetos a serem segudos a formulação de problemas cetífcos e verfcação de hpóteses, com vstas à sodagem da realdade Suas ormas geras ão são absolutas mas costtuem um sstema de oretação que é o resultado do acúmulo da eperêca coletva através dos tempos Nues, 998 Destado a vestgar fatos e desevolver teoras para eplcá-los, o método cetífco é essecalmete um procedmeto crcular: o cohecmeto proporcoado pelas presetes teoras certamete levará a ovos fatos que darão lugar a ovas teoras A realzação de uma pesqusa deve passar, portato, pelas fases resumdas o dagrama abao, quado se desea um resultado satsfatóro e precso: Formulação de hpóteses Observações 4 Desevolvmeto da teora 3 Verfcação das hpóteses Cocetos Elemetares de Estatístca Estatístca: A estatístca dedca-se ao desevolvmeto e ao uso de métodos para a coleta e a aálse de dados Faras et al, 003 A Estatístca é fudametal a aálse de dados Professor Wellgto Chaves Motero da Slva Pága 3/6 Estatístca Básca Cocetos cas, tpos de cohecmeto e trodução ao método estatístco

4 proveetes de quasquer processos ode esta varabldade, estado assm, teressada os métodos e processos quattatvos que servem para a coleta, orgazação, resumo, apresetação e aálse dos dados, bem como a obteção de coclusões váldas e a tomada de decsões a partr de tas aálses Boestatístca: É a estatístca aplcada a dados bológcos, e como tal, está teressada a coleta, orgazação, resumo, apresetação e aálse de tas dados Estatístca descrtva: Como o própro ome sugere, refere-se à descrção dos dados observados e compreede sua coleta, tabulação, apresetação, aálse, terpretação, represetação gráfca e descrção; tem como obetvo smplfcar os dados em formações mas maeáves, podedo, assm, compreedê-los e terpretá-los melhor Bsquerra, 004; Marts, 00 A estatístca descrtva se refere à maera de represetar dados em tabelas e gráfcos, resumdo-os através de algumas meddas sem, cotudo, trar quasquer formações sobre um grupo maor Estatístca ferecal: Pretede ferr característcas de uma população a partr dos dados observados em uma amostra de dvíduos Bsquerra, 004 Ou sea, cosste os métodos que toram possível a estmação de característcas de uma população baseadas os resultados amostras Marts, 00 Também é cohecda como estatístca amostral Dferete da estatístca descrtva, procura estabelecer coclusões para toda uma população, quado apeas se observou uma parte desta amostra População: Couto de todos os dvíduos que possuem, ao meos, uma característca comum etre eles e os quas se desea estudar um feômeo Ou smplesmete, o couto de todos os possíves valores de uma varável A população pode ser fta ou fta Amostra: É qualquer subcouto da população, selecoado por algum método de amostragem, sobre o qual se coletam os dados para o estudo do feômeo, ou smplesmete, é uma porção de uma população geralmete aceta como represetatva desta população Parâmetro: É o valor da população, que é costate e habtualmete estmado Os parâmetros costumam ser smbolzados por meo de letras gregas Estatístco: Valor que caracterza a amostra Os estatístcos costumam ser smbolzados por meo de letras latas Referêcas ARAÚJO, Carlos Alberto Ávla A cêca como forma de cohecmeto Cêcas & Cogção; Ao 03, Vol 08, ul/006 p 7-4 Dspoível em < Acesso em mar 008 BERQUÓ, ES; SOUZA, JMP & GOTLEB, SLD Boestatístca ªed, São Paulo: EPU, p BSQUERRA, R; SARRERA, JC & MARTÍNEZ, F trodução à estatístca: efoque formátco com o pacote estatístco SPSS Porto Alegre: Artmed, p FARAS, AA; SOARES, JF & CÉSAR, CC trodução à estatístca ed, Ro de Jaero: LTC, [003] 340p MARTNS, GA Estatístca geral e aplcada São Paulo: Atlas, 00 47p NUNES, RP Métodos para a pesqusa agroômca Fortaleza: UFC, p SLVERA JÚNOR, P; MACHADO, AA; ZONTA, EP & SLVA, JB Curso de estatístca Vol, Pelotas: Uversdade Federal de Pelotas, p Professor Wellgto Chaves Motero da Slva Pága 4/6 Estatístca Básca Cocetos cas, tpos de cohecmeto e trodução ao método estatístco

5 Professor Wellgto Chaves Motero da Slva Pága 5/6 Estatístca Básca Cocetos cas, tpos de cohecmeto e trodução ao método estatístco Uversdade Estadual de Alagoas UNEAL Campus Sataa do paema Dscpla: Estatístca Básca Professor: Wellgto Chaves Motero da Slva A Notação Na represetação algébrca das defções a otação desempeha mportate papel Se ecessáro, pode vr acompahado do campo de varação do ídce da varável As prcpas represetações são: soma smples soma de quadrados quadrado da soma soma de produtos produto de somas Se ão houver possbldades de cofusão, a otação pode ser smplfcada elmado-se os ídces Assm, a soma smples e a soma de quadrados poderão ser represetadas como: Uma outra otação ão tão utlzada, mas muto fleível, em especal os casos ode os valores deverão ser especfcados por mas de um ídce, é a otação poto Esta cosste a colocação de um poto o local do ídce para dcar que a varável fo somada em relação à toda a varação desse ídce Dessa forma, pela otação poto ter-se-á:

6 Professor Wellgto Chaves Motero da Slva Pága 6/6 Estatístca Básca Cocetos cas, tpos de cohecmeto e trodução ao método estatístco mage-se que se está pesqusado o valor dos saláros em dversas dústras Dessa forma, represetado-se por o saláro de um trabalhador, pode ser teressate, um determado mometo, saber de que trabalhador é o saláro e de que dústra é o trabalhador Pode-se etão represetar uma observação por ode é o saláro, é a dústra e o trabalhador Assm, se dústras são pesqusadas e pessoas trabalham a dústra, ter-se-á: total pago pela dústra total pago pelo trabalhador em todas as dústras total de saláros pagos por todas as dústras a todos os trabalhadores A estêca de város s portato, dca que estão sedo fetas somas de somas A ordem da soma, evdetemete, ão mporta, pos a soma é comutatva A otação somatóro possu algumas propredades teressates São elas: ; de modo geral: a b b a m m dústra dústra

Centro de Ciências Agrárias e Ambientais da UFBA Departamento de Engenharia Agrícola

Centro de Ciências Agrárias e Ambientais da UFBA Departamento de Engenharia Agrícola Cetro de Cêcas Agráras e Ambetas da UFBA Departameto de Egehara Agrícola Dscpla: AGR Boestatístca Professor: Celso Luz Borges de Olvera Assuto: Estatístca TEMA: Somatóro RESUMO E NOTAS DA AULA Nº 0 Seja

Leia mais

Distribuições Amostrais. Estatística. 8 - Distribuições Amostrais UNESP FEG DPD

Distribuições Amostrais. Estatística. 8 - Distribuições Amostrais UNESP FEG DPD Dstrbuções Amostras Estatístca 8 - Dstrbuções Amostras 08- Dstrbuções Amostras Dstrbução Amostral de Objetvo: Estudar a dstrbução da população costtuída de todos os valores que se pode obter para, em fução

Leia mais

ESTATÍSTICA MÓDULO 2 OS RAMOS DA ESTATÍSTICA

ESTATÍSTICA MÓDULO 2 OS RAMOS DA ESTATÍSTICA ESTATÍSTICA MÓDULO OS RAMOS DA ESTATÍSTICA Ídce. Os Ramos da Estatístca...3.. Dados Estatístcos...3.. Formas Icas de Tratameto dos Dados....3. Notação por Ídces...5.. Notação Sgma ()...5 Estatístca Módulo

Leia mais

MEDIDAS DE TENDÊNCIA CENTRAL I

MEDIDAS DE TENDÊNCIA CENTRAL I Núcleo das Cêcas Bológcas e da Saúde Cursos de Bomedca, Ed. Físca, Efermagem, Farmáca, Fsoterapa, Fooaudologa, edca Veterára, uscoterapa, Odotologa, Pscologa EDIDAS DE TENDÊNCIA CENTRAL I 7 7. EDIDAS DE

Leia mais

Inferência Estatística e Aplicações I. Edson Zangiacomi Martinez Departamento de Medicina Social FMRP/USP

Inferência Estatística e Aplicações I. Edson Zangiacomi Martinez Departamento de Medicina Social FMRP/USP Iferêca Estatístca e Aplcações I Edso Zagacom Martez Departameto de Medca Socal FMRP/USP edso@fmrp.usp.br Rotero Parte I Escola frequetsta Defções: parâmetros, estmatvas Dstrbuções de probabldade Estmação

Leia mais

Econometria: 3 - Regressão Múltipla

Econometria: 3 - Regressão Múltipla Ecoometra: 3 - Regressão Múltpla Prof. Marcelo C. Mederos mcm@eco.puc-ro.br Prof. Marco A.F.H. Cavalcat cavalcat@pea.gov.br Potfíca Uversdade Católca do Ro de Jaero PUC-Ro Sumáro O modelo de regressão

Leia mais

Interpolação. Exemplo de Interpolação Linear. Exemplo de Interpolação Polinomial de grau superior a 1.

Interpolação. Exemplo de Interpolação Linear. Exemplo de Interpolação Polinomial de grau superior a 1. Iterpolação Iterpolação é um método que permte costrur um ovo cojuto de dados a partr de um cojuto dscreto de dados potuas cohecdos. Em egehara e cêcas, dspõese habtualmete de dados potuas, obtdos a partr

Leia mais

Cap. 5. Testes de Hipóteses

Cap. 5. Testes de Hipóteses Cap. 5. Testes de Hpóteses Neste capítulo será estudado o segudo problema da ferêca estatístca: o teste de hpóteses. Um teste de hpóteses cosste em verfcar, a partr das observações de uma amostra, se uma

Leia mais

MÓDULO 8 REVISÃO REVISÃO MÓDULO 1

MÓDULO 8 REVISÃO REVISÃO MÓDULO 1 MÓDULO 8 REVISÃO REVISÃO MÓDULO A Estatístca é uma técca que egloba os métodos cetícos para a coleta, orgazação, apresetação, tratameto e aálse de dados. O objetvo da Estatístca é azer com que dados dspersos

Leia mais

Construção e Análise de Gráficos

Construção e Análise de Gráficos Costrução e Aálse de Gráfcos Por que fazer gráfcos? Facldade de vsualzação de cojutos de dados Faclta a terpretação de dados Exemplos: Egehara Físca Ecooma Bologa Estatístca Y(udade y) 5 15 1 5 Tabela

Leia mais

É o grau de associação entre duas ou mais variáveis. Pode ser: correlacional ou. experimental.

É o grau de associação entre duas ou mais variáveis. Pode ser: correlacional ou. experimental. É o grau de assocação etre duas ou mas varáves. Pode ser: correlacoal ou Prof. Lorí Val, Dr. val@mat.ufrgs.r http://www.mat.ufrgs.r/~val/ expermetal. Numa relação expermetal os valores de uma das varáves

Leia mais

Professor Mauricio Lutz REGRESSÃO LINEAR SIMPLES. Vamos, então, calcular os valores dos parâmetros a e b com a ajuda das formulas: ö ; ø.

Professor Mauricio Lutz REGRESSÃO LINEAR SIMPLES. Vamos, então, calcular os valores dos parâmetros a e b com a ajuda das formulas: ö ; ø. Professor Maurco Lutz 1 EGESSÃO LINEA SIMPLES A correlação lear é uma correlação etre duas varáves, cujo gráfco aproma-se de uma lha. O gráfco cartesao que represeta essa lha é deomado dagrama de dspersão.

Leia mais

Modelo de Regressão Simples

Modelo de Regressão Simples Modelo de Regressão Smples Hstora Hstóra Termo regressão fo troduzdo por Fracs Galto (8-9). Estudo sobre altura de pas e flhos. Karl Pearso coletou mas de ml regstros e verfcou a le de regressão uversal

Leia mais

MEDIDAS DE POSIÇÃO: X = soma dos valores observados. Onde: i 72 X = 12

MEDIDAS DE POSIÇÃO: X = soma dos valores observados. Onde: i 72 X = 12 MEDIDAS DE POSIÇÃO: São meddas que possbltam represetar resumdamete um cojuto de dados relatvos à observação de um determado feômeo, pos oretam quato à posção da dstrbução o exo dos, permtdo a comparação

Leia mais

Estatística: uma definição

Estatística: uma definição Prof. Lorí Val, Dr. - val@pucrs.br http://www.pucrs.br/famat/val/ Prof. Lorí Val, Dr. PUCRS FAMAT: Departameto de Estatístca Estatístca: uma defção Coleç Coleção de ú úmeros estatí estatístcas O ú ú mero

Leia mais

Estatística - exestatmeddisper.doc 25/02/09

Estatística - exestatmeddisper.doc 25/02/09 Estatístca - exestatmeddsper.doc 5/0/09 Meddas de Dspersão Itrodução ão meddas estatístcas utlzadas para avalar o grau de varabldade, ou dspersão, dos valores em toro da méda. ervem para medr a represetatvdade

Leia mais

x n = n ESTATÍSTICA STICA DESCRITIVA Conjunto de dados: Organização; Amostra ou Resumo; Apresentação. População

x n = n ESTATÍSTICA STICA DESCRITIVA Conjunto de dados: Organização; Amostra ou Resumo; Apresentação. População ESTATÍSTICA STICA DESCRITIVA Prof. Lorí Val, Dr. val@mat.ufrgs.br http://.ufrgs.br/~val/ Orgazação; Resumo; Apresetação. Cojuto de dados: Amostra ou População Um cojuto de dados é resumdo de acordo com

Leia mais

50 Logo, Número de erros de impressão

50 Logo, Número de erros de impressão Capítulo 3 Problema. (a) Sedo o úmero médo de erros por pága, tem-se: 5 + + 3 + 3 + 4 33,66 5 5 Represetado o úmero medao de erros por md, tem-se, pela ordeação dos valores observados, que os valores de

Leia mais

Noções Básicas de Medidas e Algarismos Significativos

Noções Básicas de Medidas e Algarismos Significativos Noções Báscas de Meddas e Algarsmos Sgfcatvos Prof. Theo Z. Pava Departameto de Físca - Faculdade de Flosofa, Cêcas e Letras de Rberão Preto-USP Físca Acústca Motvações Quas são os padrões de meddas? Podemos

Leia mais

HIDROLOGIA E RECURSOS HÍDRICOS. Análise estatística aplicada à hidrologia

HIDROLOGIA E RECURSOS HÍDRICOS. Análise estatística aplicada à hidrologia Aálse estatístca aplcada à hdrologa. Séres hdrológcas oções complemetares HIDROLOGIA E RECURSOS HÍDRICOS Aálse estatístca aplcada à hdrologa O Egehero HIDRÁULICO Echerá? Que população pode abastecer e

Leia mais

Relatório 2ª Atividade Formativa UC ECS

Relatório 2ª Atividade Formativa UC ECS Relatóro 2ª Atvdade Formatva Eercíco I. Quado a dstrbução de dados é smétrca ou apromadamete smétrca, as meddas de localzação méda e medaa, cocdem ou são muto semelhates. O mesmo ão acotece quado a dstrbução

Leia mais

ANÁLISE DE REGRESSÃO E CORRELAÇÃO

ANÁLISE DE REGRESSÃO E CORRELAÇÃO ANÁLISE DE REGRESSÃO E CORRELAÇÃO Quado se cosderam oservações de ou mas varáves surge um poto ovo: O estudo das relações porvetura estetes etre as varáves. A aálse de regressão e correlação compreedem

Leia mais

Organização; Resumo; Apresentação.

Organização; Resumo; Apresentação. Prof. Lorí Val, Dr. val@ufrgs.br http://www.ufrgs.br/~val/ Grade Cojutos de Dados Orgazação; Resumo; Apresetação. Amostra ou População Defetos em uma lha de produção Lascado Deseho Torto Deseho Torto Lascado

Leia mais

Estatística: Aplicação ao Sensoriamento Remoto SER ANO Estimação Pontual

Estatística: Aplicação ao Sensoriamento Remoto SER ANO Estimação Pontual Estatístca: Aplcação ao Sesorameto Remoto SER 04 - ANO 08 Estmação Potual Camlo Daleles Reó camlo@dp.pe.br http://www.dp.pe.br/~camlo/estatstca/ Iferêca Estatístca Cosdere o expermeto: retram-se 3 bolas

Leia mais

Regressão Simples. Parte III: Coeficiente de determinação, regressão na origem e método de máxima verossimilhança

Regressão Simples. Parte III: Coeficiente de determinação, regressão na origem e método de máxima verossimilhança Regressão Smples Parte III: Coefcete de determação, regressão a orgem e método de máxma verossmlhaça Coefcete de determação Proporção da varabldade explcada pelo regressor. R Varação explcada Varação total

Leia mais

REGRESSÃO LINEAR 05/10/2016 REPRESENTAÇAO MATRICIAL. Y i = X 1i + 2 X 2i k X ni + i Y = X + INTRODUÇÃO SIMPLES MÚLTIPLA

REGRESSÃO LINEAR 05/10/2016 REPRESENTAÇAO MATRICIAL. Y i = X 1i + 2 X 2i k X ni + i Y = X + INTRODUÇÃO SIMPLES MÚLTIPLA REGRESSÃO LINEAR CUIABÁ, MT 6/ INTRODUÇÃO Relação dos valores da varável depedete (varável resposta) aos valores de regressoras ou exógeas). SIMPLES MÚLTIPLA (varáves depedetes,... =,,, K=,,, k em que:

Leia mais

5 Critérios para Análise dos Resultados

5 Critérios para Análise dos Resultados 5 Crtéros para Aálse dos Resultados Este capítulo tem por objetvos forecer os crtéros utlzados para aálse dos dados ecotrados a pesqusa, bem como uma vsão geral dos custos ecotrados e a forma de sua evolução

Leia mais

Distribuições de Probabilidades

Distribuições de Probabilidades Estatístca - aulasestdstrnormal.doc 0/05/06 Dstrbuções de Probabldades Estudamos aterormete as dstrbuções de freqüêcas de amostras. Estudaremos, agora, as dstrbuções de probabldades de populações. A dstrbução

Leia mais

ESTATÍSTICA APLICADA À ZOOTECNIA

ESTATÍSTICA APLICADA À ZOOTECNIA ESTATÍSTICA APLICADA À ZOOTECNIA Eucldes Braga MALHEIROS *. INTRODUÇÃO.a) Somatóras e Produtóros Sejam,, 3,...,, valores umércos. A soma desses valores (somatóra) pode ser represetada por: = = = =. e o

Leia mais

ANÁLISE DE ERROS. Todas as medidas das grandezas físicas deverão estar sempre acompanhadas da sua dimensão (unidades)! ERROS

ANÁLISE DE ERROS. Todas as medidas das grandezas físicas deverão estar sempre acompanhadas da sua dimensão (unidades)! ERROS ANÁLISE DE ERROS A oservação de um feómeo físco ão é completa se ão pudermos quatfcá-lo. Para é sso é ecessáro medr uma propredade físca. O processo de medda cosste em atrur um úmero a uma propredade físca;

Leia mais

Estudo das relações entre peso e altura de estudantes de estatística através da análise de regressão simples.

Estudo das relações entre peso e altura de estudantes de estatística através da análise de regressão simples. Estudo das relações etre peso e altura de estudates de estatístca através da aálse de regressão smples. Waessa Luaa de Brto COSTA 1, Adraa de Souza COSTA 1. Tago Almeda de OLIVEIRA 1 1 Departameto de Estatístca,

Leia mais

Em muitas situações duas ou mais variáveis estão relacionadas e surge então a necessidade de determinar a natureza deste relacionamento.

Em muitas situações duas ou mais variáveis estão relacionadas e surge então a necessidade de determinar a natureza deste relacionamento. Prof. Lorí Val, Dr. val@pucrs.r http://www.pucrs.r/famat/val/ Em mutas stuações duas ou mas varáves estão relacoadas e surge etão a ecessdade de determar a atureza deste relacoameto. A aálse de regressão

Leia mais

MÉTODO DOS MÍNIMOS QUADRADOS

MÉTODO DOS MÍNIMOS QUADRADOS MÉTODO DOS MÍNIMOS QUADRADOS I - INTRODUÇÃO O processo de medda costtu uma parte essecal a metodologa cetífca e também é fudametal para o desevolvmeto e aplcação da própra cêca. No decorrer do seu curso

Leia mais

7 Análise de covariância (ANCOVA)

7 Análise de covariância (ANCOVA) Plejameto de Expermetos II - Adlso dos Ajos 74 7 Aálse de covarâca (ANCOVA) 7.1 Itrodução Em algus expermetos, pode ser muto dfícl e até mpossível obter udades expermetas semelhtes. Por exemplo, pode-se

Leia mais

Média. Mediana. Ponto Médio. Moda. Itabira MEDIDAS DE CENTRO. Prof. Msc. Emerson José de Paiva 1 BAC011 - ESTATÍSTICA. BAC Estatística

Média. Mediana. Ponto Médio. Moda. Itabira MEDIDAS DE CENTRO. Prof. Msc. Emerson José de Paiva 1 BAC011 - ESTATÍSTICA. BAC Estatística BAC 0 - Estatístca Uversdade Federal de Itajubá - Campus Itabra BAC0 - ESTATÍSTICA ESTATÍSTICA DESCRITIVA MEDIDAS DE CENTRO Méda Medda de cetro ecotrada pela somatóra de todos os valores de um cojuto,

Leia mais

( ) ( IV ) n ( ) Escolha a alternativa correta: A. III, II, I, IV. B. II, III, I, IV. C. IV, III, I, II. D. IV, II, I, III. E. Nenhuma das anteriores.

( ) ( IV ) n ( ) Escolha a alternativa correta: A. III, II, I, IV. B. II, III, I, IV. C. IV, III, I, II. D. IV, II, I, III. E. Nenhuma das anteriores. Prova de Estatístca Epermetal Istruções geras. Esta prova é composta de 0 questões de múltpla escolha a respeto dos cocetos báscos de estatístca epermetal, baseada os lvros BANZATTO, A.D. e KRONKA, S.N.

Leia mais

Controle Estatístico de Qualidade. Capítulo 6 (montgomery)

Controle Estatístico de Qualidade. Capítulo 6 (montgomery) Cotrole Estatístco de Qualdade Capítulo 6 (motgomery) Gráfcos de Cotrole para Atrbutos Itrodução Mutas característcas da qualdade ão podem ser represetadas umercamete. Nestes casos, classfcamos cada tem

Leia mais

Análise Exploratória de Dados

Análise Exploratória de Dados Aálse Eploratóra de Dados Objetvos Aálse bvarada: uma varável qualtatva e uma quattatva: represetar grafcamete as duas varáves combadas; defr e calcular uma medda de assocação etre as varáves. Eemplo 1

Leia mais

UNIVERSIDADE FEDERAL DO ESPÍRITO SANTO CENTRO UNIVERSITÁRIO NORTE DO ESPÍRITO SANTO DEPARTAMENTO DE ENGENHARIAS E TECNOLOGIA Plano de Ensino

UNIVERSIDADE FEDERAL DO ESPÍRITO SANTO CENTRO UNIVERSITÁRIO NORTE DO ESPÍRITO SANTO DEPARTAMENTO DE ENGENHARIAS E TECNOLOGIA Plano de Ensino Plao de Eso Uversdade Federal do Espírto Sato Campus: São Mateus Curso: Egehara de Produção Departameto Resposável: Departameto de Egeharas e Tecologa Data de Aprovação (Art. º 91): Docete resposável:

Leia mais

2. MODELO DETALHADO: Relações de Recorrência. Exemplo: Algoritmo Recursivo para Cálculo do Fatorial Substituição Repetida

2. MODELO DETALHADO: Relações de Recorrência. Exemplo: Algoritmo Recursivo para Cálculo do Fatorial Substituição Repetida . MODELO DETALHADO: Relações de Recorrêca Exemplo: Algortmo Recursvo para Cálculo do Fatoral Substtução Repetda T T ( ) ( ) t 1, T ( + t, > T ( ) T ( + t T ( ) ( T( ) + t + t ) + t T ( ) T ( ) T ( ) +

Leia mais

Macroeconometria Aula 3 Revisão de estatística e teste de hipótese

Macroeconometria Aula 3 Revisão de estatística e teste de hipótese Macroecoometra 008. Aula 3 Revsão de estatístca e teste de hpótese 3.5. Estmação No estudo das probabldades, o objetvo é calcular a probabldade de evetos préespecfcados. De agora em date o objetvo muda.

Leia mais

Regressão. Pedro Paulo Balestrassi

Regressão. Pedro Paulo Balestrassi Regressão Pedro Paulo Balestrass www.pedro.ufe.edu.br ppbalestrass@gmal.com 5-696 / 88776958 (cel) Questoametos comus: Como mplemetar a equação Y=f(X) a partr de dados hstórcos ou epermetas? Como fazer

Leia mais

a) 1,8 e 4,6. b) 2,0 e 2,2. c) 1,8 e 5,2. d) 2,0 e 4,6. e) 2,0 e 1,9.

a) 1,8 e 4,6. b) 2,0 e 2,2. c) 1,8 e 5,2. d) 2,0 e 4,6. e) 2,0 e 1,9. Questão : As otas de dez aluos, um exame, estão dadas a segur:, 5, 8, 3, 6, 5, 8, 7, 6, 0 O desvo médo e a varâca dessas otas podem ser expressos, respectvamete, por: a),8 e 4,6 b),0 e, c),8 e 5, d),0

Leia mais

Apêndice 1-Tratamento de dados

Apêndice 1-Tratamento de dados Apêdce 1-Tratameto de dados A faldade deste apêdce é formar algus procedmetos que serão adotados ao logo do curso o que dz respeto ao tratameto de dados epermetas. erão abordados suctamete a propagação

Leia mais

Introdução à Teoria dos Números Notas 1 Os Princípios da Boa Ordem e de Indução Finita Prof Carlos Alberto S Soares

Introdução à Teoria dos Números Notas 1 Os Princípios da Boa Ordem e de Indução Finita Prof Carlos Alberto S Soares Itrodução à Teora dos Números 018 - Notas 1 Os Prcípos da Boa Ordem e de Idução Fta Prof Carlos Alberto S Soares 1 Prelmares Neste curso, prortaramete, estaremos trabalhado com úmeros teros mas, quado

Leia mais

Confiabilidade Estrutural

Confiabilidade Estrutural Professor Uversdade de Brasíla Departameto de Egehara Mecâca Programa de Pós graduação em Itegrdade Estrutural Algortmo para a Estmatva do Idce de Cofabldade de Hasofer-Ld Cofabldade Estrutural Jorge Luz

Leia mais

Tabela 1 Números de acidentes /mês no Cruzamento X em CG/07. N de acidentes / mês fi f

Tabela 1 Números de acidentes /mês no Cruzamento X em CG/07. N de acidentes / mês fi f Lsta de exercícos Gabarto e chave de respostas Estatístca Prof.: Nelse 1) Calcule 1, e para o segute cojuto de valores. A,1,8,0,11,,7,8,6,,9, 1 O úmero que correspode a 5% do rol é o valor. O úmero que

Leia mais

II. Propriedades Termodinâmicas de Soluções

II. Propriedades Termodinâmicas de Soluções II. Propredades Termodâmcas de Soluções 1 I. Propredades Termodâmcas de Fludos OBJETIVOS Eteder a dfereça etre propredade molar parcal e propredade de uma espéce pura Saber utlzar a equação de Gbbs-Duhem

Leia mais

ANÁLISE DE REGRESSÃO E CORRELAÇÃO

ANÁLISE DE REGRESSÃO E CORRELAÇÃO ANÁLISE DE REGRESSÃO E CORRELAÇÃO Quado se cosderam oservações de ou mas varáves surge um poto ovo: O estudo das relações porvetura estetes etre as varáves A aálse de regressão e correlação compreedem

Leia mais

Teoria Elementar da Probabilidade. a) Cada experiência poderá ser repetida indefinidamente sob condições essencialmente inalteradas.

Teoria Elementar da Probabilidade. a) Cada experiência poderá ser repetida indefinidamente sob condições essencialmente inalteradas. Estatístca 47 Estatístca 48 Teora Elemetar da Probabldade SPECTOS PERTINENTES À CRCTERIZÇÃO DE UM EXPERIÊNCI LETÓRI MODELOS MTEMÁTICOS DETERMINÍSTICOS PROBBILÍSTICOS PROCESSO (FENÓMENO) LETÓRIO - Quado

Leia mais

Faculdade de Tecnologia de Catanduva CURSO SUPERIOR DE TECNOLOGIA EM AUTOMAÇÃO INDUSTRIAL

Faculdade de Tecnologia de Catanduva CURSO SUPERIOR DE TECNOLOGIA EM AUTOMAÇÃO INDUSTRIAL Faculdade de Tecologa de Cataduva CURSO SUPERIOR DE TECNOLOGIA EM AUTOMAÇÃO INDUSTRIAL 5. Meddas de Posção cetral ou Meddas de Tedêca Cetral Meddas de posção cetral preocupam-se com a caracterzação e a

Leia mais

Estatística Básica - Continuação

Estatística Básica - Continuação Professora Adraa Borsso http://www.cp.utfpr.edu.br/borsso adraaborsso@utfpr.edu.br COEME - Grupo de Matemátca Meddas de Varabldade ou Dspersão Estatístca Básca - Cotuação As meddas de tedêca cetral, descrtas

Leia mais

? Isso é, d i= ( x i. . Percebeu que

? Isso é, d i= ( x i. . Percebeu que Estatístca - Desvo Padrão e Varâca Preparado pelo Prof. Atoo Sales,00 Supoha que tehamos acompahado as otas de quatro aluos, com méda 6,0. Aluo A: 4,0; 6,0; 8,0; méda 6,0 Aluo B:,0; 8,0; 8,0; méda 6,0

Leia mais

Modelos de Regressão Linear Simples e Múltipla. Fabio Antonio Avilla (Matemática) Profª Dra. Carine Savalli Redígolo (Orientadora)

Modelos de Regressão Linear Simples e Múltipla. Fabio Antonio Avilla (Matemática) Profª Dra. Carine Savalli Redígolo (Orientadora) Modelos de Regressão Lear Smples e Múltpla Fabo Atoo Avlla (Matemátca) Profª Dra. Care Savall Redígolo (Oretadora) Resumo Dversas áreas do cohecmeto cetífco procuram valdar suas hpóteses por meo de pesqusas

Leia mais

ESTATÍSTICA Exame Final 1ª Época 3 de Junho de 2002 às 14 horas Duração : 3 horas

ESTATÍSTICA Exame Final 1ª Época 3 de Junho de 2002 às 14 horas Duração : 3 horas Faculdade de cooma Uversdade Nova de Lsboa STTÍSTIC xame Fal ª Época de Juho de 00 às horas Duração : horas teção:. Respoda a cada grupo em folhas separadas. Idetfque todas as folhas.. Todas as respostas

Leia mais

6.1 - PROCEDIMENTO DE AVALIAÇÃO DE INCERTEZA EM MEDIÇÕES DIRETAS

6.1 - PROCEDIMENTO DE AVALIAÇÃO DE INCERTEZA EM MEDIÇÕES DIRETAS 7 6 - PROCEDIMENTO DE AVALIAÇÃO DE INCERTEZA EM MEDIÇÕES DIRETAS A medção dreta é aquela cuja dcação resulta aturalmete da aplcação do sstema de medção sobre o mesurado Há apeas uma gradeza de etrada evolvda

Leia mais

MEDIDAS DE DISPERSÃO:

MEDIDAS DE DISPERSÃO: MEDID DE DIPERÃO: fução dessas meddas é avalar o quato estão dspersos os valores observados uma dstrbução de freqüêca ou de probabldades, ou seja, o grau de afastameto ou de cocetração etre os valores.

Leia mais

Tópicos Extras 2ª parte. Análise de Correlação e Regressão

Tópicos Extras 2ª parte. Análise de Correlação e Regressão Tópcos Extras ª parte Aálse de Correlação e Regressão 1 Defções báscas ANÁLISE DE CORRELAÇÃO Mesurar a força da assocação etre as varáves (geralmete através do cálculo de algum coefcete). ANÁLISE DE REGRESSÃO

Leia mais

Estatística Descritiva. Medidas estatísticas: Localização, Dispersão

Estatística Descritiva. Medidas estatísticas: Localização, Dispersão Estatístca Descrtva Meddas estatístcas: Localzação, Dspersão Meddas estatístcas Localzação Dspersão Meddas estatístcas - localzação Méda artmétca Dados ão agrupados x x Dados dscretos agrupados x f r x

Leia mais

Conceitos básicos de metrologia. Prof. Dr. Evandro Leonardo Silva Teixeira Faculdade UnB Gama

Conceitos básicos de metrologia. Prof. Dr. Evandro Leonardo Silva Teixeira Faculdade UnB Gama Prof. Dr. Evadro Leoardo Slva Teera Faculdade UB Gama Metrologa: Cêca que abrage os aspectos teórcos e prátcos relatvos a medção; Descreve os procedmetos e métodos para determar as certezas de medções;

Leia mais

DISTRIBUIÇÃO HIPERGEOMÉTRICA

DISTRIBUIÇÃO HIPERGEOMÉTRICA 7 DISTRIBUIÇÃO HIPERGEOMÉTRICA Cosdere-se uma população fta costtuída por N elemetos dstrbuídos por duas categoras eclusvas e eaustvas de dmesões M e N M, respectvamete. Os elemetos da prmera categora

Leia mais

É o grau de associação entre duas ou mais variáveis. Pode ser: correlacional ou experimental.

É o grau de associação entre duas ou mais variáveis. Pode ser: correlacional ou experimental. Prof. Lorí Val, Dr. val@mat.ufrgs.br http://www.mat.ufrgs.br/~val/ É o grau de assocação etre duas ou mas varáves. Pode ser: correlacoal ou expermetal. Numa relação expermetal os valores de uma das varáves

Leia mais

A análise de variância de uma classificação (One-Way ANOVA) verifica se as médias de k amostras independentes (tratamentos) diferem entre si.

A análise de variância de uma classificação (One-Way ANOVA) verifica se as médias de k amostras independentes (tratamentos) diferem entre si. Prof. Lorí Va, Dr. http://www. ufrgs.br/~va/ va@mat.ufrgs.br aáse de varâca de uma cassfcação (Oe-Way NOV) verfca se as médas de amostras depedetes (tratametos) dferem etre s. Um segudo tpo de aáse de

Leia mais

Forma padrão do modelo de Programação Linear

Forma padrão do modelo de Programação Linear POGAMAÇÃO LINEA. Forma Padrão do Modelo de Programação Lear 2. elações de Equvalêca 3. Suposções da Programação Lear 4. Eemplos de Modelos de PPL 5. Suposções da Programação Lear 6. Solução Gráfca e Iterpretação

Leia mais

Estimação pontual, estimação intervalar e tamanho de amostras

Estimação pontual, estimação intervalar e tamanho de amostras Estmação potual, estmação tervalar e tamaho de amostras Iferêca: por meo das amostras, cohecer formações geras da população. Problemas de ferêca, em geral, se dvdem em estmação de parâmetros e testes de

Leia mais

CEDEPLAR - UFMG Nivelamento em Estatística 2013 Prof a Sueli Moro. Variáveis aleatórias

CEDEPLAR - UFMG Nivelamento em Estatística 2013 Prof a Sueli Moro. Variáveis aleatórias CEDEPLAR - UFMG Nvelameto em Estatístca 3 Prof a Suel Moro Varáves aleatóras Varável aleatóra resultado ou produto de um epermeto aleatóro com um resultado úco. Varável resultado = Espaço amostral cojuto

Leia mais

CAPÍTULO 3 MEDIDAS DE TENDÊNCIA CENTRAL E VARIABILIDADE PPGEP Medidas de Tendência Central Média Aritmética para Dados Agrupados

CAPÍTULO 3 MEDIDAS DE TENDÊNCIA CENTRAL E VARIABILIDADE PPGEP Medidas de Tendência Central Média Aritmética para Dados Agrupados 3.1. Meddas de Tedêca Cetral CAPÍTULO 3 MEDIDA DE TENDÊNCIA CENTRAL E VARIABILIDADE UFRG 1 Há váras meddas de tedêca cetral. Etre elas ctamos a méda artmétca, a medaa, a méda harmôca, etc. Cada uma dessas

Leia mais

Capítulo 5: Ajuste de curvas pelo método dos mínimos quadrados

Capítulo 5: Ajuste de curvas pelo método dos mínimos quadrados Capítulo : Ajuste de curvas pelo método dos mímos quadrados. agrama de dspersão No capítulo ateror estudamos uma forma de ldar com fuções matemátcas defdas por uma taela de valores. Frequetemete o etato

Leia mais

( k) Tema 02 Risco e Retorno 1. Conceitos Básicos

( k) Tema 02 Risco e Retorno 1. Conceitos Básicos FEA -USP Graduação Cêcas Cotábes EAC05 04_0 Profa. Joaíla Ca. Rsco e Retoro. Cocetos Báscos Rotero BE-cap.6 Tema 0 Rsco e Retoro. Cocetos Báscos I. O que é Retoro? II. Qual é o Rsco de um Atvo Idvdual

Leia mais

Prof. Lorí Viali, Dr. PUCRS FAMAT: Departamento de Estatística Prof. Lorí Viali, Dr. PUCRS FAMAT: Departamento de Estatística

Prof. Lorí Viali, Dr. PUCRS FAMAT: Departamento de Estatística Prof. Lorí Viali, Dr. PUCRS FAMAT: Departamento de Estatística Prof. Lorí Val, Dr. http://www.pucrs.br/famat/val/ val@pucrs.br Prof. Lorí Val, Dr. PUCRS FAMAT: Departameto de Estatístca Prof. Lorí Val, Dr. PUCRS FAMAT: Departameto de Estatístca Obetvos A Aálse de

Leia mais

Critérios de correção e orientações de resposta exame

Critérios de correção e orientações de resposta exame Mstéro da Cêca, Tecologa e Eso Superor U.C. 1037 Elemetos de Probabldade e Estatístca 1 de Juho de 011 Crtéros de correção e oretações de resposta eame Neste relatóro apresetam-se os crtéros e um eemplo

Leia mais

Estatística: uma definição

Estatística: uma definição Prof. Lorí Val, Dr. val@ufrgs.br http://www.ufrgs.br/~val/ Estatístca: uma defção Coleção de úmeros estatístcas O úmero de carros veddos o país aumetou em 30%. A taa de desemprego atge, este mês, 7,5%.

Leia mais

Estatística: uma definição

Estatística: uma definição Estatístca: uma defção Coleção de úmeros estatístcas O úmero de aumetou em 30%. carros veddos o país A taa de desemprego atge, este mês, 7,5%. As ações da Telebrás subram R$,5, hoje. Resultados do Caraval

Leia mais

ESTATÍSTICA Aula 7. Prof. Dr. Marco Antonio Leonel Caetano

ESTATÍSTICA Aula 7. Prof. Dr. Marco Antonio Leonel Caetano ESTATÍSTICA Aula 7 Prof. Dr. Marco Atoo Leoel Caetao Dstrbuções de Probabldade DISCRETAS CONTÍNUAS (Números teros) Bomal Posso Geométrca Hper-Geométrca Pascal (Números reas) Normal t-studet F-Sedecor Gama

Leia mais

Regressao Simples. Parte II: Anova, Estimação Intervalar e Predição

Regressao Simples. Parte II: Anova, Estimação Intervalar e Predição egressao Smples Parte II: Aova, Estmação Itervalar e Predção Aálse de Varâca Nem todos os valores das amostras estão cotdos a reta de regressão, e quato mas afastados estverem por, a reta represetará a

Leia mais

Apostila de Introdução Aos Métodos Numéricos

Apostila de Introdução Aos Métodos Numéricos Apostla de Itrodução Aos Métodos Numércos PARTE III o Semestre - Pro a. Salete Souza de Olvera Buo Ídce INTERPOAÇÃO POINOMIA...3 INTRODUÇÃO...3 FORMA DE AGRANGE... 4 Iterpolação para potos (+) - ajuste

Leia mais

Ivan G. Peyré Tartaruga. 1 Metodologia espacial

Ivan G. Peyré Tartaruga. 1 Metodologia espacial RELATÓRIO DE PESQUISA 5 Procedmetos o software ArcGIS 9. para elaborar os mapas da Regão Metropoltaa de Porto Alegre RMPA com as elpses de dstrbução drecoal etre 99 e 000 Iva G. Peré Tartaruga Metodologa

Leia mais

Aula de Hoje. Introdução a Sistemas Inteligentes. Redes RBF. Redes RBF. Tópicos em Redes Neurais II: Redes Neurais RBF 1ª Parte

Aula de Hoje. Introdução a Sistemas Inteligentes. Redes RBF. Redes RBF. Tópicos em Redes Neurais II: Redes Neurais RBF 1ª Parte Itrodução a Sstemas Itelgetes ópcos em Redes Neuras II: Redes Neuras RBF ª Parte Prof. Rcardo J. G. B. Campello Aula de Hoje Neurôos de Resposta Radal Modelos Neuras RBF Úca Saída Múltplas Saídas Represetação

Leia mais

Parte 3 - Regressão linear simples

Parte 3 - Regressão linear simples Parte 3 - Regressão lear smples Defção do modelo Modelo de regressão empregado para eplcar a relação lear etre duas varáves (ajuste de uma reta). O modelo de regressão lear smples pode ser epresso a forma:

Leia mais

Prof. Janete Pereira Amador 1

Prof. Janete Pereira Amador 1 Prof. Jaete Perera Amador 1 1 Itrodução Mutas stuações cotdaas podem ser usadas como expermeto que dão resultados correspodetes a algum valor, e tas stuações podem ser descrtas por uma varável aleatóra.

Leia mais

Ao se calcular a média, moda e mediana, temos: Quanto mais os dados variam, menos representativa é a média.

Ao se calcular a média, moda e mediana, temos: Quanto mais os dados variam, menos representativa é a média. Estatístca Dscplna de Estatístca 0/ Curso de Admnstração em Gestão Públca Profª. Me. Valéra Espíndola Lessa e-mal: lessavalera@gmal.com Meddas de Dspersão Indcam se os dados estão, ou não, prómos uns dos

Leia mais

Econometria: 4 - Regressão Múltipla em Notação Matricial

Econometria: 4 - Regressão Múltipla em Notação Matricial Ecoometra: 4 - Regressão últpla em Notação atrcal Prof. arcelo C. ederos mcm@eco.puc-ro.br Prof. arco A.F.H. Cavalcat cavalcat@pea.gov.br Potfíca Uversdade Católca do Ro de Jaero PUC-Ro Sumáro O modelo

Leia mais

Dados Experimentais. Isto é chamado de experimento controlado. Uma das vantagens

Dados Experimentais. Isto é chamado de experimento controlado. Uma das vantagens Dados xpermetas Para medr a produção de certa varedade de mlho, faremos um expermeto o qual a varedade de mlho semete é platada em váras parcelas homogêeas com o mesmo fertlzate, pestcda etc. Depos mede-se

Leia mais

16/03/2014. IV. Juros: taxa efetiva, equivalente e proporcional. IV.1 Taxa efetiva. IV.2 Taxas proporcionais. Definição:

16/03/2014. IV. Juros: taxa efetiva, equivalente e proporcional. IV.1 Taxa efetiva. IV.2 Taxas proporcionais. Definição: 6// IV. Juros: taxa efetva, equvalete e proporcoal Matemátca Facera Aplcada ao Mercado Facero e de Captas Professor Roaldo Távora IV. Taxa efetva Defção: É a taxa de juros em que a udade referecal de seu

Leia mais

MEDIDAS DE DISPERSÃO 9. MEDIDAS DE DISPERSÃO

MEDIDAS DE DISPERSÃO 9. MEDIDAS DE DISPERSÃO Núcleo das Cêcas Bológcas e da Saúde Cursos de Bomedca, Ed. Físca, Efermagem, Farmáca, Fsoterapa, Fooaudologa, Medca Veterára, Muscoterapa, Odotologa, Pscologa MEDIDAS DE DISPERSÃO 9 9. MEDIDAS DE DISPERSÃO

Leia mais

CONHECIMENTOS ESPECÍFICOS

CONHECIMENTOS ESPECÍFICOS CONHECIMENTOS ESPECÍFICOS Uma uversdade oferece um curso para capactação profssoal de joves caretes. Ao fal do curso, cada jovem partcpate será avalado por meo de uma prova teórca e de uma prova prátca,

Leia mais

A REGRESSÃO LINEAR EM EVENTOS HIDROLÓGICOS EXTREMOS: enchentes

A REGRESSÃO LINEAR EM EVENTOS HIDROLÓGICOS EXTREMOS: enchentes Mostra Nacoal de Icação Cetífca e Tecológca Iterdscplar VI MICTI Isttuto Federal Catarese Câmpus Camború 30 a 3 de outubro de 03 A REGRESSÃO LINEAR EM EVENTOS HIDROLÓGICOS EXTREMOS: echetes Ester Hasse

Leia mais

Total Bom Ruim Masculino

Total Bom Ruim Masculino UNIDADE I - ESTUDO DIRIGIDO Questão - Classfque as varáves em qualtatva (omal ou ordal ou quattatva (cotíua ou dscreta: a. População: aluos de uma Uversdade. Varável: cor dos cabelos (louro, castaho, ruvo,

Leia mais

Revisão/Resumo de Análise Estatística I e Introdução à Tecnologia da Amostragem I

Revisão/Resumo de Análise Estatística I e Introdução à Tecnologia da Amostragem I Dscpla: Tecologa da Amostragem I Professor: Marcelo Rubes Revsão/Resumo de Aálse Estatístca I e Itrodução à Tecologa da Amostragem I 1 - Modelos Estatístcos/Probablístcos São modelos que se aplcam quado

Leia mais

Difusão entre Dois Compartimentos

Difusão entre Dois Compartimentos 59087 Bofísca II FFCLRP USP Prof. Atôo Roque Aula 4 Dfusão etre Dos Compartmetos A le de Fck para membraas (equação 4 da aula passada) mplca que a permeabldade de uma membraa a um soluto é dada pela razão

Leia mais

Ao se calcular a média, moda e mediana, temos: Quanto mais os dados variam, menos representativa é a média.

Ao se calcular a média, moda e mediana, temos: Quanto mais os dados variam, menos representativa é a média. Estatístca Dscplna de Estatístca 0/ Curso Superor de tecnólogo em Gestão Ambental Profª. Me. Valéra Espíndola Lessa e-mal: lessavalera@gmal.com Meddas de Dspersão Indcam se os dados estão, ou não, prómos

Leia mais

Perguntas Freqüentes - Bandeiras

Perguntas Freqüentes - Bandeiras Pergutas Freqüetes - Baderas Como devo proceder para prestar as formações de quatdade e valor das trasações com cartões de pagameto, os casos em que o portador opte por lqudar a obrgação de forma parcelada

Leia mais

Arquitetura da ART Controle 1 Controle 2

Arquitetura da ART Controle 1 Controle 2 Teora de Ressoâca Adaptatva - ART Arqutetura da ART Cotrole Cotrole 2 Desevolvda por Carpeter e Grossberg como uma alteratva para resolver o dlema establdade-plastcdade (rede ão aprede ovos padrões). Realme

Leia mais

ESTATÍSTICA MÓDULO 3 MEDIDAS DE TENDÊNCIA CENTRAL

ESTATÍSTICA MÓDULO 3 MEDIDAS DE TENDÊNCIA CENTRAL ESTATÍSTICA MÓDULO 3 MEDIDAS DE TEDÊCIA CETRAL Ídce. Meddas de Tedêca Cetral...3 2. A Méda Artmétca Smles ( μ, )...3 3. A Méda Artmétca Poderada...6 Estatístca Módulo 3: Meddas de Tedêca Cetral 2 . MEDIDAS

Leia mais

Estatística. 2 - Estatística Descritiva

Estatística. 2 - Estatística Descritiva Estatístca - Estatístca Descrtva UNESP FEG DPD Prof. Edgard - 0 0- ESTATÍSTICA DESCRITIVA Possblta descrever as Varáves: DESCRIÇÃO GRÁFICA MEDIDAS DE POSIÇÃO MEDIDAS DE DISPERSÃO MEDIDAS DE ASSIMETRIA

Leia mais

TEORIA DE ERROS MEDIDAS E GRÁFICOS

TEORIA DE ERROS MEDIDAS E GRÁFICOS Uversdade Federal de Juz de Fora Isttuto de Cêcas Eatas Departameto de Físca TEORIA DE ERROS MEDIDAS E GRÁFICOS Prof. Carlos R. A. Lma Edção Março de 010 ÌNDICE CAPÍTULO 1 - PRINCÍPIOS BÁSICOS DA ESTATÍSTICA

Leia mais

( ) Editora Ferreira - Toque de Mestre. Olá Amigos!

( ) Editora Ferreira - Toque de Mestre. Olá Amigos! Olá Amgos! Hoje coloco à dsposção de vocês aqu a seção Toque de Mestre da Edtora Ferrera (www.edtoraferrera.com.br) as questões de Matemátca Facera cobradas o últmo cocurso da axa Ecoômca Federal (EF),

Leia mais

INFERÊNCIA ESTATÍSTICA PARA DUAS POPULAÇÕES

INFERÊNCIA ESTATÍSTICA PARA DUAS POPULAÇÕES INFERÊNCIA ESTATÍSTICA PARA DUAS POPULAÇÕES . Populações depedetes co dstrbução oral População População,, Y,,Y ~ N, Y ~ N, Y ~ N, Obs. Se a dstrbução de e/ou Y ão for oral, os resultados são váldos aproxadaete.

Leia mais

x Ex: A tabela abaixo refere-se às notas finais de três turmas de estudantes. Calcular a média de cada turma:

x Ex: A tabela abaixo refere-se às notas finais de três turmas de estudantes. Calcular a média de cada turma: Professora Jaete Perera Amador 1 9 Meddas Descrtvas Vmos aterormete que um cojuto de dados pode ser resumdo através de uma dstrbução de freqüêcas, e que esta pode ser represetada através de uma tabela

Leia mais

MA12 - Unidade 4 Somatórios e Binômio de Newton Semana de 11/04 a 17/04

MA12 - Unidade 4 Somatórios e Binômio de Newton Semana de 11/04 a 17/04 MA1 - Udade 4 Somatóros e Bômo de Newto Semaa de 11/04 a 17/04 Nesta udade troduzremos a otação de somatóro, mostrado como a sua mapulação pode sstematzar e facltar o cálculo de somas Dada a mportâca de

Leia mais