6. Medidas de assimetria e curtose

Tamanho: px
Começar a partir da página:

Download "6. Medidas de assimetria e curtose"

Transcrição

1 6. Meddas de assetra e curtose 0

2 6.. Meddas de assetra Ua varável aleatóra cotíua X te dstrbução sétrca (syetrc) e relação a u valor 0 se f( 0 a) f( 0 + a), para todo a. Dstrbuções sétrcas: f() f() Obs. M 0. Moda e éda ão ecessaraete são guas a 0. f() f()

3 Dstrbuções assétrcas: f() f() f() f()

4 Relação etre oda, edaa e éda Supoos que a dstrbução é uodal e que a éda este. Dstrbução sétrca: oda edaa éda.

5 Relação etre oda, edaa e éda Dstrbução assétrca à dreta ou assétrca postva (rght skewed ou postve skewed): éda > edaa > oda. Cauda dreta (rght tal) é as loga.

6 Relação etre oda, edaa e éda Dstrbução assétrca à esquerda ou assétrca egatva (left skewed ou egatve skewed): éda < edaa < oda. Cauda esquerda (left tal) é as loga. Obs. Depededo do autor, há troca de esquerda por dreta.

7 U cojuto de dados,,..., é sétrco e relação a 0 se para todo j este k tal que j 0 - ( k 0 ), j k. Desta fora, Pela setra, M 0. ( ) 0. Logo, 0 0 Eeplo. (, 6, 6,, 0, 60, 68, 7, 7, 76) é sétrco e relação a Meddas de assetra. Quatfcação da falta de setra de,,...,. Redução (drástca) de observações a u só valor. Assue valores reas. Medda 0: dcatvo de setra. Obs. Dados obtdos de ua varável aleatóra X sétrca ão ecessaraete são sétrcos..

8 Assetra e cojutos de dados Aproadaete sétrco Assetra postva Desdade Desdade Assetra egatva Desdade Desdade

9 6... Medda de assetra de Pearso Utlza a relação etre oda, edaa e éda e dstrbuções uodas. g Mo s Requer o cálculo da oda (Mo). É adesoal. Moetos. Dados:,,...,.. Moeto de orde k e relação à orge ou oeto ão cetral (raw ou crude oet): k k, k 0,,,..., Moeto cetral de orde k (cetral oet): k ( ) k, k 0,,,..., sedo que 0 e sedo que e 0 0.

10 Obs. ( ) s /. Relação etre os oetos:. 6 e, e, Se ua varável aleatóra X te dstrbução sétrca, seus oetos cetras de orde k ípar, se estre, são todos ulos: E[(X - µ)] k 0, sedo que µ E(X). Sedo ass, podeos utlzar o o oeto cetral para propor ua edda de assetra. Obs. E[(X - µ)] 0 ão plca que a dstrbução de X é sétrca.

11 6... Assetra (skewess). ) ( ) ( / / g Propredades. () g é adesoal e () g é u úero real. 6.. Meddas de curtose E dstrbuções uodas, a curtose (kurtoss) está assocada ao achataeto da dstrbução. Característca do pco da dstrbução (degree of peakedess). No caso de ua varável aleatóra cotíua uodal, a curtose dz respeto à fora de f() e toro de sua oda (que pode cocdr co a éda e a edaa).

12 Dstrbuções sétrcas co édas e varâcas guas: f() Dfereças quato ao afastaeto e relação à éda, as que ão são captadas pela varâca. Este fato sugere utlzaros o o oeto cetral para quatfcar estas dfereças.

13 Dstrbuções platcúrtcas, esocúrtcas e leptocúrtcas Platcúrtca (platykurtc): caudas curtas ou leves (short ou lght ou th). Leptocúrtca (leptokurtc): caudas logas ou pesadas (log ou heavy ou thck ou fat). Fote. Buler, M. G. (979), Prcples of Statstcs, Dover: New York. Mesocúrtca (esokurtc): caudas eutras (e curtas e e logas).

14 . ) ( ) ( g Curtose (kurtoss) Propredades. () g é adesoal e () g > 0. Obs. Se X ~ N(µ, σ ), etão E[(X µ) ] / {E[(X µ) ]} E[(X µ) ] / σ. Mutas vezes a curtose é epressa coo g e g (ecess). Platcúrtca: g e < 0. Mesocúrtca: g e 0. Leptocúrtca: g e > 0.

15 Dstrbuções sétrcas co édas e varâcas guas: f() Platcúrtca (< 0) Mesocúrtca (0) Leptocúrtca (> 0) 6 8 0

16 Moetos e R Pacote oets > lbrary(oets) Eeplo., 0,,7, -, e são os oetos cetras até orde de u cojuto de dados co éda,8. > oc c(, 0,.7, -., ) > b.8 > (o0 cetralraw(oc, b)) [] (oetos ão cetras) Fução rawcetral: coverte oetos ão cetras e cetras. > o0 c(.0,.5,., 8., 7.0) > (oc rawcetral(o0)) [] (oetos cetras)

17 Moetos e R 0 observações c(.88,.6,.8, 5.9, 9.7,.50, 6.5,.09,.6, 9.79,.6, 9.9, 9.,.7,.8,.75, 8.77, 0.8, 0.5, 8., 8.7, 0.5, 0.60, 9.99,.56, 5.59, 0.66,.76,.5,.77,.5, 0.5, 0.0,.5, 7.69,.8,.0,.97, 0.8,.78) > boplot(, horzotal TRUE, lab "X") > rug() Moeto ão cetral de orde : > oet(, order, cetral FALSE) [] Moetos cetras até orde : Qual o resultado de ea(^)? > (o all.oets(, order.a, cetral TRUE))

18 Assetra e curtose e R Pacote oets > skewess() [] Qual o resultado de o[] / o[]^.5? > kurtoss() [].08 Qual o resultado de o[5] / o[]^? > kurtoss() - [] 0.08 > hst(, a "", lab "", freq FALSE, ylab "Desdade") > rug() > les(desty(), col "blue") Desdade

19 Dados faltates (ssg data) e R Observações dspoíves por algu otvo. E R: NA (ot avalable). 0 (?) observações c(.88, NA,.8, 5.9, 9.7,.50, 6.5,.09,.6, 9.79,.6, 9.9, 9.,.7,.8,.75, NA, 0.8, 0.5, 8., 8.7, 0.5, 0.60, 9.99,.56, 5.59, 0.66,.76,.5, NA,.5, 0.5, 0.0,.5, 7.69,.8,.0,.97, 0.8,.78) > suary() > whch(s.a()) [] 7 0 > ea() [] NA > kurtoss() [] NA > ea(, a.r TRUE) [].5568 > kurtoss(, a.r TRUE) [].897 Substtução dos faltates pela éda: > s.a() ea(, a.r TRUE)

6. Medidas de assimetria e curtose

6. Medidas de assimetria e curtose 6 Medidas de assietria e curtose 00 6 Medidas de assietria Ua variável aleatória cotíua X te distribuição siétrica (syetric) e relação a u valor 0 se f( 0 a) f( 0 + a), para todo a Distribuições siétricas:

Leia mais

1. Dispersão. 2. Assimetria e Curtose. 3. Concentração e desigualdade

1. Dispersão. 2. Assimetria e Curtose. 3. Concentração e desigualdade Aula Prática 2 2012 1. Dispersão 2. Assimetria e Curtose 3. Concentração e desigualdade 1. Dispersão Gráfico de caias (bo plot, caia-de-bigodes, bo-and-whisker plot) Valor adjacente inferior: menor valor

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

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: uma definição

Estatística: uma definição Prof. Lorí Val, Dr. val@at.ufrgs.br http://.at.ufrgs.br/~val/ Estatístca: ua defção Coleção de úeros estatístcas O úero de carros veddos o país auetou e 30%. A taa de deseprego atge, este ês, 7,%. As ações

Leia mais

Estatística: uma definição

Estatística: uma definição Prof. Lorí Val, Dr. val@pucrs.br http://.pucrs.br/faat/val/ Estatístca: ua defção Coleção de úeros estatístcas O úero de carros veddos auetou e 30%. o país A taa de deseprego atge, este ês, 7,%. As ações

Leia mais

A ciência de coletar, organizar, apresentar, analisar e interpretar dados numéricos com o objetivo de tomar melhores decisões.

A ciência de coletar, organizar, apresentar, analisar e interpretar dados numéricos com o objetivo de tomar melhores decisões. Prof. Lorí Val, Dr. val@at.ufrgs.br http://.at.ufrgs.br/~val/ Coleção de úeros estatístcas stcas O úero de carros veddos o país auetou e 30%. A taa de deseprego atge, este ês, 7,%. As ações a da Telebrás

Leia mais

Bioestatística Curso de Saúde. Linha Reta 2 Parábola ou curva do segundo grau. terceiro grau curva do quarto. grau curva de grau n Hipérbole

Bioestatística Curso de Saúde. Linha Reta 2 Parábola ou curva do segundo grau. terceiro grau curva do quarto. grau curva de grau n Hipérbole Teora da Correlação: Probleas relatvos à correlação são aqueles que procura estabelecer quão be ua relação lear ou de outra espéce descreve ou eplca a relação etre duas varáves. Se todos os valores as

Leia mais

A ciência de coletar, organizar, apresentar, analisar e interpretar dados numéricos com o objetivo de tomar melhores decisões.

A ciência de coletar, organizar, apresentar, analisar e interpretar dados numéricos com o objetivo de tomar melhores decisões. .pucrs.br/faat/val/.at.ufrgs.br/~val/ Prof. Lorí Val, Dr. val@at.ufrgs.br val@pucrs.br Coleção de úeros estatístcas O úe ro de carros ve ddos o país auetou e 30%. A taa de deseprego atge, este ês, 7,%.

Leia mais

Tratamento de Dados 2º Semestre 2005/2006 Tópicos de Resolução do Trabalho 1

Tratamento de Dados 2º Semestre 2005/2006 Tópicos de Resolução do Trabalho 1 Trataento de Dados º Seestre 5/6 Tópcos de Resolução do Trabalho. a) A éda, para dados não classfcados, é calculada a partr da segunte expressão: x x 57,75,555 Dado que a densão da aostra é par,, a edana

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

Introdução à Estatística. Júlio Cesar de C. Balieiro 1

Introdução à Estatística. Júlio Cesar de C. Balieiro 1 Itrodução à Estatístca Júlo Cesar de C. Balero Estatístca É a cêca que se preocupa com: () Orgazação; () Descrção; () Aálses; (v) Iterpretações. Estatístca Descrtva Estatístca Idutva ou Estatístca Ierecal

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

Introdução à Estatística

Introdução à Estatística Itrodução à Estatístca Júlo Cesar de C. Balero Estatístca É a cêca que se preocupa com: () Orgazação; () Descrção; () Aálses; (v) Iterpretações. Estatístca Descrtva Estatístca Idutva ou Estatístca Ierecal

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

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

Consideremos a fórmula que nos dá a área de um triângulo: = 2

Consideremos a fórmula que nos dá a área de um triângulo: = 2 6. Cálculo Derecal e IR 6.. Fução Real de Varáves Reas Cosdereos a órula que os dá a área de u trâulo: b h A( b h) Coo podeos vercar a área de u trâulo depede de duas varáves: base (b) e altura (h) Podeos

Leia mais

Representação dos padrões. Tipos de atributos. Etapas do processo de agrupamento. 7.1 Agrupamento clássico. 7. Agrupamento fuzzy (fuzzy clustering)

Representação dos padrões. Tipos de atributos. Etapas do processo de agrupamento. 7.1 Agrupamento clássico. 7. Agrupamento fuzzy (fuzzy clustering) 7. Agrupaeto fuzzy (fuzzy clusterg) 7. Agrupaeto clássco Agrupaeto é a classfcação ão-supervsoada de padrões (observações, dados, objetos, eeplos) e grupos (clusters). Itutvaete, padrões seelhates deve

Leia mais

Revisão de Estatística X = X n

Revisão de Estatística X = X n Revsão de Estatístca MÉDIA É medda de tedêca cetral mas comumete usada ara descrever resumdamete uma dstrbução de freqüêca. MÉDIA ARIMÉTICA SIMPLES São utlzados os valores do cojuto com esos guas. + +...

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

3- Autovalores e Autovetores.

3- Autovalores e Autovetores. MÉTODOS NUMÉRICOS PARA EQUAÇÕES DIFERENCIAIS PARCIAIS - Autovalores e Autovetores..- Autovetores e Autovalores de ua Matrz..- Métodos para ecotrar os Autovalores e Autovetores de ua Matrz. Cotuação da

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

Descritiva. Francisco Cysneiros DE - UFPE

Descritiva. Francisco Cysneiros DE - UFPE Noções de Estatístca Descrtva Dr. Fracsco Cyseros Profº. Adjuto do Departameto de Estatístca-CCEN/UFPE E-mal: cyseros@de.ufpe.br web-page: www.de.ufpe.br/~cyseros/dscpla/farmaca/farmaca.htm Foe: (8) 6

Leia mais

Avaliação da qualidade do ajuste

Avaliação da qualidade do ajuste Avalação da qualdade do ajuste 1 Alguma termologa: Modelo ulo: é o modelo mas smples que pode ser defdo, cotedo um úco parâmetro ( µ) comum a todos os dados; Modelo saturado: é o modelo mas complexo a

Leia mais

Medidas de Tendência Central

Medidas de Tendência Central Meddas de Tedêca Cetral Meddas de tedêca cetral dã valr d pt e tr d qual s dads se dstrbue. Ex: Méda Artétca, edaa e a da. Pdes calcular essas eddas para dads: 1. ã agrupads; 2. agrupads se tervals de

Leia mais

Capítulo 2. Aproximações de Funções

Capítulo 2. Aproximações de Funções EQE-358 MÉTODOS NUMÉRICOS EM ENGENHARIA QUÍMICA PROFS. EVARISTO E ARGIMIRO Capítulo Aproações de Fuções Há bascaete dos tpos de probleas de aproações: ) ecotrar ua fução as sples, coo u polôo, para aproar

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

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

Escola Secundária de Jácome Ratton

Escola Secundária de Jácome Ratton Ecola Secudára de Jácome Ratto Ao Lectvo / Matemátca Aplcada à Cêca Soca Na Ecola Secudára do Suceo aualmete é premado o aluo que tver melhor méda a ua clafcaçõe a dferete dcpla. No ao lectvo 9/, o do

Leia mais

8. INFERÊNCIA PARA DUAS POPULAÇÕES

8. INFERÊNCIA PARA DUAS POPULAÇÕES 8 INFERÊNCIA PARA UA POPULAÇÕE 8 Populações depedetes co dstrbução oral População População, L, Y, L,Y ~ N, σ Y ~ N, σ σ σ Y ~ N, Obs e a dstrbução de e/ou Y ão for oral, os resultados são váldos aproxadaete

Leia mais

3- Autovalores e Autovetores.

3- Autovalores e Autovetores. MÉTODOS NUMÉRICOS PARA EQUAÇÕES DIFERENCIAIS PARCIAIS 3- Autovalores e Autovetores. 3.- Autovetores e Autovalores de ua Matrz. 3.- Métodos para ecotrar os Autovalores e Autovetores de ua Matrz. 3.- Autovetores

Leia mais

Nas próximas secções iremos abordar a análise estatística de uma amostra em que os dados numéricos estão agrupados em classes, ou seja, em intervalos.

Nas próximas secções iremos abordar a análise estatística de uma amostra em que os dados numéricos estão agrupados em classes, ou seja, em intervalos. Estatístca Descrtva ESTATÍSTICA DESCRITIVA Amostras com dados agrupados em classes as prómas secções remos abordar a aálse estatístca de uma amostra em que os dados umércos estão agrupados em classes,

Leia mais

Propriedades: Notação: X ~ U(α, β). PRINCIPAIS MODELOS CONTÍNUOS

Propriedades: Notação: X ~ U(α, β). PRINCIPAIS MODELOS CONTÍNUOS 0 CONTÍNUOS PRINCIPAIS MODELOS Notação: ~ U(α β). Propriedades: Eemplo A dureza de uma peça de aço pode ser pesada como sedo uma variável aleatória uiforme o itervalo (5070) uidades. Qual a probabilidade

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

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

REGESD Prolic Matemática e Realidade- Profª Suzi Samá Pinto e Profº Alessandro da Silva Saadi

REGESD Prolic Matemática e Realidade- Profª Suzi Samá Pinto e Profº Alessandro da Silva Saadi REGESD Prolc Matemátca e Realdade- Profª Suz Samá Pto e Profº Alessadro da Slva Saad Meddas de Posção ou Tedêca Cetral As meddas de posção ou meddas de tedêca cetral dcam um valor que melhor represeta

Leia mais

16 - PROBLEMA DO TRANSPORTE

16 - PROBLEMA DO TRANSPORTE Prof. Volr Wlhel UFPR TP05 Pesqusa Operacoal 6 - PROBLEMA DO TRANSPORTE Vsa zar o custo total do trasporte ecessáro para abastecer cetros cosudores (destos) a partr de cetros forecedores (orges) a, a,...,

Leia mais

Redução dos Dados. Júlio Osório. Medidas Características da Distribuição. Tendência Central (Localização) Variação (Dispersão) Forma

Redução dos Dados. Júlio Osório. Medidas Características da Distribuição. Tendência Central (Localização) Variação (Dispersão) Forma Redução dos Dados Júlo Osóro Meddas Característcas da Dstrbução Tendênca Central (Localzação) Varação (Dspersão) Forma 1 Meddas Característcas da Dstrbução Meddas Estatístcas Tendênca Central Dspersão

Leia mais

6. Inferência para Duas Populações USP-ICMC-SME 2013

6. Inferência para Duas Populações USP-ICMC-SME 2013 6. Iferêca ara Duas Poulações UP-ICMC-ME 3 8.. Poulações deedetes co dstrbução oral Poulação Poulação,,,, ~ N, ~ N, ~ N, Obs. e a dstrbução de e/ou ão for oral, os resultados são váldos aroxadaete. Testes

Leia mais

1. Estatística Descritiva

1. Estatística Descritiva . Esaísca Descrva Tabelas de Frequêcas a. Dados qualavos ou quaavos quado os valores se reee Frequêca absolua sles (F ) úero de vezes que cada valor dso da varável observada se reee (,, ). Te-se que: F

Leia mais

CAPÍTULO VIII DIFERENCIAIS DE ORDEM SUPERIOR FÓRMULA DE TAYLOR E APLICAÇÕES

CAPÍTULO VIII DIFERENCIAIS DE ORDEM SUPERIOR FÓRMULA DE TAYLOR E APLICAÇÕES CAPÍTULO VIII DIFERENCIAIS DE ORDEM SUPERIOR FÓRMULA DE TAYLOR E APLICAÇÕES. Dferecas de orde superor Tratareos apeas o caso das fuções de A R e R sedo que o caso geral das fuções de A R e R se obté a

Leia mais

RACIOCÍNIO LÓGICO / ESTATÍSTICA LISTA 2 RESUMO TEÓRICO

RACIOCÍNIO LÓGICO / ESTATÍSTICA LISTA 2 RESUMO TEÓRICO RACIOCÍIO LÓGICO - Zé Carlos RACIOCÍIO LÓGICO / ESTATÍSTICA LISTA RESUMO TEÓRICO I. Cocetos Icas. O desvo médo (DM), é a méda artmétca dos desvos de cada dado da amostra em toro do valor médo, sto é x

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

MEDIDAS DESCRITIVAS DE POSIÇÃO, TENDÊNCIA CENTRAL E VARIABILIDADE

MEDIDAS DESCRITIVAS DE POSIÇÃO, TENDÊNCIA CENTRAL E VARIABILIDADE MEDIDAS DESCRITIVAS DE POSIÇÃO, TENDÊNCIA CENTRAL E VARIABILIDADE 1 Estatística descritiva (Eploratória) PRIMEIRO PASSO: Tabelas (distribuição de frequêcia) e Gráficos. SEGUNDO PASSO: Cálculo de medidas

Leia mais

NOTA: ESCREVA AS RESPOSTAS COMO FRAÇÕES OU COM 4 CASAS DECIMAIS NOTA 2: O FORMULÁRIO ESTÁ NO FINAL DA PROVA

NOTA: ESCREVA AS RESPOSTAS COMO FRAÇÕES OU COM 4 CASAS DECIMAIS NOTA 2: O FORMULÁRIO ESTÁ NO FINAL DA PROVA IND 5 Iferêca Estatístca Semestre 007.0 Teste 4 //007 Nome: NOTA: ESCREVA AS RESPOSTAS COMO FRAÇÕES OU COM 4 CASAS DECIMAIS NOTA : O FORMULÁRIO ESTÁ NO FINAL DA PROVA PROBLEMA (5 potos) Em cada questão

Leia mais

Probabilidades e Estatística LEGM, LEIC-A, LEIC-T, MA, MEMec

Probabilidades e Estatística LEGM, LEIC-A, LEIC-T, MA, MEMec Duração: 90 mutos Grupo I Probabldades e Estatístca LEGM, LEIC-A, LEIC-T, MA, MEMec Justfque coveetemete todas as respostas 2 o semestre 2017/2018 14/06/2018 11:00 2 o Teste B 10 valores 1. Os dvíduos

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

Conceitos Iniciais de Estatística Módulo 4 : GENERALIDADES SOBRE ESTATÍSTICA DESCRITIVA Prof. Rogério Rodrigues

Conceitos Iniciais de Estatística Módulo 4 : GENERALIDADES SOBRE ESTATÍSTICA DESCRITIVA Prof. Rogério Rodrigues Cocetos Icas de Estatístca Módulo 4 : GENERALIDADES SOBRE ESTATÍSTICA DESCRITIVA Pro. Rogéro Rodrgues CONCEITOS INICIAIS DE ESTATÍSTICA: GENERALIDADES SOBRE ESTATÍSTICA DESCRITIVA CURSO : ADMINISTRAÇÃO

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

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

Nas Instituições de Ensino Superior(IES), há uma relação direta entre a qualidade do ensino e a taxa de inadimplência. A taxa de inadimplência das

Nas Instituições de Ensino Superior(IES), há uma relação direta entre a qualidade do ensino e a taxa de inadimplência. A taxa de inadimplência das CORRELAÇÃO Nas Isttuções de Eso Superor(IES), há uma relação dreta etre a qualdade do eso e a taxa de admplêca. A taxa de admplêca das IES que obtveram cocetos A e B o Provão é,%, as que obtveram C é 6%

Leia mais

Grande Conjuntos de Dados. Organização; Resumo; Apresentação. Amostra ou População. Defeitos em uma linha de produção

Grande Conjuntos de Dados. Organização; Resumo; Apresentação. Amostra ou População. Defeitos em uma linha de produção Prof. Lorí Val, Dr. val@pucr.br http://www.pucr.br/~val/ Grade Cojuto de Dado Orgazação; Reumo; Apreetação. Amotra ou População Defeto em uma lha de produção Lacado Deeho Torto Deeho Torto Lacado Torto

Leia mais

CAPÍTULO III MÉTODOS DE RUNGE-KUTTA

CAPÍTULO III MÉTODOS DE RUNGE-KUTTA PMR 40 Mecâca Coputacoal CAPÍTULO III MÉTODOS DE RUNGE-KUTTA São étodos de passo sples requere apeas dervadas de prera orde e pode forecer aproxações precsas co erros de trucaeto da orde de, 3, 4, etc.

Leia mais

Centro de massa Dinâmica do corpo rígido

Centro de massa Dinâmica do corpo rígido Cetro de assa Dâca do corpo rígdo Nota: As fotografas assaladas co () fora retradas do lvro () A. Bello, C. Portela e H. Caldera Rtos e Mudaça, Porto edtora. As restates são retradas de Sears e Zeasky

Leia mais

INTRODUÇÃO À PROBABILIDADE E ALGUNS RESULTADOS IMPORTANTES

INTRODUÇÃO À PROBABILIDADE E ALGUNS RESULTADOS IMPORTANTES Uversdade do Estado do Ro de Jaero UERJ Isttuto de Mateátca e Estatístca - IME Cursos: Estatístca e Atuára Dscpla: Tecologa da Aostrage I Professor: Marcelo Rubes ITRODUÇÃO À PROBABILIDADE E ALGUS RESULTADOS

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

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

Ordenação por Partição (Quick Sort)

Ordenação por Partição (Quick Sort) Vectores: Algortmos de Ordeação (2) Algortmos e Estruturas de Dados 2009/2010 Ordeação por Partção (Quck Sort) Algortmo (ordeação por partção): 1. Caso básco: Se o úmero () de elemetos do vector (a) a

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

Hidrologia, Ambiente e Recursos Hídricos 2009 / Rodrigo Proença de Oliveira

Hidrologia, Ambiente e Recursos Hídricos 2009 / Rodrigo Proença de Oliveira Hdrologa, Ambete e Recursos Hídrcos 009 / 00 Rodrgo roeça de Olvera Aálse estatístca IST: Hdrologa, Ambete e Recursos Hídrcos Rodrgo roeça de Olvera, 009 Cocetos base Varável aleatóra oulação Fução de

Leia mais

MAE0229 Introdução à Probabilidade e Estatística II

MAE0229 Introdução à Probabilidade e Estatística II Exercíco Cosdere a dstrbução expoecal com fução de desdade de probabldade dada por f (y; λ) = λe λy, em que y, λ > 0 e E(Y) = /λ Supor que o parâmetro λ pode ser expresso proporcoalmete aos valores de

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 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

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

sendo C uma constante, β = (kt) -1, k a constante de Boltzmann, T a temperatura do sistema e m a massa da molécula. FNC Física Moderna 2 Aula 8

sendo C uma constante, β = (kt) -1, k a constante de Boltzmann, T a temperatura do sistema e m a massa da molécula. FNC Física Moderna 2 Aula 8 Estatístca Quâtca Sstea físco co utos copoetes trataeto etalhao copleo aborae estatístca. Usaa co sucesso a físca clássca para escreer ssteas teroâcos. Relação etre propreaes obseraas e o coportaeto proáel

Leia mais

Probabilidade II Aula 10

Probabilidade II Aula 10 Probabldade II Aula 0 Mao de 009 Môca Barros, D.Sc. Coteúdo Esperaça Matemá (Valores esperados) Mometos e Mometos Cetras Valores esperados de uma fução de Covarâca e Correlação Matrz de covarâca, matrz

Leia mais

Avaliação de Desempenho de Sistemas Discretos

Avaliação de Desempenho de Sistemas Discretos Distribuições Comus Avaliação de Desempeho de Sistemas Discretos Probabilidade e Estatística 2 Uiforme Normal Poisso Hipergeométrica Biomial Studet's Geométrica Logormal Expoecial Beta Gamma Qui-Quadrado

Leia mais

1. Conceitos básicos de estatística descritiva 1.3. Noção de extracção aleatória e de probabilidade

1. Conceitos básicos de estatística descritiva 1.3. Noção de extracção aleatória e de probabilidade Sumáro (3ª aula). Cocetos báscos de estatístca descrtva.3. Noção de etracção aleatóra e de probabldade.4 Meddas de tedêca cetral.4. Méda artmétca smples.4. Méda artmétca poderada.4.3 Méda artmétca calculada

Leia mais

n. A densidade de corrente associada a esta espécie iônica é J n. O modelo está ilustrado na figura abaixo.

n. A densidade de corrente associada a esta espécie iônica é J n. O modelo está ilustrado na figura abaixo. 5910187 Bofísca II FFCLRP USP Prof. Atôo Roque Aula 6 Equlíbro e o Potecal de Nerst Nesta aula, vamos utlzar a equação para o modelo de eletrodfusão o equlíbro obtda a aula passada para estudar o trasporte

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

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

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

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

Probabilidades e Estatística LEAN, LEGI, LEGM, LMAC, MEAer, MEAmbi, MEC

Probabilidades e Estatística LEAN, LEGI, LEGM, LMAC, MEAer, MEAmbi, MEC Duração: 90 mutos Grupo I Probabldades e Estatístca LEAN, LEGI, LEGM, LMAC, MEAer, MEAmb, MEC Justfque coveetemete todas as respostas 1 o semestre 2018/2019 10/01/2019 11:00 2 o teste B 10 valores 1. Cosdere-se

Leia mais

Estatística: uma definição

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

Leia mais

Estatística Descritiva

Estatística Descritiva Estatístca Descrtva Capítulo "O estatístco, está casado em méda com 1,75 esposas, que procuram fazê-lo sar de casa,5 otes com 0,5 de sucesso apeas. Possu frote com 0,0 de clação (deotado poder metal),

Leia mais

TABELAS E GRÁFICOS PARA VARIÁVEIS ALEATÓRIAS QUANTITATIVAS CONTÍNUAS

TABELAS E GRÁFICOS PARA VARIÁVEIS ALEATÓRIAS QUANTITATIVAS CONTÍNUAS TABELAS E GRÁFICOS PARA VARIÁVEIS ALEATÓRIAS QUANTITATIVAS CONTÍNUAS Varável Qualquer característca assocada a uma população Classfcação de varáves Qualtatva { Nomnal sexo, cor dos olhos Ordnal Classe

Leia mais

MAE 5776 ANÁLISE MULTIVARIADA. Júlia M Pavan Soler

MAE 5776 ANÁLISE MULTIVARIADA. Júlia M Pavan Soler MAE 5776 ANÁLISE MULTIVARIADA Júla M Pava Soler ava@me.us.br º Semestre IME/09 Baco de Dados: Dados Multvarados Varáves Udades Amostras j j j j j j : Matrz de Dados resosta do -ésmo dvíduo a j-ésma varável

Leia mais

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

Eventos coletivamente exaustivos: A união dos eventos é o espaço amostral. DEFINIÇÕES ADICIONAIS: PROBABILIDADE Espaço amostral (Ω) é o conjunto de todos os possíves resultados de um expermento. Evento é qualquer subconjunto do espaço amostral. Evento combnado: Possu duas ou

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

Centro de massa Dinâmica do corpo rígido

Centro de massa Dinâmica do corpo rígido Cetro de assa Dâca do corpo rígdo Nota: As fotografas assaladas co () fora retradas do lvro () A. Bello, C. Portela e H. Caldera Rtos e Mudaça, Porto edtora. As restates são retradas de Sears e Zeasky

Leia mais

ESTATÍSTICA TÓPICO 6 MEDIDAS DE POSIÇÃO MEDIDAS DE DISPERSÃO

ESTATÍSTICA TÓPICO 6 MEDIDAS DE POSIÇÃO MEDIDAS DE DISPERSÃO ESTATÍSTICA TÓPICO 6 MEDIDAS DE POSIÇÃO MEDIDAS DE DISPERSÃO. CONCEITO INICIAL. A Estatístca Descrtva ou Dedutva é o ramo da Estatístca que tem por objetvo descrever e aalsar fatos relacoados a determado

Leia mais

Departamento de Informática. Modelagem Analítica do Desempenho de Sistemas de Computação. Modelagem Analítica. P x t i x t i x t i x t i

Departamento de Informática. Modelagem Analítica do Desempenho de Sistemas de Computação. Modelagem Analítica. P x t i x t i x t i x t i Departaeto de Iforátca Dscpla: do Desepeho de Ssteas de Coputação Cadeas de Marov I Processos de Marov (ou PE Marovao) Sea u processo estocástco caracterzado pela seüêca de v.a s X(t ),,,, Sea X(t ) a

Leia mais

CAPÍTULO III. Aproximação de funções pelo método dos Mínimos Quadrados

CAPÍTULO III. Aproximação de funções pelo método dos Mínimos Quadrados Métodos Nuércos CAPÍULO III C. Balsa & A. Satos Aproxação de fuções pelo étodo dos Míos Quadrados. Algus cocetos fudaetas de Álgebra Lear Relebraos esta secção algus cocetos portates da álgebra Lear que

Leia mais

Probabilidades e Estatística LEE, LEIC-A, LEIC-T, LEMat, LERC, MEBiol, MEBiom, MEEC, MEFT, MEMec, MEQ

Probabilidades e Estatística LEE, LEIC-A, LEIC-T, LEMat, LERC, MEBiol, MEBiom, MEEC, MEFT, MEMec, MEQ Duração: 90 mutos Grupo I Probabldades e Estatístca LEE, LEIC-A, LEIC-T, LEMat, LERC, MEBol, MEBom, MEEC, MEFT, MEMec, MEQ Justfque coveetemete todas as respostas 1 o semestre 018/019 10/01/019 09:00 o

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

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

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

Lista de Exercícios #4 Assunto: Variáveis Aleatórias Contínuas

Lista de Exercícios #4 Assunto: Variáveis Aleatórias Contínuas . ANPEC 8 - Questão Seja x uma variável aleatória com fução desidade de probabilidade dada por: f(x) = x, para x f(x) =, caso cotrário. Podemos afirmar que: () E[x]=; () A mediaa de x é ; () A variâcia

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

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: 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

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

SUBSTITUIÇÕES ENVOLVENDO NÚMEROS COMPLEXOS Diego Veloso Uchôa

SUBSTITUIÇÕES ENVOLVENDO NÚMEROS COMPLEXOS Diego Veloso Uchôa Nível Avaçado SUBSTITUIÇÕES ENVOLVENDO NÚMEROS COMPLEXOS Dego Veloso Uchôa É bastate útl e probleas de olpíada ode teos gualdades ou quereos ecotrar u valor de u soatóro fazeros substtuções por úeros coplexos

Leia mais

n. A densidade de corrente associada a esta espécie iônica é J n. O modelo está ilustrado na figura abaixo.

n. A densidade de corrente associada a esta espécie iônica é J n. O modelo está ilustrado na figura abaixo. Equlíbro e o Potecal de Nerst 5910187 Bofísca II FFCLRP USP Prof. Atôo Roque Aula 11 Nesta aula, vamos utlzar a equação para o modelo de eletrodfusão o equlíbro obtda a aula passada para estudar o trasporte

Leia mais

Obtemos, então, uma amostra aleatória de tamanho n de X, que representamos por X 1, X 2,..., X n.

Obtemos, então, uma amostra aleatória de tamanho n de X, que representamos por X 1, X 2,..., X n. Vamos observar elemetos, extraídos ao acaso e com reposição da população; Para cada elemeto selecioado, observamos o valor da variável X de iteresse. Obtemos, etão, uma amostra aleatória de tamaho de X,

Leia mais

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

Unidade II ESTATÍSTICA

Unidade II ESTATÍSTICA ESTATÍSTICA Udade II 3 MEDIDAS OU PARÂMETROS ESTATÍSTICOS 1 O estudo que fzemos aterormete dz respeto ao agrupameto de dados coletados e à represetação gráfca de algus deles. Cumpre agora estudarmos as

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