7. Discussão dos resultados
|
|
- Isabella Esteves Jardim
- 7 Há anos
- Visualizações:
Transcrição
1 7. Dscussão dos resultados 137
2 7. Dscussão dos resultados 7.1. Apresentação dos dados quanttatvos obtdos No Gráfco 3 representamos os resultados obtdos pelos alunos de todos os grupos no pré-teste e no pós-teste (anexo 10): % teste At Bt Ct Dt Et Ft Gt Al Bl Cl Dl El Fl Gl Am Bm Cm Dm Em Fm Gm Alunos pré-teste Pós-teste Gráfco 3- Resultados obtdos pelos partcpantes no pré-teste e no pós-teste Os resultados obtdos no pós-teste foram representados em função dos resultados obtdos no pré-teste, sendo a equação da recta ajustada pelo método dos mínmos quadrados, utlzada posterormente para calcular os valores prevstos para o pós-teste (y esperado ) (Gráfco 4). Isto porque, o valor do ganho resdual é obtdo pela dferença entre o valor obtdo no pósteste e o valor esperado (GR = y- y esperado ). % pós-teste % pré-teste y = 0,42x + 57,70 R 2 = 0,35 Gráfco 4- Representação gráfca dos valores obtdos no pós-teste em função dos valores obtdos no pré-teste 138
3 A cada ganho resdual adconamos o valor absoluto do menor ganho, obtendo-se assm o ganho resdual corrgdo para cada aluno, cujos valores representamos no gráfco segunte. 30,00 25,00 20,00 GRC 15,00 10,00 5,00 0,00 At Bt Ct Dt Et Ft Gt Al Bl Cl Dl El Fl Gl Am Bm Cm Dm Em Fm Gm Aluno Gráfco 5- Ganhos resduas corrgdos para cada aluno A partr dos valores dos ganhos resduas corrgdos, calculamos para cada grupo, o valor do ganho resdual corrgdo médo, cujos valores surgem na Tabela 29: Tabela 29- Ganhos resduas corrgdos médos Grupo GRCM Teórco 15,19 Laboratoral 13,20 Multméda 15,41 139
4 7.2. Tratamento dos dados quanttatvos obtdos Os GRCM foram posterormente submetdos a um teste de hpóteses, cujo objectvo fundamental era verfcar se hava ou não dferenças estatstcamente sgnfcatvas entre as médas amostras, neste caso os GRCM. Como se pretenda a comparação entre parâmetros de mas do que duas populações recorremos à análse de varânca, técnca mutas vezes desgnada sntetcamente por ANOVA, que resulta da contracção do nome que recebe em nglês: analyss of varance 1. Para facltar a compreensão da metodologa utlzada no referdo teste de hpóteses, descreveremos quatro fases do seu processamento (GUIMARÃES e CABRAL, 1997): 1- Defnção das hpóteses H 0 : GRCM T = GRCM L = GRCM M H 1 : GRCM X GRCM Y, com X, Y {T, L e M} 2- Identfcação da estatístca do teste e caracterzação da sua dstrbução F = DQMEG DQMDG Em que: - DQMEG (Desvo quadrátco médo entre grupos) defne-se como o quocente: ( X ) 2 - X VEG 1 DQMEG = = J, I -1 I -1 Sendo VEG, a varação entre grupos, que corresponde à soma ponderada das varações das médas de cada grupo número de observações em cada grupo, J ). X, em torno da méda global, X (com pesos proporconas ao - DQMDG (Desvo quadrátco médo dentro dos grupos) defne-se como o quocente entre a varação dentro dos grupos e o número de termos ndependentes que tal varação comporta (ou, como também se dz, o correspondente número de graus de lberdade). 1 Assummos aqu também desproporção entre a dmensão da nossa amostra e a sofstcação estatístca de tratamento de dados. Porém como já refermos achamos razoável, mas uma vez fazer esta abordagem numérca que prepara um tratamento eventual futuro, com uma amostra maor e mas aleatorzada. 140
5 observações DQMDG = VDG = J - I 1 J - I j ( X X ) 2 j Sendo VDG, a varação dentro dos grupos, que corresponde à soma das varações das X j dentro de cada um dos dferentes grupos (para cada grupo, a varação das observações é calculada relatvamente a X). Esta varável F tem a dstrbução de Snedcor com (I-1, J I ) graus de lberdade. 3- Defnção da regra de decsão, com especfcação do nível de sgnfcânca do teste Para um nível de sgnfcânca de 5%, rejeta-se H 0 caso F amostral >F crítco 4- Dados amostras, cálculo de estatístcas e tomada de decsão do teste de hpóteses Tabela 30- Ganhos resduas corrgdos por aluno Aluno Grupo Teórco Laboratoral Multméda A 13,92 11,86 8,39 B 11,06 1,59 9,33 C 8,39 19,06 10,92 D 13,59 18,13 27,92 E 15, ,26 F 24,59 23,8 18,26 G 19,06 17,93 20,8 Tabela 31 e Tabela 32- Cálculo de estatístcas Grupo Contagem Soma Méda (GRCM) Varânca Teórco 7 106,34 15,19 28,52 Laboratoral 7 92,37 13,20 84,03 Multméda 7 107,88 15,41 51,67 141
6 Fonte de varação Varação g. l. DMQ F amostral F crítco Entre grupos 20, ,44 0,19 3,55 Dentro de grupos 985, ,74 Total 1006,17 20 Para um nível de sgnfcânca 5%, não há razão para rejetarmos a hpótese nula, pos apenas a rejetaríamos caso F amostral fosse maor do que F crítco (3,55). Assm sendo, em relação ao estudo efectuado pode-se afrmar que não se observaram dferenças estatístcas sgnfcatvas entre as médas amostras ou seja, entre as médas dos ganhos resduas corrgdos. Apesar de não ser notóra grande dferença entre as referdas abordagens para esta amostra, de acordo com a termnologa usada no estudo GRCM T = GRCM L = GRCM M, estamos convencdos que tal facto pode fcar a dever-se, de entre outros factores, ao nstrumento de avalação da aprendzagem usado, um teste de papel e láps o nquérto. Sabemos que estes testes escrtos vsam avalar fundamentalmente aprendzagens do domíno cogntvo, logo não avalaram toda a aprendzagem dos alunos mas apenas parte desta. Estamos conscentes que, ndependentemente da metodologa de abordagem usada, os alunos apreenderam muto mas do que aqulo que lhes fo solctado pelo nquérto. Sabemos todos que se há aprendzagens que se avalam através dos testes, outras há que têm que ser fetas por outras formas, nomeadamente pela observação ou pela entrevsta (PAIS e MONTEIRO, 1996). Não se pode querer verfcar com testes escrtos senão uma parte lmtada das capacdades do aluno, como sejam o seu bom conhecmento dos factos e a sua aptdão para resolver problemas de solução únca (MACHADO, 1994). No entanto, há que referr que talvez por estarem entre hábtos muto enrazados ou talvez por se pensar que são a melhor forma de avalação (PAIS e MONTEIRO, 1996), anda hoje os testes de papel e láps contnuam a ser nas nossas escolas o método de avalação mas correntemente utlzado para avalar os progressos dos alunos (MACHADO, 1994), apesar dos currcula ncluírem, para além da aqusção de conhecmentos, o desenvolvmento de capacdades e a promoção de attudes (PAIS e MONTEIRO, 1996). Assm sendo, a função de avalar devera corresponder a uma análse cudada das aprendzagens consegudas face às aprendzagens planeadas, o que se traduzra numa nformação para professores e alunos dos objectvos atngdos e daqueles onde surgem mas dfculdades (PAIS e MONTEIRO 1996). Como esses objectvos não se lmtam apenas ao campo cogntvo, há que estar conscente da necessdade de utlzar outros nstrumentos de avalação, para além dos testes escrtos. 142
7 Todava não podemos avançar sem referr que esta é uma acção de grande dfculdade, que advém sobretudo do facto de que, ao fazê-lo, estamos a emtr juízos de valor, a prvlegar saberes, maneras de ser e de estar. Por muto objectva que se quera a avalação, ela dependerá sempre dos ntervenentes, dos momentos e das stuações concretas (PAIS e MONTEIRO, 1996). Retomando o comentáro à falta de dferença em termos dos ganhos dos alunos com as dferentes metodologas de abordagem, estamos convencdos que sto se deve também à amostra usada no estudo. Os alunos desta turma eram de um bom desenvolvmento cogntvo e de fácl motvação para o mundo escolar, o que nfelzmente começa a ser uma rardade nas nossas escolas, fruto de um ensno que se pretende massfcado (cada vez mas se encontram alunos com nteresses dvergentes dos escolares, de dfícl motvação). Quando nos encontramos com alunos que não se esforçam, parecem não mostrar nteresse pelo que a escola lhes oferece, a questão que nos surge como elementos ntervenentes do processo educatvo é o que fazer para os motvar. Com alunos desses acredtamos que os resultados deste estudo seram muto dferentes, pos acredtamos que as abordagens, nomeadamente a laboratoral e a multméda seram mas motvadoras, pela possbldade que lhes davam para nteragr prevendo-se maores ganhos nestes dos grupos. Outra das possíves dferenças entre as abordagens e que não avalamos resde naqulo que permanecerá na mente dos alunos a longo prazo. Acredtamos que para grande parte dos alunos a retenção dos conhecmentos adqurdos segue o segunte provérbo chnês: Fo-me dto e esquec; eu v e lembre-me; eu fz e compreend. Se assm for, com as abordagens laboratoral e multméda, os conhecmentos permanecerão muto mas tempo na mente dos alunos, ao contráro do que acontecerá com os conhecmentos adqurdos a partr da abordagem com forte componente teórca. Sera muto nteressante, daqu a 2 ou 3 anos, verfcar o que fcou deste trabalho na mente dos alunos. Porém ao confrmarmos neste estudo a hpótese nula, não o consderamos de modo algum como uma decepção. Ela pode sustentar, afnal, uma ntução que até corroboramos como verdadera, emergente da experênca prátca lectva: não há metodologas de prvlégo e mporta até a convergênca. Estratégas mas clásscas/teórcas, com maor componente laboratoral ou com maor componente multméda podem ser, equvalentemente, quando bem planeadas e protagonzadas, bons camnhos para aprender. 143
8 7.3. Apresentação dos dados qualtatvos obtdos Na tabela segunte encontram-se transcrtas, ntegralmente ou parcalmente, as respostas à pergunta aberta exstente no questonáro, quando este é apresentado como pósteste: Tabela 33- Comentáros dos alunos que surgem na pergunta aberta exstente no questonáro Abordagem Comentáros Teórca - Eu penso que fque com as mnhas dúvdas esclarecdas ; goste de conversar sobre sso com os meus colegas ; - Eu ache muto nteressante ; - acho muto mportante colaborarmos. Goste muto porque é um tema da actualdade e é muto mportante ; - Goste porque acho que é um tema que todos devemos falar. Além dsso é muto nteressante para os das de hoje ; - Goste desta matéra, aprend cosas novas ; Não compreendo de que são fetos os CFCs ; - Eu goste muto de ter aprenddo esta matéra. Valeu mesmo a pena. No outro questonáro que até era o mesmo, eu respond quase tudo mal, pelo que me lembro ; - Eu até já tnha falado sobre sto, mas fo muto por alto. Confesso que até aqu, era um assunto que me passava bem ao lado, ou seja, não tnha muto nteresse. Confunda sto tudo e nem sequer saba estas cosas das radações ultravoleta,, achava que as radações ultravoleta tnham algo a ver com o arco-írs, devdo ao nome voleta. Laboratoral - Goste muto de fazer experêncas laboratoras, mas o tempo de espera é muto. Acho que aprendemos muto com estas experêncas ; - Agora com esta aula de laboratóro aprend mas, antes não saba tanto. Goste muto desta aula laboratoral. Gostava de fazer mas aulas como esta que tve neste da ; - acho que ajudou muto, porque aprend muto mas. ; Só não goste da espera que fo muto longa, mas valeu a pena pos vmos resultados espectaculares ; é pena que nós não possamos ser uma turma de 7 alunos porque assm faríamos muto mas experêncas ; - Não saba quase nada sobre o ozono quando fz a prmera fcha, mas 144
9 Multméda depos destas experêncas todas fque a saber muto mas ; Adore fazer este trabalho fo muto gro, gostava era de ter mas aulas de laboratóro ; - goste muto de partcpar nesta actvdade. Gostava que houvessem mas actvdades como esta, porque eu adoro trabalhar no laboratóro, ou seja de fazer Experêncas ; - No da em que fzemos as experêncas eu compreend muto ; Só ache chato o tempo de espera mas não me mporto de fazer esta aula porque aprend muto ; - Acho que o tempo de espera fo bastante longo. Goste muto de aprender os problemas da nossa atmosfera ; Os trabalhos de laboratóro fazem com que os alunos se nteressem mas pelo assunto tratado. Acho que poderíamos fazer mas vezes este tpo de experêncas porque todos gostaram. - Goste desta actvdade no computador, eu adore ; - Goste do programa estava bem feto com tudo o que era precso ; - mas algumas pessoas que não sabem algumas cosas e que deveram saber fazem as cosas precsamente ao contráro do que devera ser feto. - O ozono só protege dos raos ultravoleta? ; - Eu goste muto de trabalhar neste trabalho sobre a camada de ozono, ache nteressante e dvertdo ; - A partr daquele jogo no computador já pude compreender melhor este problema. Apesar de já saber que o buraco do ozono é um problema grave, anda não saba quase nada sobre sso. Mas, agora tomare as devdas precauções para me proteger e não agravar anda mas este problema. Pelos comentáros faclmente depreendemos que são alunos com nteresse em aprender e de fácl motvação para esta temátca. Porém esta motvação poderá ter sdo amplada por város factos, nomeadamente: - A aprendzagem cooperatva, exstente em qualquer um dos casos, é mas motvante do que a aprendzagem ndvdual e compettva; - As tarefas realzadas pelos elementos envolvdos não são de modo algum repettvas, antes pelo contráro apresentam-se como bastante cratvas; 145
10 - Era-lhes dada autonoma, o que a nosso ver promove a motvação para o sucesso e a auto-estma; - Todos os partcpantes estavam conscentes dos objectvos que se pretenda que alcançassem; - Tratava-se de uma stuação novadora. O smples facto de saberem que estavam a partcpar num estudo novador é extremamente motvante "efeto novdade Capacdade das dferentes sugestões metodológcas para superar as CA s Pela análse das respostas às perguntas fechadas no pré-teste e no pós-teste podemos dzer que todas as metodologas conseguem superar com sucesso algumas das concepções alternatvas referdas em 4.2. Para facltar a análse da capacdade de cada estratéga para superar determnada CA refermos o número de alunos que após o ensno dferencado desta temátca voltaram a referr essa CA (Tabela 34): 146
11 Tabela 34- Avalação da capacdade das dferentes abordagens para superar algumas das CA s exstentes sobre este tema CA Avalado no questonáro Abordagem com a questão Teórca Laboratoral Multméda A A A B B B B C C C C D D D E E
UNIDADE IV DELINEAMENTO INTEIRAMENTE CASUALIZADO (DIC)
UNDADE V DELNEAMENTO NTERAMENTE CASUALZADO (DC) CUABÁ, MT 015/ PROF.: RÔMULO MÔRA romulomora.webnode.com 1. NTRODUÇÃO Este delneamento apresenta como característca prncpal a necessdade de homogenedade
Leia mais4 Critérios para Avaliação dos Cenários
Crtéros para Avalação dos Cenáros É desejável que um modelo de geração de séres sntétcas preserve as prncpas característcas da sére hstórca. Isto quer dzer que a utldade de um modelo pode ser verfcada
Leia maisAlgarismos Significativos Propagação de Erros ou Desvios
Algarsmos Sgnfcatvos Propagação de Erros ou Desvos L1 = 1,35 cm; L = 1,3 cm; L3 = 1,30 cm L4 = 1,4 cm; L5 = 1,7 cm. Qual destas meddas está correta? Qual apresenta algarsmos com sgnfcado? O nstrumento
Leia maisTestes não-paramétricos
Testes não-paramétrcos Prof. Lorí Val, Dr. http://www.mat.ufrgs.br/val/ val@mat.ufrgs.br Um teste não paramétrco testa outras stuações que não parâmetros populaconas. Estas stuações podem ser relaconamentos,
Leia maisProf. Lorí Viali, Dr.
Prof. Lorí Val, Dr. val@mat.ufrgs.br http://www.mat.ufrgs.br/~val/ É o grau de assocação entre duas ou mas varáves. Pode ser: correlaconal ou expermental. Prof. Lorí Val, Dr. UFRG Insttuto de Matemátca
Leia mais7 - Distribuição de Freqüências
7 - Dstrbução de Freqüêncas 7.1 Introdução Em mutas áreas há uma grande quantdade de nformações numércas que precsam ser dvulgadas de forma resumda. O método mas comum de resumr estes dados numércos consste
Leia maisEstudo quantitativo do processo de tomada de decisão de um projeto de melhoria da qualidade de ensino de graduação.
Estudo quanttatvo do processo de tomada de decsão de um projeto de melhora da qualdade de ensno de graduação. Rogéro de Melo Costa Pnto 1, Rafael Aparecdo Pres Espíndula 2, Arlndo José de Souza Júnor 1,
Leia maisREGRESSÃO NÃO LINEAR 27/06/2017
7/06/07 REGRESSÃO NÃO LINEAR CUIABÁ, MT 07/ Os modelos de regressão não lnear dferencam-se dos modelos lneares, tanto smples como múltplos, pelo fato de suas varáves ndependentes não estarem separados
Leia maisDELINEAMENTOS EXPERIMENTAIS
SUMÁRIO 1 Delneamentos Expermentas 2 1.1 Delneamento Interamente Casualzado..................... 2 1.2 Delneamento Blocos Casualzados (DBC).................... 3 1.3 Delneamento Quadrado Latno (DQL)......................
Leia maisTermo-Estatística Licenciatura: 4ª Aula (08/03/2013)
Termo-Estatístca Lcencatura: 4ª Aula (08/03/013) Prof. Alvaro Vannucc RELEMBRADO Dstrbução dscreta (hstogramas) x contínua (curvas de dstrbução): Dada uma Função de Dstrbução de Densdade de Probabldade,
Leia maisÉ 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 entre duas ou mas varáves. Pode ser: correlaconal ou expermental. Numa relação expermental os valores de uma das
Leia maisPRESSUPOSTOS DO MODELO DE REGRESSÃO
PREUPOTO DO MODELO DE REGREÃO A aplcação do modelo de regressão lnear múltpla (bem como da smples) pressupõe a verfcação de alguns pressupostos que condensamos segudamente.. Os erros E são varáves aleatóras
Leia maisMétodos Avançados em Epidemiologia
Unversdade Federal de Mnas Geras Insttuto de Cêncas Exatas Departamento de Estatístca Métodos Avançados em Epdemologa Aula 5-1 Regressão Lnear Smples: Estmação e Interpretação da Reta Tabela ANOVA e R
Leia maisCap. IV Análise estatística de incertezas aleatórias
TLF 010/11 Cap. IV Análse estatístca de ncertezas aleatóras Capítulo IV Análse estatístca de ncertezas aleatóras 4.1. Méda 43 4.. Desvo padrão 44 4.3. Sgnfcado do desvo padrão 46 4.4. Desvo padrão da méda
Leia maisAnálise de Variância. Comparação de duas ou mais médias
Análse de Varânca Comparação de duas ou mas médas Análse de varânca com um fator Exemplo Um expermento fo realzado para se estudar dabetes gestaconal. Desejava-se avalar o comportamento da hemoglobna (HbA)
Leia maisU N I V E R S I D A D E D O S A Ç O R E S D E P A R T A M E N T O D E M A T E M Á T I C A ARMANDO B MENDES ÁUREA SOUSA HELENA MELO SOUSA
U N I V E R S I D A D E D O S A Ç O R E S D E P A R T A M E N T O D E M A T E M Á T I C A CLASSIFICAÇÃO DE MONOGRAFIAS UMA PROPOSTA PARA MAIOR OBJECTIVIDADE ARMANDO B MENDES ÁUREA SOUSA HELENA MELO SOUSA
Leia maisCovariância na Propagação de Erros
Técncas Laboratoras de Físca Lc. Físca e Eng. omédca 007/08 Capítulo VII Covarânca e Correlação Covarânca na propagação de erros Coefcente de Correlação Lnear 35 Covarânca na Propagação de Erros Suponhamos
Leia mais3 Metodologia de Avaliação da Relação entre o Custo Operacional e o Preço do Óleo
3 Metodologa de Avalação da Relação entre o Custo Operaconal e o Preço do Óleo Este capítulo tem como objetvo apresentar a metodologa que será empregada nesta pesqusa para avalar a dependênca entre duas
Leia maisRegressão Múltipla. Parte I: Modelo Geral e Estimação
Regressão Múltpla Parte I: Modelo Geral e Estmação Regressão lnear múltpla Exemplos: Num estudo sobre a produtvdade de trabalhadores ( em aeronave, navos) o pesqusador deseja controlar o número desses
Leia mais3.6. Análise descritiva com dados agrupados Dados agrupados com variáveis discretas
3.6. Análse descrtva com dados agrupados Em algumas stuações, os dados podem ser apresentados dretamente nas tabelas de frequêncas. Netas stuações devemos utlzar estratégas específcas para obter as meddas
Leia maisEstatística II Antonio Roque Aula 18. Regressão Linear
Estatístca II Antono Roque Aula 18 Regressão Lnear Quando se consderam duas varáves aleatóras ao mesmo tempo, X e Y, as técncas estatístcas aplcadas são as de regressão e correlação. As duas técncas estão
Leia mais1. CORRELAÇÃO E REGRESSÃO LINEAR
1 CORRELAÇÃO E REGREÃO LINEAR Quando deseja-se estudar se exste relação entre duas varáves quanttatvas, pode-se utlzar a ferramenta estatístca da Correlação Lnear mples de Pearson Quando essa correlação
Leia mais3. Estatística descritiva bidimensional
3. Estatístca descrtva bdmensonal (Tabelas, Gráfcos e números) Análse bvarada (ou bdmensonal): avala o comportamento de uma varável em função da outra, por exemplo: Quantas TV Phlps são venddas na regão
Leia maisINSTITUTO POLITÉCNICO DE VISEU ESCOLA SUPERIOR DE TECNOLOGIA E GESTÃO
Área Centfca Curso Matemátca Engenhara Electrotécnca º Semestre º 00/0 Fcha nº 9. Um artgo da revsta Wear (99) apresenta dados relatvos à vscosdade do óleo e ao desgaste do aço maco. A relação entre estas
Leia maisPlano de amostragem do ISA-Capital 2008 Maria Cecília Goi Porto Alves Maria Mercedes L. Escuder 24 de junho de 2009
Plano de amostragem do ISA-Captal 2008 ara Cecíla Go Porto Alves ara ercedes L. Escuder 24 de junho de 2009 Tamanho da amostra A população de estudo refere-se àquela resdente em área urbana do uncípo de
Leia maisProf. Lorí Viali, Dr.
Prof. Lorí Val, Dr. vall@mat.ufrgs.br http://www.mat.ufrgs.br/~val/ Em mutas stuações duas ou mas varáves estão relaconadas e surge então a necessdade de determnar a natureza deste relaconamento. A análse
Leia maisProf. Lorí Viali, Dr.
Prof. Lorí Val, Dr. val@mat.ufrgs.br http://www.mat.ufrgs.br/~val/ 1 É o grau de assocação entre duas ou mas varáves. Pode ser: correlaconal ou expermental. Numa relação expermental os valores de uma das
Leia maisVariação ao acaso. É toda variação devida a fatores não controláveis, denominadas erro.
Aplcação Por exemplo, se prepararmos uma área expermental com todo cudado possível e fzermos, manualmente, o planto de 100 sementes seleconadas de um mlho híbrdo, cudando para que as sementes fquem na
Leia maisUNIVERSIDADE NOVA DE LISBOA Faculdade de Economia Análise de Dados e Probabilidade 2º Semestre 2008/2009 Exame Final 1ª Época. Grupo I (4 Valores)
UNIVERSIDADE NOVA DE LISBOA Faculdade de Economa Análse de Dados e Probabldade º Semestre 008/009 Exame Fnal ª Época Clara Costa Duarte Data: 8/05/009 Graça Slva Duração: h0 Grupo I (4 Valores) A gelatara
Leia maisAo 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 maisAula Características dos sistemas de medição
Aula - Característcas dos sstemas de medção O comportamento funconal de um sstema de medção é descrto pelas suas característcas (parâmetros) operaconas e metrológcas. Aqu é defnda e analsada uma sére destes
Leia maisAo 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 maisAssociação entre duas variáveis quantitativas
Exemplo O departamento de RH de uma empresa deseja avalar a efcáca dos testes aplcados para a seleção de funconáros. Para tanto, fo sorteada uma amostra aleatóra de 50 funconáros que fazem parte da empresa
Leia maisRISCO. Investimento inicial $ $ Taxa de retorno anual Pessimista 13% 7% Mais provável 15% 15% Otimista 17% 23% Faixa 4% 16%
Análse de Rsco 1 RISCO Rsco possbldade de perda. Quanto maor a possbldade, maor o rsco. Exemplo: Empresa X va receber $ 1.000 de uros em 30 das com títulos do governo. A empresa Y pode receber entre $
Leia maisCapítulo XI. Teste do Qui-quadrado. (χ 2 )
TLF 00/ Cap. XI Teste do Capítulo XI Teste do Qu-quadrado ( ).. Aplcação do teste do a uma dstrbução de frequêncas 08.. Escolha de ntervalos para o teste do.3. Graus de lberdade e reduzdo.4. Tabela de
Leia maisPrograma de Certificação de Medidas de um laboratório
Programa de Certfcação de Meddas de um laboratóro Tratamento de dados Elmnação de dervas Programa de calbração entre laboratóros Programa nterno de calbração justes de meddas a curvas Tratamento dos resultados
Leia maisDIAGNÓSTICO EM MODELOS LINEARES GENERALIZADOS
DIAGNÓSTICO EM MODELOS LINEARES GENERALIZADOS 1 A análse de dagnóstco (ou dagnóstco do ajuste) confgura uma etapa fundamental no ajuste de modelos de regressão. O objetvo prncpal da análse de dagnóstco
Leia maisCAPÍTULO 2 DESCRIÇÃO DE DADOS ESTATÍSTICA DESCRITIVA
CAPÍTULO DESCRIÇÃO DE DADOS ESTATÍSTICA DESCRITIVA. A MÉDIA ARITMÉTICA OU PROMÉDIO Defnção: é gual a soma dos valores do grupo de dados dvdda pelo número de valores. X x Soma dos valores de x número de
Leia maisExercícios de CPM e PERT Enunciados
Capítulo 7 Exercícos de CPM e PERT Enuncados Exercícos de CPM e PERT Enuncados 106 Problema 1 O banco TTM (Tostão a Tostão se faz um Mlhão) decdu transferr e amplar a sua sede e servços centras para a
Leia maisOs modelos de regressão paramétricos vistos anteriormente exigem que se suponha uma distribuição estatística para o tempo de sobrevivência.
MODELO DE REGRESSÃO DE COX Os modelos de regressão paramétrcos vstos anterormente exgem que se suponha uma dstrbução estatístca para o tempo de sobrevvênca. Contudo esta suposção, caso não sea adequada,
Leia maisCURSO A DISTÂNCIA DE GEOESTATÍSTICA
CURSO A DISTÂNCIA DE GEOESTATÍSTICA Aula 6: Estaconardade e Semvarânca: Estaconardade de a. ordem, Hpótese ntríseca, Hpótese de krgagem unversal, Crtéros para escolha, Verfcação, Representatvdade espacal,
Leia maisMOQ-14 PROJETO e ANÁLISE de EXPERIMENTOS. Professor: Rodrigo A. Scarpel
MOQ-4 PROJETO e ANÁLISE de EPERIMENTOS Professor: Rodrgo A. Scarpel rodrgo@ta.br www.mec.ta.br/~rodrgo Programa do curso: Semana Conteúdo Apresentação da dscplna. Prncípos de modelos lneares de regressão.
Leia maisModelo de Alocação de Vagas Docentes
Reunão Comssão de Estudos de Alocação de Vagas Docentes da UFV Portara 0400/2016 de 04/05/2016 20 de mao de 2016 Comssão de Estudos das Planlhas de Alocação de Vagas e Recursos Ato nº 009/2006/PPO 19/05/2006
Leia mais2 Incerteza de medição
2 Incerteza de medção Toda medção envolve ensaos, ajustes, condconamentos e a observação de ndcações em um nstrumento. Este conhecmento é utlzado para obter o valor de uma grandeza (mensurando) a partr
Leia mais3 A técnica de computação intensiva Bootstrap
A técnca de computação ntensva ootstrap O termo ootstrap tem orgem na expressão de língua nglesa lft oneself by pullng hs/her bootstrap, ou seja, alguém levantar-se puxando seu própro cadarço de bota.
Leia maisFICHA de AVALIAÇÃO de MATEMÁTICA A 10.º Ano Versão 3
FICHA de AVALIAÇÃO de MATEMÁTICA A 10.º Ano Versão 3 Nome Nº Turma: Data: / / Professor 10.º Ano Classfcação Apresente o seu racocíno de forma clara, ndcando todos os cálculos que tver de efetuar e todas
Leia maisGráficos de Controle para Processos Autocorrelacionados
Gráfcos de Controle para Processos Autocorrelaconados Gráfco de controle de Shewhart: observações ndependentes e normalmente dstrbuídas. Shewhart ao crar os gráfcos de controle não exgu que os dados fossem
Leia maisESCOLA SECUNDÁRIA COM 3º CICLO D. DINIS 10º ANO DE MATEMÁTICA A Tema III Estatística. Aula 1 do plano de trabalho nº 2
Aula 1 do plano de trabalho nº 2 Medram-se as alturas dos 40 alunos do prossegumento de estudos do 10º ano de uma escola e as alturas dos 40 alunos do 10º ano dos cursos tecnológcos dessa escola e obtveram-se
Leia maisDados ajustáveis a uma linha recta
Capítulo VI juste dos Mínmos Quadrados Dados ajustáves a uma lnha recta Determnação das constantes e B Incerteza nas meddas de Incerteza na determnação de e B juste dos mínmos quadrados a outras curvas:
Leia maisRepresentação e Descrição de Regiões
Depos de uma magem ter sdo segmentada em regões é necessáro representar e descrever cada regão para posteror processamento A escolha da representação de uma regão envolve a escolha dos elementos que são
Leia maisANÁLISE DAS TENSÕES TÉRMICAS EM MATERIAIS CERÂMICOS. Palavras-chave: Tensões térmicas, Propriedades variáveis, Condução de calor, GITT
ANÁLISE DAS TENSÕES TÉRMICAS EM MATERIAIS CERÂMICOS Dnz, L.S. Santos, C.A.C. Lma, J.A. Unversdade Federal da Paraíba Laboratóro de Energa Solar LES/DTM/CT/UFPB 5859-9 - João Pessoa - PB, Brasl e-mal: cabral@les.ufpb.br
Leia maisFICHA de AVALIAÇÃO de MATEMÁTICA A 10.º Ano Versão 4
FICHA de AVALIAÇÃO de MATEMÁTICA A 10.º Ano Versão 4 Nome Nº Turma: Data: / / Professor 10.º Ano Classfcação Apresente o seu racocíno de forma clara, ndcando todos os cálculos que tver de efetuar e todas
Leia maisINTRODUÇÃO À CALIBRAÇÃO MULTIVARIADA
INTRODUÇÃO À CALIBRAÇÃO MULTIVARIADA APLICAÇÃO NO CONTROLE DE QUALIDADE DE FÁRMACOS Prof. Dr. Marcelo Martns de Sena MÓDULO 04 Undade Unverstára de Cêncas Eatas e Tecnológcas UnUCET Anápols 1 MÓDULO 04
Leia maisAnálise de Regressão Linear Múltipla VII
Análse de Regressão Lnear Múltpla VII Aula 1 Hej et al., 4 Seções 3. e 3.4 Hpótese Lnear Geral Seja y = + 1 x 1 + x +... + k x k +, = 1,,..., n. um modelo de regressão lnear múltpla, que pode ser escrto
Leia maisUMA ABORDAGEM ALTERNATIVA PARA O ENSINO DO MÉTODO DOS MÍNIMOS QUADRADOS NO NÍVEL MÉDIO E INÍCIO DO CURSO SUPERIOR
UNIVERSIDADE FEDERAL DE JUIZ DE FORA INSTITUTO DE CIÊNCIAS EATAS DEPARTAMENTO DE ESTATÍSTICA UMA ABORDAGEM ALTERNATIVA PARA O ENSINO DO MÉTODO DOS MÍNIMOS QUADRADOS NO NÍVEL MÉDIO E INÍCIO DO CURSO SUPERIOR
Leia maisFICHA de AVALIAÇÃO de MATEMÁTICA A 10.º Ano Versão 1
FICHA de AVALIAÇÃO de MATEMÁTICA A 10.º Ano Versão 1 Nome Nº Turma: Data: / / Professor 10.º Ano Classfcação Apresente o seu racocíno de forma clara, ndcando todos os cálculos que tver de efetuar e todas
Leia maisR X. X(s) Y Y(s) Variáveis aleatórias discretas bidimensionais
30 Varáves aleatóras bdmensonas Sea ε uma experênca aleatóra e S um espaço amostral assocado a essa experênca. Seam X X(s) e Y Y(s) duas funções cada uma assocando um número real a cada resultado s S.
Leia maisProf. Cláudio Serra, Esp. 1. Produção de Leite x índice Pluviométrico y = 0.8x R 2 =
Análse de Regressão Cap.. Introdução Análse de regressão é uma técnca de modelagem utlzada para analsar a relação entre uma varável dependente () e uma ou mas varáves ndependentes,, 3,..., n. O ojetvo
Leia maisTESTE DO QUI-QUADRADO - Ajustamento
Exemplo 3: Avalar se uma moeda ou um dado é honesto; Em 100 lances de moeda, observaram-se 65 coroas e 35 caras. Testar se a moeda é honesta. 1 H 0 : a moeda é honesta; H 1 : a moeda não é honesta; 2 α
Leia maisMOQ-14 PROJETO e ANÁLISE de EXPERIMENTOS. Professor: Rodrigo A. Scarpel
MOQ-4 PROJETO e ANÁLISE de EPERIMENTOS Professor: Rodrgo A. Scarpel rodrgo@ta.br www.mec.ta.br/~rodrgo Programa do curso: Semana Conteúdo Apresentação da dscplna. Prncípos de modelos lneares de regressão.
Leia mais7 Tratamento dos Dados
7 Tratamento dos Dados 7.. Coefcentes de Troca de Calor O úmero de usselt local é dado por h( r )d u ( r ) (7-) k onde h(r), o coefcente local de troca de calor é h( r ) q''- perdas T q''- perdas (T( r
Leia maisFICHA de AVALIAÇÃO de MATEMÁTICA A 10.º Ano Versão 2
FICHA de AVALIAÇÃO de MATEMÁTICA A 10.º Ano Versão 2 Nome Nº Turma: Data: / / Professor 10.º Ano Classfcação Apresente o seu racocíno de forma clara, ndcando todos os cálculos que tver de efetuar e todas
Leia maisESTATÍSTICA APLICADA II ANO LECTIVO 2011/2012. Exame Final 26 de Julho de 2012
ETATÍTICA APLICADA II ANO LECTIVO / Exame Fnal 6 de Julho de Duração : H 3 M Nota: Responder um grupo por folha (utlze frente e verso de cada folha) Em todas as questões apresentar os cálculos efectuados
Leia maisCapítulo 1. Exercício 5. Capítulo 2 Exercício
UNIVERSIDADE FEDERAL DE GOIÁS CIÊNCIAS ECONÔMICAS ECONOMETRIA (04-II) PRIMEIRA LISTA DE EXERCÍCIOS Exercícos do Gujarat Exercíco 5 Capítulo Capítulo Exercíco 3 4 5 7 0 5 Capítulo 3 As duas prmeras demonstrações
Leia maisEstatística I Licenciatura MAEG 2006/07
Estatístca I Lcencatura MAEG 006/07 AMOSTRAGEM. DISTRIBUIÇÕES POR AMOSTRAGEM.. Em determnada unversdade verfca-se que 30% dos alunos têm carro. Seleccona-se uma amostra casual smples de 0 alunos. a) Qual
Leia maisFigura 8.1: Distribuição uniforme de pontos em uma malha uni-dimensional. A notação empregada neste capítulo para avaliação da derivada de uma
Capítulo 8 Dferencação Numérca Quase todos os métodos numércos utlzados atualmente para obtenção de soluções de equações erencas ordnáras e parcas utlzam algum tpo de aproxmação para as dervadas contínuas
Leia maisLaboratório de Mecânica Aplicada I Estática: Roldanas e Equilíbrio de Momentos
Laboratóro de Mecânca Aplcada I Estátca: Roldanas e Equlíbro de Momentos 1 Introdução O conhecmento das condções de equlíbro de um corpo é mprescndível em númeras stuações. Por exemplo, o estudo do equlíbro
Leia maisEXERCÍCIO: VIA EXPRESSA CONTROLADA
EXERCÍCIO: VIA EXPRESSA CONTROLADA Engenhara de Tráfego Consdere o segmento de va expressa esquematzado abaxo, que apresenta problemas de congestonamento no pco, e os dados a segur apresentados: Trechos
Leia maisAULA EXTRA Análise de Regressão Logística
1 AULA EXTRA Análse de Regressão Logístca Ernesto F. L. Amaral 13 de dezembro de 2012 Metodologa de Pesqusa (DCP 854B) VARIÁVEL DEPENDENTE BINÁRIA 2 O modelo de regressão logístco é utlzado quando a varável
Leia maisEscola Superior de Tecnologia de Viseu. Fundamentos de Estatística 2006/2007 Ficha nº 7
Escola Superor de Tecnologa de Vseu Fundamentos de Estatístca 006/00 Fcha nº. Um artgo da revsta Wear (99) apresenta dados relatvos à vscosdade do óleo e ao desgaste do aço maco. A relação entre estas
Leia maisMODELOS DE REGRESSÃO PARAMÉTRICOS
MODELOS DE REGRESSÃO PARAMÉTRICOS Às vezes é de nteresse nclur na análse, característcas dos ndvíduos que podem estar relaconadas com o tempo de vda. Estudo de nsufcênca renal: verfcar qual o efeto da
Leia maisTeoria Elementar da Probabilidade
10 Teora Elementar da Probabldade MODELOS MATEMÁTICOS DETERMINÍSTICOS PROBABILÍSTICOS PROCESSO (FENÓMENO) ALEATÓRIO - Quando o acaso nterfere na ocorrênca de um ou mas dos resultados nos quas tal processo
Leia maisAnálise Exploratória de Dados
Análse Exploratóra de Dados Objetvos Análse de duas varáves quanttatvas: traçar dagramas de dspersão, para avalar possíves relações entre as duas varáves; calcular o coefcente de correlação entre as duas
Leia maisNOÇÕES SOBRE CORRELAÇÃO E REGRESSÃO LINEAR SIMPLES
NOÇÕES SOBRE CORRELAÇÃO E REGRESSÃO LINEAR SIMPLES 1 O nosso objetvo é estudar a relação entre duas varáves quanttatvas. Eemplos:. Idade e altura das cranças.. v. Tempo de prátca de esportes e rtmo cardíaco
Leia maisu a mesma área, na escala de 1: , tomadas a cada intervalo de 18 dias.
QUANTFCAÇÃO E SENSORAMENTO REMOTO NA NVESTGAÇÃO GEOGRÁFCA A evolução recente da cênca tem colocado, com certa frequênca, o nvestgador em stuação crítca face à massa de nformações, dados e meos para sua
Leia maisEstatística. 8 Teste de Aderência. UNESP FEG DPD Prof. Edgard
Estatístca 8 Teste de Aderênca UNESP FEG DPD Prof. Edgard 011 8-1 Teste de Aderênca IDÉIA: descobrr qual é a Dstrbução de uma Varável Aleatóra X, a partr de uma amostra: {X 1, X,..., X n } Problema: Seja
Leia maisExperiência V (aulas 08 e 09) Curvas características
Experênca (aulas 08 e 09) Curvas característcas 1. Objetvos 2. Introdução 3. Procedmento expermental 4. Análse de dados 5. Referêncas 1. Objetvos Como no expermento anteror, remos estudar a adequação de
Leia maisAnálise de Regressão Linear Múltipla IV
Análse de Regressão Lnear Múltpla IV Aula 7 Guarat e Porter, 11 Capítulos 7 e 8 He et al., 4 Capítulo 3 Exemplo Tomando por base o modelo salaro 1educ anosemp exp prev log 3 a senhorta Jole, gerente do
Leia maisRedução 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 maisINTRODUÇÃO À PROBABILIDADE. A probabilidade é uma medida da incerteza dos fenômenos. Traduz-se por um número real compreendido de 0 ( zero) e 1 ( um).
INTRODUÇÃO À PROILIDDE teora das probabldade nada mas é do que o bom senso transformado em cálculo probabldade é o suporte para os estudos de estatístca e expermentação. Exemplos: O problema da concdênca
Leia maisReconhecimento Estatístico de Padrões
Reconhecmento Estatístco de Padrões X 3 O paradgma pode ser sumarzado da segunte forma: Cada padrão é representado por um vector de característcas x = x1 x2 x N (,,, ) x x1 x... x d 2 = X 1 X 2 Espaço
Leia maisDEFINIÇÃO - MODELO LINEAR GENERALIZADO
DEFINIÇÃO - MODELO LINEAR GENERALIZADO 1 Um modelo lnear generalzado é defndo pelos seguntes três componentes: Componente aleatóro; Componente sstemátco; Função de lgação; Componente aleatóro: Um conjunto
Leia maisAnálise de Regressão. Profa Alcione Miranda dos Santos Departamento de Saúde Pública UFMA
Análse de Regressão Profa Alcone Mranda dos Santos Departamento de Saúde Públca UFMA Introdução Uma das preocupações estatístcas ao analsar dados, é a de crar modelos que explctem estruturas do fenômeno
Leia maisAnálise de Variância. Introdução. Rejane Sobrino Pinheiro Tania Guillén de Torres
Análse de Varânca Rejane Sobrno Pnhero Tana Gullén de Torres Análse de Varânca Introdução Modelos de análse de varânca consttuem uma classe de modelos que relaconam uma varável resposta contínua com varáves
Leia maisX = 1, se ocorre : VB ou BV (vermelha e branca ou branca e vermelha)
Estatístca p/ Admnstração II - Profª Ana Cláuda Melo Undade : Probabldade Aula: 3 Varável Aleatóra. Varáves Aleatóras Ao descrever um espaço amostral de um expermento, não especfcamos que um resultado
Leia maisAjuste dos Mínimos Quadrados
TLF 00/ Cap. IX juste dos mínmos quadrados Capítulo IX juste dos Mínmos Quadrados 9.. juste de uma lnha recta a dados epermentas 9 9.. Determnação dos parâmetros da recta, e B (Incertezas apenas em e guas
Leia mais2. Validação e ferramentas estatísticas
. Valdação e ferramentas estatístcas Mutos aspectos relaconados à socedade são suportados, de alguma forma, por algum tpo de medção analítca. Mlhões de medções analítcas são realzadas todos os das, em
Leia maisCORRELAÇÃO E REGRESSÃO
CORRELAÇÃO E REGRESSÃO Constata-se, freqüentemente, a estênca de uma relação entre duas (ou mas) varáves. Se tal relação é de natureza quanttatva, a correlação é o nstrumento adequado para descobrr e medr
Leia mais4 Sistemas de partículas
4 Sstemas de partículas Nota: será feta a segunte convenção: uma letra em bold representa um vector,.e. b b Nesta secção estudaremos a generalzação das les de Newton a um sstema de váras partículas e as
Leia maisECONOMETRIA I Prova n.º 1
ECONOMETRIA I Prova n.º Ano lectvo: 07/08 Data: /0/08 Nome: N.º: Observações: - Duração: horas. - O teste é ndvdual e sem consulta. - Todos os cálculos deverão ser efectuados na folha de teste. - As questões
Leia maisCap. 6 - Energia Potencial e Conservação da Energia Mecânica
Unversdade Federal do Ro de Janero Insttuto de Físca Físca I IGM1 014/1 Cap. 6 - Energa Potencal e Conservação da Energa Mecânca Prof. Elvs Soares 1 Energa Potencal A energa potencal é o nome dado a forma
Leia maisAnálise de Incertezas I.B De Paula
Um bom expermentalsta deve fazer todo o esforço possível para mnmzar os erros de seu expermento. Cabe ao expermentalsta a responsabldade de apresentar uma medda da confabldade de seus dados. amos defnr
Leia maisJogos. Jogos. Jogo. Jogo. Óptimo alvo investigação
Jogos Óptmo alvo nvestgação O seu estado é fácl de representar; As acções são bem defndas e o seu número lmtado; A presença de oponentes ntroduz ncerteza tornando o problema de decsão mas complcado. Estamos
Leia maisECONOMETRIA Prova Intermediária PI 04/04/2014
ECONOMETRIA Prova Intermedára PI 04/04/2014 Prezado(a) Aluno(a), Você terá 120 mnutos a partr do níco ofcal da prova para conclur esta avalação, admnstre bem o seu tempo. Lea atentamente as nstruções a
Leia maisFlambagem. Cálculo da carga crítica via MDF
Flambagem Cálculo da carga crítca va MDF ROF. ALEXANDRE A. CURY DEARTAMENTO DE MECÂNICA ALICADA E COMUTACIONAL Flambagem - Cálculo da carga crítca va MDF Nas aulas anterores, vmos como avalar a carga crítca
Leia maisCURSO de ESTATÍSTICA Gabarito
UNIVERSIDADE FEDERAL FLUMINENSE TRANSFERÊNCIA o semestre letvo de 010 e 1 o semestre letvo de 011 CURSO de ESTATÍSTICA Gabarto INSTRUÇÕES AO CANDIDATO Verfque se este caderno contém: PROVA DE REDAÇÃO com
Leia maisANÁLISE DA RELAÇÃO ENTRE AS NOTAS DAS DISCIPLINAS DE MATEMÁTICA E FÍSICA DE ESTUDANTES DO ENSINO MÉDIO
UNIVERSIDADE REGIONAL INTEGRADA DO ALTO URUGUAI E DAS MISSÕES CAMPUS DE ERECHIM DEPARTAMENTO DE CIÊNCIAS EXATAS E DA TERRA CURSO DE MATEMÁTICA GRASIELA ELISA WEBBER ANÁLISE DA RELAÇÃO ENTRE AS NOTAS DAS
Leia mais