Análise de Dados e Probabilidade 1º Semestre 2006/2007

Tamanho: px
Começar a partir da página:

Download "Análise de Dados e Probabilidade 1º Semestre 2006/2007"

Transcrição

1 UNIVERSIDDE NOV DE LISBO Faculdade de Economa nálse de Dados e robabldade º Semestre 6/7 EXERCÍCIOS DE EXMES NTERIORES. ssocação do Sector de Vestuáro do aís Roualânda retende estudar como se dstrbuem as suas assocadas relatvamente à rodução semanal de eças de vestuáro. Consderando X como a varável ue desgna o número de eças roduzdas semanalmente, observe a segunte tabela de freuêncas: X (rodução de eças semanal) n a b 5 n a) Sabendo ue a méda uadrátca de X é gual a 7.37, obtenha os valores de a e b. Qual a nterretação do valor a? b) Qual o volume de rodução de vestuáro semanal mas freuente? c) ssocação retende remar as emresas com maores níves de rodução semanal. s assocadas defendem ue se devem remar os 5% das emresas com maor volume de rodução, enuanto ue o resdente defende ue só os 5% mas elevados devem ser contemlados. ara as duas osções, a artr de ue volume de rodução estaram as emresas contemladas? Justfue. d) Consderando ue o momento de ordem 3 em relação à méda é gual a conclua sobre o snal da assmetra da dstrbução. Sabendo ue a varânca da dstrbução é gual a 478 confrme o resultado calculando o coefcente de Fsher. e) nalse o grau de concentração na reartção dos níves de rodução semanal elas emresas.

2 . Consdere o segunte olígono ntegral, referente à dstrbução de emresas segundo as horas gastas em formação do seu essoal, or ano (varável X),9,8,7,6 F*,5,4,3,, X a) resente a tabela de freuêncas. b) Calcule a méda, medana e moda (ela Fórmula de Kng) da varável horas de formação or ano c) Interrete um dos valores das freuêncas absolutas (à sua escolha) e a medana d) Se se consderar ue as emresas com horas de formação or ano comreenddas no ntervalo X ± s (sendo s o desvo adrão) são emresas com níves de formação acetáves, uantas das emresas mereceram tal classfcação? e) Comente: Se uma varável tem méda zero, então tem valores ostvos e valores negatvos com guas freuêncas relatvas. 3. Sea X o saláro numa emresa de nformátca X n a) Construa a tabela de freuêncas. b) Calcule a méda, medana, moda (ela fórmula de Kng) e o ntervalo nteruarts.

3 c) Calcule a varânca. d) Usando a nformação obtda anterormente sobre a medana e os uarts da dstrbução, ue conclusão ode retrar sobre a assmetra da dstrbução? 4. Foram nurdos 3 trabalhadores sobre as suas horas semanas de trabalho. Os resultados foram os seguntes: X (horas) X (horas) n f S * F a f e b 45 g n l o r c - d 65 h m 3 6 n 3 6 f a) Descubra a nformação em falta (valores corresondentes às letras a,b,c,..,r). b) Reresente grafcamente a dstrbução, através do hstograma e do olígono de freuêncas. c) Calcule as meddas de localzação ( ara a moda, utlze a Fórmula de Kng). O ue ode conclur sobre a assmetra? d) Utlzando o Grau de ssmetra de earson, verfue se a sua conclusão anteror se mantém. 5. Numa dada emresa, a méda artmétca, a medana e a moda dos saláros agos são, resectvamente, 6, 6 e 63 Euros mensas. Vsando a actualzação salaral ara o róxmo ano a admnstração da emresa aresenta aos trabalhadores as duas seguntes alternatvas: () - aumento de 8 Euros or mês a todos os trabalhadores; () - aumento de 3% no saláro mensal de todos os trabalhadores. a) Os trabalhadores decdem roceder a uma votação ara escolha da alternatva ue mas lhes convém. Se o obectvo dos trabalhadores for maxmzar o aumento do seu saláro mensal, ual será a alternatva vencedora? Justfue a sua resosta. b) Como classfcara a dstrbução dos saláros relatvamente à smetra? c) Se uma olítca de actualzação salaral do to da adotada em a) vesse a verfcar-se em anos sucessvos como evolura o índce de Gn de concentração 3

4 dos saláros? umentara, dmnura ou fcara nalterado? Justfue a sua resosta. 6. No sector agro-almentar, realzou-se um nuérto a trabalhadores relatvamente aos seus saláros mensas. Saláros (euros) Trabalhadores a) Comente, uantfcando, a segunte afrmação: No sector agro-almentar detecta-se uma dstrbução gualtára dos saláros elos trabalhadores. b) Calcule o desvo absoluto médo. c) No sector agro-almentar 5% dos trabalhadores recebem um saláro sueror a 35 euros. Concorda com a afrmação? Justfue, uantfcando. 7. No mês de Janero, um nuérto relatvo aos saláros (em euros) no sector da metalomecânca deu a conhecer a segunte nformação: X 8 Medana 78 Mod 75 s 5 desvo absoluto médo (d) 3 G.6 Sabendo ue no mês de Feverero cada trabalhador va benefcar de um aumento salaral de %: a) Indue, demonstrando, ual o novo desvo absoluto médo no sector. b) Qual a nova varânca? Justfue. c) O ue acontece à dsersão no mês de Feverero? Justfue. d) Qual a nova moda e medana? e) O ue ode conclur em relação à concentração? umenta, dmnu ou mantém-se? Justfue. 4

5 8. Consdere o segunte uadro: Índce de reços base 996 Índce de reços base 999 Desesa a reços correntes a) Calcule um índce de desesa a reços constantes de, com base em. b) Que to de índce é mas utlzado ara cálculo de índces de reços, o de Laseyres ou o de aasche? Exlue oruê. 9. Uma fábrca de conservas comra 3 rodutos (atum, sardnha e cavar): NO NO Q Q tum 5 6 Sardnha Cavar x Y a) Descubra os valores em falta na tabela, sabendo ue o índce de aasche de uantdades ara o ano com base em é de,67 e ue o índce de desesa ara o ano com base em é de,97. b) Calcule o índce de Laseyres de reços e o índce aasche de reços. Que relação se verfca neste caso entre os índces de Laseyres e aasche de reços? Justfue a exstênca dessa relação neste caso. c) Suonha ue o economsta da emresa decde utlzar um índce de reços ue consste na méda geométrca dos índces de Laseyres de reços e de aasche de reços. Verfue se o índce assm construído reseta a crculardade.. 5

6 evolução dos reços de cada um dos três bens (, B, C) é traduzda através dos índces do uadro abaxo, onde se ndcam também as resectvas desesas em 994 e 995 Índce de reços (todos com a mesma base) Desesa B C a) Calcule um índce do to Laseyres, de 995 com base em 994, ue sntetze a evolução global dos reços dos três bens. b) dmtndo ue o índce atrás é um índce de reços no consumdor e tendo o saláro nomnal de um trabalhador aumentado de.$ ara 44.$, no mesmo eríodo, ual fo a evolução real no seu oder de comra? Quantfue. c) Comente a afrmação: O índce de uantdades de Laseyres reuer nformação comleta de reços e uantdades, ara os eríodos em estudo.. Consdere a segunte nformação: nos Valor das Vendas Índce de reços das Vendas (reços constantes de 95) Base 993 Base a) Obtenha um índce de reços das vendas com base em 995. b) Qual o valor das vendas a reços correntes ara o conunto dos anos analsados? 6

7 . evolução dos reços de três rodutos, B e C ara os anos e 3 é aresentada na tabela segunte: rodutos Índces de reços (calculados na mesma base) 3.6. B..5 C. 3. Sendo as desesas nesses rodutos nos anos e 3: B C a) Calcule um índce do to aasche, de 3 com base em, ue sntetze a evolução global dos reços dos três rodutos. b) Sabendo ue os índces smles de uantdades ara os rodutos e B, ara 3 com base em, foram.75 e.8, resectvamente. Determne o índce smles de uantdades do roduto C, ara 3 com base em. 3. ara acorrer às dfculdades económcas dos trabalhadores do sector Metalomecânco do dstrto de Setúbal, o Governo edu um nuérto ao Mnstéro do Trabalho acerca dos vencmentos auferdos. Uma rmera nformação fo ue os saláros líudos mensas seguam uma le normal com µ 5 e σ 5 (em certas undades monetáras). O Governo decdu atrbur um subsído untáro de 5 u.m. a todos os trabalhadores ue auferem menos de 35 u.m. mas também lança uma taxa de u.m. sobre cada um dos 7

8 8% mas bem agos do sector; ual o encargo líudo eserado se o lano envolver 5 trabalhadores? 4. Três máunas M, M, M3, funconam ndeendentemente roduzndo certo to de comonente electrónco. máuna M3 garante, só or s, metade da rodução. Cada uma delas roduz comonentes defetuosas nas seguntes roorções: M: 8% M: 8% M3: % Calcule a roorção de comonentes defetuosas roduzdas elas 3 máunas em conunto. 5. Sea a exerênca aleatóra assm defnda: lança-se um dado eulbrado até ue suram duas saídas ares consecutvas, segudas de duas saídas ímares consecutvas. a) Qual o número mínmo de lances ue deve ser feto? b) Qual o cardnal dos esaço dos acontecmentos? c) Escreva os acontecmentos ue necesstam de 4, 5 ou 6 lances ara se realzarem. 6. Sea a função de robabldade de X:, 4 f ( x),, 4 x x x Sea a varável aleatóra YX+3 a) Calcule µ X E(X ) e σ X V ( X ); b) Desenhe a função de densdade da varável aleatóra Y; c) Dga, recorrendo aenas às roredades de E ( X ) ual o valor de µ Y E(Y ) ; ustfue. 8

9 7. Consdere agora a varável aleatóra Z ue desgna o número de certas ocorrêncas verfcadas em 5 mnutos. Sabendo ue segue uma dstrbução de osson, e ue E( Z ) 6 : Qual a robabldade de se verfcarem 8 ocorrêncas num eríodo de mnutos? 9

10 UNIVERSIDDE NOV DE LISBO Faculdade de Economa nálse de Dados e robabldade º Semestre 6/7. a) EXERCÍCIOS DE EXMES NTERIORES RESOLVIDOS X n X f f/h F* a b n Sabendo ue a méda uadrátca de X é gual a 7.37 e ue 5 n : + a a b b a b 7.37 a 85 b b b 5 a 6 6 emresas da ssocação do Sector de Vestuáro roduzem entre 5 a eças de vestuáro semanalmente. b) Determnar a moda: Classe modal: ] 5 ]

11 Mod k * (volume de rodução de vestuáro semanal mas freuente) c) retende-se obter a medana e o 3º uartl: ) Medana : Classe ] ] Med 3, 77 Med 5% das emresas têm um volume de rodução semanal sueror a 3.77 eças de vestuáro. ) Tercero uartl: classe ] 35] Fu 5 35 Fu cma de um volume rodução gual a 5 eças de vestuáro semanas contemlamse os 5% das emresas com maores volumes de rodução. d) m g.998 > ssmétrca ostva ( m ) (478) 3 3/ 3/ e) n f t Gn 4 ( ) O grau de concentração não é muto elevado.

12 . a) artr do gráfco aresentado no exame, odíamos chegar à segunte tabela de freuêncas: X X n f S * F a n 5 f b) Méda 5 X f * ' X.5*.5 +. * *8 4.4 Medana: classe medana 4 7 (orue a classe anteror anda não acumulou 5% das observações) or nterolação lnear: F(7) F(4) F( Med) F(4) Med Med 4 Moda: classe modal 3 4 (orue é a classe ue tem maor densdade de freuênca a ) ela Fórmula de Kng:.5 Mod 3 + *( ) c) Vamos nterretar a freuênca absoluta corresondente à 4ª classe: 45 das emresas gastam entre 4 e 7 horas em formação do seu essoal Interretação da medana: 5% das emresas gastam em formação do seu essoal até 4 horas e mnutos d) ara odermos resonder a esta ergunta temos, rmero ue tudo, calcular o desvo-adrão. Comecemos ela varânca: s 5 f * X ' s s.9786 X 3.95 ssm, o ue ueremos saber é uantas emresas estão no ntervalo [ ; ], ou sea, no ntervalo [.44; ]. ara sabermos sto, temos de calcular as freuêncas relatvas acumuladas destes dos valores, usando nterolação lnear. ara o lmte nferor do ntervalo:

13 F(3) F() 3 F(.44) F().44 F(.44).964 ara o lmte sueror do ntervalo: F(7) F(4) F(6.3786) F(4) F(6.3786) uantdade de emresas com um nível de formação acetável é: emresas e) afrmação é falsa. ara ue a méda sea, a varável tem de assumr valores ostvos e negatvos mas estes não recsam de ter guas freuêncas relatvas. Exemlo: Se uma varável assumr os valores, 5, 5, -9, -8, -3, a sua méda é gual a e, no entanto, as freuêncas relatvas de cada um dos valores assumdos não são guas orue o valor 5 tem duas ocorrêncas. 3. a) X X n f N F a f / h Σn 3 Σf b) m ' n * x Méda: X N Medana: classe medana: - 3 or nterolação lnear: F(3) F() F( med) F() med med Moda: classe modal: 3 4 Fórmula de Kng:.58 Mod 3 + * ( ) Mod F l : classe de F l : Como F().5 F l F u : classe de F u : med

14 or nterolação lnear: F(4) F(3) 4 3 F( Fu ) F(3) F F 3 F 3 u u u 36.6 Intervalo nter-uarts d F F u F l m ' c) σ f * x x σ X x d) Como os uarts não estão à mesma dstânca da medana, esta dstrbução é assmétrca. Como o rmero uartl está mas longe da medana do ue o tercero uartl, a dstrbução será assmétrca negatva ou envesada à dreta 4. Foram nurdos 3 trabalhadores sobre as suas horas semanas de trabalho. Os resultados foram os seguntes: X (horas) X (horas) n f S * F a a f e b 45 g n l o r.667 c - d 65 h m n 3 6 f a + a) 5 a 4 + b 45 b 5 c d 65 d e e 37.5

15 * r m l o h n g f b) Reresentação gráfca da dstrbução

16 c) Meddas de localzação Méda 5* 4 + 7,5* * x 43, Moda Classe modal: classe com maor densdade de freuênca (a ): 35 4 ela fórmula de Kng:.4 Mod * Medana Classe medana: auela ue nclu 5% das observações: 4 5 or nterolação lnear: F(5) F(4) F( med) F(4) med med 4 Mod<Med< x : a dstrbução é envesada à esuerda ou assmétrca ostva. d) Grau de ssmetra de earson x Mod g.455 s *( ) + 5*( ) *( ) s s medda de assmetra confrma ue a dstrbução é assmétrca ostva. 5. a) Os trabalhadores ue auferem um saláro mensal sueror a 6 Euros referem a alternatva ), enuanto ue os ue auferem um saláro mensal nferor a 6 Euros referem a alternatva ). Como a medana da dstrbução é 6 Euros a alternatva vencedora é a ), uma vez ue mas de 5% dos trabalhadores tem um saláro mensal sueror a 6 Euros. b) dstrbução é assmétrca negatva ou envesada à dreta. c) O índce de Gn não se alterara. Ora veamos, o índce de Gn é defndo como G m m ( ) em ue m desgna o número de classes e e são defndos como,

17 . e, ' m n x t t t f Note-se ue f, n, x são, resectvamente, a freuênca relatva smles, a freuênca absoluta smles e o onto médo da classe. De uma forma mas geral consdere-se uma varável y defnda como yax. O índce de Gn mantém-se nalterado, uma vez ue o e da varável y são guas aos da varável x. Ou sea, O não se altera, os é defndo como a freuênca relatva acumulada e o número de ocorrêncas em cada classe não se altera. O também não se va alterar, dado ue. e ' ' ' ' ' ' x m m m y y y y n ax n ax n ax n ax t t n ax n y t No caso em uestão, se for a alternatva ) a adotada a.3 e o índce de Gn mantém-se nalterado. 6. a) ara uantfcar a afrmação é necessáro calcular o índce de Gn. X X n f t n *X ( ) m m G O valor obtdo ara o índce de Gn revela ue aesar da concentração não ser muto elevada, não exste no sector agro-almentar uma dstrbução gualtára dos saláros

18 elos trabalhadores, dado ue ara ue tal acontecesse o valor do índce de Gn tera ue ser. b) N X X ' f d N X ' X n N 654 c) afrmação só será verdadera se o tercero uartl for gual a 35 (caso contráro essa ercentagem é semre ou nferor ou sueror a 5%). retende-se, então, calcular o tercero uartl. ara verfcar se no sector agro-almentar 5% dos trabalhadores recebem um saláro sueror a 35 euros é necessáro calcular o valor do tercero uartl. Olhando ara a classe das freuêncas relatvas acumuladas odemos verfcar ue o tercero uartl ertence à classe -75. Usando a nterolação lnear: F(75) F().75 F() 75 Fu Fu Fu 4 afrmação é falsa dado ue 5% dos trabalhadores recebem um saláro sueror a 4 euros. Isto é, 4 euros é o saláro acma do ual exstem 5% dos trabalhadores, e não o saláro 35 euros. 7. a) Desgnando or a stuação ncal e or B a nova stuação: d B N N N N B B X X.X.X. X X X X..d N N N N b)

19 ( s ) 5 s B s.s Então, a nova varânca: B ( s ) (39.544) 56.6 Ou: B ( s ) (. s ) (.) ( s ) (.) c) B S.S S CD CD B X.X X Como o coefcente de dsersão não se altera, a dsersão mantém-se. d) Nova Moda.*75765 Nova Medana.* e) concentração mantém-se uma vez ue o índce de Gn não se altera. O índce de Gn é defndo como: G m ( ) m O não se altera orue dz reseto às freuêncas relatvas acumuladas dos trabalhadores e o número de ocorrêncas em cada classe não se altera; O dz reseto às freuêncas relatvas acumuladas dos saláros e também não se va alterar, dado ue: (reresentando or B a nova stuação e or a stuação ncal) t x n.x n B B B B t.xn. xn m m m B t.xn. xn

20 8. nos I t/96 I t/99 Desesa a reços correntes I t/99 I t/ Desesa a reços constantes de Índce de desesa base 997,63 5,759, ,8, ,75 66,853, ,893,75 999,88 759,865 94,3,7338,4 34,4 34,34,46 457,46,774 37,474,9649,5 57,5,58 8,478 a) Os assos ara resolver este exercíco são:. Calcular o índce de reços com base em 999 ou 996, fazendo conclação de índces (na tabela só está aresentado o índce com base em 999); ara obter o índce de reços com base em 999, só se tem de calcular os dos rmeros valores, ara 997 e 998, uma vez ue todos os outros á estavam na tabela do enuncado. No caso do ano de 997, I 97 / 96,75 I 97 / 99 I 97 / 96 * I 96 / 99 I 97 / 99,759 I 99 / 96,88 dea é a mesma ara o ano de assar a base do índce de reços de 999 (ou 996) ara, usando as roredades da crculardade e reversbldade no temo; I 97 / 99,853 I 97 / I 97 / 99 * I 99 / I 97 /,5773 I / 99,4 Os cálculos são smlares ara os restantes anos. 3. Deflaconar a desesa a reços correntes elo índce de reços com base ; ara o ano de 997, desesareçoscorrentes 5 desesa a reços constantes de 866, 8 índcedereçosbase,5773 Os restantes anos estão aresentados na tabela. 4. Calcular um índce smles da desesa obtda no onto anteror, com base em. ara o ano de 997, desesa 866,8 I / 8,478 97,6754

21 b) O to de índce mas usado é o de Laseyres os, uma vez ue ondera a evolução dos reços elas uantdades do eríodo base, nformação essa ue está dsonível mas deressa do ue a nformação sobre as uantdades do eríodo ara o ual estamos a calcular o índce, como é o caso do índce de aasche. 9. a) Sabendo ue o índce de aasche de uantdades entre o ano e o ano é de,67, odemos efectuar o segunte cálculo:,67 S Q y S S C C y Dau, conclu-se, resolvendo em ordem a y, ue y 3,9 S C C Utlzando agora a nformação de ue o índce da desesa é de,97, ode calcular-se x de forma análoga, sabendo y ,9,97 V S S C C x Dau conclu-se ue x 8,9 S S C C b) ode calcular-se o índce de Laseyres de reços da forma habtual, L + + S S S S + + C C C C , ,9 lternatvamente, odemos alcar a roredade da reversão de factores: L Q V conclusão é a mesma elas duas vas: L,447 ara calcular o índce de aasche de reços, basta fazer:

22 S S C C + + S S + + C C,4 Neste caso, L,447 >, 4, relação ue se ustfca ela exstênca de substtubldade entre os város tos de escado, os, neste caso, os reços e uantdades encontram-se negatvamente correlaconados. c) O ue se refere no enuncado é a fórmula de Fsher. Teríamos, então, como índce de reços, ( ) F L t t t Se se verfcar a roredade da crculardade, terá ue acontecer ue F F F t t' t' t onde t é um momento arbtráro entre e t. Desenvolvendo, vem / F t t' F t' t Lt t' t t ' t t t Lt ' F t t' t t t' ' t' t t t ' t t ' t ' t ' t' Ou sea, o índce construído como sendo a méda geométrca dos índces de Laseyres e de aasche não reseta a roredade da crculardade.. a) ara calcularmos o índce de Laseyres eddo no enuncado, recsamos de calcular os onderadores da desesa e os índces de reço ara 994, com base em 995, ara cada roduto. Como os índces de reços aresentados têm todos a mesma base, basta dvdr o valor do índce no ano de 995 elo do ano de 994 ara cada roduto ara obter o índce de reços ara 994, com base em 995. Quanto à fórmula dos onderadores, esta é: desesa w desesatotal Desesa w I 95 / 94 5,5, B,,

23 C 3,3,5 L 95 / 94 w * I 95 / 94.5*. +.*.+.3*.5.35 b) Entre 994 e 995, o saláro nomnal de um determnado trabalhador aumentou % (44/) e o índce de reços no consumdor aumentou 3,5%. ssm, é ossível ver ue o seu oder de comra dmnuu neste eríodo. Quantfcando:,35/,., ou sea dmnuu %. c) afrmação é falsa, uma vez ue é ossível calcular o índce de uantdades de Laseyres sem sabermos os valores dos reços no eríodo ara o ual estamos a calcular o índce.. a) Indce base 98 Indce base lcando a roredade da crculardade é ossível comletar a sére ara o índce com base em 98, ara em seguda se roceder a uma mudança de base ara o ano 95.. I95/98 I95/93 I93/ I98/ I96/98 I96/93 I93/ I98/93.55 I.8 99/98 b) Consderando ue Vendas correntes Vendas constantes 95 * I base 95, então: Vendas correntes

24 . a) O índce de reços do to aasche ode ser escrto do segunte modo: α 3/ I 3/ onde, onderador α (5/4).375 onderador α B (/4).3 onderador α C (3/4).35 lcando a roredade da crculardade e a roredade de reversão uanto ao temo é ossível calcular os índces de reços smles de cada roduto, em 3 com base em :. I 3 / I 3/ b I b / I 3/ b.5 I.6 / b B B B B.5 I 3 / I 3/ b I b / I 3/ b.5 B I. I / b C C C 3. I 3/ b I b / I 3/ b.5 C I / b C 3 / 3 / b) V 3Q3 ( ).43 logo, Q (3 + + ) 3 / Q Q V 3/ 3/ L3/.43.3 L 3/ L Q 3 /. 865 Como o índce de uantdades do to Laseyres ode ser escrto: Q L 3/ onde, 3/ ωi onderador ω (3/35).37 onderador ω B (/35).9 onderador ω C (/35) e I QB 3 /. 8 I Q / QC I 3/ I QC 3 /

25 ( X 35 ) Φ Φ ( ),587 5 Encargo líudo: 5 *,587 * 5 5*,8* 3967, ,5 u.m. 4. Teorema da robabldade Total Má. ( ) (D/ ) ( D) M α,8,8 α M,5- α,8,4-,8 α M3,5,, (D),5 5. a) O número mínmo de lances é 4. b) S { 4,5,6,...,n,... } O cardnal é, os, nfnto numerável. c) 4 lances: II 5 lances: III; II 6 lances: IIII; II; III; III 6. a) E( X ) x. f ( Var( X ) E( X x ). ) [ E( X )] x. f ( x ) b) Y X f(x) /4 / /4

26 f ( 4 y ) 4 y 3 y 4 y 5 c) EY ( ) EX ( + 3) EX ( ) Z " Número de Z ( λ?) ocorrêncas verfcadas em 5 mn utos" Sendo a dstrbução de osson, E( Z) V ( Z) λ. Como E( Z ) 6 : V ( Z) E( Z ) [ E( Z) ] λ 6 λ λ + λ 6 λ λ 3 λ ( valor Desta forma, ode conclur se ue Z ( λ ) ostvo) W " Número de ocorrêncas verfcadas W ( λ 4) ( W 8) e f (8) 4.4 8! 8.98 em mn utos".

INTRODUÇÃO À ESTATÍSTICA ECONÔMICA 2a. Prova 11/7/2006 Profa. Ana Maria Farias Turma A hs

INTRODUÇÃO À ESTATÍSTICA ECONÔMICA 2a. Prova 11/7/2006 Profa. Ana Maria Farias Turma A hs INTRODUÇÃO À ESTATÍSTICA ECONÔMICA 2a. rova /7/2006 rofa. Ana Mara Faras Turma A 4-6 hs. Consdere os dados da tabela abaxo, onde temos preços e uantdades utlzadas de materal de escrtóro. Item Undade reço

Leia mais

CAPÍTULO 2 DESCRIÇÃO DE DADOS ESTATÍSTICA DESCRITIVA

CAPÍTULO 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 mais

Aula 3 - Classificação de sinais

Aula 3 - Classificação de sinais Processamento Dgtal de Snas Aula 3 Professor Marco Esencraft feverero 0 Aula 3 - Classfcação de snas Bblografa OPPENHEIM, AV; WILLSKY, A S Snas e Sstemas, a edção, Pearson, 00 ISBN 9788576055044 Págnas

Leia mais

FICHA de AVALIAÇÃO de MATEMÁTICA A 10.º Ano Versão 3

FICHA 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 mais

X = 1, se ocorre : VB ou BV (vermelha e branca ou branca e vermelha)

X = 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 mais

FICHA de AVALIAÇÃO de MATEMÁTICA A 10.º Ano Versão 4

FICHA 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 mais

Proposta de resolução do Exame Nacional de Matemática A 2016 (2 ạ fase) GRUPO I (Versão 1) Logo, P(A B) = = = Opção (A)

Proposta de resolução do Exame Nacional de Matemática A 2016 (2 ạ fase) GRUPO I (Versão 1) Logo, P(A B) = = = Opção (A) Proosta de resolução do Eame Naconal de Matemátca A 0 ( ạ fase) GRUPO I (Versão ). P( A B) 0, P(A B) 0, P(A B) 0, P(A B) 0,4 P(A) + P(B) P(A B) 0,4 Como P(A) 0, e P(B) 0,, vem que: 0, + 0, P(A B) 0,4 P(A

Leia mais

FICHA de AVALIAÇÃO de MATEMÁTICA A 10.º Ano Versão 1

FICHA 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 mais

2. VARIÁVEIS ALEATÓRIAS

2. VARIÁVEIS ALEATÓRIAS VARIÁVEIS ALEATÓRIAS 0 Varável aleatóra Ω é o espaço amostral de um epermento aleatóro Uma varável aleatóra é uma função que atrbu um número real a cada resultado em Ω Eemplo Retra- ao acaso um tem produzdo

Leia mais

FICHA de AVALIAÇÃO de MATEMÁTICA A 10.º Ano Versão 2

FICHA 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 mais

CONCEITOS INICIAIS DE ESTATÍSTICA MÓDULO 2 DISTRIBUIÇÃO DE FREQÜÊNCIA - ELEMENTOS Prof. Rogério Rodrigues

CONCEITOS INICIAIS DE ESTATÍSTICA MÓDULO 2 DISTRIBUIÇÃO DE FREQÜÊNCIA - ELEMENTOS Prof. Rogério Rodrigues CONCEITOS INICIAIS DE ESTATÍSTICA MÓDULO DISTRIBUIÇÃO DE FREQÜÊNCIA - ELEMENTOS Prof. Rogéro Rodrgues I) TABELA PRIMITIVA E DISTRIBUIÇÃO DE FREQÜÊNCIA : No processo de amostragem, a forma de regstro mas

Leia mais

Teoria Elementar da Probabilidade

Teoria 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 mais

3.6. Análise descritiva com dados agrupados Dados agrupados com variáveis discretas

3.6. 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 mais

R X. X(s) Y Y(s) Variáveis aleatórias discretas bidimensionais

R 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 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

NOTAS DE AULA DA DISCIPLINA CE DENSIDADE NORMAL MULTIVARIADA E SUAS PROPRIEDADES

NOTAS DE AULA DA DISCIPLINA CE DENSIDADE NORMAL MULTIVARIADA E SUAS PROPRIEDADES NOTAS DE AULA DA DISCIPLINA CE76 3 DISTRIBUIÇÃO NORMAL MULTIVARIADA 3 DENSIDADE NORMAL MULTIVARIADA E SUAS PROPRIEDADES A densdade normal multvarada é uma generalação da densdade normal unvarada ara dmensões

Leia mais

Análise Descritiva com Dados Agrupados

Análise Descritiva com Dados Agrupados 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 descrtvas

Leia mais

Medidas de Tendência Central. Prof.: Ademilson Teixeira

Medidas de Tendência Central. Prof.: Ademilson Teixeira Meddas de Tendênca Central Prof.: Ademlson Texera ademlson.texera@fsc.edu.br 1 Servem para descrever característcas báscas de um estudo com dados quanttatvos e comparar resultados. Meddas de Tendênca Central

Leia mais

8 - Medidas Descritivas

8 - Medidas Descritivas 8 - Meddas Descrtvas 8. Introdução Ao descrevemos um conjunto de dados por meo de tabelas e gráfcos temos muto mas nformações sobre o comportamento de uma varável do que a própra sére orgnal de dados.

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

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

Medidas de Dispersão e Assimetria Desvio Médio Variância Desvio Padrão Medidas de Assimetria Coeficiente de Assimetria Exemplos.

Medidas de Dispersão e Assimetria Desvio Médio Variância Desvio Padrão Medidas de Assimetria Coeficiente de Assimetria Exemplos. Meddas de Dspersão e Assmetra Desvo Médo Varânca Desvo Padrão Meddas de Assmetra Coefcente de Assmetra Exemplos lde 1 de 16 Meddas de Dspersão - Méda ervem para verfcação e representatvdade das meddas

Leia mais

AULA 4. Segundo Quartil ( Q observações são menores que ele e 50% são maiores.

AULA 4. Segundo Quartil ( Q observações são menores que ele e 50% são maiores. Estatístca Aplcada à Engenhara AULA 4 UNAMA - Unversdade da Amazôna.8 MEDIDA EPARATRIZE ão valores que separam o rol (os dados ordenados) em quatro (quarts), dez (decs) ou em cem (percents) partes guas.

Leia mais

Variável discreta: X = número de divórcios por indivíduo

Variável discreta: X = número de divórcios por indivíduo 5. 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 mais

NOTAS DE AULA DA DISCIPLINA CE076

NOTAS DE AULA DA DISCIPLINA CE076 5. COMPONENTES PRINCIPAIS 5. Introdução A análse de Comonentes Prncas está relaconada com a exlcação da estrutura de covarânca or meo de oucas combnações lneares das varáves orgnas em estudo, ou sea, rocura

Leia mais

CAPÍTULO 2 - Estatística Descritiva

CAPÍTULO 2 - Estatística Descritiva INF 16 Prof. Luz Alexandre Peternell CAPÍTULO - Estatístca Descrtva Exercícos Propostos 1) Consderando os dados amostras abaxo, calcular: méda artmétca, varânca, desvo padrão, erro padrão da méda e coefcente

Leia mais

Prof. Lorí Viali, Dr.

Prof. 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 mais

4 Critérios para Avaliação dos Cenários

4 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 mais

AEP FISCAL ESTATÍSTICA

AEP FISCAL ESTATÍSTICA AEP FISCAL ESTATÍSTICA Módulo 11: Varáves Aleatóras (webercampos@gmal.com) VARIÁVEIS ALEATÓRIAS 1. Conceto de Varáves Aleatóras Exemplo: O expermento consste no lançamento de duas moedas: X: nº de caras

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 entre duas ou mas varáves. Pode ser: correlaconal ou expermental. Numa relação expermental os valores de uma das

Leia mais

UNIVERSIDADE 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 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 mais

PROVA DE MATEMÁTICA DA UFMG VESTIBULAR 2011 2 a Fase. RESOLUÇÃO: Profa. Maria Antônia Gouveia.

PROVA DE MATEMÁTICA DA UFMG VESTIBULAR 2011 2 a Fase. RESOLUÇÃO: Profa. Maria Antônia Gouveia. PROVA DE MATEMÁTICA DA UFMG VESTIBULAR 0 a Fase Profa Mara Antôna Gouvea PROVA A QUESTÃO 0 Consdere as retas r, s e t de equações, resectvamente, y x, y x e x 7 y TRACE, no lano cartesano abaxo, os gráfcos

Leia mais

Escola Secundária com 3º ciclo D. Dinis 10º Ano de Matemática A Estatística

Escola Secundária com 3º ciclo D. Dinis 10º Ano de Matemática A Estatística Escola Secundára com º cclo D. Dns 10º Ano de Matemátca A Estatístca Trabalho de casa nº 15 GRUPO I 1. Num referencal o.n. Oxyz, a undade é o cm e a esfera defnda por ( ) ( ) está nscrta num cubo. O volume

Leia mais

Covariância na Propagação de Erros

Covariância 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 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

Gráficos de Controle para Processos Autocorrelacionados

Gráficos 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 mais

Proposta de resolução do Exame Nacional de Matemática A 2017 (2 ạ fase) GRUPO I (Versão 1) Assim, 2! 3! 4 = 48 é a resposta pedida.

Proposta de resolução do Exame Nacional de Matemática A 2017 (2 ạ fase) GRUPO I (Versão 1) Assim, 2! 3! 4 = 48 é a resposta pedida. Proosta de resolução do Eame Naconal de Matemátca A 7 ( ạ fase) GRUPO I (Versão ) P P I I I. 3 3! 3! = 6 = 8 Estem quatro maneras dstntas de os algarsmos ares estarem um a segur ao outro (PPIII ou IPPII

Leia mais

2ª Atividade Formativa UC ECS

2ª Atividade Formativa UC ECS I. Explque quando é que a méda conduz a melhores resultados que a medana. Dê um exemplo para a melhor utlzação de cada uma das meddas de localzação (Exame 01/09/2009). II. Suponha que um professor fez

Leia mais

Interpolação Segmentada

Interpolação Segmentada Interpolação Segmentada Uma splne é uma função segmentada e consste na junção de váras funções defndas num ntervalo, de tal forma que as partes que estão lgadas umas às outras de uma manera contínua e

Leia mais

Estatística I Licenciatura MAEG 2006/07

Estatística 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 mais

Nome: Nº: Estatística para Economia e Gestão Licenciaturas em Economia e Gestão. 2.º Semestre de 2008/2009

Nome: Nº: Estatística para Economia e Gestão Licenciaturas em Economia e Gestão. 2.º Semestre de 2008/2009 Estatístca para Economa e Gestão Lcencaturas em Economa e Gestão.º Semestre de 008/009 Exame Fnal (.ª Época) 16 de Junho de 009; 17h30m Duração: 10 mnutos INSTRUÇÕES Escreva o nome e número de aluno em

Leia mais

CURSO de ESTATÍSTICA Gabarito

CURSO 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 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

1. ANÁLISE EXPLORATÓRIA E ESTATÍSTICA DESCRITIVA

1. ANÁLISE EXPLORATÓRIA E ESTATÍSTICA DESCRITIVA 1. ANÁLISE EXPLORATÓRIA E ESTATÍSTICA DESCRITIVA 014 Estatístca Descrtva e Análse Exploratóra Etapas ncas. Utlzadas para descrever e resumr os dados. A dsponbldade de uma grande quantdade de dados e de

Leia mais

TESTES DE CONTROLO Teste 6

TESTES DE CONTROLO Teste 6 TESTES DE CNTRL Teste 6 GRUP I Na resposta a cada um dos cnco tens deste grupo selecona a únca opção correta. Escreve na tua fola de respostas apenas o número de cada tem e a letra que dentfca a únca opção

Leia mais

7 - Distribuição de Freqüências

7 - 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 mais

Prof. Lorí Viali, Dr.

Prof. 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 mais

Capítulo 2 Estatística Descritiva Continuação. Prof. Fabrício Maciel Gomes

Capítulo 2 Estatística Descritiva Continuação. Prof. Fabrício Maciel Gomes Capítulo Estatístca Descrtva Contnuação Prof. Fabríco Macel Gomes Problema Uma peça após fundda sob pressão a alta temperatura recebe um furo com dâmetro especfcado em 1,00 mm e tolerânca de 0,5 mm: (11,75

Leia mais

Neste capítulo abordam-se os principais conceitos relacionados com os cálculos de estatísticas, histogramas e correlação entre imagens digitais.

Neste capítulo abordam-se os principais conceitos relacionados com os cálculos de estatísticas, histogramas e correlação entre imagens digitais. 1 1Imagem Dgtal: Estatístcas INTRODUÇÃO Neste capítulo abordam-se os prncpas concetos relaconados com os cálculos de estatístcas, hstogramas e correlação entre magens dgtas. 4.1. VALOR MÉDIO, VARIÂNCIA,

Leia mais

ESCOLA SECUNDÁRIA COM 3º CICLO D. DINIS 10º ANO DE MATEMÁTICA A Tema III Estatística. Aula 1 do plano de trabalho nº 2

ESCOLA 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 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

Variáveis Aleatórias

Variáveis Aleatórias Unversdade Federal do Pará Insttuto de Tecnologa Estatístca Aplcada I Prof. Dr. Jorge Teóflo de Barros Lopes Campus de Belém Curso de Engenhara Mecânca /08/06 7:39 ESTATÍSTICA APLICADA I - Teora das Probabldades

Leia mais

Curso de extensão, MMQ IFUSP, fevereiro/2014. Alguns exercício básicos

Curso de extensão, MMQ IFUSP, fevereiro/2014. Alguns exercício básicos Curso de extensão, MMQ IFUSP, feverero/4 Alguns exercíco báscos I Exercícos (MMQ) Uma grandeza cujo valor verdadero x é desconhecdo, fo medda três vezes, com procedmentos expermentas dêntcos e, portanto,

Leia mais

2ª ACTIVIDADE ESCRITA DE MATEMÁTICA A 12.º C 2009 NOVEMBRO 20 Duração da prova: 45 minutos VERSÃO 1. Grupo I

2ª ACTIVIDADE ESCRITA DE MATEMÁTICA A 12.º C 2009 NOVEMBRO 20 Duração da prova: 45 minutos VERSÃO 1. Grupo I ª ATIVIDADE ESRITA DE MATEMÁTIA A.º 009 NOVEMBRO 0 Duração da prova 4 mnutos VERSÃO Grupo I Para cada uma das três questões deste grupo, seleccone a resposta correcta de entre as alternatvas que lhe são

Leia mais

22/8/2010 COMPLEXIDADE DE ALGORITMOS CES para os numeradores e 1 para o denominador. Noções de complexidade de algoritmos

22/8/2010 COMPLEXIDADE DE ALGORITMOS CES para os numeradores e 1 para o denominador. Noções de complexidade de algoritmos Razão de crescmento desse temo Imortânca de análse de algortmos Um mesmo roblema ode, em mutos casos, ser resolvdo or város algortmos. Nesse caso, qual algortmo deve ser o escolhdo? Crtéro 1: fácl comreensão,

Leia mais

Licenciatura Análise de Dados e Probabilidade 1 e 2. Clara Costa Duarte. 1º Semestre 2006/2007

Licenciatura Análise de Dados e Probabilidade 1 e 2. Clara Costa Duarte. 1º Semestre 2006/2007 Lcencatura 34 -nálse de Dados e robabldade e º Semestre 6/7 Clara Costa Duarte 34- nálse de Dados e robabldade. Introdução Estatístca:é um conjunto de nstrumentos que servem para: Recolher Descrever e

Leia mais

FAAP APRESENTAÇÃO (1)

FAAP APRESENTAÇÃO (1) ARESENTAÇÃO A Estatístca é uma cênca que organza, resume e smplfca nformações, além de analsá-las e nterpretá-las. odemos dvdr a Estatístca em três grandes campos:. Estatístca Descrtva- organza, resume,

Leia mais

M mn (R) : conjunto das matrizes reais m n AnB = fx; x 2 A e x =2 Bg det A : determinante da matriz A

M mn (R) : conjunto das matrizes reais m n AnB = fx; x 2 A e x =2 Bg det A : determinante da matriz A NOTAÇÕES N = f1; ; ; g C conjunto dos números comlexos R conjunto dos números reas undade magnára = 1 [a; b] = fx R; a x bg jzj módulo do número z C [a; b[ = fx R; a x < bg z conjugado do número z C ]a;

Leia mais

Departamento de Informática. Modelagem Analítica do Desempenho de Sistemas de Computação. Modelagem Analítica. Disciplina: Variável Aleatória

Departamento de Informática. Modelagem Analítica do Desempenho de Sistemas de Computação. Modelagem Analítica. Disciplina: Variável Aleatória Departamento de Informátca Dscplna: do Desempenho de Sstemas de Computação Varável leatóra Prof. Sérgo Colcher colcher@nf.puc-ro.br Varável leatóra eal O espaço de amostras Ω fo defndo como o conjunto

Leia mais

Grupo I. 1. Uma caixa contém bolas indistinguíveis ao tacto e de duas cores diferentes: azul e roxo.

Grupo I. 1. Uma caixa contém bolas indistinguíveis ao tacto e de duas cores diferentes: azul e roxo. Exames Naconas EXAME NACIONAL DO ENSINO SECUNDÁRIO Decreto-Le n. 74/2004, e 26 e Março Prova Escrta e Matemátca A 2. Ano e Escolarae Prova 63/2.ª Fase Duração a Prova: 0 mnutos. Tolerânca: 30 mnutos 200

Leia mais

Resumos Numéricos de Distribuições

Resumos Numéricos de Distribuições Estatístca Aplcada à Educação Antono Roque Aula Resumos umércos de Dstrbuções As representações tabulares e grácas de dados são muto útes, mas mutas vezes é desejável termos meddas numércas quanttatvas

Leia mais

Probabilidade e Estatística I Antonio Roque Aula 4. Resumos Numéricos de Distribuições

Probabilidade e Estatística I Antonio Roque Aula 4. Resumos Numéricos de Distribuições Probabldade e Estatístca I Antono Roque Aula Resumos umércos de Dstrbuções As representações tabulares e grácas de dados são muto útes, mas mutas vezes é desejável termos meddas numércas quanttatvas para

Leia mais

Matemática. Resolução das atividades complementares. M22 Números Complexos. 1 Resolva as equações no campo dos números complexos.

Matemática. Resolução das atividades complementares. M22 Números Complexos. 1 Resolva as equações no campo dos números complexos. Resolução das atvdades comlementares Matemátca M Números Comleos. Resolva as equações no camo dos números comleos. a 0 {, } b 8 0 a 0 D?? D 8 D Cálculo das raíes? S {, } b 8 0 D?? 8 Cálculo das raíes D

Leia mais

Regressão Múltipla. Parte I: Modelo Geral e Estimação

Regressão 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 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

Análise de Regressão Linear Múltipla IV

Análise 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 mais

CONCEITOS BÁSICOS. Podemos assim caracterizar três áreas de interesse (ramos) da Estatística: Estatística Inferencial ESTATÍSTICA

CONCEITOS BÁSICOS. Podemos assim caracterizar três áreas de interesse (ramos) da Estatística: Estatística Inferencial ESTATÍSTICA 1 Estatístca CONCEITOS BÁSICOS 6 É uma metodologa ou conjunto de técncas que utlza a coleta de dados, sua classfcação, sua apresentação ou representação, sua análse e sua nterpretação vsando a sua utlzação

Leia mais

Prof. Lorí Viali, Dr.

Prof. 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 mais

UNIDADE IV DELINEAMENTO INTEIRAMENTE CASUALIZADO (DIC)

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 mais

37 [C] Verdadeira. Veja justificativa do item [B]. Moda = 8

37 [C] Verdadeira. Veja justificativa do item [B]. Moda = 8 Resposta da questão 1: [C] Calculando:,5 + 10 + 8 + 9,4 + 8 +,4 + x + 7,4 = 8, 8,5 + 10 + 8 + 9,4 + 8 +,4 + x + 7,4 = 5, x = 9,9 Moda = 8 8+ 8 Medana = = 8,5 + 10 + 8 + 9,4 + 8 +,4 + 7,4 Méda das outras

Leia mais

Elementos de Estatística e Probabilidades II

Elementos de Estatística e Probabilidades II Elementos de Estatístca e Probabldades II Varáves e Vetores Aleatóros dscretos Inês Das 203 O prncpal objetvo da deste documento é fornecer conhecmentos báscos de varáves aleatóras dscretas e pares aleatóros

Leia mais

RAD1507 Estatística Aplicada à Administração I Prof. Dr. Evandro Marcos Saidel Ribeiro

RAD1507 Estatística Aplicada à Administração I Prof. Dr. Evandro Marcos Saidel Ribeiro UNIVERIDADE DE ÃO PAULO FACULDADE DE ECONOMIA, ADMINITRAÇÃO E CONTABILIDADE DE RIBEIRÃO PRETO DEPARTAMENTO DE ADMINITRAÇÃO RAD1507 Estatístca Aplcada à Admnstração I Prof. Dr. Evandro Marcos adel Rbero

Leia mais

ANÁLISE EXPLORATÓRIA E ESTATÍSTICA DESCRITIVA

ANÁLISE EXPLORATÓRIA E ESTATÍSTICA DESCRITIVA ANÁLISE EXPLORATÓRIA E ESTATÍSTICA DESCRITIVA 014 Estatístca Descrtva e Análse Exploratóra Etapas ncas. Utlzadas para descrever e resumr os dados. A dsponbldade de uma grande quantdade de dados e de métodos

Leia mais

Termo-Estatística Licenciatura: 4ª Aula (08/03/2013)

Termo-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 mais

MEDIDAS DE TENDÊNCIA CENTRAL

MEDIDAS DE TENDÊNCIA CENTRAL 3.1- Introdução. ESTATÍSTICA MEDIDAS DE TENDÊNCIA CENTRAL Como na representação tabular e gráfca dos dados a Estatístca Descrtva consste num conjunto de métodos que ensnam a reduzr uma quantdade de dados

Leia mais

Capítulo 1. Exercício 5. Capítulo 2 Exercício

Capítulo 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 mais

GABARITO. Física C 11) 42. Potencial no equilíbrio

GABARITO. Física C 11) 42. Potencial no equilíbrio GBITO Físca C Semextensvo V. Exercícos 0) 45 0. O campo elétrco no nteror de um condutor eletrzado é nulo. Se o campo não fosse nulo no nteror do condutor eletrzado esse campo exercera uma força sobre

Leia mais

4. Sistemas de coleta/distribuição

4. Sistemas de coleta/distribuição 4. Sstemas de coleta/dstrbução O roblema de coleta ou dstrbução de carga ara uma regão geográfca servda or um deósto central aresenta, normalmente, algumas remssas báscas que auxlam na sua solução. São

Leia mais

Universidade da Beira Interior Departamento de Matemática. Ficha de exercícios nº2: Distribuições Bidimensionais

Universidade da Beira Interior Departamento de Matemática. Ficha de exercícios nº2: Distribuições Bidimensionais Ano lectvo: 2006/2007 Unversdade da Bera Interor Departamento de Matemátca ESTATÍSTICA Fcha de exercícos nº2: Dstrbuções Bdmensonas Curso: Cêncas do Desporto 1. Consdere a segunte tabela de contngênca:

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 Janete Perera Amador 1 8 Meddas Descrtvas Vmos anterormente que um conjunto de dados pode ser resumdo através de uma dstrbução de freqüêncas, e que esta pode ser representada através de uma

Leia mais

BC0406 Introdução à Probabilidade e à Estatística Lista de Exercícios Suplementares 3 3 quadrimestre 2011

BC0406 Introdução à Probabilidade e à Estatística Lista de Exercícios Suplementares 3 3 quadrimestre 2011 BC0406 Introdução à Probabldade e à Estatístca Lsta de Eercícos Suplementares novembro 0 BC0406 Introdução à Probabldade e à Estatístca Lsta de Eercícos Suplementares quadrmestre 0 Além destes eercícos,

Leia mais

Algarismos Significativos Propagação de Erros ou Desvios

Algarismos 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 mais

3. Estatística descritiva bidimensional

3. 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 mais

SÉRIE DE PROBLEMAS: CIRCUITOS DE ARITMÉTICA BINÁRIA. CIRCUITOS ITERATIVOS.

SÉRIE DE PROBLEMAS: CIRCUITOS DE ARITMÉTICA BINÁRIA. CIRCUITOS ITERATIVOS. I 1. Demonstre que o crcuto da Fg. 1 é um half-adder (semsomador), em que A e B são os bts que se pretendem somar, S é o bt soma e C out é o bt de transporte (carry out). Fg. 1 2. (Taub_5.4-1) O full-adder

Leia mais

PRESSUPOSTOS DO MODELO DE REGRESSÃO

PRESSUPOSTOS 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 mais

MÉTODO DE FIBONACCI. L, em que L

MÉTODO DE FIBONACCI. L, em que L Métodos de bonacc e da Seção Aúrea Adotando a notação: MÉTODO DE IBOACCI L e L L, em que L b a, resulta a: ncal orma Recursva: ara,,, - (-a) ou ara,,, - (-b) A esta equação se assoca a condção de contorno

Leia mais

Notas de Aula de Probabilidade A

Notas de Aula de Probabilidade A VII- VARIÁVEIS ALEATÓRIAS UNIDIMENSIONAIS. 7. CONCEITO DE VARIÁVEIS ALEATÓRIAS: Informalmente, uma varável aleatóra é um característco numérco do resultado de um epermento aleatóro. Defnção: Uma varável

Leia mais

RISCO. Investimento inicial $ $ Taxa de retorno anual Pessimista 13% 7% Mais provável 15% 15% Otimista 17% 23% Faixa 4% 16%

RISCO. 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 mais

Modelo Logístico. Modelagem multivariável com variáveis quantitativas e qualitativas, com resposta binária.

Modelo Logístico. Modelagem multivariável com variáveis quantitativas e qualitativas, com resposta binária. Modelagem multvarável com varáves quanttatvas e qualtatvas, com resposta bnára. O modelo de regressão não lnear logístco ou modelo logístco é utlzado quando a varável resposta é qualtatva com dos resultados

Leia mais

ANÁLISE EXPLORATÓRIA E ESTATÍSTICA DESCRITIVA

ANÁLISE EXPLORATÓRIA E ESTATÍSTICA DESCRITIVA ANÁLISE EXPLORATÓRIA E ESTATÍSTICA DESCRITIVA 014 Estatístca Descrtva e Análse Exploratóra Etapas ncas. Utlzadas para descrever e resumr os dados. A dsponbldade de uma grande quantdade de dados e de métodos

Leia mais

Introdução. Uma lâmpada nova é ligada e observa-se o tempo gasto até queimar. Resultados possíveis

Introdução. Uma lâmpada nova é ligada e observa-se o tempo gasto até queimar. Resultados possíveis Introdução A teora das probabldades é um ramo da matemátca que lda modelos de fenômenos aleatóros. Intmamente relaconado com a teora de probabldade está a Estatístca, que se preocupa com a cração de prncípos,

Leia mais

Teste Intermédio I (45%)

Teste Intermédio I (45%) 0 Anále de Dado e Probabldade º Semetre 00-007 Fernando Brto Soare Cáta Fernande Pedro Chave Tete Intermédo Data: 7 de Outubro de 00, 7:00 Duração: hora ota: A utlzação de máquna centífca e gráfca ó erá

Leia mais

ESTATÍSTICA APLICADA II ANO LECTIVO 2011/2012. Exame Final 26 de Julho de 2012

ESTATÍSTICA 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 mais

Probabilidade de Óbito por Leptospirose Humana em Belém - PA

Probabilidade de Óbito por Leptospirose Humana em Belém - PA Probabldade de Óbto or Letosrose Humana em Belém - PA. Introdução Bolssta de Incação Centífca ICEN/UFPA. e-mal: dana.olvera@cen.ufa.br ² Mestrando em Estatístca Alcada e Bometra CCE/UFV. ³ Professor(a

Leia mais

PROVA 2 Cálculo Numérico. Q1. (2.0) (20 min)

PROVA 2 Cálculo Numérico. Q1. (2.0) (20 min) PROVA Cálculo Numérco Q. (.0) (0 mn) Seja f a função dada pelo gráfco abaxo. Para claro entendmento da fgura, foram marcados todos os pontos que são: () raízes; () pontos crítcos; () pontos de nflexão.

Leia mais

e como falha o evento complementar F

e como falha o evento complementar F No caítulo 3, foram aresentados os fundamentos da teora de robabldades, necessáros à comreensão das varáves aleatóras e de suas dstrbuções. No resente caítulo, dá-se níco à formulação e à descrção dos

Leia mais

Página 293. w1 w2 a b i 3 bi a b i 3 bi. 2w é o simétrico do dobro de w. Observemos o exemplo seguinte, em que o afixo de 2w não

Página 293. w1 w2 a b i 3 bi a b i 3 bi. 2w é o simétrico do dobro de w. Observemos o exemplo seguinte, em que o afixo de 2w não Preparar o Exame 0 0 Matemátca A Págna 9. Se 5 5 é o argumento de z, é argumento de z e 5 5. Este ângulo é gual ao ângulo de ampltude 5 é argumento de z.. Resposta: D w w a b b a b b. a b a a b b b bem

Leia mais

MECÂNICA CLÁSSICA. AULA N o 9. Colchetes de Poisson Simetrias Espaço de Fases Transformações Canônicas (Hamiltoniano)

MECÂNICA CLÁSSICA. AULA N o 9. Colchetes de Poisson Simetrias Espaço de Fases Transformações Canônicas (Hamiltoniano) 1 MECÂNICA CLÁSSICA AULA N o 9 Colchetes de Posson Smetras Esaço de Fases Transformações Canôncas (amltonano) O Esaço de Fases tem uma estrutura assocada a s. Esaços ossuem estruturas, que se referem aos

Leia mais

Figura 8.1: Distribuição uniforme de pontos em uma malha uni-dimensional. A notação empregada neste capítulo para avaliação da derivada de uma

Figura 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 mais