INFERÊNCIA. Fazer inferência (ou inferir) = tirar conclusões

Save this PDF as:
 WORD  PNG  TXT  JPG

Tamanho: px
Começar a partir da página:

Download "INFERÊNCIA. Fazer inferência (ou inferir) = tirar conclusões"

Transcrição

1 INFERÊNCIA Fazer iferêcia (ou iferir) = tirar coclusões Iferêcia Estatística: cojuto de métodos de aálise estatística que permitem tirar coclusões sobre uma população com base em somete uma parte dela (uma amostra) Os métodos de iferêcia podem ser agrupados em duas categorias: o Estimação: potual ou itervalar o Testes de Hipóteses

2 ESTIMAÇÃO PONTUAL Um úico valor é utilizado para iferir sobre um parâmetro de iteresse. Estimador: uma fução da amostra X i= = 1 x i Estimativa: um particular valor umérico assumido por um estimador X 50 = = 10 5 Obs: Diferetes amostras levam a diferetes estimativas Esse procedimeto ão permite julgar a magitude do erro que podemos estar cometedo.

3 Propriedade dos Estimadores É importate frisar que podem existir vários estimadores para um mesmo parâmetro populacioal. Logo, a escolha do melhor estimador será feita com base em algus critérios. P1. Não-Tedecioso (Não-Viciado): diz-se que um estimador é ão viciado quado, em média, ele forece estimativas iguais ao parâmetro que ele está estimado P2. Eficiete: deseja-se que o estimador seja altamete cocetrado, ou seja, que teha pequea variâcia amostral, ou aida, que o estimador foreça, para diferetes amostras, estimativas que estejam próximas etre si P3. Cosistete: dizer que um estimador é cosistete sigifica que as estimativas forecidas por ele estão próximas do parâmetro, ou que a difereça é pequea.

4 Exemplo: Supoha que alguém deseje comprar um rifle e, detre muitos, selecioe quatro (A, B, C e D). Com o objetivo de testá-los, foram dados 15 tiros com cada um deles. A represetação gráfica é dada abaixo.

5 Algus Estimadores Potuais Importates Os estimadores apresetados a seguir possuem as propriedades: ão-viesados, cosistetes e eficietes. Média: o melhor estimador para a média populacioal µ é a média amostral. ˆµ = X = i= 1 x i Proporção: o estimador da proporção populacioal (p) é dado pela proporção amostral pˆ = S ode, S é o úmero de elemetos que apresetam uma determiada característica etre os elemetos da amostra.

6

7 ESTIMAÇÃO POR INTERVALO o Vimos que uma estimativa potual é um valor (ou poto) úico usado para aproximar um parâmetro populacioal. o No etato, a probabilidade de que uma estimativa potual coicida com o verdadeiro valor de um parâmetro populacioal é pequea. Na verdade, tal probabilidade será igual a zero caso a distribuição de T seja cotíua. o Etão, seria iteressate se a estimativa potual viesse acompahada de alguma medida de erro. É esse setido, que a estimativa itervalar complemeta a estimação potual. o Assim, um itervalo de cofiaça (estimativa itervalar) represeta uma amplitude de valores que tem alta probabilidade (grau de cofiaça) de coter o verdadeiro valor da população. o O grau de cofiaça (ou ível de cofiaça) é uma medida que represeta a probabilidade do itervalo coter o parâmetro populacioal. Tal probabilidade é chamada de 1- α. Logo, α (ível de sigificâcia) será a probabilidade de erro ao se afirmar que o itervalo cotém o verdadeiro valor do parâmetro.

8 INTERVALO DE CONFIANÇA PARA MÉDIA DA POPULAÇÃO Duas situações são cosideradas quado desejamos estabelecer um itervalo de cofiaça para µ: 2 o quado σ é cohecida 2 o quado σ é descohecida Suposições: 2 o ~ N( µ, σ ) X ou o > 30 De modo geral, estamos iteressados em ecotrar um itervalo a forma: [ X ε 0; X + ε 0 ] = [ X ± ε 0 ] ode ε 0 represeta a semi-amplitude do itervalo de cofiaça, sedo chamado de ERRO de PRECISÃO em relação a µ.

9 2 Caso 1: σ é cohecida Como X ~ 2 σ N µ,, temos que P ( µ ε < < µ + ε ) 0 = 1 α 0 X f(z) α/2 1 - α α/2 Z α /2 0 Z 1 α /2

10 Logo, = z ε 0 1 α / 2 σ Assim, a partir da expressão acima podemos também estimar, por exemplo, o tamaho da amostra () (se ε 0, z e σ são cohecidos). Assim, temos que σ σ P( X z1 α / 2 < µ < X + z1 α / 2 ) = 1 α Em outras palavras, isso sigifica que a probabilidade de que o itervalo coteha o verdadeiro valor de µ σ [ X z1 α / 2 ; X + z1 α / 2 σ ] é igual a 1-α.

11 Exemplo 1) A retabilidade das vedas de carros usados a cidade de João Pessoa foi determiada em um estudo realizado pelos empresários locais. Uma amostra de 100 vedas de carros usados foreceu um lucro médio de R$ 2.000,00. Sabe-se de estudos ateriores que o desvio padrão é de R$ 500,00. a) A partir das iformações obtidas o estudo, costrua uma estimativa por itervalo de cofiaça de 99% do lucro médio para a população das vedas de carros usados. b) Quatas vedas de carros usados deveriam ter sido coletadas, para que a margem de erro fosse de o máximo 2% com mesmo ível de cofiaça? 2) Em um estudo de subsídios de empréstimos para os estudates, relatou-se que aqueles que tomam empréstimo do Baco do Brasil, com quatro aos de prazo, terão uma dívida de R$ 4.000,00. Cosidere que esse valor médio de edividameto está baseado em uma amostra de 121 empréstimos de estudates de graduação, e que o desvio padrão da população para a quatia emprestada é de R$ 1.300,00. a) Desevolva uma estimativa por itervalo de cofiaça de 95% da quatia média devida pelos estudates de graduação. b) O úmero de empréstimos aalisados é suficiete se quisermos que a margem de erro seja de o máximo 3% com o mesmo ível de cofiaça? c) O que acotece com a amplitude do itervalo quado o ível de cofiaça é de 99%?

12 Caso 2: 2 σ descohecida Neste caso, adota-se como estimador a variâcia amostral S 2 1 ) ( = = x x S i i Agora, a estatística 1) ( ~ / = t S X T µ terá distribuição t-studet com -1 graus de liberdade, e ão mais distribuição ormal padrão.

13 Assim, quado a variâcia é descohecida, a probabilidade de que o verdadeiro valor de µ perteça ao itervalo S [ X t( 1, α / 2) ; X + t( 1, α / 2) S ] é igual a 1-α. Logo, ε 0 = t ( 1, α / 2) S Assim, a partir da expressão acima podemos também estimar, por exemplo, o tamaho da amostra () (se ε 0, t e S são cohecidos).

14 Comparação da distribuição ormal padrão com a distribuição t de Studet

15 Exemplo 1) A associação Brasileira de Agêcias de Propagada registra dados sobre miutos sem programação os programas de meia hora o horário obre de televisão. Em uma amostra de 20 programas de horário obre obteve-se uma média de 6,5 miutos e um desvio padrão de 2 miutos. Cosidere que esta variável se comporta como uma distribuição ormal. a) Determie um itervalo de 99% de cofiaça para o úmero médio de miutos sem propagada. b) Quatos programas deveriam ter sido selecioados para que a margem de erro fosse de o máximo 0,3 miutos? c) Que erro se cometeria a estimação da média caso usássemos uma amostra com tamaho 20% iferior, usado o mesmo ível de cofiaça? 2) Sem embasameto estatístico ehum, o prefeito de certo muicípio deseja estimar a média de gastos dos turistas que visitam a cidade. Com este propósito, uma amostra aleatória de 25 turistas foi selecioada para a ivestigação e ecotrou-se que a média foi igual a R$ 500,00 e desvio padrão de R$ 250,00. a) Qual o itervalo de cofiaça, a 99% para a média dos gastos de turistas com a cidade? b) Qual deveria ser o tamaho da amostra, fixado uma margem de erro de 3% e um ível de cofiaça de 99%?

16 INTERVALO DE CONFIANÇA PARA PROPORÇÃO DA POPULAÇÃO Vimos que a distribuição amostral de pˆ, para suficietemete grade, é Normal com parâmetros pˆ ~ N p, p (1 p), O itervalo que estamos procurado é da forma p ˆ ± ε ]. Assim, por um camiho semelhate ao [ 0 adotado o caso da média populacioal µ, chega-se facilmete a ε 0 = z α 1 / 2 p(1 p) Assim, a partir da expressão acima podemos também estimar, por exemplo, o tamaho da amostra () (se ε 0, z e p são cohecidos).

17 No etato, a prática p é descohecido, sedo substituído pela proporção amostral pˆ. Assim, o itervalo de cofiaça para p, ao ível de cofiaça 1-α, é dado por pˆ pˆ (1 pˆ ) ; pˆ + [ z1 α / 2 z1 α / 2 pˆ (1 pˆ ) ]

18 Observações: Um erro comum é dizer que a probabilidade de µ estar o itervalo de 100(1-α)% é de (1-α). µ ão é uma variável aleatória, portato ão existe probabilidade sobre µ. µ é uma costate descohecida, sobre a qual desejamos iferir, através das quatidades amostrais X e S. A iterpretação correta é do itervalo de cofiaça coter o verdadeiro valor de µ com 100(1- α)% de cofiaça.

19 Exemplo de um itervalo de cofiaça para proporção

20 Exemplo 1) Um levatameto da Globo News solicitou a 800 adultos que respodessem a uma série de questões sobre suas perspectivas em relação à situação fiaceira do Brasil. Um total de 560 adultos respoderam Sim a questão: Você acha que as coisas estão ido bem o Brasil de hoje? a) Determie um itervalo de cofiaça ao ível de 95% para a proporção de adultos que setem que as coisas estão ido bem o Brasil. b) Quatos adultos deveriam ter sido etrevistados, para que fosse de 2 potos percetuais a margem de erro para estimar, com 95% de cofiaça, a verdadeira percetagem de adultos que setem que as coisas estão ido bem o Brasil? 2) O Istituto de Turismo do Estado da Paraíba plaeja pesquisar os visitates das maiores praias de todo o estado para estimar a proporção de visitates que ão residem a Paraíba. Observou que dos 500 visitates 320 eram do estado. a) Qual a estimativa da proporção de visitates que ão residem a Paraíba? b) Que tamaho de amostra deve ser tomada para se estimar a proporção de visitates de fora do estado com uma margem de erro de 2%? Use um ível de cofiaça de 95%. c) Determie um itervalo de cofiaça ao ível de 95% para a proporção de visitates de fora do estado da Paraíba.

21 FATORES DETERMINANTES DO ERRO DE ESTIMAÇÃO σ [ X z1 α / 2 ; X + z1 α / 2 σ ] O erro de estimação será meor ou maior depededo do(a): 1) Tamaho da amostra (): Quato meor o tamaho da amostra, maior será o erro de estimação. 2) Variabilidade da característica a população (σ): Quato maior for a variabilidade da característica cuja média está sedo estimada maior será o erro de estimação. 3) Nível de cofiaça (1-α): Se quisermos uma cofiaça maior o itervalo teremos um erro de estimação maior.

22 TESTE DE HIPÓTESES o O Teste de Hipóteses cosiste em uma regra de decisão elaborada para rejeitar (ou ão) uma afirmação (hipótese) feita a respeito de um parâmetro populacioal descohecido, com base em iformações colhidas de uma amostra aleatória. o Verificar se o salário médio de certa categoria profissioal o Brasil é de R$1.500,00 o Testar se o percetual de aceitação de um determiado produto é de 40% ou mais. CONCEITOS FUNDAMENTAIS Hipótese Nula (H 0 ): É a hipótese a ser testada. Hipótese Alterativa (H 1 ): É a hipótese a ser cofrotada com H 0. o O teste será feito de tal forma que deverá sempre cocluir a rejeição (ou ão) de H 0

23 o Como estamos tomado uma decisão com base em iformações de uma amostra, estaremos sujeitos a cometer dois tipos de erros: Erro do tipo I (α): Rejeitarmos H 0 quado H 0 é verdadeira. α = P(erro do tipo I) = P(rejeitar H 0 / H 0 é verdadeira) Erro do tipo II (β): Não rejeitarmos H 0 quado H 0 é falsa. β = P(erro do tipo II) = P(ão rejeitar H 0 / H 0 é falsa) Poder do Teste( 1 β) ou Potêcia do Teste 1 β = 1 P(ão rejeitar H 0 / H 0 é falsa) = P(rejeitar H 0 / H 0 é falsa) OBS: α é deomiado de ível de sigificâcia do teste. o Na prática, fixamos α bem pequeo, e tetamos cotrolar β aumetado o tamaho da amostra.

24 Nossas decisões em um teste de hipóteses podem ser resumidas a seguite tabela Amostra População H 0 é verdadeira Realidade (descohecida) H 0 é falsa d e c i s ã o Rejeitar H 0 Não rejeitar H 0 Erro do tipo I Decisão correta Decisão correta Erro do tipo II

25 OUTRAS DEFINIÇÕES IMPORTANTES o Estatística do teste: É a estatística utilizada para julgar H 0. o Região crítica do teste (RC): É formada pelo cojuto de valores que levam à rejeição de H 0. Ela depede do tipo de hipótese alterativa, do ível de sigificâcia (α) adotado, e da distribuição de probabilidade da estatística do teste. o Região de aceitação do teste (RA): É formada pelo cojuto de valores que levam à aceitação de H 0. ETAPAS NA ELABORAÇÃO DE UM TESTE DE HIPÓTESES Em suma, para a elaboração de um teste de hipóteses, devemos seguir os seguites passos: 1- Defiir as hipóteses ula(h 0 ) e alterativa(h 1 ); 2- Fixar o ível de sigificâcia (α); 3- Determiar a estatística do teste ; 4- Determiar a região crítica do teste; 5- Calcular o valor da estatística do teste, (com base uma amostra aleatória retirada da população de iteresse); 6- Se o valor calculado o passo aterior RC, rejeitar H 0, caso cotrário, ão rejeitar H 0 ; 7- Coclusão do teste.

26 TESTE DE HIPÓTESES PARA MÉDIA POPULACIONAL Caso 1: 2 σ cohecida 1. Defiição das hipóteses: H 0 : µ = µ 0 H 1 : µ < µ 0 ou H 0 : µ = µ 0 H 1 : µ µ 0 ou H 0 : µ = µ 0 H 1 : µ > µ 0 2. Fixar o ível de sigificâcia α 3. Defiir a estatística do teste Z = X µ σ ~ N(0,1) 4. Defiir a região crítica do teste (RC)

27 a) H 0 : µ = µ 0 H 1 : µ µ 0 b) H 0 : µ = µ 0 H 1 : µ < µ 0

28 c) H 0 : µ = µ 0 H 1 : µ > µ 0 5. Com base os valores observados da amostra, calcular o valor da Estatística do Teste Z Z c = X µ 0 σ 6. Se Z c RC rejeitar H 0 (coseqüetemete aceitar H 1 ). Se Z c RC Não rejeitar H 0 (coseq. ão aceitar H 1 ) 7. Cocluir sobre a decisão tomada o passo 6.

29 Exemplo 1) Os Brasileiros que deram etrada a declaração do imposto de reda de 2010 ates de 31 de março de 2011 têm uma restituição média de R$ 1.056,00. Cosidere a população de etregadores de última hora que despacharam suas declarações durate os últimos cico dias do período de etrega do imposto de reda (26 até 30 de abril). Sabe-se que o desvio padrão é de R$ 800,00. Um pesquisador sugere que uma das razões para que os idivíduos esperem até os últimos dias para etregar suas declarações é que em média eles têm uma restituição mais baixa do que os primeiros etregadores. Para uma amostra de 100 idivíduos que etregaram a declaração os últimos 5 dias, a restituição média da amostra foi de R$ 950,00. Qual é a sua coclusão? Cosidere um ível de sigificâcia de 5%. 2) Uma fábrica de automóveis aucia que seus carros cosomem em média 9,4 km/l, com desvio padrão de 0,79 litros. Uma revista com base em resultados prelimiares descofia da afirmação acima do fabricate e resolve testar tal hipótese aalisado 32 automóveis dessa marca, obtedo 9 km/l como cosumo médio. O que a revista pode cocluir sobre o aúcio da fábrica ao ível de sigificâcia de 5%?

30 2 Caso 2: σ descohecida 1. Defiição das hipóteses: H 0 : µ = µ 0 H 1 : µ < µ 0 ou H 0 : µ = µ 0 H 1 : µ µ 0 ou H 0 : µ = µ 0 H 1 : µ > µ 0 2. Fixar o ível de sigificâcia α 3. Defiir a estatística do teste T = X µ S ~ t (-1) (distr. t-studet com -1 graus de liberdade) 4. Defiir a região crítica do teste (RC)

31 a)h 0 : µ = µ 0 H 1 : µ µ 0 b) H 0 : µ = µ 0 H 1 : µ < µ 0

32 c) H 0 : µ = µ 0 H 1 : µ > µ 0 5. Com base os valores observados da amostra, calcular o valor da Estatística do Teste T T c = X µ 0 S 6. Se T c RC rejeitar H 0 (coseqüetemete aceitar H 1 ). Se T c RC Não rejeitar H 0 (coseq. ão aceitar H 1 ) 7. Cocluir sobre a decisão tomada o passo 6.

33 Observação: o Quado > 30, podemos ter dificuldades de achar o valor tabelado a tabela t-studet que defie os limites etre a região crítica e a região de aceitação do teste. Nesses casos, algus autores sugerem defiir a região crítica através da distribuição Normal padrão. o No etato, em ossa disciplia iremos sempre usar o valor tabelado obtido da tabela t-studet. o Justificativa: Os softwares computacioais (Excel, por exemplo) calculam os valores da distribuição t-studet.

34 Exemplo 1) Um fabricate afirma que seus cigarros cotêm ão mais que 30 mg de icotia. Uma amostra de 31 cigarros forecem média de 31,5mg e desvio padrão de 3mg. Ao ível de sigificâcia de 5%, os dados refutam ou ão a afirmação do fabricate? 2) Uma empresa paga atualmete aos seus operários um salário médio de R$ 15,00 a hora. A empresa está plaejado costruir uma ova fábrica e está cosiderado diversos locais. A dispoibilidade de mão de obra a uma taxa meor que R$ 15,00 a hora é um grade fator a decisão do local. Uma amostra de 40 trabalhadores foreceu um salário horário médio atual de R$ 14,00 e um desvio padrão de R$ 2,40. Com um ível de cofiaça de 0,99, os dados da amostra idicam que o local tem uma taxa de salário médio sigificativamete abaixo da taxa de R$ 15,00 por hora?

35 TESTE DE HIPÓTESES PARA PROPORÇÃO POPULACIONAL 1. Defiição das hipóteses: H 0 : p = p 0 H 1 : p < p 0 ou H 0 : p = p 0 H 1 : p p 0 ou H 0 : p = p 0 H 1 : p > p 0 2. Fixar o ível de sigificâcia α 3. Defiir a estatística do teste Z = pˆ p p(1- p) ~ N(0,1) 4. Defiir a região crítica do teste (RC)

36 a) H 0 : p = p 0 H 1 : p p 0 b) H 0 : p = p 0 H 1 : p < p 0

37 b) H 0 : p = p 0 H 1 : p > p 0 5. Com base os valores observados da amostra, calcular o valor da Estatística do Teste Z Z c = pˆ p p (1 p ) Se Z c RC rejeitar H 0 (coseqüetemete aceitar H 1 ). Se Z c RC Não rejeitar H 0 (coseq. ão aceitar H 1 ) 7. Cocluir sobre a decisão tomada o passo 6.

38 Exemplo 1) Uma estação de televisão afirma que 60% dos televisores estavam ligados o seu programa especial da última seguda-feira. Uma rede competidora deseja cotestar essa afirmação, e decide, para isso, usar uma amostra aleatória de 200 famílias, das quais 104 respoderam afirmativamete. Qual deve ser o procedimeto adotado para julgar a afirmação da estação? Utilize um ível de sigificâcia de 5%. 2) Até o ao passado, apeas 40% dos estudates de uma certa catia uiversitária aprovaram a qualidade das refeições servidas o seu refeitório. Após uma série de medidas corretivas, 40 estudates foram escolhidos ao acaso, etrevistados, e o úmero daqueles que aprovaram a qualidade das refeições foram usados para verificar se as medidas corretivas surtiram efeito. O úmero dos que ficaram satisfeitos foi 22. Realize o teste de hipóteses apropriado usado o ível de sigificâcia de 5%. Podemos afirmar que as medidas corretivas surtiram efeito? E se adotarmos um ível de cofiaça de 99%?

ESTIMAÇÃO DA PROPORÇÃO POPULACIONAL p

ESTIMAÇÃO DA PROPORÇÃO POPULACIONAL p ESTIMAÇÃO DA PROPORÇÃO POPULACIONAL p Objetivo Estimar uma proporção p (descohecida) de elemetos em uma população, apresetado certa característica de iteresse, a partir da iformação forecida por uma amostra.

Leia mais

Objetivo. Estimar a média µ de uma variável aleatória X, que representa uma característica de interesse de uma população, a partir de uma amostra.

Objetivo. Estimar a média µ de uma variável aleatória X, que representa uma característica de interesse de uma população, a partir de uma amostra. ESTIMAÇÃO PARA A MÉDIAM Objetivo Estimar a média µ de uma variável aleatória X, que represeta uma característica de iteresse de uma população, a partir de uma amostra. Exemplos: µ : peso médio de homes

Leia mais

A Inferência Estatística é um conjunto de técnicas que objetiva estudar a população através de evidências fornecidas por uma amostra.

A Inferência Estatística é um conjunto de técnicas que objetiva estudar a população através de evidências fornecidas por uma amostra. UNIVERSIDADE FEDERAL DA PARAÍBA Distribuição Amostral Luiz Medeiros de Araujo Lima Filho Departameto de Estatística INTRODUÇÃO A Iferêcia Estatística é um cojuto de técicas que objetiva estudar a população

Leia mais

Capítulo 5- Introdução à Inferência estatística.

Capítulo 5- Introdução à Inferência estatística. Capítulo 5- Itrodução à Iferêcia estatística. 1.1) Itrodução.(184) Na iferêcia estatística, aalisamos e iterpretamos amostras com o objetivo de tirar coclusões acerca da população de ode se extraiu a amostra.

Leia mais

DISTRIBUIÇÃO AMOSTRAL E ESTIMAÇÃO PONTUAL INTRODUÇÃO ROTEIRO POPULAÇÃO E AMOSTRA. Estatística Aplicada à Engenharia

DISTRIBUIÇÃO AMOSTRAL E ESTIMAÇÃO PONTUAL INTRODUÇÃO ROTEIRO POPULAÇÃO E AMOSTRA. Estatística Aplicada à Engenharia ROTEIRO DISTRIBUIÇÃO AMOSTRAL E ESTIMAÇÃO PONTUAL 1. Itrodução. Teorema Cetral do Limite 3. Coceitos de estimação potual 4. Métodos de estimação potual 5. Referêcias Estatística Aplicada à Egeharia 1 Estatística

Leia mais

ESTIMAÇÃO DE PARÂMETROS

ESTIMAÇÃO DE PARÂMETROS ESTIMAÇÃO DE PARÂMETROS 1 Estimação de Parâmetros uiverso do estudo (população) dados observados O raciocíio idutivo da estimação de parâmetros Estimação de Parâmetros POPULAÇÃO p =? AMOSTRA Observações:

Leia mais

Virgílio A. F. Almeida DCC-UFMG 1/2005

Virgílio A. F. Almeida DCC-UFMG 1/2005 Virgílio A. F. Almeida DCC-UFMG 1/005 !" # Comparado quatitativamete sistemas eperimetais: Algoritmos, protótipos, modelos, etc Sigificado de uma amostra Itervalos de cofiaça Tomado decisões e comparado

Leia mais

Teorema do Limite Central, distribuição amostral, estimação por ponto e intervalo de confiança

Teorema do Limite Central, distribuição amostral, estimação por ponto e intervalo de confiança Teorema do Limite Cetral, distribuição amostral, estimação por poto e itervalo de cofiaça Prof. Marcos Pó Métodos Quatitativos para Ciêcias Sociais Distribuição amostral Duas amostrages iguais oriudas

Leia mais

Hipótese Estatística. Tipos de Hipóteses

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

Leia mais

Exame MACS- Inferência-Intervalos.

Exame MACS- Inferência-Intervalos. Exame MACS- Iferêcia-Itervalos. No iício deste capítulo, surgem algumas ideias que devemos ter presetes: O objectivo da iferêcia estatística é usar uma amostra e tirar coclusões para toda a população.

Leia mais

Mestrado Integrado em Engenharia Civil. Disciplina: TRANSPORTES. Sessão Prática 4: Amostragem

Mestrado Integrado em Engenharia Civil. Disciplina: TRANSPORTES. Sessão Prática 4: Amostragem Mestrado Itegrado em Egeharia Civil Disciplia: TRNSPORTES Prof. Resposável: José Mauel Viegas Sessão Prática 4: mostragem Istituto Superior Técico / Mestrado Itegrado Egª Civil Trasportes ulas Práticas

Leia mais

Teorema do Limite Central, distribuição amostral, estimação por ponto e intervalo de confiança

Teorema do Limite Central, distribuição amostral, estimação por ponto e intervalo de confiança Teorema do Limite Cetral, distribuição amostral, estimação por poto e itervalo de cofiaça Prof. Marcos Pó Métodos Quatitativos para Ciêcias Sociais Distribuição amostral Duas amostrages iguais oriudas

Leia mais

Estimativa de Parâmetros

Estimativa de Parâmetros Estimativa de Parâmetros ENG09004 04/ Prof. Alexadre Pedott pedott@producao.ufrgs.br Trabalho em Grupo Primeira Etrega: 7/0/04. Plao de Amostragem - Cotexto - Tipo de dado, frequêcia de coleta, quatidade

Leia mais

6. Testes de Hipóteses Conceitos Gerais

6. Testes de Hipóteses Conceitos Gerais 6. Testes de Hipóteses Coceitos Gerais Este capitulo itrodutório, pretede apresetar todas as defiições e todo o vocabulário utilizado em testes de hipóteses. Em um primeiro mometo, talvez você fique um

Leia mais

Amostras Aleatórias e Distribuições Amostrais. Probabilidade e Estatística: afinal, qual é a diferença?

Amostras Aleatórias e Distribuições Amostrais. Probabilidade e Estatística: afinal, qual é a diferença? Amostras Aleatórias e Distribuições Amostrais Probabilidade e Estatística: afial, qual é a difereça? Até agora o que fizemos foi desevolver modelos probabilísticos que se adequavam a situações reais. Por

Leia mais

Estimação por Intervalo (Intervalos de Confiança):

Estimação por Intervalo (Intervalos de Confiança): Estimação por Itervalo (Itervalos de Cofiaça): 1) Itervalo de Cofiaça para a Média Populacioal: Muitas vezes, para obter-se a verdadeira média populacioal ão compesa fazer um levatameto a 100% da população

Leia mais

CAPÍTULO 6 ESTIMATIVA DE PARÂMETROS PPGEP. Introdução. Introdução. Estimativa de Parâmetros UFRGS

CAPÍTULO 6 ESTIMATIVA DE PARÂMETROS PPGEP. Introdução. Introdução. Estimativa de Parâmetros UFRGS CAPÍTULO 6 Itrodução Uma variável aleatória é caracterizada ou descrita pela sua distribuição de probabilidade. ETIMATIVA DE PARÂMETRO URG Em aplicações idustriais, as distribuições de probabilidade são

Leia mais

Revisando... Distribuição Amostral da Média

Revisando... Distribuição Amostral da Média Estatística Aplicada II DISTRIBUIÇÃO AMOSTRAL MÉDIA AULA 08/08/16 Prof a Lilia M. Lima Cuha Agosto de 016 Revisado... Distribuição Amostral da Média Seja X uma v. a. de uma população com média µ e variâcia

Leia mais

MAE116 Noções de Estatística

MAE116 Noções de Estatística Exercício 1 A Secretaria de Saúde de um muicípio vem realizado um programa educativo etre as gestates mostrado a importâcia da amametação. Para averiguar a eficácia do programa pretede-se realizar uma

Leia mais

A finalidade de uma equação de regressão seria estimar valores de uma variável, com base em valores conhecidos da outra.

A finalidade de uma equação de regressão seria estimar valores de uma variável, com base em valores conhecidos da outra. Jaete Pereira Amador Itrodução A aálise de regressão tem por objetivo descrever através de um modelo matemático, a relação existete etre duas variáveis, a partir de observações dessas viráveis. A aálise

Leia mais

Objetivos. Testes não-paramétricos

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

Leia mais

Probabilidade II Aula 12

Probabilidade II Aula 12 Coteúdo Probabilidade II Aula Juho de 009 Desigualdade de Marov Desigualdade de Jese Lei Fraca dos Grades Números Môica Barros, D.Sc. Itrodução A variâcia de uma variável aleatória mede a dispersão em

Leia mais

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

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

Leia mais

Testes de Hipóteses. Júlio Osório. Os dois campos da Análise Estatística. Métodos Estatísticos. Inferência Estatística. Estatística Descritiva

Testes de Hipóteses. Júlio Osório. Os dois campos da Análise Estatística. Métodos Estatísticos. Inferência Estatística. Estatística Descritiva Testes de Hipóteses Júlio Osório Os dois campos da Aálise Estatística Métodos Estatísticos Estatística Descritiva Iferêcia Estatística Estimativa Testes de Hipóteses 1 Exemplo Ilustrativo Mediram-se os

Leia mais

S É R I E : E s t a t í s t i c a B á s i c a T e x t o 3 : E S T I M A Ç Ã O SUMÁRIO 1. INTRODUÇÃO ESTIMAÇÃO POR PONTO...4

S É R I E : E s t a t í s t i c a B á s i c a T e x t o 3 : E S T I M A Ç Ã O SUMÁRIO 1. INTRODUÇÃO ESTIMAÇÃO POR PONTO...4 SUMÁRIO. INTRODUÇÃO...3. ESTIMAÇÃO POR PONTO...4.. NOTAÇÃO...4.. PROPRIEDADES DOS ESTIMADORES...5... Não-tedeciosidade...5... Precisão ou eficiêcia...7..3. Validade (ou Acurácia)...8..4. Coerêcia ou cosistêcia...8.3.

Leia mais

DETERMINANDO A SIGNIFICÂNCIA ESTATÍSTICA PARA AS DIFERENÇAS ENTRE MÉDIAS

DETERMINANDO A SIGNIFICÂNCIA ESTATÍSTICA PARA AS DIFERENÇAS ENTRE MÉDIAS DTRMINANDO A SIGNIFIÂNIA STATÍSTIA PARA AS DIFRNÇAS NTR MÉDIAS Ferado Lag da Silveira Istituto de Física - UFRGS lag@if.ufrgs.br O objetivo desse texto é apresetar através de exemplos uméricos como se

Leia mais

PROVA 1 27/10/ Os dados apresentados na seqüência mostram os resultados de colesterol

PROVA 1 27/10/ Os dados apresentados na seqüência mostram os resultados de colesterol PROVA 1 7/10/009 Nome: GABARITO 1. Os dados apresetados a seqüêcia mostram os resultados de colesterol mg /100ml em dois grupos de aimais. O grupo A é formado por 10 total ( ) aimais submetidos a um cotrole

Leia mais

UNIVERSIDADE FEDERAL DO PARANÁ SETOR DE CIÊNCIAS EXATAS DEPTO. DE ESTATÍSTICA LISTA 1-ESTATÍSTICA II (CE003)

UNIVERSIDADE FEDERAL DO PARANÁ SETOR DE CIÊNCIAS EXATAS DEPTO. DE ESTATÍSTICA LISTA 1-ESTATÍSTICA II (CE003) UNIVERSIDADE FEDERAL DO PARANÁ SETOR DE CIÊNCIAS EXATAS DEPTO. DE ESTATÍSTICA LISTA -ESTATÍSTICA II (CE003) Prof. Beito Olivares Aguilera o Sem./6. Usado os dados da Tabela o Aexo (Seção Orçameto da MB),

Leia mais

ESTATÍSTICA. PROF. RANILDO LOPES U.E PROF EDGAR TITO

ESTATÍSTICA. PROF. RANILDO LOPES  U.E PROF EDGAR TITO ESTATÍSTICA PROF. RANILDO LOPES http://ueedgartito.wordpress.com U.E PROF EDGAR TITO Medidas de tedêcia cetral Medidas cetrais são valores que resumem um cojuto de dados a um úico valor que, de alguma

Leia mais

População x Amostra. statística descritiva X inferência estatística. Revisão de Estatística e Probabilidade

População x Amostra. statística descritiva X inferência estatística. Revisão de Estatística e Probabilidade Revisão de Estatística e Probabilidade Magos Martiello Uiversidade Federal do Espírito Sato - UFES Departameto de Iformática DI Laboratório de Pesquisas em Redes Multimidia LPRM statística descritiva X

Leia mais

CAPÍTULO 8 - Noções de técnicas de amostragem

CAPÍTULO 8 - Noções de técnicas de amostragem INF 6 Estatística I J.I.Ribeiro Júior CAPÍTULO 8 - Noções de técicas de amostragem. Itrodução A Estatística costitui-se uma excelete ferrameta quado existem problemas de variabilidade a produção. É uma

Leia mais

10 INFERÊNCIA ESTATÍSTICA Testes de Hipóteses Introdução Lógica dos Testes de Hipóteses

10 INFERÊNCIA ESTATÍSTICA Testes de Hipóteses Introdução Lógica dos Testes de Hipóteses INE 700 - Iferêcia Estatística Testes de Hipóteses 0 INFERÊNCIA ESTATÍSTICA Testes de Hipóteses 0. - Itrodução Viu-se ateriormete que uma determiada população pode ser descrita através de um modelo probabilístico,

Leia mais

CONCEITOS BÁSICOS E PRINCÍPIOS DE ESTATÍSTICA

CONCEITOS BÁSICOS E PRINCÍPIOS DE ESTATÍSTICA 1 CONCEITOS BÁSICOS E PRINCÍPIOS DE ESTATÍSTICA 1. Coceitos Básicos de Probabilidade Variável aleatória: é um úmero (ou vetor) determiado por uma resposta, isto é, uma fução defiida em potos do espaço

Leia mais

AEP FISCAL ESTATÍSTICA

AEP FISCAL ESTATÍSTICA AEP FISCAL ESTATÍSTICA Módulo 0: Medidas de Dispersão (webercampos@gmail.com) MÓDULO 0 - MEDIDAS DE DISPERSÃO 1. Coceito: Dispersão é a maior ou meor diversificação dos valores de uma variável, em toro

Leia mais

Cap. VI Histogramas e Curvas de Distribuição

Cap. VI Histogramas e Curvas de Distribuição TLF /11 Capítulo VI Histogramas e curvas de distribuição 6.1. Distribuições e histogramas. 6 6.. Distribuição limite 63 6.3. Sigificado da distribuição limite: frequêcia esperada e probabilidade de um

Leia mais

Aula 11 - Questões Comentadas e Resolvidas

Aula 11 - Questões Comentadas e Resolvidas Curso Olie - Raciocíio Lógico-Quatitativo para Traumatizados em Exercícios, icluido Matemática, Matemática Fiaceira e Estatística Profs. Alexadre Lima e Moraes Juior Aula - Questões Cometadas e Resolvidas

Leia mais

Métodos Numéricos e Estatísticos Parte II-Métodos Estatísticos Estimação pontual e intervalar

Métodos Numéricos e Estatísticos Parte II-Métodos Estatísticos Estimação pontual e intervalar potual por itervalos Métodos Numéricos e Estatísticos Parte II-Métodos Estatísticos potual e itervalar Lic. Eg. Biomédica e Bioegeharia-2009/2010 potual por itervalos A Teoria das Probabilidades cosiste

Leia mais

Análise de Regressão Linear Múltipla I

Análise de Regressão Linear Múltipla I Aálise de Regressão Liear Múltipla I Aula 04 Gujarati e Porter, 0 Capítulos 7 e 0 tradução da 5ª ed. Heij et al., 004 Capítulo 3 Wooldridge, 0 Capítulo 3 tradução da 4ª ed. Itrodução Como pode ser visto

Leia mais

Variáveis Aleatórias e Distribuições de Probabilidade

Variáveis Aleatórias e Distribuições de Probabilidade PROBABILIDADES Variáveis Aleatórias e Distribuições de Probabilidade BERTOLO Fução de Probabilidades Vamos cosiderar um experimeto E que cosiste o laçameto de um dado hoesto. Seja a variável aleatória

Leia mais

Introdução ao Qui-Quadrado

Introdução ao Qui-Quadrado Técicas Laboratoriais de Física Lic. Física e g. Biomédica 007/08 Capítulo X Teste do Qui-quadrado, Itrodução ao qui-quadrado Defiição geral do qui-quadrado Graus de liberdade e reduzido abilidade do 66

Leia mais

Caderno de Exercício 3

Caderno de Exercício 3 1 Cadero de Exercício 3 Esaios de Hipóteses e Regressão Liear 1. Exercícios Aulas 1. Exercício 10.11 do livro Statistics for Ecoomics ad Busiess 2. Exercício 10.27 do livro Statistics for Ecoomics ad Busiess

Leia mais

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

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

Leia mais

Métodos Quantitativos em Contabilidade. Prof. José Francisco Moreira Pessanha

Métodos Quantitativos em Contabilidade. Prof. José Francisco Moreira Pessanha Métodos Quatitativos em Cotabilidade Prof. José Fracisco Moreira Pessaha professorjfmp@hotmail.com Rio de Jaeiro, 4 de setembro de 0 Itrodução O propósito da iferêcia estatística cosiste em fazer afirmações

Leia mais

Exercício: Mediu-se os ângulos internos de um quadrilátero e obteve-se 361,4. Qual é o erro de que está afetada esta medida?

Exercício: Mediu-se os ângulos internos de um quadrilátero e obteve-se 361,4. Qual é o erro de que está afetada esta medida? 1. Tratameto estatísticos dos dados 1.1. TEORIA DE ERROS O ato de medir é, em essêcia, um ato de comparar, e essa comparação evolve erros de diversas origes (dos istrumetos, do operador, do processo de

Leia mais

Capítulo I Séries Numéricas

Capítulo I Séries Numéricas Capítulo I Séries Numéricas Capitulo I Séries. SÉRIES NÚMERICAS DEFINIÇÃO Sedo u, u,..., u,... uma sucessão umérica, chama-se série umérica de termo geral u à epressão que habitualmete se escreve u u...

Leia mais

3.4.2 Cálculo da moda para dados tabulados. 3.4 Moda Cálculo da moda para uma lista Cálculo da moda para distribuição de freqüências

3.4.2 Cálculo da moda para dados tabulados. 3.4 Moda Cálculo da moda para uma lista Cálculo da moda para distribuição de freqüências 14 Calcular a mediaa do cojuto descrito pela distribuição de freqüêcias a seguir. 8,0 10,0 10 Sabedo-se que é a somatória das, e, portato, = 15+25+16+34+10 = 100, pode-se determiar a posição cetral /2

Leia mais

06/02/2017. Teste de Hipóteses. Principais Conceitos. Teste de Hipóteses. Tipos de Erros. Tipos de Testes. Bioestatística

06/02/2017. Teste de Hipóteses. Principais Conceitos. Teste de Hipóteses. Tipos de Erros. Tipos de Testes. Bioestatística 6/2/217 Uiveridade Etadual do Oete do Paraá - Uioete Tete de Hipótee Curo de Medicia/Nutrição Bioetatítica Profeora Tete de Hipótee (TH) é uma ferrameta etatítica que também é utilizado para fazer iferêcia

Leia mais

Testes de Comparação Múltipla

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

Leia mais

UNIVERSIDADE FEDERAL DO PARANÁ SETOR DE CIÊNCIAS EXATAS DEPTO. DE ESTATÍSTICA LISTA 4 PROBABILIDADE A (CE068) Prof. Benito Olivares Aguilera

UNIVERSIDADE FEDERAL DO PARANÁ SETOR DE CIÊNCIAS EXATAS DEPTO. DE ESTATÍSTICA LISTA 4 PROBABILIDADE A (CE068) Prof. Benito Olivares Aguilera UNIVERSIDADE FEDERAL DO PARANÁ SETOR DE CIÊNCIAS EATAS DEPTO. DE ESTATÍSTICA LISTA 4 PROBABILIDADE A (CE068) Prof. Beito Olivares Aguilera 2 o Sem./09 1. Das variáveis abaixo descritas, assiale quais são

Leia mais

MAE Introdução à Probabilidade e Estatística II Resolução Lista 1

MAE Introdução à Probabilidade e Estatística II Resolução Lista 1 MAE 229 - Itrodução à Probabilidade e Estatística II Resolução Lista 1 Professor: Pedro Moretti Exercício 1 (a) Fazer histograma usado os seguites dados: Distribuição de probabilidade da variável X: X

Leia mais

MEDIDAS DESCRITIVAS DE POSIÇÃO, TENDÊNCIA CENTRAL E VARIABILIDADE

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

Leia mais

DESIGUALDADES, LEIS LIMITE E TEOREMA DO LIMITE CENTRAL. todas as repetições). Então, para todo o número positivo ξ, teremos:

DESIGUALDADES, LEIS LIMITE E TEOREMA DO LIMITE CENTRAL. todas as repetições). Então, para todo o número positivo ξ, teremos: 48 DESIGUALDADES, LEIS LIMITE E TEOREMA DO LIMITE CENTRAL LEI DOS GRANDES NÚMEROS Pretede-se estudar o seguite problema: À medida que o úmero de repetições de uma experiêcia cresce, a frequêcia relativa

Leia mais

DERIVADAS DE FUNÇÕES11

DERIVADAS DE FUNÇÕES11 DERIVADAS DE FUNÇÕES11 Gil da Costa Marques Fudametos de Matemática I 11.1 O cálculo diferecial 11. Difereças 11.3 Taxa de variação média 11.4 Taxa de variação istatâea e potual 11.5 Primeiros exemplos

Leia mais

ActivALEA. ative e atualize a sua literacia

ActivALEA. ative e atualize a sua literacia ActivALEA ative e atualize a sua literacia N.º 29 O QUE É UMA SONDAGEM? COMO É TRANSMIITIIDO O RESULTADO DE UMA SONDAGEM? O QUE É UM IINTERVALO DE CONFIIANÇA? Por: Maria Eugéia Graça Martis Departameto

Leia mais

CORRELAÇÃO Aqui me tens de regresso

CORRELAÇÃO Aqui me tens de regresso CORRELAÇÃO Aqui me tes de regresso O assuto Correlação fez parte, acompahado de Regressão, do programa de Auditor Fiscal, até 998, desaparecedo a partir do cocurso do ao 000 para agora retorar soziho.

Leia mais

Estatística: Aplicação ao Sensoriamento Remoto SER ANO Técnicas de Reamostragem

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

Leia mais

Séquências e Séries Infinitas de Termos Constantes

Séquências e Séries Infinitas de Termos Constantes Capítulo Séquêcias e Séries Ifiitas de Termos Costates.. Itrodução Neste capítulo estamos iteressados em aalisar as séries ifiitas de termos costates. Etretato, para eteder as séries ifiitas devemos ates

Leia mais

Stela Adami Vayego DEST/UFPR

Stela Adami Vayego DEST/UFPR Resumo 3 Resumo dos dados uméricos por meio de úmeros 1. Medidas de Tedêcia Cetral A tedêcia cetral da distribuição de freqüêcias de uma variável em um cojuto de dados é caracterizada pelo valor típico

Leia mais

Capítulo II - Sucessões e Séries de Números Reais

Capítulo II - Sucessões e Séries de Números Reais Capítulo II - Sucessões e Séries de Números Reais 2 Séries de úmeros reais Sabemos bem o que sigifica u 1 + u 2 + + u p = p =1 e cohecemos as propriedades desta operação - comutatividade, associatividade,

Leia mais

INFERÊNCIA ESTATÍSTICA. ESTIMAÇÃO PARA A PROPORÇÃO POPULACIONAL p

INFERÊNCIA ESTATÍSTICA. ESTIMAÇÃO PARA A PROPORÇÃO POPULACIONAL p INFERÊNCIA ESTATÍSTICA ESTIMAÇÃO PARA A PROPORÇÃO POPULACIONAL p Objetivo Estimar uma proporção p (desconhecida) de elementos em uma população, apresentando certa característica de interesse, a partir

Leia mais

O erro da pesquisa é de 3% - o que significa isto? A Matemática das pesquisas eleitorais

O erro da pesquisa é de 3% - o que significa isto? A Matemática das pesquisas eleitorais José Paulo Careiro & Moacyr Alvim O erro da pesquisa é de 3% - o que sigifica isto? A Matemática das pesquisas eleitorais José Paulo Careiro & Moacyr Alvim Itrodução Sempre que se aproxima uma eleição,

Leia mais

CAPÍTULO IV DESENVOLVIMENTOS EM SÉRIE

CAPÍTULO IV DESENVOLVIMENTOS EM SÉRIE CAPÍTUO IV DESENVOVIMENTOS EM SÉRIE Série de Taylor e de Mac-auri Seja f ) uma fução real de variável real com domíio A e seja a um poto iterior desse domíio Supoha-se que a fução admite derivadas fiitas

Leia mais

Cap. 5. Testes de Hipóteses

Cap. 5. Testes de Hipóteses Cap. 5. Testes de Hipóteses Neste capítulo será estudado o segudo problema da iferêcia estatística: o teste de hipóteses. Um teste de hipóteses cosiste em verificar, a partir das observações de uma amostra,

Leia mais

Seqüências e Séries. Notas de Aula 4º Bimestre/2010 1º ano - Matemática Cálculo Diferencial e Integral I Profª Drª Gilcilene Sanchez de Paulo

Seqüências e Séries. Notas de Aula 4º Bimestre/2010 1º ano - Matemática Cálculo Diferencial e Integral I Profª Drª Gilcilene Sanchez de Paulo Seqüêcias e Séries Notas de Aula 4º Bimestre/200 º ao - Matemática Cálculo Diferecial e Itegral I Profª Drª Gilcilee Sachez de Paulo Seqüêcias e Séries Para x R, podemos em geral, obter sex, e x, lx, arctgx

Leia mais

CAPÍTULO 5 - INTRODUÇÃO À INFERÊNCIA ESTATÍSTICA

CAPÍTULO 5 - INTRODUÇÃO À INFERÊNCIA ESTATÍSTICA CAPÍTULO 5 - INTRODUÇÃO À INFERÊNCIA ESTATÍSTICA 5. INTRODUÇÃO É freqüete ecotrarmos problemas estatísticos do seguite tipo : temos um grade úmero de objetos (população) tais que se fossem tomadas as medidas

Leia mais

Sucessão ou Sequência. Sucessão ou seqüência é todo conjunto que consideramos os elementos dispostos em certa ordem. janeiro,fevereiro,...

Sucessão ou Sequência. Sucessão ou seqüência é todo conjunto que consideramos os elementos dispostos em certa ordem. janeiro,fevereiro,... Curso Metor www.cursometor.wordpress.com Sucessão ou Sequêcia Defiição Sucessão ou seqüêcia é todo cojuto que cosideramos os elemetos dispostos em certa ordem. jaeiro,fevereiro,...,dezembro Exemplo : Exemplo

Leia mais

Da Definição 6.1 pode-se concluir que dada uma amostra aleatória X

Da Definição 6.1 pode-se concluir que dada uma amostra aleatória X Capítulo 6 Distribuições Amostrais A iferêcia estatística está iteressada em tomar decisões sobre uma populaçao, baseado-se apeas a iformação cotida em uma amostra aleatória da população de iteresse. Por

Leia mais

lim Px ( ) 35 x 5 ), teremos Px ( ) cada vez mais próximo de 35 (denotaremos isso da forma Px ( ) 35 ). UNIVERSIDADE FEDERAL DA PARAÍBA CAMPUS IV-CCAE

lim Px ( ) 35 x 5 ), teremos Px ( ) cada vez mais próximo de 35 (denotaremos isso da forma Px ( ) 35 ). UNIVERSIDADE FEDERAL DA PARAÍBA CAMPUS IV-CCAE CURSO DISCIPLINA PROFESSOR I) Itrodução ao Limite de uma Fução UNIVERSIDADE FEDERAL DA PARAÍBA CAMPUS IV-CCAE LICENCIATURA EM MATEMÁTICA CÁLCULO DIFERENCIAL E INTEGRAL I Limite de uma Fução José Elias

Leia mais

Comparação de testes paramétricos e não paramétricos aplicados em delineamentos experimentais

Comparação de testes paramétricos e não paramétricos aplicados em delineamentos experimentais Comparação de testes paramétricos e ão paramétricos aplicados em delieametos experimetais Gustavo Mello Reis (UFV) gustavo_epr@yahoo.com.br José Ivo Ribeiro Júior (UFV) jivo@dpi.ufv.br RESUMO: Para comparar

Leia mais

Introdução à Inferência Estatística 1. Conceitos básicos em inferência

Introdução à Inferência Estatística 1. Conceitos básicos em inferência Itrodução à Iferêcia Estatística 1. Coceitos básicos em iferêcia 1.1. População: cojuto de idivíduos, ou objetos, com pelo meos uma característica em comum. Também será deotada por população objetivo,

Leia mais

Objetivo Estimar uma proporção p (desconhecida) de elementos uma população, apresentando certa característica de interesse, partir

Objetivo Estimar uma proporção p (desconhecida) de elementos uma população, apresentando certa característica de interesse, partir Objetivo Estimar uma roorção (descohecida) de elemetos em uma oulação, aresetado certa característica de iteresse, a artir da iformação forecida or uma amostra. Exemlos: : roorção de aluos da USP que foram

Leia mais

Testes de Hipóteses. Professor: Josimar Vasconcelos Contato: ou

Testes de Hipóteses. Professor: Josimar Vasconcelos Contato: ou Testes de Hipóteses Professor: Josimar Vasconcelos Contato: josimar@ufpi.edu.br ou josimar@uag.ufrpe.br http://prof-josimar.blogspot.com.br/ Universidade Federal do Piauí UFPI Campus Senador Helvídio Nunes

Leia mais

Capítulo 8 Estimativa do Intervalo de Confiança. Statistics for Managers Using Microsoft Excel, 5e 2008 Pearson Prentice-Hall, Inc.

Capítulo 8 Estimativa do Intervalo de Confiança. Statistics for Managers Using Microsoft Excel, 5e 2008 Pearson Prentice-Hall, Inc. Capítulo 8 Estimativa do Itervalo de Cofiaça Statistics for Maagers Usig Microsoft Excel, 5e 2008 Pearso Pretice-Hall, Ic. Chap 8-1 Objetivos: Neste capítulo, você aprederá: Costruir e iterpretar estimativas

Leia mais

Probabilidade II Aula 9

Probabilidade II Aula 9 Coteúdo Probabilidade II Aula 9 Maio de 9 Môica Barros, D.Sc. Estatísticas de Ordem Distribuição do Máximo e Míimo de uma amostra Uiforme(,) Distribuição do Máximo e Míimo caso geral Distribuição das Estatísticas

Leia mais

TESTES DE HIPÓTESES. HIPÓTESES: São suposições que fazemos para testar a fixação de decisões, que poderão ser verdadeiras ou não.

TESTES DE HIPÓTESES. HIPÓTESES: São suposições que fazemos para testar a fixação de decisões, que poderão ser verdadeiras ou não. TESTES DE HIPÓTESES HIPÓTESES: São suposições que fazemos para testar a fixação de decisões, que poderão ser verdadeiras ou não. HIPÓTESES ESTATÍSTICA: Hipótese Nula (H 0 ): a ser validada pelo teste.

Leia mais

Cálculo das Probabilidades e Estatística I

Cálculo das Probabilidades e Estatística I Cálculo das Probabilidades e Estatística I Prof a. Juliana Freitas Pires Departamento de Estatística Universidade Federal da Paraíba - UFPB juliana@de.ufpb.br Introdução O curso foi dividido em três etapas:

Leia mais

Métodos de Classificação dos Objetos Segmentados(IAR) Vizinho Próximo Lógica Fuzzy

Métodos de Classificação dos Objetos Segmentados(IAR) Vizinho Próximo Lógica Fuzzy Viziho Próximo ógica Fuzzy Métodos de Classificação dos Objetos Segmetados(IAR) objeto REGRA CASSE Fuzzy Cohecimeto Miima Distâcia Viziho Próximo O método do viziho próximo é baseado o método da míima

Leia mais

PROGRAMA DE PÓS-GRADUAÇÃO EM ENGENHARIA DE TRANSPORTES E GESTÃO TERRITORIAL PPGTG DEPARTAMENTO DE ENGENHARIA CIVIL ECV

PROGRAMA DE PÓS-GRADUAÇÃO EM ENGENHARIA DE TRANSPORTES E GESTÃO TERRITORIAL PPGTG DEPARTAMENTO DE ENGENHARIA CIVIL ECV PROGRAMA DE PÓS-GRADUAÇÃO EM ENGENHARIA DE TRANSPORTES E GESTÃO TERRITORIAL PPGTG DEPARTAMENTO DE ENGENHARIA CIVIL ECV DISCIPLINA: TGT410026 FUNDAMENTOS DE ESTATÍSTICA 8ª AULA: ESTIMAÇÃO POR INTERVALO

Leia mais

SEEC UNIVERSIDADE DO ESTADO DO RIO GRANDE DO NORTE UERN FACULDADE DE CIÊNCIAS EXATAS E NATURAIS FANAT DEPARTAMENTO DE CIÊNCIAS BIOLÓGICAS DECB

SEEC UNIVERSIDADE DO ESTADO DO RIO GRANDE DO NORTE UERN FACULDADE DE CIÊNCIAS EXATAS E NATURAIS FANAT DEPARTAMENTO DE CIÊNCIAS BIOLÓGICAS DECB Govero do Estado do Rio Grade do Norte Secretaria de Estado da Educação e da Cultura - SEEC UNIVERSIDADE DO ESTADO DO RIO GRANDE DO NORTE UERN FACULDADE DE CIÊNCIAS EXATAS E NATURAIS FANAT DEPARTAMENTO

Leia mais

Estatística Aplicada Medidas Resumo Apostila 4 Prof. Fábio Hipólito Aluno(a):

Estatística Aplicada Medidas Resumo Apostila 4 Prof. Fábio Hipólito Aluno(a): Medidas Resumo Apostila 4 Prof. Fábio Hipólito Aluo(a): # Objetivo desta aula: Calcular as medidas de tedêcia cetral: média, moda e mediaa para distribuições de frequêcias potuais e por itervalos de classes.

Leia mais

Um estudo das permutações caóticas

Um estudo das permutações caóticas Um estudo das permutações caóticas Trabalho apresetado como atividade do PIPE a disciplia Matemática Fiita do Curso de Matemática o 1º semestre de 2009 Fabrício Alves de Oliveira Gabriel Gomes Cuha Grégory

Leia mais

MAE 116 - Noções de Estatística Grupo A - 1 o semestre de 2014 Lista de exercício 8 - Aula 8 - Estimação para p - CASA

MAE 116 - Noções de Estatística Grupo A - 1 o semestre de 2014 Lista de exercício 8 - Aula 8 - Estimação para p - CASA MAE 116 - Noções de Estatística Grupo A - 1 o semestre de 2014 Lista de exercício 8 - Aula 8 - Estimação para p - CASA 1. (2,5) Um provedor de acesso à iteret está moitorado a duração do tempo das coexões

Leia mais

Testes de Ajustamento (testes da bondade do ajustamento)

Testes de Ajustamento (testes da bondade do ajustamento) Testes de Ajustameto (testes da bodade do ajustameto) Os testes de ajustameto servem para testar a hipótese de que uma determiada amostra aleatória teha sido extraída de uma população com distribuição

Leia mais

Centro de Ciências e Tecnlogia Agroalimentar - Campus Pombal Disciplina: Estatística Básica Aula 9 Professor: Carlos Sérgio

Centro de Ciências e Tecnlogia Agroalimentar - Campus Pombal Disciplina: Estatística Básica Aula 9 Professor: Carlos Sérgio Cetro de Ciêcias e Teclogia Agroalimetar - Campus Pombal Disciplia: Estatística Básica - 2012.1 Aula 9 Professor: Carlos Sérgio UNIDADE 5 - TEORIA DA AMOSTRAGEM (NOTAS DE AULA) 1 Itrodução Um problema

Leia mais

Estudando complexidade de algoritmos

Estudando complexidade de algoritmos Estudado complexidade de algoritmos Dailo de Oliveira Domigos wwwdadomicombr Notas de aula de Estrutura de Dados e Aálise de Algoritmos (Professor Adré Bala, mestrado UFABC) Durate os estudos de complexidade

Leia mais

Sequências, PA e PG material teórico

Sequências, PA e PG material teórico Sequêcias, PA e PG material teórico 1 SEQUÊNCIA ou SUCESSÃO: é todo cojuto ode cosideramos os seus elemetos colocados, ou dispostos, uma certa ordem. Cosiderado a sequêcia (; 3; 5; 7;...), dizemos que:

Leia mais

Estatística stica para Metrologia

Estatística stica para Metrologia Estatística stica para Metrologia Aula Môica Barros, D.Sc. Juho de 28 Muitos problemas práticos exigem que a gete decida aceitar ou rejeitar alguma afirmação a respeito de um parâmetro de iteresse. Esta

Leia mais

CAP. I ERROS EM CÁLCULO NUMÉRICO

CAP. I ERROS EM CÁLCULO NUMÉRICO CAP I ERROS EM CÁLCULO NUMÉRICO 0 Itrodução Por método umérico etede-se um método para calcular a solução de um problema realizado apeas uma sequêcia fiita de operações aritméticas A obteção de uma solução

Leia mais

Capítulo 3. Sucessões e Séries Geométricas

Capítulo 3. Sucessões e Séries Geométricas Capítulo 3 Sucessões e Séries Geométricas SUMÁRIO Defiição de sucessão Mootoia de sucessões Sucessões itadas (majoradas e mioradas) Limites de sucessões Sucessões covergetes e divergetes Resultados sobre

Leia mais

Probabilidades num jogo aos dados

Probabilidades num jogo aos dados Técicas Laboratoriais de Física Lic. Física e Eg. Biomédica 007/08 Capítulo VIII Distribuição Biomial Probabilidades um jogo aos dados Defiição de uma Distribuição Biomial Propriedades da Distribuição

Leia mais

MEDIDAS DE TENDÊNCIA CENTRAL E MEDIDAS DE DISPERSÃO Í N D I C E

MEDIDAS DE TENDÊNCIA CENTRAL E MEDIDAS DE DISPERSÃO Í N D I C E MEDIDAS DE TENDÊNCIA CENTRAL E MEDIDAS DE DISPERSÃO Í N D I C E Medidas de Tedêcia Cetral Itrodução... 1- Média Aritmética... - Moda... 3- Mediaa... Medidas de Dispersão 4- Amplitude Total... 5- Variâcia

Leia mais

Preliminares 1. 1 lim sup, lim inf. Medida e Integração. Departamento de Física e Matemática. USP-RP. Prof. Rafael A. Rosales. 8 de março de 2009.

Preliminares 1. 1 lim sup, lim inf. Medida e Integração. Departamento de Física e Matemática. USP-RP. Prof. Rafael A. Rosales. 8 de março de 2009. Medida e Itegração. Departameto de Física e Matemática. USP-RP. Prof. Rafael A. Rosales 8 de março de 2009. 1 lim sup, lim if Prelimiares 1 Seja (x ), N, uma seqüêcia de úmeros reais, e l o limite desta

Leia mais

Exame final de Estatística 1ª Época - 3 de Junho de Duração: 2h30m. Note bem:

Exame final de Estatística 1ª Época - 3 de Junho de Duração: 2h30m. Note bem: xame fial de statística ª Época 3 de Juho de 4 Faculdade de coomia José Atóio iheiro Uiversidade Nova de Lisboa aria Helea Almeida Duração: h3m Note bem:. Resolva grupos diferetes em folhas diferetes.

Leia mais

Introdução ao Planejamento e Análise Estatística de Experimentos 1º Semestre de 2013 Capítulo 3 Introdução à Probabilidade e à Inferência Estatística

Introdução ao Planejamento e Análise Estatística de Experimentos 1º Semestre de 2013 Capítulo 3 Introdução à Probabilidade e à Inferência Estatística Introdução ao Planejamento e Análise Estatística de Experimentos Capítulo 3 Introdução à Probabilidade e à Inferência Estatística Introdução ao Planejamento e Análise Estatística de Experimentos Agora,

Leia mais

Cálculo II Sucessões de números reais revisões

Cálculo II Sucessões de números reais revisões Ídice 1 Defiição e exemplos Cálculo II Sucessões de úmeros reais revisões Mestrado Itegrado em Egeharia Aeroáutica Mestrado Itegrado em Egeharia Civil Atóio Beto beto@ubi.pt Departameto de Matemática Uiversidade

Leia mais

Matemática. Resolução das atividades complementares. M7 Função Exponencial. 2 Encontre o valor da expressão

Matemática. Resolução das atividades complementares. M7 Função Exponencial. 2 Encontre o valor da expressão Resolução das atividades complemetares Matemática M Fução Epoecial p. 6 (Furg-RS) O valor da epressão A a) c) e) 6 6 b) d) 0 A?? A? 8? A A A? A 6 8 Ecotre o valor da epressão 0 ( ) 0 ( ) 0 0 0. Aplicado

Leia mais

4.2 Numeração de funções computáveis

4.2 Numeração de funções computáveis 4. Numeração de fuções computáveis 4.1 Numeração de programas 4.2 Numeração de fuções computáveis 4.3 O método da diagoal 4.4 O Teorema s-m- Teresa Galvão LEIC - Teoria da Computação I 4.1 4.1 Numeração

Leia mais

3ª Lista de Exercícios de Programação I

3ª Lista de Exercícios de Programação I 3ª Lista de Exercícios de Programação I Istrução As questões devem ser implemetadas em C. 1. Desevolva um programa que leia dois valores a e b ( a b ) e mostre os seguites resultados: (1) a. Todos os úmeros

Leia mais

Testes de Hipóteses 5.1 6 8.8 11.5 4.4 8.4 8 7.5 9.5

Testes de Hipóteses 5.1 6 8.8 11.5 4.4 8.4 8 7.5 9.5 Testes de Hipóteses Supoha que o ível crítico de ifestação por um iseto-praga agrícola é de 10% das platas ifestadas. Você decide fazer um levatameto em ove lotes, selecioados aleatoriamete, de uma área

Leia mais

OMBRO-CABEÇA-OMBRO : TESTANDO A LUCRATIVIDADE DO PADRÃO GRÁFICO DE ANÁLISE TÉCNICA NO MERCADO DE AÇÕES BRASILEIRO

OMBRO-CABEÇA-OMBRO : TESTANDO A LUCRATIVIDADE DO PADRÃO GRÁFICO DE ANÁLISE TÉCNICA NO MERCADO DE AÇÕES BRASILEIRO Caro parecerista, Agradecemos as sugestões e críticas ao osso artigo, as quais procuramos observar a revisão do artigo. A seguir você ecotrará um relatório descrevedo todos os ajustes realizados, a ordem

Leia mais