GABARITO 16) C 17) C 18) D 19) D. a) Falsa. Foi de 15%. b) Falsa. A menor foi em c) Falsa. A taxa voltou a subir em 95.

Tamanho: px
Começar a partir da página:

Download "GABARITO 16) C 17) C 18) D 19) D. a) Falsa. Foi de 15%. b) Falsa. A menor foi em c) Falsa. A taxa voltou a subir em 95."

Transcrição

1 Matemátca C Extesvo V. Exercícos 0) C Pelo gráfco, o aumeto é lear. Etão, como o aumeto fo e 9 espéces, em tervalos e aos, poemos afrmar que a caa aos o aumeto é e: espéces. Assm, em 0 (que é 00 aos) o úmero e espéces ameaçaas e extção é e 98. 0) D Das cco pexaras pesqusaas, apeas uma vee pexes frescos (a, C). Portato, a probablae é e em, ou seja,. 0) A 0) E 0) E 0) A a) Veraera. b) Falsa. O valor mímo fo a écaa e 0. c) Falsa. O crescmeto máxmo fo e 0%. ) Falsa. A taxa varou essas écaas. e) Falsa. As uas aumetaram por volta e 980. a) Falsa. O Brasl ocupa a a posção. b) Falsa. O Brasl ocupa a a posção. c) Falsa. A Argeta está em o e o Brasl em o. ) Falsa. São ml toelaas e mel. e) Veraera. Observao o gráfco, ota-se que, etre os aos e 90 e 990, as três lhas que mas cotrbuíram foram I, II e III. Logo, gases estufa, atvae solar e ozôo. a) Veraera. b) Falsa. Quato mas bebês sobrevverem, maor a população será. c) Falsa. A taxa e mortalae fatl tee a mur. ) Falsa. A ecessae aumeta: osos teem a aoecer mas. e) Falsa. O gráfco ão á formações sobre sso, mas se coserarmos que pessoas mas struías teem a gerar meos flhos, a seteça se tora falsa. 0) C 08) B Observao-se o gráfco, a população braslera com até 80 aos e ae em 00 será e aproxmaamete: Aos População (em mlhões) 0 0,, (aproxmaamete) 0 (mlhões) I. Veraera. Note que, se observarmos a tabela e o gráfco, sempre houve mas carros a gasola o que a álcool. E como pratcamete em esse tempo os carros emtam mas gás, poe-se coclur que a frota a álcool emtu meos gás. II. Veraera. Basta aalsar o que ocorre o gráfco perto e 99: a emssão o carro a gasola passa a ser meor que a o carro a álcool. III. Falsa. O carro a álcool pratcamete mateve a mesma taxa e emssão. 09) C 0) C Da 8/0 0/0 /0 8/0 /0 0/0 /0 8/0 /0 0/0 Quatos potos gahou Aalsao o gráfco, percebe-se que a fereça etre o CO emto acumulao pelos EUA e pelo Brasl é e Matemátca C

2 aproxmaamete 80 blhões e toelaas. Assm, o tempo ecessáro é e: (emssão aual/habtate) (pop. Brasl) t 80 blhões, 0 mlhões t 80 blhões mlhões t mlhões t 00 t 0 (aproxmaamete). ) C ) D ) B ) E ) Aalsao o gráfco em 0,, otamos que o víuo que bebeu epos o jatar poerá rgr após horas e o que ão jatou, após horas e mea. a) Falsa. O cosumo tero ão muu. b) Falsa. A proução acoal aumetou. c) Falsa. Iem ao b. ) Veraera. e) Falsa. A epeêca extera muu. O Brasl torou-se autossufcete. A frase: A rota o crme segue a estera a rota a rqueza sgfca que, quao a rqueza aumeta, o crme também aumeta. a) Falsa. Se a captal se torasse mas rca, o crme essa regão aumetara. b) Veraera. Basta olhar a lha ão potlhaa. c) Falsa. O crme muu. ) Falsa. O gráfco fala em porcetagem, etão ão poemos afrmar sso. e) Falsa. Iem ao. As temperaturas são e aproxmaamete: Cetro:, C. Comercal:, C. Res. Urb.: 0, C. Res. Suburb.: 9, C. Rural: 9, C. Recomeaos: Comercal, Res. Urb., Res. Suburb., Rural. Meores que C: Res. Urb., Res. Suburb., Rural. Logo, a probablae é e em, ou seja,. ) C ) C 8) D 9) D Dos aos apresetaos o gráfco, temos que: ( )%, ou seja, exatamete % os omcílos têm pelo meos Mbps e velocae e coexão à teret. Aa e acoro com o gráfco, % os omcílos ão sabem ou ão respoeram, portato aa se poe afrmar a respeto e sua velocae e coexão. Ela poe ser meor, gual ou maor que Mbps. Poe aa ão haver acesso à teret. Assm, a chace etea aqu como sômo e probablae é qualquer valor p, com % p %. Logo, a questão ão apreseta alteratva correta. O úmero x e terautas que respoeram "ão" à equete será ao por: Iterautas % 9 00 x x 9, Logo, mas e 0 e meos e terautas. Aalsao o gráfco, costata-se que o úco períoo em que houve quea a partcpação o agroegóco o PIB braslero fo etre os aos e 00 e 00. Observao a escala vertcal (0 em 0) e estmao os valores termeáros o gráfco, temos: TVA: resêcas. TVB: 0 resêcas. TVC: 0 resêcas. TVD: 00 resêcas. Nehum: 8 resêcas. A soma aproxmaa será: (o valor poe ferr, mas é próxmo a este). Observação: repare que, mesmo ão asssto a ehum caal, o moraor fo pesqusao. a) Falsa. Fo e %. b) Falsa. A meor fo em 988. c) Falsa. A taxa voltou a subr em 9. ) Veraera. e) Falsa. Pos ecresceu e 88 a 89. Matemátca C

3 0) B ) E ) D a) Falsa. Basta olhar o gráfco que em 90 era feror. b) Veraera. 80 mlhões 0 mlhões 0 mlhões. c) Falsa. 80 mlhões 0 mlhões 0 mlhões. ) Falsa. Passou a ser maor após 90. e) Falsa. Fo até meaos e 9. a) Falsa. Duas terpretações: - ou o sexto a é epos e as, que chegou a um total e ml mcros. - ou o sexto a é o a, que chegou a 0 ml mcro. b) Falsa. Fo o a 8, com 8 ml computaores fectaos. c) Falsa. Fo o a ao a 8. ) Falsa. Fo o a ao a. e) Veraera. Coserao as formações aas, temos que: 0, x se 0 x 00 px ( ) 0, ( x 00) 8 se 00 x 00 0, ( x 00) se x > 00 Etão: I. Falsa. Pos: p (00) 0, (00 00) II. Falsa. Pos: p (0) 0 0, e p (0) 8 p (00) p ( 0) III. Veraera. IV. Veraera. Se x0. V. Veraera: 0,x 0,,x 0,x 0, 0,x. ) a) x,; M ; Mo. 89,,,,,,,,, x Méa Artmétca M Meaa M o Moa 0 0%maor 8 9,. 0. (aparece vezes). b) x ; M 9; Mo., 900,,,,,,, x Matemátca C

4 M 9 (elemeto cetral, pos é ímpar). Mo (aparece vezes). c) x 9,8; M 9,; amoal. 8, 89,,, 9, 0,,,, 8, 89, 9, 0,, x 9,8 M 9, (elemeto cetral, pos é ímpar). Mo Amoal. Nehum elemeto aparece mas vezes que os outros. ) x,; M ; amoal 0,,,,, 8, x,. M (elemeto cetral, pos é ímpar). Mo Amoal. ) x,0 M, M o,9. x f, 0,, 0 0,, 0, 8 0 F at Pela fórmula, a meaa é: m Im. h fm 0 m, 0 f f Pela fórmula, a moa é: M o c mo at f f f 0 0 M ( 0 ),9 ) a) ( ) mo at post 9 0,0 Classes f f R f A b e c) ,, 8, 8,9, 8, 9,99 8, 8, 00 Matemátca C

5 ) x,9 M 8, M o, x 000 Méa Artmétca Poeraa ( ) , M 0 0 8, 00 ( 00 0) M ( 0 00), ), o M 8) e o, I. M t t m m II. 8o termo o elemeto o elemeto 9) a) (basta olhar a tabela.) b) 0 lojas c) 0% em 0, ou seja, 0, 0% 0 0) a) Classe f P. M. F f r , 9,,, 8,, , 0,8 0,8 0,8 0,0 0,0 Total 0,00 b) I. 8, II., III. I. A 8 II. Basta olhar quatas classes tem. III. 8 ) a),9,00 frequêca smples absoluta. b) 90 (basta olhar a tabela.) c),00 ),9 (basta olhar a classe.) e),80, 0,0 f),, 0, Matemátca C

6 ) D ) B 8 90 g) (,, ),8 As otas: 0; ;,;,; ; ; 8; 8; 0. Assm, epeetemete a ota o aluo faltate, a meaa fcará etre e,. Portato, e qualquer forma a equpe Gama pererá. Seja S a soma e toas as otas, etão: S 80. Por outro lao, S Substtuo em, temos: ( 0) 0 ) D ; 0; 0; ; ; ; ; ; ; ; ; ; ; ; ; x x M e M guas,,9 Sofreu fluêca M, (Bmoal) 0 M, (Bmoal) 0 guas ) E ) D x x 00,00 Toas por regra e três: a) Veraera. % 0%,% > % b) Veraera. % %,8% < 9% c) Veraera. % %,8% < % ) Falsa. 8% %,%,% e) Veraera. % % 0,% < % ) F V V V V (F) Pos os ecsos poem votar somete os caatos A ou C. (V) (V) 0 0, 0% 00 Matemátca C

7 (V) 0% Somao-se os 880 votos aterores fca 90. 0% Somao-se os 0 votos aterores fca 80. (V) Sm. Basta os ecsos votarem ele. 8) Empresa A Empresa A: 000 0, 0% Empresa B: 000 0, % ) B 0) A O crescmeto a empresa A fo superor ao a B o mesmo períoo. Logo, o melhor esempeho fo o a empresa A. Faltou a tabela o exercíco. Uma possível tabela (que bate com a resposta) sera: º - º - º - º - º - º - º - 8º - 9º - 0º - x, M, M o. Do gráfco, temos que 9,8% as pessoas pesqusaas em Porto Alegre estão esempregaas. O úmero e esempregaos etre os pesqusaos em março e 00 é ao por: 98, , ou seja, 00 pessoas. 00 ) M o 80 A moa e Czuber é aa pela fórmula: M o c fmo fat fmo ( fat fpost ) Etão, como é bmoal, teremos uas respostas: - Para a classe 0 80: 8 M o ( 8) M o Para a classe 80 90: " 8 8 M o ( 8 ) 80. ) m 9 kwh A meaa é aa por: m F at Im. h. f m 0 9 m m 9. ) m R$0 000,00 Para acharmos a metae e seus veeores mas efcetes, basta ecotrarmos a meaa os valores. Esse "víuo meao" vee o ecessáro para ser premao. F at m Im. h fm 8 m m Logo, o volume e veas para ser premao eve ser e R$0 000,00. ) R$ 9, São fucoáros ( ). F at m Im. h fm m m 9, ) a), kg x. f 0, b) Sm, pos, >,00. ) a), h x. f, ) C b),h. 0,,h c) Não, pos 9 e 9h <,h. A moa, epeetemete os valores e D e E, será,0. Matemátca C

8 A meaa também será,0, basta fazer as três possblaes (lembre-se e que a méa tem e ser,0). º - caso º - caso º - caso D E D E D E Em qualquer um os casos, a meaa cotua seo,0. 8) B Méa artmétca poeraa ) D Note que a a ota e a a ota estão a barra e escala x e y 8. Logo, a meaa é. Notas 0) B,;,;,;,;,;,0;,0;,0;,0;, x, méa Se ele esqueceu, por exemplo, a 9a mea, a méa fcara,. Logo, se esquecesse qualquer uma as meas, a méa muara (ehuma mea é gual a,). Assm, a méa fo afetaa. A moa ão sera afetaa, pos exstem meas,0. ) E N e aluos a) Falsa. x 0 0, b) Falsa. ; ; ; ; ; ; ; ; ; ; ; ; ; ; ; ; ; ; ; o o m 0 c) Falsa. Ve b. ) Falsa. M o e) Veraera. ve a. ) 0. Veraera. Basta coferr os aos. 0. Veraera. 0 0% 8 Matemátca C

9 ) D 0. Falsa. 0 C C C C C 0 (Para caa frequêca cotam ). Como 0 C aparece vezes, seu grau é. 08. Veraera. 0 x x 9, 9, C. Veraera. M 0 C e M o 0 C. Basta lstar as temperaturas em orem crescete. Falsa. A ampltue é: L l C. Lstao os valores (em mlhares), temos:,,,,,,,,,,.,.,.,.,.,.,.,.,.,.,.,.,,,,,,,,. A meaa é: o o.. M. Se espermos 0 fucoáros que gaham.00 reas, a meaa fca: o o M 0..8 ),9 e,99 Prmero fazemos a méa: 9 x, Assm os esvos (x x) e os quaraos e seus esvos (x x)² são: (x x) -, -, -, 9-, -, -,,, 0,,,, (,) (,) ( 0,) (,) (,) (,) (x x) 0, 0, 0,,, 0, O somátoro os quaraos os esvos é gual a: Σ (x x)² 9,. Temos que, etão: ( x x) S 9, Logo: S,9 e S,99 varâca ),8 e,8 A méa é: x esvo parão, 9. 0, 8 Assm, a soma os quaraos os esvos é: Σ (x x)² (, 8) (, 8) 0, 8 Como, temos: S (x x) 0,8,8 varâca S,8,8 esvo parão ) σ(x),0 e σ(x),08 x x f f x. f x. f (x x ). 0,8,008 0, 0,8 8,, f (x x ).. f 9 0 8,8 f Matemátca C 9

10 S² σ² ( x x) f f S σ 0,8 esvo parão ) s (x),8 cm e s(x),89 cm,,0 varâca 0 GABARITO Para represetar caa classe utlzamos seu poto méo (x ):. x f x f x f x. f. f ,8 ( ) f 98, e x x Assm: ( x x f S ) S, 8,89 98,,8 varâca 9 8) a),8, 0, 0, 0,, 0, x 0 b),9 e 8,% 0,8. x f x. f,,,,,, f , 900 8, f. x ( x x) f S² 98,, f 0 S,9 (esvo parão) e c.v. S 00 0,8 8,% x 0 Matemátca C

11 9) B 0) D ) C x 8 9 f f x f. x x x x. f 8,0 8,0 8,0 8,0 8,0,,8 0,,,8 9,. x f 9 8,0 x x f O esvo méo é ao por:.m. f, etão: 9,.m.,. Substtua as classes por suas méas: x f x.f, 0,, 0, 0 0 0,, x f 00 0 ( x x) f S² 0, 0, f 9 Lstao em orem crescete, temos:, 8, 9,,. Meaa x 0 x x S ( ) S ² S ² 9,8 f ) a) X M A tabela (em mlhões) é aa por: x f x.f 0,, 0, 0 0 f, , x.f. x f. Logo, a méa é e Cr$ ,00. A meaa é: M o elemeto,, ou seja: M Cr$ ,00. b) Fcará meor. Calculao a varâca a prmera tabela temos: ( x x) f S f,9 0,, 0, x f x.f 0, 0 0, Calculao a varâca a segua tabela: x. f ( x x) f S, 9, f Logo, S < S, portato, a varâca fcou meor. ) Empresa A, pos possu meor esvo. A empresa A, pos o esvo parão é meor, com sso, os aos são meos spersos, ou seja, os valores os saláros são meos spersos. ) a) O esvo parão se matém, pos foram acoaos 00 a toos os valores. b) A ampltue se matém, pos fo acoao 00 ao maor e ao meor elemeto ((00 L) (00 l) L l) Matemátca C

12 c) A méa aumeta 00 valores, pos caa elemeto aumeta 00 ) A meaa aumeta 00 valores, pos o termo cetral (ou os termos cetras) aumetou 00. ) X 0,, S,9, c.v.,% X X 8 0, ( x x f S ) 8, S 8, S 8,,9 ) X,. σ,9. cv,% x f x.f X 9 8,. ( x x f S ) S,,9., 8 cv S 00,% x ) X,. σ,9. cv,8% x f x.f,,,, 9 0, 0 8,, 9, X 9,, S 99, S, 0,9, 9 cv 00,8%, Matemátca C

13 8) a) X, x f f a x x x x 8 0, 0, 0,,,, 0, 0,,, X, 0 b) M o e M Oreao os aos, temo:,,,,,,,,,. M o M M c) S, S ( ) f x x a f M S, 0, 0,,, 0 S, 9) a), X 0 0 0, b). A ae que aparece com mas frequêca está etre 0 e aos, etão poemos zer que é. c) S,. S, ( x x f S ) S 9 0 S,88 S,8 varâca esvo parão 0), 8, 9, 0,, a) X 9 Matemátca C

14 ) C ) B ) D ) E b),8 ( x x S ) 0 S,,8 A equpe campeã fo a equpe III, pos teve o meor esvo parão, seo assm, teve mas regularae. Note que o esvo parão e Marco é 0,, equato que o e Paulo é,9. Seo assm, quem se classfcou fo Marco, pos obteve o meor esvo parão. x s 0, s 0,8 x s 0, s 0,8 x 00 s, s, x 0 s 0 s, Logo, a amostra que possu maor esvo parão é a IV. I. Veraera. x 9 8. II. Veraera. S ² 8 ( ) ( )... ( ). III. Veraera. S ) a) Para x x x x x, temos que x x x x..., e a varâca (S ² ) é aa x x por: S ² ( ). Etão, para que S ² seja gual a zero, caa termo (x x) ² tem e ser gual a zero (lembre-se e que um úmero elevao ao quarao é sempre maor que zero (x ² > 0)). Para que sso seja possível, é ecessáro e sufcete que: x x x x x. Assm, x x x x. Portato, a coção ecessára e sufcete é que x x x x. b) x x x Sabemos que: ( x m) (x m) (x m) (x m) x x m m ² x x m m ² x x m m ² x x x (x x x )m m Que poe ser escrta assm: m (x x x )m x x x Essa expressão, quao gualaa a zero, passa a ser uma equação o seguo grau com cógta m e coefcetes: a, b (x x x ) e c x x x Uma equação quarátca atge o seu máxmo (ou mímo) em x b a ou, esse caso, m b a, ou seja: ( ) m ( x ) x x ( x x x) ) A Portato, m x x x. Isto é, a méa artmétca os elemetos x, x e x. A méa as massas os objetos é: x. O esvo parão é: ( ).( ).( ) S. Com os objetos acrescetaos, o esvo parão passa a ser:.( ) ( ).( ).( ) elevao ambos os laos a gualae ao quarao temos: ( ) 8 Matemátca C

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

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

Leia mais

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

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

Leia mais

Matemática C Semiextensivo V. 2

Matemática C Semiextensivo V. 2 Matemátca C Semetesvo V. Eercícos 0) Através da observação dreta do gráfco, podemos coclur que: a) País. b) País. c) 00 habtates. d) 00 habtates. e) 00 0 0 habtates. 0) C Através do gráfco, podemos costrur

Leia mais

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

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

Leia mais

Organização; Resumo; Apresentação.

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

Leia mais

MEDIDAS DE DISPERSÃO:

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

Leia mais

Estatística - exestatmeddisper.doc 25/02/09

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

Leia mais

ESTATÍSTICA APLICADA À ZOOTECNIA

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

Leia mais

Análise de Regressão e Correlação

Análise de Regressão e Correlação Aálse e Regressão e Correlação Fo já estuao a forma e escrever um cojuto e oservações e uma só varável. Quao se coseram oservações e uas ou mas varáves surge um ovo poto. O estuo as relações porvetura

Leia mais

50 Logo, Número de erros de impressão

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

Leia mais

Exercícios de Cálculo Numérico Interpolação Polinomial e Método dos Mínimos Quadrados

Exercícios de Cálculo Numérico Interpolação Polinomial e Método dos Mínimos Quadrados Eercícos e Cálculo Numérco Iterpolação Polomal e Métoo os Mímos Quaraos Para a ução aa, seja,, 6 e, 9 Costrua polômos e grau, para apromar, 5, e ecotre o valor o erro veraero a cos b c l Use o Teorema

Leia mais

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

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

Leia mais

MEDIDAS DE TENDÊNCIA CENTRAL I

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

Leia mais

Ex: Cálculo da média dos pesos dos terneiros da fazenda Canoas-SC, à partir dos dados originais: x = 20

Ex: Cálculo da média dos pesos dos terneiros da fazenda Canoas-SC, à partir dos dados originais: x = 20 . MEDIDAS DE TENDÊNCIA CENTRAL (OU DE POSIÇÃO) Coceto: São aquelas que mostram o alor em toro do qual se agrupam as obserações.. MÉDIA ARITMÉTICA ( ) Sea (x, x,..., x ), uma amostra de dados: Se os dados

Leia mais

Estatística Descritiva. Medidas estatísticas: Localização, Dispersão

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

Leia mais

Capitulo 1 Resolução de Exercícios

Capitulo 1 Resolução de Exercícios S C J S C J J C FORMULÁRIO Regme de Juros Smples 1 1 S C 1 C S 1 1.8 Exercícos Propostos 1 1) Qual o motate de uma aplcação de R$ 0.000,00 aplcados por um prazo de meses, à uma taxa de 2% a.m, os regmes

Leia mais

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

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

Leia mais

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

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

Leia mais

Matemática C Extensivo V. 4

Matemática C Extensivo V. 4 Matemátca C Extesvo V. Resolva Aula.0) a) 8 0 resto.0) b) 78 0 resto.. 6 + c) 89679 resto Oberve que 896796 é dvsível por, pos terma em 6. Assm, 89679 apreseta resto quado dvddo por..0) x + x + 0 6.. x

Leia mais

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

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

Leia mais

RACIOCÍNIO LÓGICO / ESTATÍSTICA LISTA 2 RESUMO TEÓRICO

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

Leia mais

Disciplina: Análise Multivariada I Prof. Dr. Admir Antonio Betarelli Junior AULA 6.1

Disciplina: Análise Multivariada I Prof. Dr. Admir Antonio Betarelli Junior AULA 6.1 Dscpla: álse Multvaraa I Prof. Dr. mr too Betarell Juor UL 6. MÉTODO DE ESCLONMENTO MULTIDIMENSIONL (MDS) Proposto por Youg (987) esse métoo poe ser utlzao para agrupameto. É uma técca para represetar

Leia mais

Oitava Lista de Exercícios

Oitava Lista de Exercícios Uversdade Federal Rural de Perambuco Dscpla: Matemátca Dscreta I Professor: Pablo Azevedo Sampao Semestre: 07 Otava Lsta de Exercícos Lsta sobre defções dutvas (recursvas) e prova por dução Esta lsta fo

Leia mais

Relatório 2ª Atividade Formativa UC ECS

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

Leia mais

Gabarito da Lista de Interpolação e Método dos Mínimos Quadrados

Gabarito da Lista de Interpolação e Método dos Mínimos Quadrados Gabarto a sta e Iterpolação e Métoo os Mímos Quaraos ercíco : a cos Prmera orma: Iterpolação e agrage 8 5 P cos5 P - 89765 6 5 85 5 5 5 P 5 : : rro Portato 6 cos9 9 ; -5 6 9-9 - 6 5 5 5 85 cos6 6 ; 5 9

Leia mais

PLANO PROBABILIDADES Professora Rosana Relva DOS. Números Inteiros e Racionais COMPLEXOS NÚMEROS COMPLEXOS NÚMEROS COMPLEXOS NÚMEROS COMPLEXOS

PLANO PROBABILIDADES Professora Rosana Relva DOS. Números Inteiros e Racionais COMPLEXOS NÚMEROS COMPLEXOS NÚMEROS COMPLEXOS NÚMEROS COMPLEXOS Professor Luz Atoo de Carvalho PLANO PROBABILIDADES Professora Rosaa Relva DOS Números Iteros e Racoas COMPLEXOS rrelva@globo.com Número s 6 O Número Por volta de 00 d.c a mpressão que se tha é que, com

Leia mais

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

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

Leia mais

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

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

Leia mais

09/03/2014 RETORNO. I Conceitos Básicos. Perguntas básicas. O que é matemática financeira? Por que estudar matemática financeira?

09/03/2014 RETORNO. I Conceitos Básicos. Perguntas básicas. O que é matemática financeira? Por que estudar matemática financeira? 09/0/04 I Cocetos Báscos Matemátca Facera Aplcaa ao Mercao Facero e e Captas Proessor Roalo Távora Pergutas báscas O que é matemátca acera? Por que estuar matemátca acera? = RETORNO Matemátca Facera Aplcaa

Leia mais

CAPITULO 1 CONCEITOS BÁSICOS

CAPITULO 1 CONCEITOS BÁSICOS DISCIPLIA: ESTATÍSTICA PROFESSOR: JOSELIAS SATOS DA SILVA - joselas@uol.com.br ÍDICE CAPITULO 1 COCEITOS BÁSICOS... 3 1.1 ESTATÍSTICA... 3 1. ESTATÍSTICA DESCRITIVA... 3 1.3 ESTATÍSTICA IFERECIAL... 3

Leia mais

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

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

Leia mais

Estatística: uma definição

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

Leia mais

M = C( 1 + i.n ) J = C.i.n. J = C((1+i) n -1) MATEMÁTICA FINANCEIRA. M = C(1 + i) n BANCO DO BRASIL. Prof Pacher

M = C( 1 + i.n ) J = C.i.n. J = C((1+i) n -1) MATEMÁTICA FINANCEIRA. M = C(1 + i) n BANCO DO BRASIL. Prof Pacher MATEMÁTICA 1 JUROS SIMPLES J = C.. M C J J = M - C M = C( 1 +. ) Teste exemplo. ados com valores para facltar a memorzação. Aplcado-se R$ 100,00 a juros smples, à taxa omal de 10% ao ao, o motate em reas

Leia mais

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

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

Leia mais

Métodos iterativos. Capítulo O Método de Jacobi

Métodos iterativos. Capítulo O Método de Jacobi Capítulo 4 Métodos teratvos 41 O Método de Jacob O Método de Jacob é um procedmeto teratvo para a resolução de sstemas leares Tem a vatagem de ser mas smples de se mplemetar o computador do que o Método

Leia mais

Olá, amigos concursandos de todo o Brasil!

Olá, amigos concursandos de todo o Brasil! Matemátca Facera ICMS-RJ/008, com gabarto cometado Prof. Wager Carvalho Olá, amgos cocursados de todo o Brasl! Veremos, hoje, a prova do ICMS-RJ/008, com o gabarto cometado. - O artgo º da Le.948 de 8

Leia mais

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

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

Leia mais

Determine a média de velocidade, em km/h, dos veículos que trafegaram no local nesse período.

Determine a média de velocidade, em km/h, dos veículos que trafegaram no local nesse período. ESTATÍSTICA - 01 1. (UERJ 01) Téccos do órgão de trâsto recomedaram velocdade máxma de 80 km h o trecho de uma rodova ode ocorrem mutos acdetes. Para saber se os motorstas estavam cumprdo as recomedações,

Leia mais

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

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

Leia mais

Estatística: uma definição

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

Leia mais

INTRODUÇÃO A ESTATÍSTICA

INTRODUÇÃO A ESTATÍSTICA Hewlett-Packard INTRODUÇÃO A ESTATÍSTICA Aulas 01 e 06 Elso Rodrgues, Gabrel Carvalho e Paulo Luz Sumáro Defções... 1 EXERCÍCIOS FUNDAMENTAIS... 1 Meddas de tedêca cetral... 1 Méda artmétca smples... 1

Leia mais

Distribuições de Probabilidades

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

Leia mais

MÓDULO 8 REVISÃO REVISÃO MÓDULO 1

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

Leia mais

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

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

Leia mais

Total Bom Ruim Masculino

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

Leia mais

Estatística: uma definição

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

Leia mais

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

Estatística: uma definição

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

Leia mais

ESTATÍSTICA MÓDULO 2 OS RAMOS DA ESTATÍSTICA

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

Leia mais

? Isso é, d i= ( x i. . Percebeu que

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

Leia mais

Uma coleção de todos os possíveis elementos, objetos ou medidas de interesse.

Uma coleção de todos os possíveis elementos, objetos ou medidas de interesse. Prof. Lorí Val, Dr. val@mat.ufrg.br http://www.ufrg.br/~val/ Etatítca: uma defção Coleção de úmero etatítca O úmero de carro veddo o paí aumetou em %. A taa de deemprego atge, ete mê, 7,%. A açõe da Telebrá

Leia mais

Unidade II ESTATÍSTICA

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

Leia mais

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

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

Leia mais

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

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

Leia mais

Atividades Práticas Supervisionadas (APS)

Atividades Práticas Supervisionadas (APS) Uversdade Tecológca Federal do Paraá Prof: Lauro Cesar Galvão Campus Curtba Departameto Acadêmco de Matemátca Cálculo Numérco Etrega: juto com a a parcal DATA DE ENTREGA: da da a PROVA (em sala de aula

Leia mais

TRABALHO DE COMPENSAÇÃO DE FALTAS - DP

TRABALHO DE COMPENSAÇÃO DE FALTAS - DP Cotrole do Proº Compesou as Faltas Não Compesou as Faltas TRABALHO DE COMPENSAÇÃO DE FALTAS - DP (De acordo coma s ormas da Isttução) CURSO: CIÊNCIAS CONTÁBEIS DISCIPLINA: INTRODUÇÃO À ESTATÍSTICA 2º ANO

Leia mais

Difusão entre Dois Compartimentos

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

Leia mais

9 Medidas Descritivas

9 Medidas Descritivas 1 9 Meddas Descrtvas Vmos aterormete que um cojuto de dados pode ser resumdo através de uma dstrbução de freqüêcas, e que esta pode ser represetada através de uma tabela ou de um gráfco. Se o cojuto refere-se

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

Dessa forma, concluímos que n deve ser ímpar e, como 120 é par, então essa sequência não possui termo central.

Dessa forma, concluímos que n deve ser ímpar e, como 120 é par, então essa sequência não possui termo central. Resoluções das atividades adicioais Capítulo Grupo A. a) a 9, a 7, a 8, a e a 79. b) a, a, a, a e a.. a) a, a, a, a 8 e a 6. 9 b) a, a 6, a, a 9 e a.. Se a 9 e a k são equidistates dos extremos, etão existe

Leia mais

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

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

Leia mais

ESTATÍSTICA TÓPICO 6 MEDIDAS DE POSIÇÃO MEDIDAS DE DISPERSÃO

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

Leia mais

MEDIDAS DE DISPERSÃO 9. MEDIDAS DE DISPERSÃO

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

Leia mais

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

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

Leia mais

Matemática. Resolução das atividades complementares. M18 Noções de Estatística

Matemática. Resolução das atividades complementares. M18 Noções de Estatística Resolução das atvdades complemetares Matemátca M8 Noções de Estatístca p. 3 (UFRJ) Dos estados do país, um certo ao, produzem os mesmos tpos de grãos. Os grácos de setores lustram a relação etre a produção

Leia mais

Avaliação de Empresas Profa. Patricia Maria Bortolon

Avaliação de Empresas Profa. Patricia Maria Bortolon Avalação de Empresas MODELO DE DIVIDENDOS Dvdedos em um estáo DDM Dscouted Dvded Model Muto utlzados a precfcação de uma ação em que o poto de vsta do vestdor é extero à empresa e eralmete esse vestdor

Leia mais

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

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

Leia mais

S S S S 5. Uma pessoa deposita em um banco, no fim de cada mês, durante 5 meses, a quantia de R$ 200,00. 1,05 1

S S S S 5. Uma pessoa deposita em um banco, no fim de cada mês, durante 5 meses, a quantia de R$ 200,00. 1,05 1 CopyMarket.com Todos os dretos reservados. ehuma parte desta publcação poderá ser reproduzda sem a autorzação da Edtora. Título: Matemátca Facera e Comercal utores: Roberto Domgos Mello e Carlos Eduardo

Leia mais

Estatística. 2 - Estatística Descritiva

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

Leia mais

MAE0229 Introdução à Probabilidade e Estatística II

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

Leia mais

Estudo do intervalo de confiança da regressão inversa utilizando o software R

Estudo do intervalo de confiança da regressão inversa utilizando o software R Estudo do tervalo de cofaça da regressão versa utlzado o software R Llae Lopes Cordero João Domgos Scalo. Itrodução Na maora das aplcações evolvedo regressão, determa-se o valor de Y correspodete a um

Leia mais

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

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

Leia mais

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

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

Leia mais

Análise Exploratória de Dados

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

Leia mais

Projeto e Análise de Algoritmos Recorrências. Prof. Humberto Brandão

Projeto e Análise de Algoritmos Recorrências. Prof. Humberto Brandão Projeto e Aálse de Algortmos Recorrêcas Prof. Humberto Bradão humberto@dcc.ufmg.br Uversdade Federal de Alfeas Laboratóro de Pesqusa e Desevolvmeto LP&D Isttuto de Cêcas Exatas ICEx versão da aula: 0.

Leia mais

Probabilidades e Estatística

Probabilidades e Estatística Departameto de Matemátca robabldades e Estatístca LEAN, LEE, LEGI, LERC, LMAC, MEAer, MEAmb, MEBol, MEEC, MEMec 2 o semestre 20/202 2 o Teste B 08/06/202 :00 Duração: hora e 30 mutos Justfque coveetemete

Leia mais

Cap. 5. Testes de Hipóteses

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

Leia mais

NOTAS DE AULA DA DISCIPLINA CE076

NOTAS DE AULA DA DISCIPLINA CE076 9. ANÁISE DE AGUPAENTOS (CUSTER) 9. INTRODUÇÃO A Aálse e Agruametos é uma técca stta os étoos e Classfcação (Aálse Dscrmate, Regressão ogístca). Na Classfcação temos um úmero e gruos cohecos, e o objetvo

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

Ordenação: Introdução e métodos elementares. Algoritmos e Estruturas de Dados II

Ordenação: Introdução e métodos elementares. Algoritmos e Estruturas de Dados II Ordeação: Itrodução e métodos elemetares Algortmos e Estruturas de Dados II Ordeação Objetvo: Rearrajar os tes de um vetor ou lsta de modo que suas chaves estejam ordeadas de acordo com alguma regra Estrutura:

Leia mais

d s F = m dt Trabalho Trabalho

d s F = m dt Trabalho Trabalho UNIVERSIDADE DO ESTADO DE MATO GROSSO CAMPUS UNIVERSITÁRIO DE SINOP FACULDADE DE CIÊNCIAS EXATAS E TECNOLÓGICAS CURSO DE ENGENHARIA CIVIL DISCIPLINA: CÁLCULO DIFERENCIAL E INTEGRAL I Trabalho 1. Itrodução

Leia mais

CAPÍTULO 5. Ajuste de curvas pelo Método dos Mínimos Quadrados

CAPÍTULO 5. Ajuste de curvas pelo Método dos Mínimos Quadrados CAPÍTULO Ajuste de curvas pelo Método dos Mímos Quadrados Ajuste Lear Smples (ou Regressão Lear); Ajuste Lear Múltplo (ou Regressão Lear Múltpla); Ajuste Polomal; Regressão Não Lear Iterpolação polomal

Leia mais

8 Programação linear 78

8 Programação linear 78 8 Programação lear 78 8 Programação lear A programação lear cosderou duas fuções objetvo: (a) maxmzação da comercalzação do gás e (b) mmzação das perdas (recetas e multas cotratuas). Foram dealzados dos

Leia mais

Sumário. Mecânica. Sistemas de partículas

Sumário. Mecânica. Sistemas de partículas Sumáro Udade I MECÂNICA 2- Cetro de massa e mometo lear de um sstema de partículas - Sstemas de partículas e corpo rígdo. - Cetro de massa. - Como determar o cetro de massa dum sstema de partículas. -

Leia mais

Estatística Básica - Continuação

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

Leia mais

Prof. Eugênio Carlos Stieler

Prof. Eugênio Carlos Stieler UNEMAT Uversdade do Estado de Mato Grosso Matemátca Facera http://www2.uemat.br/eugeo SÉRIE DE PAGAMENTOS 1. NOÇÕES SOBRE FLUXO DE CAIXA Prof. Eugêo Carlos Steler Estudar sem racocar é trabalho perddo

Leia mais

Bruno Hott Algoritmos e Estruturas de Dados I DECSI UFOP. Aula 10: Ordenação

Bruno Hott Algoritmos e Estruturas de Dados I DECSI UFOP. Aula 10: Ordenação Bruo Hott Algortmos e Estruturas de Dados I DECSI UFOP Aula 10: Ordeação O Crtéro de Ordeação Ordea-se de acordo com uma chave: typedef t TChave; typedef struct{ TChave chave; /* outros compoetes */ Item;

Leia mais

CADERNO 1 (É permitido o uso de calculadora gráfica.)

CADERNO 1 (É permitido o uso de calculadora gráfica.) Proposta de teste de avalação [mao 09] Nome: Ao / Turma: N.º: Data: - - Não é permtdo o uso de corretor. Deves rscar aqulo que pretedes que ão seja classfcado. A prova clu um formuláro. As cotações dos

Leia mais

Construção e Análise de Gráficos

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

Leia mais

Tópicos Extras 2ª parte. Análise de Correlação e Regressão

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

Leia mais

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

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

Leia mais

ESTATÍSTICA- II DISTRIBUIÇÃO DE FREQUÊNCIA. 1- CONCEITO É a série estatística que tem o tempo, o espaço e a espécie como variáveis dependentes.

ESTATÍSTICA- II DISTRIBUIÇÃO DE FREQUÊNCIA. 1- CONCEITO É a série estatística que tem o tempo, o espaço e a espécie como variáveis dependentes. ESTATÍSTICA- II DISTRIBUIÇÃO DE FREQUÊNCIA 1- CONCEITO É a série estatística que tem o tempo, o espaço e a espécie como variáveis depedetes. - DISTRIBUIÇÃO DE FREQUÊNCIA a) Dados Brutos É um cojuto resultate

Leia mais

Econometria: 3 - Regressão Múltipla

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

Leia mais

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

RAD1507 Estatística Aplicada à Administração I Prof. Dr. Evandro Marcos Saidel Ribeiro RESUMO UNIVERIDADE DE ÃO PAULO FACULDADE DE ECONOMIA, ADMINITRAÇÃO E CONTABILIDADE DE RIBEIRÃO PRETO DEPARTAMENTO DE ADMINITRAÇÃO RAD57 Etatítca Aplcaa à Amtração I Prof Dr Evaro Marco ael Rero REUMO REVIÃO DE

Leia mais

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

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

Leia mais

Análise da Informação Económica e Empresarial

Análise da Informação Económica e Empresarial Aálse da Iformação Ecoómca e Empresaral Aula 8: Redução de Dados: Meddas de Dspersão e Cocetração Aálse da Iformação Ecoómca e Empresaral Guão Aula 8: Redução de Dados: Meddas de Dspersão e Cocetração

Leia mais

Caracterização de Partículas. Prof. Gerônimo

Caracterização de Partículas. Prof. Gerônimo Caracterzação de Partículas Prof. Gerômo Aálse Graulométrca de partículas Tabela: Sére Padrão Tyler Mesh Abertura Lvre (cm) âmetro do fo () 2 ½ 0,7925 0,088 0,6680 0,070 ½ 0,56 0,065 4 0,4699 0,065

Leia mais

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

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

Leia mais

Apostila de Estatística. Volume 1 Edição Prof. Dr. Celso Eduardo Tuna

Apostila de Estatística. Volume 1 Edição Prof. Dr. Celso Eduardo Tuna Apostla de Estatístca Volume 1 Edção 007 Curso: Pscologa Amostragem, Séres Estatístcas, Dstrbução de Freqüêca, Méda, Medaa, Quartl, Percetl e Desvo Padrão Prof. Dr. Celso Eduardo Tua 1 Capítulo 1 - Itrodução

Leia mais

5 Critérios para Análise dos Resultados

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

Leia mais