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

Tamanho: px
Começar a partir da página:

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

Transcrição

1 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 medida etc.). Pretede-se aqui estudar esses erros e suas coseqüêcias, de modo a expressar os resultados de dados experimetais em termos que sejam compreesíveis a outras pessoas. Quado se pretede medir o valor de uma gradeza, pode-se realizar apeas uma ou várias medidas repetidas, depededo das codições experimetais particulares ou aida da postura adotada frete ao experimeto. Em cada caso, deve-se extrair do processo de medida um valor adotado como melhor a represetação da gradeza e aida um limite de erro detro do qual deve estar compreedido o valor real. 1 - ERROS & DESVIOS Algumas gradezas possuem seus valores reais cohecidos e outras ão. Quado cohecemos o valor real de uma gradeza e experimetalmete ecotramos um resultado diferete, dizemos que o valor obtido está afetado de um erro. ERRO é a difereça etre um valor obtido ao se medir uma gradeza e o valor real ou correto da mesma. Matematicamete: Erro = valor medido valor real Exercício: Mediu-se os âgulos iteros de um quadrilátero e obteve-se 361,4. Qual é o erro de que está afetada esta medida? Etretato, o valor real ou exato da maioria das gradezas físicas em sempre é cohecido. Quado afirmamos que o valor da carga do elétro é 1, x -19 C, este é, a verdade, o valor mais provável desta gradeza, determiado através de experimetos com icerteza de 0,30 partes por milhão. este caso, ao efetuarmos uma medida desta gradeza e compararmos com este valor, falamos em desvios e ão erros. DESVIO é a difereça etre um valor obtido ao se medir uma gradeza e um valor adotado que mais se aproxima do valor real. a prática se trabalha a maioria das vezes com desvios e ão erros DESVIO MÉDIO VALOR MÉDIO Quado um mesmo operador efetua uma série de medidas de uma gradeza, utilizado um mesmo istrumeto, as medidas obtidas terão valores que poderão ão coicidir a maioria das vezes, isso devido aos erros experimetais ieretes a qualquer processo de medida. A teoria demostra que o valor que mais se aproxima do valor real da gradeza é a média aritmética dos valores ( a ), deomiado valor médio.

2 Supoha que um experimetador realize vezes a medida do comprimeto L de uma barra. Essas medidas foram realizadas com uma régua cuja meor divisão era 1 cm, de modo que os milímetros foram avaliados (é costume fazer estimativas com aproximações até décimos da meor divisão da escala do istrumeto). Em qualquer das medidas efetuadas ecotraram-se, como comprimeto da barra, 5 cm completos mais uma fração avaliada da meor divisão, de modo que as flutuações, este caso, residem as diferetes avaliações da meor divisão. A tabela ao lado mostra os valores obtidos as dez medidas realizadas. Tabela 1.1 L (cm) L = (L L ) (cm) = 5,7 5, 5,5 5,6 5,5 5,7 5, 5,7 5,9 5, L = 57 cm 0,0 + 0,1 0,2 0,1 0,2 0,0 + 0,1 0,0 + 0,2 + 0,1 L = 1,0 cm Calculado-se a média aritmética das medidas efetuadas tem-se L = L = 5,7 +5, +5,5+5,6 +5,5+5,7 +5, +5,7 +5,9 +5, que é o valor mais provável para o comprimeto da barra. = 57 = 5,7 cm O valor médio é mais preciso e exato quato maior for o úmero de medidas. Defie-se o desvio de uma medida do cojuto pela difereça etre o valor medido (L ) e o valor médio ( L ). L = (L L ) O desvio de cada medida, o caso do exemplo, está idicado a tabela. Desse cojuto deve-se extrair a icerteza que afeta o valor adotado ( valor médio ). Cosiderase, para esse fim, a média aritmética dos valores absolutos dos desvios deomiada desvio médio ( L ) : L L = (0,0 + 0,1+ 0,2 + 0,1+ 0,2 + 0,0 + 0,1+ 0,0 + 0,2 + 0,1) cm = 1,0 cm = 0,1 cm Esse desvio sigifica que o erro que se comete ao adotar o valor médio (L = 5,7 cm) é de 0,1 cm. Em outras palavras, o valor real deve estar etre 5,6 e 5, cm. Dessa maeira, o comprimeto da barra pode ser expresso como: L = (L L) ou seja L ( 5, 7 01, ) cm DESVIO AVALIADO OU ICERTEZA Se o experimetador realiza apeas uma medida da gradeza, o valor medido evidetemete será o valor adotado, já que ão se tem um cojuto de dados para ser aalisado, como o caso aterior. Aqui, também, o valor adotado represeta a gradeza detro de certo grau de cofiaça. ão existe uma regra defiida para determiar a icerteza de uma úica medida, pois esta depede de vários fatores como: o istrumeto utilizado, as codições em que a medida se realiza, o método utilizado a medida, a habilidade do experimetador, a própria

3 avaliação do último algarismo (fração avaliada da meor divisão da escala do istrumeto) etc... Cotudo, é costume tomar a icerteza de uma medida como sedo a metade da meor divisão da escala do istrumeto utilizado, deomiado-a desvio avaliado ou icerteza. Covém salietar que a avaliação da icerteza da medida depede, sobretudo, do bom seso do experimetador DESVIO RELATIVO O desvio relativo é igual ao quociete etre a icerteza e o valor adotado e é, frequetemete expresso em termos percetuais. a) Caso uma medida úica: desvio avaliado Desvio relativo = valor medido b) Caso uma série de medidas: desvio médio Desvio relativo = valor médio O desvio relativo percetual é obtido, multiplicado-se o desvio relativo por 0%. O desvio relativo os dá, de uma certa forma, uma iformação a mais acerca da qualidade do processo de medida e os permite decidir, etre duas medidas, qual a melhor. Isto é, quato meor o desvio relativo, maior a precisão da medida. 2 - ALGARISMOS SIGIFICATIVOS Quado se realiza uma medida, como foi feito em cada uma das dez medidas do comprimeto da barra em exemplo aterior, verifica-se que em cada medida tem-se um úmero completo de uidades (o caso 5 cm) acrescido de uma fração avaliada dessa uidade. Medido-se com uma régua cetimetrada, tem setido avaliar décimos (isto é, milímetros), mas é discutível avaliar frações meores. Geralmete, em medições, é possível fazer estimativas com aproximação até décimos da meor divisão da escala do istrumeto. Assim, a medida do comprimeto da barra, o dígito 5 é iseto de dúvida, ou seja, a dúvida ou icerteza da medida reside a avaliação do dígito correspodete à fração avaliada da meor divisão da escala. Deomiam-se algarismos sigificativos de uma medida os algarismos exatos acrescidos de um úico algarismo duvidoso. Algarismos sigificativos = Algarismos exatos + um úico algarismo duvidoso Portato, as dez medidas efetuadas a determiação do comprimeto da barra, temse dois algarismos sigificativos: Apresetado-se o resultado de uma medida através do valor médio, é preciso escrevê-lo com um úmero correto de algarismos sigificativos. De maeira geral, para se cosiderar o úmero de algarismos sigificativos do valor médio, é coveiete, em primeiro lugar, cosiderar o desvio médio com apeas um algarismo sigificativo; este

4 irá etão precisar com quatos algarismos sigificativos deverá ser escrito o valor médio da gradeza. Exemplo :Foram efetuadas medidas do diâmetro (D) de um cabo, como mostra a tabela ao lado. Com esse cojuto de medidas, obtém-se o valor médio e o desvio médio. Valor Médio: D = Desvio Médio: D D = 55,00 x D 97, 7 = = 125 mm -2 mm = 0,0675 mm 0,07 mm O valor da gradeza é D = (125 0,0675). o etato, observa-se que a icerteza o valor médio, isto é, o desvio médio, afeta a seguda casa decimal desse valor. Assim, os outros algarismos posteriores perdem o sigificado e ão são sigificativos, já que etre os algarismos sigificativos é admitida a preseça de um úico algarismo duvidoso. o etato, esses algarismos presetes tato o valor médio quato o desvio médio devem ser cosiderados para efeito de cálculo, devedo ser desprezados a apresetação fial. Escreve-se o resultado fial da seguite maeira: D = (1 0,07) mm ormalmete, ao serem feitas aproximações, como o caso acima, é costume, quado o primeiro algarismo desprezado for maior ou igual a cico, acrescetar uma uidade ao último algarismo matido. Exemplo :Supoha-se que um processo de medidas e cálculos teha origiado para a resistividade por uma uidade de área de material o valor médio de 32,765 /m com um desvio médio de 0,0241 /m. Tem-se etão: ( 32, 7650,0241) / m A D (mm) D ( 2 mm) ( 32, 770,02 ) / m A Deve-se otar que o valor médio pode apresetar um úmero de algarismos sigificativos maior que as medidas idividuais. Esse resultado, aparetemete sem setido, é explicável já que está se tratado estatisticamete um cojuto de dados, e as medidas idividuais deixam de ter importâcia, prevalecedo o cojuto como um todo, ou seja, o valor médio. Exemplo: O resultado de uma experiêcia foreceu o valor médio e o desvio médio iguais a: m = (13,425 0,0342) g m = (13,43 0,03) g = (1,343 0,003) x g m = (736,6 12,) g m = (74 1) x g = (7,4 0,01) x 3 g Ao se trabalhar com algarismos sigificativos, ão se deve esquecer de que os zeros à esquerda ão são sigificativos, mas os da direita o são. Portato, são sigificativos todos os úmeros isetos de dúvida, a partir do primeiro ão ulo, e também o primeiro algarismo duvidoso e mais ehum = 12,3 12,1 12,1 12,4 D = 97,7mm +,75-11,25-11,25 + 1,75 D = (55,00-2 )mm 3 - OPERAÇÕES COM ALGARISMOS SIGIFICATIVOS REGRAS ADOTADAS a) a adição e subtração - faz-se a operação ormalmete e o fial reduz-se o resultado, usado critério de arredodameto, para o úmero de casas decimais da gradeza meos precisa. Exemplos:

5 Adição - ( ,91 + 1,97 + 0, ,20) = ,01 = Subtração - (12.441,2 7.56,32) = 4.54, = 4.54,9 b) a multiplicação e divisão - o resultado deverá ter igual úmero de algarismos (ou um algarismo a mais) que a gradeza com meor quatidade de algarismos sigificativos que participa da operação. Exemplos: Multiplicação - (12,46 x 39,3) = = 496,2 Divisão - (03,407 / 13,1) = 61,32 = 61,33 c) a poteciação e radiciação o resultado deverá ter o mesmo úmero de algarismos sigificativos da base (poteciação) ou do radicado (radiciação): Poteciação - (1,52 x 3 ) 2 = 2,31 x 6 Radiciação - (0,75 x 4 ) 1/2 = 0,7 x Precisão e Exatidão Precisão e exatidão são dois termos comumete utilizados a aálise dos resultados de uma medida, mas também são cofudidos facilmete apesar de possuírem setidos muito diferetes. Figura 1 Difereça etre precisão e exatidão. A exatidão é difícil de ser determiada, pois o valor verdadeiro é geralmete descohecido, por se tratar do objetivo da aálise. Etão um valor aceito é ormalmete utilizado, assim ela é expressa em termos de erro absoluto e erro relativo. A exatidão e precisão de uma medida também ser ilustrados coforme a Figura 2.

6 Figura 2 Exatidão e precisão de uma medida CLASSIFICAÇÃO DOS ERROS Erros grosseiros: são aqueles proveietes de falhas grosseiras do operador, como: 1. Egao a leitura de medidas o operador lê o lugar de Troca de uidades. A maeira de elimiar este tipo de erro é sedo cuidadoso ao realizar as medidas. Erros sistemáticos: este tipo de erro deva-se a falhas os métodos empregados ou dos istrumetos de medida, como: 1. Um istrumeto mal calibrado ou usado a uma temperatura diferete daquela em que foi feita a sua calibração. Por exemplo: um relógio descalibrado que sempre adiata ou sempre atrasa. 2. O tempo de resposta de um operador que sempre se adiata ou se atrasa as observações. 3. O operador que sempre superestima ou sempre subestima os valores das medidas. Por sua atureza estes erros têm amplitudes costates, e afetam os resultados um mesmo setido, ou para mais, ou para meos. Erros acidetais ou aleatórios: Como vimos, por mais perfeito que seja o operador ou o processo de medição de uma gradeza, uca deixaremos de cotar com os fatores acidetais que afetam uma ou mais medidas. Os pricipais fatores que implicam o aparecimeto dos erros acidetais ou ao acaso são: 1. Defeitos ão sistemáticos de leitura (imperícia do operador). 2. Variação da capacidade de avaliação, com o úmero de medidas efetuadas (casaço). 3. Variação da capacidade de avaliação ou da perícia, o caso da observação de uma mesma gradeza por vários observadores. 4. Codições próprias dos aparelhos de medidas (certos aparelhos dão erros de paralaxe que variam com o tamaho da gradeza). 5. Reflexos variáveis do operador (por exemplo o caso de apertar um croômetro). 6. Dificuldades a obteção de certas medidas (ajuste do zero de uma escala, aplicação de um aparelho a uma peça em diferetes posições). 7. Iteresse do operador em obter medidas em situações diferetes para obteção de um valor mais represetativo de uma gradeza.. Outros fatores ão itecioais, tais que ão possam ser cosiderados como falta grave de operação. Os erros acidetais ou aleatórios podem ser miimizados pela perícia do operador, mas jamais elimiados por completo. Aos erros acidetais ou aleatórios são aplicados a teoria dos erros.

7 EXERCÍCIOS DE FIXAÇÃO TEORIA DOS ERROS 1) Determiar o desvio avaliado os seguites casos: a) régua milimetrada: b) régua com escala graduada em cetímetros: c) balaça com precisão de 0,1 g: d) croômetro com precisão de 0,2 s: e) amperímetro com escala graduada em 0, 2, 4, 6,, ampères ( A ): f) diamômetro com escala graduada de 5 em 5 ewtos ( ): g) voltímetro com fudo de escala de volts dividida em 20 partes: 2) Dadas as medidas e seus respectivos desvios, escrever os resultados corretamete, em termos de algarismos sigificativos. (a) (b) (c) (d) (e) m 32,75 g 72,19 cm 4,19 g m 2372 h m 0,25 g 2,3 cm 0,0219 g 276 m 2 h (a) (b) (c) (d) (e) 3) uma experiêcia, a medida do comprimeto de uma barra, repetida 5 vezes ( = 5), foreceu a tabela: L (m) 2,21 2,26 2,24 2,22 2,27 a) Ecotrar o valor L L? médio: L L b) Ecotrar o desvio L? médio: c) Escrever o resultado fial em termos de algarismos sigificativos: L ( L L)? 4) Efetuar as seguites operações: a) (231,03 ± 0,02) (12, ± 0,5) = b) [(2,14 ± 0,03) kg/(1,4 ± 0,1) m 3 ] =

Universidade São Judas Tadeu Faculdade de Tecnologia e Ciências Exatas Laboratório de Física e Química

Universidade São Judas Tadeu Faculdade de Tecnologia e Ciências Exatas Laboratório de Física e Química Uiversidade São Judas Tadeu Faculdade de Tecologia e Ciêcias Exatas Laboratório de Física e Química Aálise de Medidas Físicas Quado fazemos uma medida, determiamos um úmero para caracterizar uma gradeza

Leia mais

TRABALHO1 MEDIÇÕES, ALGARISMOS SIGNIFICATIVOS E ERROS.

TRABALHO1 MEDIÇÕES, ALGARISMOS SIGNIFICATIVOS E ERROS. TRABALHO1 MEDIÇÕES, ALGARISMOS SIGNIFICATIVOS E ERROS. 1.1 Objectivos Medir gradezas físicas, utilizado os istrumetos adequados. Apresetar correctamete os resultados das medições, ao ível da utilização

Leia mais

Experimento 1 Estudo da Lei de Hooke

Experimento 1 Estudo da Lei de Hooke Experimeto 1 Estudo da Lei de Hooke 1.1 Objetivos Físicos Verificação experimetal da lei de Hooke para uma mola helicoidal: Medida experimetal do módulo de rigidez do material μ. 1. Objetivos Didáticos

Leia mais

UNIVERSIDADE ESTADUAL PAULISTA JÚLIO DE MESQUITA FILHO Campus de Bauru

UNIVERSIDADE ESTADUAL PAULISTA JÚLIO DE MESQUITA FILHO Campus de Bauru EXPERIMENTO - MEDIDAS E ERROS ****************************************************************************. Objetivos: Propiciar ao estudate a compreesão dos coceitos básicos de medidas; Avaliação e propagação

Leia mais

Prática I GRANDEZAS FÍSICAS E TEORIA DOS ERROS

Prática I GRANDEZAS FÍSICAS E TEORIA DOS ERROS Prática I GRANDEZAS FÍSICAS E TEORIA DOS ERROS INTRODUÇÃO O desevolvimeto do homem deve-se ao fato de que ele procurou observar os acotecimetos ao seu redor. Ao ver os resultados dos diversos evetos, ele

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

Teoria dos Erros. Figura 1 - Medida de um objeto com uma régua graduada em centímetros

Teoria dos Erros. Figura 1 - Medida de um objeto com uma régua graduada em centímetros 3 Teoria dos Erros 1. Introdução As grandezas físicas são determinadas experimentalmente por medidas ou combinações de medidas. Essas medidas tem uma incerteza intrínseca que advém das características

Leia mais

Cap. 4 - Estimação por Intervalo

Cap. 4 - Estimação por Intervalo Cap. 4 - Estimação por Itervalo Amostragem e iferêcia estatística População: cosiste a totalidade das observações em que estamos iteressados. Nº de observações a população é deomiado tamaho=n. Amostra:

Leia mais

n ) uma amostra aleatória da variável aleatória X.

n ) uma amostra aleatória da variável aleatória X. - Distribuições amostrais Cosidere uma população de objetos dos quais estamos iteressados em estudar uma determiada característica. Quado dizemos que a população tem distribuição FX ( x ), queremos dizer

Leia mais

Capítulo 5- Introdução à Inferência estatística. (Versão: para o manual a partir de 2016/17)

Capítulo 5- Introdução à Inferência estatística. (Versão: para o manual a partir de 2016/17) Capítulo 5- Itrodução à Iferêcia estatística. (Versão: para o maual a partir de 2016/17) 1.1) Itrodução.(222)(Vídeo 39) Na iferêcia estatística, aalisamos e iterpretamos amostras com o objetivo de tirar

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

Escola de Engenharia de Lorena EEL USP Departamento de Engenharia Química DEQUI Disciplina: Normalização e Controle da Qualidade NCQ

Escola de Engenharia de Lorena EEL USP Departamento de Engenharia Química DEQUI Disciplina: Normalização e Controle da Qualidade NCQ 1 Escola de Egeharia de orea EE SP Departameto de Egeharia Química DEQI Disciplia: Normalização e Cotrole da Qualidade NCQ Capítulo : Amostragem por Variáveis (MI STD 1) SEÇÃO A.1 Objetivo Este capítulo

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

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

Comparação entre duas populações

Comparação entre duas populações Comparação etre duas populações AMOSTRAS INDEPENDENTES Comparação etre duas médias 3 Itrodução Em aplicações práticas é comum que o iteresse seja comparar as médias de duas diferetes populações (ambas

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

6.1 Estimativa de uma média populacional: grandes amostras. Definição: Um estimador é uma característica amostral (como a média amostral

6.1 Estimativa de uma média populacional: grandes amostras. Definição: Um estimador é uma característica amostral (como a média amostral 6 ESTIMAÇÃO 6.1 Estimativa de uma média populacioal: grades amostras Defiição: Um estimador é uma característica amostral (como a média amostral x ) utilizada para obter uma aproximação de um parâmetro

Leia mais

ENGENHARIA DA QUALIDADE A ENG AULA 6 CARTAS DE CONTROLE PARA ATRIBUTOS

ENGENHARIA DA QUALIDADE A ENG AULA 6 CARTAS DE CONTROLE PARA ATRIBUTOS ENGENHARIA DA QUALIDADE A ENG 09008 AULA 6 CARTAS DE CONTROLE PARA ATRIBUTOS PROFESSORES: CARLA SCHWENGBER TEN CATEN Tópicos desta aula Cartas de Cotrole para Variáveis Tipo 1: Tipo 2: Tipo 3: X X X ~

Leia mais

REVISÃO DE MATEMÁTICA BÁSICA

REVISÃO DE MATEMÁTICA BÁSICA REVISÃO DE MATEMÁTICA BÁSICA AULA 6 Radiciação Profe. Kátia RADICIAÇÃO Radiciação é a operação iversa da poteciação. Realizamos quado queremos descobrir qual o úmero que multiplicado por ele mesmo uma

Leia mais

Intervalos de Confiança

Intervalos de Confiança Itervalos de Cofiaça Prof. Adriao Medoça Souza, Dr. Departameto de Estatística - PPGEMQ / PPGEP - UFSM - 0/9/008 Estimação de Parâmetros O objetivo da Estatística é a realização de iferêcias acerca de

Leia mais

Introdução. Exemplos. Comparar três lojas quanto ao volume médio de vendas. ...

Introdução. Exemplos. Comparar três lojas quanto ao volume médio de vendas. ... Itrodução Exemplos Para curar uma certa doeça existem quatro tratametos possíveis: A, B, C e D. Pretede-se saber se existem difereças sigificativas os tratametos o que diz respeito ao tempo ecessário para

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

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

10 - Medidas de Variabilidade ou de Dispersão

10 - Medidas de Variabilidade ou de Dispersão 10 - Medidas de Variabilidade ou de Dispersão 10.1 Itrodução Localizado o cetro de uma distribuição de dados, o próximo passo será verificar a dispersão desses dados, buscado uma medida para essa dispersão.

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

Distribuições Amostrais

Distribuições Amostrais Distribuições Amostrais O problema da iferêcia estatística: fazer uma afirmação sobre os parâmetros da população θ (média, variâcia, etc) através da amostra. Usaremos uma AAS de elemetos sorteados dessa

Leia mais

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

ESCOLA BÁSICA DE ALFORNELOS

ESCOLA BÁSICA DE ALFORNELOS ESCOLA BÁSICA DE ALFORNELOS FICHA DE TRABALHO DE MATEMÁTICA 9.º ANO VALORES APROXIMADOS DE NÚMEROS REAIS Dado um úmero xe um úmero positivo r, um úmero x como uma aproximação de x com erro iferior a r

Leia mais

3 Incerteza nas medições experimentais 7. 5 Estimativa das incertezas aleatórias Propagação de incertezas 13

3 Incerteza nas medições experimentais 7. 5 Estimativa das incertezas aleatórias Propagação de incertezas 13 Coteúdo 1 Medir A craveira e o palmer 3.1 Craveira... 3. Palmer... 6 3 Icerteza as medições experimetais 7 4 Algarismos sigificativos 9 5 Estimativa das icertezas aleatórias 11 6 Propagação de icertezas

Leia mais

Estimadores de Momentos

Estimadores de Momentos Estimadores de Mometos A média populacioal é um caso particular daquilo que chamamos de mometo. Na realidade, ela é o primeiro mometo. Se X for uma v.a. cotíua, com desidade f(x; θ 1,..., θ r ), depededo

Leia mais

Apostila de Metrologia (parcial)

Apostila de Metrologia (parcial) Apostila de Metrologia (parcial) Introdução A medição é uma operação muito antiga e de fundamental importância para diversas atividades do ser humano. As medições foram precursoras de grandes teorias clássicas

Leia mais

Distribuições de Estatísticas Amostrais e Teorema Central do Limite

Distribuições de Estatísticas Amostrais e Teorema Central do Limite Distribuições de Estatísticas Amostrais e Teorema Cetral do Limite Vamos começar com um exemplo: A mega-sea de 996 a N 894 úmeros de a 6: Média: m 588 Desvio padrão: 756 49 amostras de 6 elemetos Frequêcia

Leia mais

Instruções gerais sobre a Prova:

Instruções gerais sobre a Prova: DEPARTAMENTO DE ESTATÍSTICA - UFMG PROVA DE ESTATÍSTICA & PROBABILIDADES SELEÇÃO MESTRADO/UFMG 2012/2013 Istruções gerais sobre a Prova: (a) Cada questão respodida corretamete vale 1 (um) poto. (b) Cada

Leia mais

Estimar uma proporção p (desconhecida) de elementos em uma população, apresentando certa característica de interesse, a partir da informação

Estimar uma proporção p (desconhecida) de elementos em uma população, apresentando certa característica de interesse, a partir da informação ESTIMAÇÃO DA PROPORÇÃO POPULACIONAL p 1 Objetivo Estimar uma proporção p (descohecida) de elemetos em uma população, apresetado certa característica de iteresse, a partir da iformação forecida por uma

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

Stela Adami Vayego Estatística II CE003/DEST/UFPR

Stela Adami Vayego Estatística II CE003/DEST/UFPR Resumo 0 Estimação de parâmetros populacioais Defiição : Estimador e Estimativa Um estimador do parâmetro θ é qualquer fução das observações... isto é g(... ). O valor que g assume isto é g(x x... x )

Leia mais

Fundamentos de Análise Matemática Profª Ana Paula. Números reais

Fundamentos de Análise Matemática Profª Ana Paula. Números reais Fudametos de Aálise Matemática Profª Aa Paula Números reais 1,, 3, cojuto dos úmeros aturais 0,1,,3, cojuto dos úmeros iteiros p q /p e q cojuto dos úmeros racioais a, a 0 a 1 a a, a e a i 0, 1,, 3, 4,

Leia mais

1.1. Ordem e Precedência dos Cálculos 1) = Capítulo 1

1.1. Ordem e Precedência dos Cálculos 1) = Capítulo 1 Capítulo. Aritmética e Expressões Algébricas O estudo de cálculo exige muito mais que o cohecimeto de limite, derivada e itegral. Para que o apredizado seja satisfatório o domíio de tópicos de aritmética

Leia mais

Estimação da média populacional

Estimação da média populacional Estimação da média populacioal 1 MÉTODO ESTATÍSTICO Aálise Descritiva Teoria das Probabilidades Iferêcia Os dados efetivamete observados parecem mostrar que...? Se a distribuição dos dados seguir uma certa

Leia mais

Capítulo 5. CASO 5: EQUAÇÃO DE POISSON 5.1 MODELO MATEMÁTICO E SOLUÇÃO ANALÍTICA

Capítulo 5. CASO 5: EQUAÇÃO DE POISSON 5.1 MODELO MATEMÁTICO E SOLUÇÃO ANALÍTICA Capítulo 5. CASO 5: EQUAÇÃO DE POISSON No presete capítulo, é abordado um problema difusivo uidimesioal com absorção de calor (Icropera e DeWitt, 199, o que resulta uma equação de Poisso, que é uma equação

Leia mais

Novo Espaço Matemática A 12.º ano Proposta de Teste [outubro ]

Novo Espaço Matemática A 12.º ano Proposta de Teste [outubro ] Proposta de Teste [outubro - 017] Nome: Ao / Turma: N.º: Data: / / Não é permitido o uso de corretor. Deves riscar aquilo que pretedes que ão seja classificado. A prova iclui um formulário. As cotações

Leia mais

Representação de Números em Ponto Flutuante

Representação de Números em Ponto Flutuante Represetação de Números em Poto Flutuate OBS: Esta aula é uma reprodução, sob a forma de slides, da aula em vídeo dispoibilizada pelo prof. Rex Medeiros, da UFRN/ECT, em https://youtu.be/ovuymcpkoc Notação

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

MATEMÁTICA II. Profa. Dra. Amanda Liz Pacífico Manfrim Perticarrari

MATEMÁTICA II. Profa. Dra. Amanda Liz Pacífico Manfrim Perticarrari MATEMÁTICA II Profa. Dra. Amada Liz Pacífico Mafrim Perticarrari amada@fcav.uesp.br O PROBLEMA DA ÁREA O PROBLEMA DA ÁREA Ecotre a área da região que está sob a curva y = f x de a até b. S = x, y a x b,

Leia mais

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

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

Leia mais

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

BÁRBARA DENICOL DO AMARAL RODRIGUEZ CINTHYA MARIA SCHNEIDER MENEGHETTI CRISTIANA ANDRADE POFFAL SEQUÊNCIAS NUMÉRICAS. 1 a Edição

BÁRBARA DENICOL DO AMARAL RODRIGUEZ CINTHYA MARIA SCHNEIDER MENEGHETTI CRISTIANA ANDRADE POFFAL SEQUÊNCIAS NUMÉRICAS. 1 a Edição BÁRBARA DENICOL DO AMARAL RODRIGUEZ CINTHYA MARIA SCHNEIDER MENEGHETTI CRISTIANA ANDRADE POFFAL SEQUÊNCIAS NUMÉRICAS 1 a Edição Rio Grade 2017 Uiversidade Federal do Rio Grade - FURG NOTAS DE AULA DE CÁLCULO

Leia mais

Noções Básicas de Medidas e Algarismos Significativos

Noções Básicas de Medidas e Algarismos Significativos Noções Básicas de Medidas e Algarismos Significativos 1 - O Sistema Internacional de Unidades (SI) No SI, a Mecânica utiliza três grandezas físicas fundamentais das quais são derivadas várias outras. São

Leia mais

Análise de Algoritmos. Análise de Algoritmos. Análise de Algoritmos. Análise de Algoritmos. Análise de Algoritmos. Análise de Algoritmos

Análise de Algoritmos. Análise de Algoritmos. Análise de Algoritmos. Análise de Algoritmos. Análise de Algoritmos. Análise de Algoritmos Aálise de Algoritmos Aálise de Algoritmos Prof Dr José Augusto Baraauskas DFM-FFCLRP-USP A Aálise de Algoritmos é um campo da Ciêcia da Computação que tem como objetivo o etedimeto da complexidade dos

Leia mais

INTRODUÇÃO A TEORIA DE ERROS

INTRODUÇÃO A TEORIA DE ERROS Profa. Msc. Tereziha Saes de Lima Istituto Tecológico de Aeroáutica ITA Cetro Técico Aeroespacial CTA Praça Marechal Eduardo Gomes, 50. Vila das Acácias, São José dos campos SP. tereza@ita.br INTRODUÇÃO

Leia mais

Stela Adami Vayego DEST/UFPR

Stela Adami Vayego DEST/UFPR Resumo 0 Estimação de parâmetros populacioais 9.. Itrodução Aqui estudaremos o problema de avaliar certas características dos elemetos da população (parâmetros), com base em operações com os dados de uma

Leia mais

A DESIGUALDADE DE CHEBYCHEV

A DESIGUALDADE DE CHEBYCHEV A DESIGUALDADE DE CHEBYCHEV Quado se pretede calcular a probabilidade de poder ocorrer determiado acotecimeto e se cohece a distribuição probabilística que está em causa o problema, ão se colocam dificuldades

Leia mais

DILMAR RICARDO MATEMÁTICA. 1ª Edição DEZ 2012

DILMAR RICARDO MATEMÁTICA. 1ª Edição DEZ 2012 DILMAR RICARDO MATEMÁTICA TEORIA 6 QUESTÕES DE PROVAS DE CONCURSOS GABARITADAS Teoria e Seleção das Questões: Prof. Dilmar Ricardo Orgaização e Diagramação: Mariae dos Reis ª Edição DEZ 0 TODOS OS DIREITOS

Leia mais

ESTIMAÇÃO POR INTERVALO (INTERVALOS DE CONFIANÇA)

ESTIMAÇÃO POR INTERVALO (INTERVALOS DE CONFIANÇA) 06 ETIMÇÃO OR INTERVLO (INTERVLO DE CONINÇ) Cada um dos métodos de estimação potual permite associar a cada parâmetro populacioal um estimador. Ora a cada estimador estão associadas tatas estimativas diferetes

Leia mais

Mas o que deixou de ser abordado na grande generalidade desses cursos foi o estudo dos produtos infinitos, mesmo que só no caso numérico real.

Mas o que deixou de ser abordado na grande generalidade desses cursos foi o estudo dos produtos infinitos, mesmo que só no caso numérico real. Resumo. O estudo das séries de termos reais, estudado as disciplias de Aálise Matemática da grade geeralidade dos cursos técicos de liceciatura, é aqui estedido ao corpo complexo, bem como ao caso em que

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

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

Stela Adami Vayego DEST/UFPR

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

Leia mais

EPR 007 Controle Estatístico de Qualidade

EPR 007 Controle Estatístico de Qualidade EP 7 Cotrole Estatístico de Qualidade Prof. Dr. Emerso José de Paiva Gráficos e tabelas origiadas de Costa, Epprecht e Carpietti (212) 1 Num julgameto, ifelizmete, um iocete pode ir pra cadeia, assim como

Leia mais

A B C A e B A e C B e C A, B e C

A B C A e B A e C B e C A, B e C 2 O ANO EM Matemática I RAPHAEL LIMA Lista 6. Durate o desfile de Caraval das escolas de samba do Rio de Jaeiro em 207, uma empresa especializada em pesquisa de opiião etrevistou 40 foliões sobre qual

Leia mais

Teorema do limite central e es/mação da proporção populacional p

Teorema do limite central e es/mação da proporção populacional p Teorema do limite cetral e es/mação da proporção populacioal p 1 RESULTADO 1: Relembrado resultados importates Seja uma amostra aleatória de tamaho de uma variável aleatória X, com média µ e variâcia σ.temos

Leia mais

e, respectivamente. Os valores tabelados para a distribuição t-student dependem do número de graus de liberdade ( n 1 e

e, respectivamente. Os valores tabelados para a distribuição t-student dependem do número de graus de liberdade ( n 1 e Prof. Jaete Pereira Amador 1 1 Itrodução Um fator de grade importâcia a pesquisa é saber calcular corretamete o tamaho da amostra que será trabalhada. Devemos ter em mete que as estatísticas calculadas

Leia mais

Sumário. 2 Índice Remissivo 19

Sumário. 2 Índice Remissivo 19 i Sumário 1 Estatística Descritiva 1 1.1 Coceitos Básicos.................................... 1 1.1.1 Defiições importates............................. 1 1.2 Tabelas Estatísticas...................................

Leia mais

Taxas e Índices. Ana Maria Lima de Farias Dirce Uesu Pesco

Taxas e Índices. Ana Maria Lima de Farias Dirce Uesu Pesco Taxas e Ídices Aa Maria Lima de Farias Dirce Uesu esco Itrodução Nesse texto apresetaremos coceitos básicos sobre ídices e taxas. Embora existam aplicações em diversos cotextos, essas otas utilizaremos

Leia mais

PROJETO E ANÁLISES DE EXPERIMENTOS (PAE) PROJETO FATORIAL 2 k COMPLETO E REPLICADO. Dr. Sivaldo Leite Correia

PROJETO E ANÁLISES DE EXPERIMENTOS (PAE) PROJETO FATORIAL 2 k COMPLETO E REPLICADO. Dr. Sivaldo Leite Correia PROJETO E ANÁLISES DE EXPERIMENTOS (PAE) PROJETO FATORIAL 2 k COMPLETO E REPLICADO Dr. Sivaldo Leite Correia CONCEITOS, LIMITAÇÕES E APLICAÇÕES Nos tópicos ateriores vimos as estratégias geeralizadas para

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

FICHA de AVALIAÇÃO de MATEMÁTICA A 11.º Ano Versão 2

FICHA de AVALIAÇÃO de MATEMÁTICA A 11.º Ano Versão 2 FICHA de AVALIAÇÃO de MATEMÁTICA A.º Ao Versão Aluo: N.º Turma: Professor: Classificação: Apresete o seu raciocíio de forma clara, idicado todos os cálculos que tiver de efetuar e todas as justificações

Leia mais

FÍSICA EXPERIMENTAL I

FÍSICA EXPERIMENTAL I 2017 FÍSICA EXPERIMENTAL I Departameto de Físico-Química Área de Física Istituto de Química de Araraquara UNESP Bacharelado em Química 02/08/2017 O que sabemos é uma gota e o que igoramos é um oceao Isaac

Leia mais

Introdução à Probabilidade e à Estatística I

Introdução à Probabilidade e à Estatística I Itrodução à Probabilidade e à Estatística I Resolução Lista 1 Professor: Pedro Moretti & Chag Chia 1. (a) Podemos iserir dados o software R e costruir um histograma com 5 itervalos: Frequecy 0 2 4 6 8

Leia mais

FICHA de AVALIAÇÃO de MATEMÁTICA A 11.º Ano Versão 5

FICHA de AVALIAÇÃO de MATEMÁTICA A 11.º Ano Versão 5 FICHA de AVALIAÇÃO de MATEMÁTICA A.º Ao Versão 5 Nome: N.º Turma: Apresete o seu raciocíio de forma clara, idicado todos os cálculos que tiver de efetuar e todas as justificações ecessárias. Quado, para

Leia mais

MATEMÁTICA II. Profa. Dra. Amanda Liz Pacífico Manfrim Perticarrari

MATEMÁTICA II. Profa. Dra. Amanda Liz Pacífico Manfrim Perticarrari MATEMÁTICA II Profa. Dra. Amada Liz Pacífico Mafrim Perticarrari amada@fcav.uesp.br Ecotre a área da região que está sob a curva y = f x de a até b. S = x, y a x b, 0 y f x Isso sigifica que S, ilustrada

Leia mais

Medidas de Posição. É igual ao quociente entre a soma dos valores do conjunto e o número total dos valores.

Medidas de Posição. É igual ao quociente entre a soma dos valores do conjunto e o número total dos valores. Medidas de Posição São as estatísticas que represetam uma série de dados orietado-os quato à posição da distribuição em relação ao eixo horizotal do gráfico da curva de freqüêcia As medidas de posições

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

CF358 Física BásicaExperimental I

CF358 Física BásicaExperimental I CF358 Física BásicaExperimetal I CONFIGURAÇÃO MÓDULO TEÓRICO MÓDULO EXPERIMENTAL => BLOCO 1-4 EXPERIMENTOS => BLOCO 2-4 EXPERIMENTOS PRESENÇA (muito importate) NO MÍNIMO 75% AVALIAÇÃO 01 PROVA -BLOCO TEÓRICO

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

FILAS PARALELAS COM SERVIDORES HETEROGÊNEOS E JOCKEYING PROBABILÍSTICO

FILAS PARALELAS COM SERVIDORES HETEROGÊNEOS E JOCKEYING PROBABILÍSTICO CAÍTULO FILAS ARALELAS COM SERVIDORES HETEROGÊNEOS E JOCKEYING ROBABILÍSTICO Nesse capítulo mostraremos a ovidade desse trabalho que é a obteção das equações de balaço de um sistema de filas paralelas

Leia mais

O termo "linear" significa que todas as funções definidas no modelo matemático que descreve o problema devem ser lineares, isto é, se f( x1,x2

O termo linear significa que todas as funções definidas no modelo matemático que descreve o problema devem ser lineares, isto é, se f( x1,x2 MÓDULO 4 - PROBLEMAS DE TRANSPORTE Baseado em Novaes, Atôio Galvão, Métodos de Otimização: aplicações aos trasportes. Edgar Blücher, São Paulo, 978..CONCEITOS BÁSICOS DE PROGRAMAÇÃO LINEAR É uma técica

Leia mais

CONJUNTOS NUMÉRICOS , 2 OPERAÇÕES BÁSICAS APROVA CONCURSOS MINISTÉRIO DA FAZENDA. Prof. Daniel Almeida AULA 01/20

CONJUNTOS NUMÉRICOS , 2 OPERAÇÕES BÁSICAS APROVA CONCURSOS MINISTÉRIO DA FAZENDA. Prof. Daniel Almeida AULA 01/20 CONJUNTOS NUMÉRICOS - Números Naturais (IN ) Foram os primeiros úmeros a surgir devido à ecessidade dos homes em cotar objetos. IN = { 0,,,,,, 6,... } - Números Iteiros ( Z ) Se jutarmos os úmeros aturais

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

Estatística: Aplicação ao Sensoriamento Remoto SER ANO Teoria da amostragem

Estatística: Aplicação ao Sensoriamento Remoto SER ANO Teoria da amostragem Estatística: Aplicação ao Sesoriameto Remoto SER 04 - ANO 017 Teoria da amostragem Camilo Daleles Reó camilo@dpi.ipe.br http://www.dpi.ipe.br/~camilo/estatistica/ Algumas Cosiderações... É importate ter

Leia mais

2.2. Séries de potências

2.2. Séries de potências Capítulo 2 Séries de Potêcias 2.. Itrodução Série de potêcias é uma série ifiita de termos variáveis. Assim, a teoria desevolvida para séries ifiitas de termos costates pode ser estedida para a aálise

Leia mais

S E Q U Ê N C I A S E L I M I T E S. Prof. Benito Frazão Pires. Uma sequência é uma lista ordenada de números

S E Q U Ê N C I A S E L I M I T E S. Prof. Benito Frazão Pires. Uma sequência é uma lista ordenada de números S E Q U Ê N C I A S E L I M I T E S Prof. Beito Frazão Pires Uma sequêcia é uma lista ordeada de úmeros a, a 2,..., a,... ) deomiados termos da sequêcia: a é o primeiro termo, a 2 é o segudo termo e assim

Leia mais

Métodos de Amostragem

Métodos de Amostragem Métodos de Amostragem Amostragem aleatória Este é o procedimeto mais usual para ivetários florestais e baseia-se o pressuposto de que todas as uidades amostrais têm a mesma chace de serem amostradas a

Leia mais

Erros e Medidas. Professor: Carlos Alberto Disciplina: Física Geral e Experimental. Profº Carlos Alberto

Erros e Medidas. Professor: Carlos Alberto Disciplina: Física Geral e Experimental. Profº Carlos Alberto Erros e Medidas Professor: Carlos Alberto Disciplina: Física Geral e Experimental Medindo grandezas Físicas Medir é comparar duas grandezas sendo uma delas previamente definida como padrão e a outra desconhecida.

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

5. ANÁLISE DE SISTEMAS DA CONFIABILIADE DE SISTEMAS SÉRIE-PARALELO

5. ANÁLISE DE SISTEMAS DA CONFIABILIADE DE SISTEMAS SÉRIE-PARALELO 5. ANÁLISE DE SISTEMAS DA CONFIABILIADE DE SISTEMAS SÉRIE-PARALELO 5.1 INTRODUÇÃO Um sistema é defiido como todo o cojuto de compoetes itercoectados, previamete determiados, de forma a realizar um cojuto

Leia mais

binomial seria quase simétrica. Nestas condições será também melhor a aproximação pela distribuição normal.

binomial seria quase simétrica. Nestas condições será também melhor a aproximação pela distribuição normal. biomial seria quase simétrica. Nestas codições será também melhor a aproximação pela distribuição ormal. Na prática, quado e p > 7, a distribuição ormal com parâmetros: µ p 99 σ p ( p) costitui uma boa

Leia mais

1. Dados: Deve compreender-se a natureza dos dados que formam a base dos procedimentos

1. Dados: Deve compreender-se a natureza dos dados que formam a base dos procedimentos 9. Testes de Hipóteses 9.. Itrodução Uma hipótese pode defiir-se simplesmete como uma afirmação acerca de uma mais populações. Em geral, a hipótese se refere aos parâmetros da população sobre os quais

Leia mais

INFERÊNCIA. Fazer inferência (ou inferir) = tirar conclusões

INFERÊNCIA. Fazer inferência (ou inferir) = tirar conclusões 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

Leia mais

d) A partir do item c) encontre um estimador não viciado para σ 2.

d) A partir do item c) encontre um estimador não viciado para σ 2. Uiversidade de Brasília Departameto de Estatística 6 a Lista de PE 1 Seja X 1,, X ) uma AAS tal que EX i ) = µ e VarX i ) = σ 2 a) Ecotre EXi 2 ) e E X 2) b) Calcule EX i X) X i X) 2 c) Se T =, mostre

Leia mais

AMOSTRAGEM ALEATÓRIA DISTRIBUIÇÕES POR AMOSTRAGEM

AMOSTRAGEM ALEATÓRIA DISTRIBUIÇÕES POR AMOSTRAGEM 6 AMOSTRAGEM ALEATÓRIA DISTRIBUIÇÕES POR AMOSTRAGEM Quado se pretede estudar uma determiada população, aalisam-se certas características ou variáveis dessa população. Essas variáveis poderão ser discretas

Leia mais

Universidade Federal de Mato Grosso Probabilidade e Estatística - Curso: Engenharia Civil Introdução à Inferência Estatística - Prof a Eveliny

Universidade Federal de Mato Grosso Probabilidade e Estatística - Curso: Engenharia Civil Introdução à Inferência Estatística - Prof a Eveliny 1 Itrodução Uiversidade Federal de Mato Grosso Probabilidade e Estatística - Curso: Egeharia Civil Itrodução à Iferêcia Estatística - Prof a Eveliy Vimos o iício do curso como resumir descritivamete variáveis

Leia mais

Exame Final Nacional de Matemática Aplicada às Ciências Sociais a Fase

Exame Final Nacional de Matemática Aplicada às Ciências Sociais a Fase Exame Fial Nacioal de Matemática Aplicada às Ciêcias Sociais 04 -. a Fase Proposta de resolução... Aplicado o método de Hodt a distribuição dos madatos, temos: Partido A B C D E Número de votos 4 4 Divisão

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

Métodos Quantitativos para Ciência da Computação Experimental Aula #4

Métodos Quantitativos para Ciência da Computação Experimental Aula #4 Métodos Quatitativos para Ciêcia da Computação Experimetal Aula #4 Jussara Almeida DCC-UFMG 2017 Measuremets are ot to provide umbers, but isights Metodologia de Comparação de Sistemas Experimetais Comparado

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

a = b n Vejamos alguns exemplos que nos permitem observar essas relações. = 4 4² = 16 radical radicando

a = b n Vejamos alguns exemplos que nos permitem observar essas relações. = 4 4² = 16 radical radicando Caro aluo, Com o objetivo de esclarecer as dúvidas sobre a raiz quadrada, apresetamos este material a defiição de radiciação, o cálculo da raiz quadrada e algumas propriedades de radiciação. Além disso,

Leia mais

Número-índice: Conceito, amostragem e construção de estimadores

Número-índice: Conceito, amostragem e construção de estimadores Número-ídice: Coceito, amostragem e costrução de estimadores Objetivo Geral da aula Defiir o que são os úmeros-ídices, efatizado a sua importâcia para aálise ecoômica. Cosidere os dados apresetados a Tabela

Leia mais

étodos uméricos MÉTODO DOS MOMENTOS - MOM Prof. Erivelton Geraldo Nepomuceno PROGRAMA DE PÓS-GRADUAÇÃO EM ENGENHARIA ELÉTRICA

étodos uméricos MÉTODO DOS MOMENTOS - MOM Prof. Erivelton Geraldo Nepomuceno PROGRAMA DE PÓS-GRADUAÇÃO EM ENGENHARIA ELÉTRICA étodos uméricos MÉTODO DOS MOMETOS - MOM Prof. Erivelto Geraldo epomuceo PROGRAMA DE PÓS-GRADUAÇÃO EM EGEHARIA ELÉTRICA UIVERSIDADE DE JOÃO DEL-REI PRÓ-REITORIA DE PESQUISA CETRO FEDERAL DE EDUCAÇÃO TECOLÓGICA

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