UNIVERSIDADE DE SÃO PAULO. Faculdade de Arquitetura e Urbanismo

Tamanho: px
Começar a partir da página:

Download "UNIVERSIDADE DE SÃO PAULO. Faculdade de Arquitetura e Urbanismo"

Transcrição

1 UNIVERSIDADE DE SÃO PAULO Faculdade de Arquitetura e Urbanismo DISTRIBUIÇÃO AMOSTRAL ESTIMAÇÃO AUT 516 Estatística Aplicada a Arquitetura e Urbanismo

2 2 DISTRIBUIÇÃO AMOSTRAL Na aula anterior analisamos as técnicas de descrição de dados coletados de uma amostra extraída de uma população. Esses dados foram tabulados e organizados em forma de gráficos de freqüências. Estes gráficos nós chamamos de histogramas quando apresentavam barras para representar as freqüências, mas que podiam apresentar outras formas, como o gráfico de pizza. Analisamos também os principais descritores das amostras, e para isso calculamos as medidas de tendência central como a média, moda, mediana e, as medidas de dispersão como a variância e o desvio padrão. Na seqüência analisamos o conceito de probabilidade junto com as distribuições teóricas de probabilidades das variáveis aleatórias discretas e contínuas, com o objetivo de estudar o conceito de inferência estatística Como vimos anteriormente, o objetivo da inferência estatística é descrever uma realidade que está presente na população a partir de uma amostra extraída desta população. Nesta apostila vamos estudar alguns exemplos de inferência estatística focando uma característica específica da população: os valores médios. Para isso vamos considerar um descritor particular da amostra, que é a média amostral. Antes de iniciarmos o processo de inferência estatística apresentamos abaixo alguns conceitos essenciais. Suponhamos que levamos a cabo um processo de amostragem, ou seja, retiramos várias amostras de dados de uma população. Neste caso é importante que tenhamos em conta que: Toda medida descritiva e numérica de uma população é única e é chamada de parâmetro. Todo valor obtido por cálculo de uma série de observações de uma amostra é denominada de estatística. Os valores de diversas médias amostrais tiradas de uma população, não são necessariamente iguais entre si, mas podem variar. Os valores das médias amostrais não são necessariamente iguais ao valor da média da população. O conjunto das médias amostrais forma uma série de médias sobre a qual podemos calcular uma média e um desvio padrão. A existência de uma variabilidade nos valores das diversas médias amostrais gera uma distribuição de freqüências, que terá uma média das médias e um desvio padrão da variação das médias em torno da média (das médias). 2

3 3 A distribuição de freqüências das médias amostrais é chamada de distribuição amostral. Cada média amostral é uma variável aleatória, é denominada estatística e é representada por. Já O desvio padrão da distribuição amostral é chamado de erro padrão, e é representado por σ. A média da população é denominada parâmetro e é representada por μ. Já o desvio padrão da população é denominado parâmetro e é representado por σ. Na inferência estatística os parâmetros da população μ e σ serão considerados conhecidos. Na verdade estes parâmetros não são conhecidos, mas essa premissa é útil para o entendimento do conceito de distribuição amostral. Exemplo 1 Suponhamos que são formados 10 grupos de alunos de estatística da FAU e que cada grupo tenha como tarefa calcular a média do número de pessoas vivendo em 100 domicílios em um bairro da cidade. Como cada grupo levanta dados em um único bairro, ao concluírem a tarefa estes alunos terão formado uma série 10 médias amostrais representadas como 1, 2, 3,..., 10. Estas 10 médias amostrais calculada pelos alunos são denominadas de estatísticas. Os 10 valores das médias amostrais serão em sua maioria diferentes. Os valores das médias amostrais não serão iguais ao valor da média da população. As 10 médias amostrais formaram uma série de médias sobre a qual se pode calcular sua média e seu desvio padrão. Devido o fato do valor da média amostral ser uma variável obtém-se uma distribuição amostral das médias, o que significa que os valores das médias amostrais têm sua própria distribuição de freqüências. Se outros 10 grupos de alunos fizerem novas amostragens nestes mesmos bairros em domicílios selecionados ao acaso, teremos novos valores de médias amostrais, em geral diferentes dos valores obtidos pelos 10 grupos anteriores. Cada média amostral é uma estatística e é também uma variável aleatória que possui uma distribuição de freqüências, um valor próprio de média e de desvio padrão. À distribuição de freqüências das médias amostrais denomina-se distribuição amostral, e ao desvio padrão denomina-se erro padrão. 3

4 4 Teorema do Limite Central À medida que o tamanho da amostra aumenta, a distribuição de freqüências das médias amostrais tende a se aproximar cada vez mais da distribuição normal. Em outras palavras: se o tamanho n da amostra for suficientemente grande, a média de uma amostra aleatória retirada de uma população de dados, terá uma distribuição de aproximadamente normal independentemente da população. Já se a população tem distribuição normal, então a média amostral terá distribuição normal qualquer que seja o tamanho da amostra. Pelo teorema do limite central pode-se afirmar então que a distribuição da média amostral é aproximadamente normal e que os valores da média e desvio padrão estão relacionados com os valores da média e desvio padrão da população. Assim se uma população de dados tem média μ e desvio padrão σ, da qual se retira uma amostra de tamanho n e média amostral O valor esperado das médias amostrais E [, pode-se afirmar que: ] é igual à média da população: E[ ] = μ O desvio padrão da distribuição amostral (denominado erro padrão) é igual: σ = σ x σ / n Exemplo: Seja uma população formada por 5 vias arteriais de uma cidade que apresentam os seguintes índices de congestionamento nos horários de pico: Via A B C D E km/cong Vamos selecionar (por sorteio) uma amostra formada por duas vias para avaliar o índice médio de congestionamento da cidade. Observe que uma das vias tem a mesma chance de ser selecionada (mesma probabilidade). Observe também que dependendo das vias sorteadas o índice de congestionamento pode ficar acima ou abaixo da média. Neste caso devemos definir o espaço amostral e determinar o valor esperado das médias amostrais Solução: de tamanho n = 2 retiradas da população: - a média do congestionamento da população formada pelas 5 vias é igual a 6 km. - cada uma das 5 vias tem probabilidade 20% de ser sorteada. 4

5 5 - Espaço amostral: Amostra 2,4 2,6 2,8 2,10 4,6 4,8 4,10 6,8 6,10 8,10 Média Distribuição de Freqüências das médias amostrais Média Freqüência 10% 10% 20% 20% 20% 10% 10% - Valor Esperado das Médias Amostrais E[ ] = 3 x0,1 + 4 x0,1 + 5 x0,2 + 6 x0,2 + 7 x0,2 + 8 x0,1 + 9 x0,1 = 6 = μ Histograma

6 6 DISTRIBUIÇÃO NORMAL Sabemos que a probabilidade de ocorrência de um evento em um levantamento amostral é igual ao número de vezes que o evento ocorre dividido pelo tamanho da amostra: P (x i ) = F (x i ) / n F = Freqüência; P = Probabilidade A média (ou valor esperado) de uma variável aleatória X é a somatória dos produtos dos valores numéricos de cada variável pelas probabilidades (ou freqüências) de sua ocorrência. Assim: Média = E (X) = x i. P(x i ) E = valor esperado = média ponderada A Curva de Gaus é uma função matemática que serve para simular uma distribuição Normal de freqüências da variável X. Assumindo portanto, que esta função serve para descrever a variabilidade dos dados que estamos analisando, vamos utilizar as propriedades desta função matemática para fazer inferências estatísticas. Considerando uma variável aleatória contínua X que tenha uma função de probabilidade f(x) cuja distribuição é aproximadamente similar à curva normal, podemos utilizar o modelo de Gaus (ou da curva normal) para fazer inferências. Este modelo apresenta as seguintes propriedades: + Valor esperado de X E (X) = μ = x f(x) dx - + Variância de X E [(X E [X]) 2 ] = σ 2 = (x - E[X]) 2 f(x) dx - Função de densidade de probabilidade A função densidade de probabilidade de uma variável aleatória X tem distribuição normal com parâmetros de média μ e variância σ 2 é assim definida, Se a variável aleatória X tem uma distribuição aproximada da normal escreve-se: X ~ N (μ,σ 2 ). 6

7 7 Se μ = 0 e σ = 1, a distribuição é chamada de distribuição normal padrão e a função de densidade de probabilidade se transforma em: A distribuição normal é uma das mais importantes distribuições de frequências pois ela representa a maioria dos casos na vida real. Exemplo: Numa população de dados quando μ = 0 e σ = 1, a curva de distribuição nornal f(x) para volores da variável aleatória X é apresentada na figura abaixo.. A distribuição normal permite calcular qualquer valor da probabilidade se for conhecida a média e o desvio padrão de uma população sendo pesquisada. Características da Distribuição Normal 1 A curva é simétrica ao redor da média; 2 A área sob a curva define 100% da probabilidade. Sendo cada metada tem 50% de probabilidade; 3 A probabilidade de um valor da variável estar entre o intervalo (m,n) é definida como: P (m X n) O valor da probabilidade: P (m X n) = área sob a curva entre os valores m e n 7

8 8 Distribuição Normal Padronizada O cálculo das probabilidades de uma variavel X P(X), partir da da curva de Gauus é muito trabalboso pois exige integrar a função f(x) da distribuição normal entre os limites (-,+ ). Para facilitar os cálculos os estatísticos desenvolveram cáculos para uma curva de distribuição chamada de distribuição normal padronizada para a qual foi utilizado um desvio padrão normalizado Z que serve como referencial de conversão para qualquer distribuição normal de variaveis. A variavel aleatória desvio padrão normalizado Z de uma distribuição normal padronozada é dada pela seguinte fórmula: X μ Z = σ Utilizando a formula de transformacao, qualquer variavel aleatoria normal X é convertida em uma variavel normal padronizada Z onde: σ é o desvio padrão μ é a média aritmética Características da Distribuição Normal Padronizada 1 E ( Z ) = 0 e Var ( Z ) = 1 2- A curva é simétrica em torno da média 3 Após a transformação a curva da distribuição normal padronizada tem a mesma forma que a distribuição normal, tendo como média μ = 0 e desvio padrão σ = 1 8

9 9 Tabela da Distribuição Normal Padrão P(Z<z) 9

10 10 ESTIMAÇÃO Nas seções anteriores vimos que a média de uma amostra de tamanho grande n retirada de uma população com média µ x e desvio padrão σ x está contida numa distribuição de médias amostrais que tem um valor esperado igula ao da média da população e um desvio padrão igual a σ = σ x / n. O objetivo desta seção é estimar o valor da média de uma população a partir das informações contidas numa única amostra. Este processo de uma inferir sobre a média da população é chamado estimação. Sabe-se que o valor da média da amostra nem sempre é igual ao da média da população, portanto para estimar a média devemos ter um controle do erro cometido, pois não conhecemos os valores dos parametros da população (média e desvio padrão). Assim o objetivo é estimar os valores destes parametros fundamentando-se em conceitos de probabilidade tendo em vista assegurar a confiabilidade da estimativa. Estimativa da Média da População Para estimar a média de uma população devemos: 1 Selecionamos uma amostra aleatória desta população e calculamos a média. 2 Sabemos que a média da população é µ (embora não conhecida). 3 A diferença entre o verdadeiro valor da média a média µ e o valor da média amostral, chamamos de erro de estimativa. 4 Estabelecer o intervalo de confiança Intervalo de Confiança O intervalo de confiança é um intervalo de valores delimitado por um valor mínimo e um valor máximo que se utiliza para estimar um parâmetro desconhecido da população, de tal maneira que permita afrimar que o verdadeiro valor do parâmetro ( no caso a média) está contido dentro deste intervalo. Sabemos que se o tamanho da amostra for suficintemente grande, as média amostrais terão uma distribuição normal e terá um valor esperado igual à média da população. Sabemos pelas propriedades da distribuição normal que 95,44% das médias amostrais se situarão entre +2 e -2 desvios padraões em torno da média. Sabemos também que a média da população estará situada dentro deste intervalo de +2 e -2 desvios padrões em torno da média amostral em 95,44 das vezes. Em outras palavras se retirarmos infinitas amostras podemos dizer que em 95,44% das vezes o valor da média da população estará dentro do intervalo: 10

11 11-2 σ +2 σ Assim podemos dizer que: - 2σ µ + 2σ em termos de probabilidade temos que, Exemplo: P ( - 2σ µ + 2σ ) = 0,9544 Numa amostra de 64 pessoas foi perguntado o pêso das mesmas e obteve-se como média amostral 50 Kg. Sabe-se que o desvio padrão do peso das pessoas na população é de 16. Pede-se estimar o valor da média da população para um intervalo de confiança de 95%. Resolução: Na tabela de distribuição normal, o valor da probabilidade de 95% em torno da média determina os seguintes valores de Z: Z= 1,96 e Z= + 1,96 Usando a fórmula: Z - µ = σ / n. µ = ± Z σ µ = 50 ± 1, , 08 µ 53,9 2 11

12 12 Exemplo Numa amostra de 100 domicílios selecionados ao acaso em vários bairros da cidade obteve-se a média amostral de 5 para o número de pessoas vivendo por domicílio. O desvio padrão da amostra foi de 4. Pede-se estimar a média de pessoas por domicílio na cidade como um todo, para um intervalo de confiança de 80%, 90%, 95%, 99%.. Resolução: Na tabela de distribuição normal, o valor da probabilidade para 90% os valores de Z são: P (X) Z % ±1,28 4,48 5,51 90% ±1,64 4,34 5,65 95% ±1,96 4,21 5,78 99% ±2,58 3,96 6,03 - µ Z = µ = ± Z σ / n µ = 5 ± 1,28. (4/ 100) 4,48 µ 5,51 σ / n. - µ Z = µ = ± Z σ / n µ = 5 ± 1,64. (4/ 100) 4,34 µ 5,65 σ / n. - µ Z = µ = ± Z σ / n µ = 5 ± 1,96. (4/ 100) 4,21 µ 5,78 σ / n. - µ Z = µ = ± Z σ / n µ = 5 ± 2,58. (4/ 100) 3,96 µ 6,03 σ / n. 12

Universidade Federal do Paraná Departamento de Informática. Reconhecimento de Padrões. Revisão de Probabilidade e Estatística

Universidade Federal do Paraná Departamento de Informática. Reconhecimento de Padrões. Revisão de Probabilidade e Estatística Universidade Federal do Paraná Departamento de Informática Reconhecimento de Padrões Revisão de Probabilidade e Estatística Luiz Eduardo S. Oliveira, Ph.D. http://lesoliveira.net Conceitos Básicos Estamos

Leia mais

Probabilidade. Distribuição Normal

Probabilidade. Distribuição Normal Probabilidade Distribuição Normal Distribuição Normal Uma variável aleatória contínua tem uma distribuição normal se sua distribuição é: simétrica apresenta (num gráfico) forma de um sino Função Densidade

Leia mais

Apresentação... 19 Prefácio da primeira edição... 21 Prefácio da segunda edição... 27 Introdução... 33

Apresentação... 19 Prefácio da primeira edição... 21 Prefácio da segunda edição... 27 Introdução... 33 Sumário Apresentação... 19 Prefácio da primeira edição... 21 Prefácio da segunda edição... 27 Introdução... 33 Capítulo I CIÊNCIA, CONHECIMENTOS E PESQUISA CIENTÍFICA... 37 1. Conceito de ciência e tipos

Leia mais

Estatística Aplicada ao Serviço Social

Estatística Aplicada ao Serviço Social Estatística Aplicada ao Serviço Social Prof a. Juliana Freitas Pires Departamento de Estatística Universidade Federal da Paraíba - UFPB juliana@de.ufpb.br Introdução O que é Estatística? Coleção de métodos

Leia mais

Curso: Logística e Transportes Disciplina: Estatística Profa. Eliane Cabariti. Distribuição Normal

Curso: Logística e Transportes Disciplina: Estatística Profa. Eliane Cabariti. Distribuição Normal Curso: Logística e Transportes Disciplina: Estatística Profa. Eliane Cabariti Distribuição Normal 1. Introdução O mundo é normal! Acredite se quiser! Muitos dos fenômenos aleatórios que encontramos na

Leia mais

Cláudio Tadeu Cristino 1. Julho, 2014

Cláudio Tadeu Cristino 1. Julho, 2014 Inferência Estatística Estimação Cláudio Tadeu Cristino 1 1 Universidade Federal de Pernambuco, Recife, Brasil Mestrado em Nutrição, Atividade Física e Plasticidade Fenotípica Julho, 2014 C.T.Cristino

Leia mais

Teorema Central do Limite e Intervalo de Confiança

Teorema Central do Limite e Intervalo de Confiança Probabilidade e Estatística Teorema Central do Limite e Intervalo de Confiança Teorema Central do Limite Teorema Central do Limite Um variável aleatória pode ter uma distribuição qualquer (normal, uniforme,...),

Leia mais

COMENTÁRIO AFRM/RS 2012 ESTATÍSTICA Prof. Sérgio Altenfelder

COMENTÁRIO AFRM/RS 2012 ESTATÍSTICA Prof. Sérgio Altenfelder Comentário Geral: Prova muito difícil, muito fora dos padrões das provas do TCE administração e Economia, praticamente só caiu teoria. Existem três questões (4, 45 e 47) que devem ser anuladas, por tratarem

Leia mais

Teorema do Limite Central e Intervalo de Confiança

Teorema do Limite Central e Intervalo de Confiança Probabilidade e Estatística Teorema do Limite Central e Intervalo de Confiança Teorema do Limite Central Teorema do Limite Central Um variável aleatória pode ter uma distribuição qualquer (normal, uniforme,...),

Leia mais

Inferência Estatística

Inferência Estatística Universidade Federal Fluminense Instituto de Matemática e Estatística Inferência Estatística Ana Maria Lima de Farias Departamento de Estatística Conteúdo 1 Inferência estatística Conceitos básicos 1 1.1

Leia mais

CURSO ON-LINE PROFESSOR: VÍTOR MENEZES

CURSO ON-LINE PROFESSOR: VÍTOR MENEZES Caros concurseiros, Como havia prometido, seguem comentários sobre a prova de estatística do ICMS RS. Em cada questão vou fazer breves comentários, bem como indicar eventual possibilidade de recurso. Não

Leia mais

DISTRIBUIÇÕES DE PROBABILIDADE

DISTRIBUIÇÕES DE PROBABILIDADE DISTRIBUIÇÕES DE PROBABILIDADE i1 Introdução Uma distribuição de probabilidade é um modelo matemático que relaciona um certo valor da variável em estudo com a sua probabilidade de ocorrência. Há dois tipos

Leia mais

CURSO ON-LINE PROFESSOR GUILHERME NEVES

CURSO ON-LINE PROFESSOR GUILHERME NEVES Olá pessoal! Neste ponto resolverei a prova de Matemática Financeira e Estatística para APOFP/SEFAZ-SP/FCC/2010 realizada no último final de semana. A prova foi enviada por um aluno e o tipo é 005. Os

Leia mais

DISTRIBUIÇÃO NORMAL 1

DISTRIBUIÇÃO NORMAL 1 DISTRIBUIÇÃO NORMAL 1 D ensid ade Introdução Exemplo : Observamos o peso, em kg, de 1500 pessoas adultas selecionadas ao acaso em uma população. O histograma por densidade é o seguinte: 0.04 0.03 0.02

Leia mais

Amostragem. Prof. Joel Oliveira Gomes. Capítulo 9. Desenvolvimento

Amostragem. Prof. Joel Oliveira Gomes. Capítulo 9. Desenvolvimento Capítulo 9 Amostragem Desenvolvimento 9.1 Introdução 9.2 Censo versus Amostra 9.3 Processo de planejamento de uma amostragem 9.4 Técnicas Amostrais 9.5 Amostragem Não-probabilística 9.6 Amostragem Probabilística

Leia mais

1. Avaliação de impacto de programas sociais: por que, para que e quando fazer? (Cap. 1 do livro) 2. Estatística e Planilhas Eletrônicas 3.

1. Avaliação de impacto de programas sociais: por que, para que e quando fazer? (Cap. 1 do livro) 2. Estatística e Planilhas Eletrônicas 3. 1 1. Avaliação de impacto de programas sociais: por que, para que e quando fazer? (Cap. 1 do livro) 2. Estatística e Planilhas Eletrônicas 3. Modelo de Resultados Potenciais e Aleatorização (Cap. 2 e 3

Leia mais

AULAS 04 E 05 Estatísticas Descritivas

AULAS 04 E 05 Estatísticas Descritivas 1 AULAS 04 E 05 Estatísticas Descritivas Ernesto F. L. Amaral 19 e 28 de agosto de 2010 Metodologia de Pesquisa (DCP 854B) Fonte: Triola, Mario F. 2008. Introdução à estatística. 10 ª ed. Rio de Janeiro:

Leia mais

Aula 2: Variáveis Aleatórias Discretas e Contínuas e suas Principais Distribuições.

Aula 2: Variáveis Aleatórias Discretas e Contínuas e suas Principais Distribuições. Aula 2: Variáveis Aleatórias Discretas e Contínuas e suas Principais Distribuições. Prof. Leandro Chaves Rêgo Programa de Pós-Graduação em Engenharia de Produção - UFPE Recife, 14 de Março de 2012 Tipos

Leia mais

Uma distribuição de probabilidade é um modelo matemático que relaciona um certo valor da variável em estudo com a sua probabilidade de ocorrência.

Uma distribuição de probabilidade é um modelo matemático que relaciona um certo valor da variável em estudo com a sua probabilidade de ocorrência. Professor: Leandro Zvirtes UDESC/CCT Uma distribuição de probabilidade é um modelo matemático que relaciona um certo valor da variável em estudo com a sua probabilidade de ocorrência. Há dois tipos de

Leia mais

Estatística stica para Metrologia

Estatística stica para Metrologia Aula 5 Estatística stica para Metrologia Aula 5 Variáveis Contínuas Uniforme Exponencial Normal Lognormal Mônica Barros, D.Sc. Maio de 008 1 Distribuição Uniforme A probabilidade de ocorrência em dois

Leia mais

Variáveis Aleatórias Contínuas

Variáveis Aleatórias Contínuas Variáveis aleatórias contínuas: vamos considerar agora uma lista de quantidades as quais não é possível associar uma tabela de probabilidades pontuais ou frequências tempo de duração de uma chamada telefônica

Leia mais

Universidade Federal Fluminense

Universidade Federal Fluminense Universidade Federal Fluminense INSTITUTO DE MATEMÁTICA E ESTATÍSTICA DEPARTAMENTO DE ESTATÍSTICA ESTATÍSTICA V Lista 9: Intervalo de Confiança. 1. Um pesquisador está estudando a resistência de um determinado

Leia mais

CAPÍTULO 9 Exercícios Resolvidos

CAPÍTULO 9 Exercícios Resolvidos CAPÍTULO 9 Exercícios Resolvidos R9.1) Diâmetro de esferas de rolamento Os dados a seguir correspondem ao diâmetro, em mm, de 30 esferas de rolamento produzidas por uma máquina. 137 154 159 155 167 159

Leia mais

Tópicos em Inferência Estatística. Frases. Roteiro. 1. Introdução

Tópicos em Inferência Estatística. Frases. Roteiro. 1. Introdução Tópicos em Inferência Estatística Frases Torture os dados por um tempo suficiente, e eles contam tudo! fonte: mcrsoft@aimnet.com (Barry Fetter) Um homem com um relógio sabe a hora certa. Um homem com dois

Leia mais

O que é a estatística?

O que é a estatística? Elementos de Estatística Prof. Dr. Clécio da Silva Ferreira Departamento de Estatística - UFJF O que é a estatística? Para muitos, a estatística não passa de conjuntos de tabelas de dados numéricos. Os

Leia mais

Distribuição de Freqüência

Distribuição de Freqüência Distribuição de Freqüência Representação do conjunto de dados Distribuições de freqüência Freqüência relativa Freqüência acumulada Representação Gráfica Histogramas Organização dos dados Os métodos utilizados

Leia mais

DISTRIBUIÇÕES DE PROBABILIDADES de variável discreta BERNOULLI E BINOMIAL

DISTRIBUIÇÕES DE PROBABILIDADES de variável discreta BERNOULLI E BINOMIAL DISTRIBUIÇÕES DE PROBABILIDADES de variável discreta BERNOULLI E BINOMIAL Introdução Variável aleatória Discreta: assume um número finito ou infinito numerável de valores Contínua: assume todos os valores

Leia mais

Métodos Quantitativos. aula 3

Métodos Quantitativos. aula 3 Métodos Quantitativos aula 3 Prof. Dr. Marco Antonio Insper Ibmec São Paulo Simulação Empresarial Auxílio na tomada de decisão. Criação de cenários otimistas e pessimistas. Poder de previsão baseada em

Leia mais

COMO AVALIAR O RISCO DE UM PROJETO ATRAVÉS DA METODOLOGIA DE MONTE CARLO

COMO AVALIAR O RISCO DE UM PROJETO ATRAVÉS DA METODOLOGIA DE MONTE CARLO COMO AVALIAR O RISCO DE UM PROJETO ATRAVÉS DA O que é risco? Quais são os tipos de riscos? Quais são os tipos de análises? Qual a principal função do Excel para gerar simulações aleatórias? O que é distribuição

Leia mais

A INTEGRAÇÃO ENTRE ESTATÍSTICA E METROLOGIA

A INTEGRAÇÃO ENTRE ESTATÍSTICA E METROLOGIA A INTEGRAÇÃO ENTRE ESTATÍSTICA E METROLOGIA João Cirilo da Silva Neto jcirilo@araxa.cefetmg.br. CEFET-MG-Centro Federal de Educação Tecnológica de Minas Gerais-Campus IV, Araxá Av. Ministro Olavo Drumonnd,

Leia mais

ESTATÍSTICA. aula 1. Insper Ibmec São Paulo. Prof. Dr. Marco Antonio Leonel Caetano

ESTATÍSTICA. aula 1. Insper Ibmec São Paulo. Prof. Dr. Marco Antonio Leonel Caetano ESTATÍSTICA aula 1 Prof. Dr. Marco Antonio Leonel Caetano Insper Ibmec São Paulo ESTATÍSTICA COISAS DO ESTADO ESTATÍSTICA: - Apresentação e Análise de dados - Tomadas de Decisões baseadas em análises -

Leia mais

2. Método de Monte Carlo

2. Método de Monte Carlo 2. Método de Monte Carlo O método de Monte Carlo é uma denominação genérica tendo em comum o uso de variáveis aleatórias para resolver, via simulação numérica, uma variada gama de problemas matemáticos.

Leia mais

http://www.de.ufpb.br/~luiz/

http://www.de.ufpb.br/~luiz/ UNIVERSIDADE FEDERAL DA PARAÍBA MEDIDAS DESCRITIVAS Departamento de Estatística Luiz Medeiros http://www.de.ufpb.br/~luiz/ Vimos que é possível sintetizar os dados sob a forma de distribuições de frequências

Leia mais

Trabalhando com Pequenas Amostras: Distribuição t de Student

Trabalhando com Pequenas Amostras: Distribuição t de Student Probabilidade e Estatística Trabalhando com Pequenas Amostras: Distribuição t de Student Pequenas amostras x Grandes amostras Nos exemplos tratados até agora: amostras grandes (n>30) qualquer tipo de distribuição

Leia mais

MÓDULO 1. I - Estatística Básica

MÓDULO 1. I - Estatística Básica MÓDULO 1 I - 1 - Conceito de Estatística Estatística Técnicas destinadas ao estudo quantitativo de fenômenos coletivos e empíricamente observáveis. Unidade Estatística nome dado a cada observação de um

Leia mais

Variáveis Aleatórias Discretas e Distribuições de Probabilidade

Variáveis Aleatórias Discretas e Distribuições de Probabilidade Variáveis Aleatórias Discretas e Distribuições de Probabilidade Objetivos do aprendizado a.determinar probabilidades a partir de funções de probabilidade b.determinar probabilidades a partir de funções

Leia mais

Introdução à Estatística

Introdução à Estatística Introdução à Estatística Profa Alcione Miranda dos Santos Departamento de Saúde Pública UFMA Núcleo de Estatística e Informática HUUFMA email: alcione.miranda@terra.com.br 1 Estatística: O que é? Estatística

Leia mais

Bioestatística Aula 3

Bioestatística Aula 3 Aula 3 Castro Soares de Oliveira Probabilidade Probabilidade é o ramo da matemática que estuda fenômenos aleatórios. Probabilidade é uma medida que quantifica a sua incerteza frente a um possível acontecimento

Leia mais

Olá pessoal! Sem mais delongas, vamos às questões.

Olá pessoal! Sem mais delongas, vamos às questões. Olá pessoal! Resolverei neste ponto a prova para AFRE/SC 2010 realizada pela FEPESE no último final de semana. Nosso curso teve um resultado muito positivo visto que das 15 questões, vimos 14 praticamente

Leia mais

PE-MEEC 1S 09/10 118. Capítulo 4 - Variáveis aleatórias e. 4.1 Variáveis. densidade de probabilidade 4.2 Valor esperado,

PE-MEEC 1S 09/10 118. Capítulo 4 - Variáveis aleatórias e. 4.1 Variáveis. densidade de probabilidade 4.2 Valor esperado, Capítulo 4 - Variáveis aleatórias e distribuições contínuas 4.1 Variáveis aleatórias contínuas. Função densidade de probabilidade 4.2 Valor esperado, variância e algumas das suas propriedades. Moda e quantis

Leia mais

ESCOLA SECUNDÁRIA MANUEL DA FONSECA, SANTIAGO DO CACÉM GRUPO DISCIPLINAR: 500 Matemática Aplicada às Ciências Sociais

ESCOLA SECUNDÁRIA MANUEL DA FONSECA, SANTIAGO DO CACÉM GRUPO DISCIPLINAR: 500 Matemática Aplicada às Ciências Sociais ANO: 11º ANO LECTIVO : 008/009 p.1/7 CONTEÚDOS MODELOS MATEMÁTICOS COMPETÊNCIAS A DESENVOLVER - Compreender a importância dos modelos matemáticos na resolução de problemas de problemas concretos. Nº. AULAS

Leia mais

INE 5111 Gabarito da Lista de Exercícios de Probabilidade INE 5111 LISTA DE EXERCÍCIOS DE PROBABILIDADE

INE 5111 Gabarito da Lista de Exercícios de Probabilidade INE 5111 LISTA DE EXERCÍCIOS DE PROBABILIDADE INE 5 LISTA DE EERCÍCIOS DE PROBABILIDADE INE 5 Gabarito da Lista de Exercícios de Probabilidade ) Em um sistema de transmissão de dados existe uma probabilidade igual a 5 de um dado ser transmitido erroneamente.

Leia mais

Distribuições de Probabilidade Distribuição Normal

Distribuições de Probabilidade Distribuição Normal PROBABILIDADES Distribuições de Probabilidade Distribuição Normal BERTOLO PRELIMINARES Quando aplicamos a Estatística na resolução de situações-problema, verificamos que muitas delas apresentam as mesmas

Leia mais

CAPÍTULO 4 Exercícios Resolvidos

CAPÍTULO 4 Exercícios Resolvidos CAPÍTULO 4 Exercícios Resolvidos R4.1) Condição para concretização de uma venda Um certo tipo de componente é vendido em lotes de 1000 itens. O preço de venda do lote é usualmente de 60 u.m. Um determinado

Leia mais

Estatística: Conceitos e Organização de Dados. Introdução Conceitos Método Estatístico Dados Estatísticos Tabulação de Dados Gráficos

Estatística: Conceitos e Organização de Dados. Introdução Conceitos Método Estatístico Dados Estatísticos Tabulação de Dados Gráficos Estatística: Conceitos e Organização de Dados Introdução Conceitos Método Estatístico Dados Estatísticos Tabulação de Dados Gráficos Introdução O que é Estatística? É a parte da matemática aplicada que

Leia mais

Estatística Aplicada para Engenharia Inferência para Duas Populações

Estatística Aplicada para Engenharia Inferência para Duas Populações Universidade Federal Fluminense Instituto de Matemática e Estatística Estatística Aplicada para Engenharia Inferência para Duas Populações Ana Maria Lima de Farias Departamento de Estatística Conteúdo

Leia mais

Dedicado, Exclusivamente, A Todos Aqueles Que Querem A Aprovação!

Dedicado, Exclusivamente, A Todos Aqueles Que Querem A Aprovação! 1 Questões De Estatística Da Banca ESAF Que Você Precisa Aprender Como Resolver Antes De Fazer A Prova Do Concurso De Auditor-Fiscal Da Receita Federal 2014 Dedicado, Exclusivamente, A Todos Aqueles Que

Leia mais

CRITÉRIOS PARA A DETERMINAÇÃO DOS INTERVALOS DE CLASSE

CRITÉRIOS PARA A DETERMINAÇÃO DOS INTERVALOS DE CLASSE CRITÉRIOS PARA A DETERMINAÇÃO DOS INTERVALOS DE CLASSE Número de classes a considerar (k): a) Tabela de Truman L. Kelley n 5 10 25 50 100 200 500 1000 k 2 4 6 8 10 12 15 15 b) k=5 para n 25 e para n >25.

Leia mais

Intervalos Estatísticos para uma Única Amostra

Intervalos Estatísticos para uma Única Amostra Roteiro Intervalos Estatísticos para uma Única Amostra 1. Introdução 2. Intervalo de Confiança para Média i. População normal com variância conhecida ii. População normal com variância desconhecida 3.

Leia mais

Noções de Pesquisa e Amostragem. André C. R. Martins

Noções de Pesquisa e Amostragem. André C. R. Martins Noções de Pesquisa e Amostragem André C. R. Martins 1 Bibliografia Silva, N. N., Amostragem probabilística, EDUSP. Freedman, D., Pisani, R. e Purves, R., Statistics, Norton. Tamhane, A. C., Dunlop, D.

Leia mais

Resoluções comentadas das questões de Estatística da prova para. ANALISTA DE GERENCIAMENTO DE PROJETOS E METAS da PREFEITURA/RJ

Resoluções comentadas das questões de Estatística da prova para. ANALISTA DE GERENCIAMENTO DE PROJETOS E METAS da PREFEITURA/RJ Resoluções comentadas das questões de Estatística da prova para ANALISTA DE GERENCIAMENTO DE PROJETOS E METAS da PREFEITURA/RJ Realizada pela Fundação João Goulart em 06/10/2013 41. A idade média de todos

Leia mais

AULAS 13, 14 E 15 Correlação e Regressão

AULAS 13, 14 E 15 Correlação e Regressão 1 AULAS 13, 14 E 15 Correlação e Regressão Ernesto F. L. Amaral 23, 28 e 30 de setembro de 2010 Metodologia de Pesquisa (DCP 854B) Fonte: Triola, Mario F. 2008. Introdução à estatística. 10 ª ed. Rio de

Leia mais

Variáveis aleatórias contínuas e distribuiçao Normal. Henrique Dantas Neder

Variáveis aleatórias contínuas e distribuiçao Normal. Henrique Dantas Neder Variáveis aleatórias contínuas e distribuiçao Normal Henrique Dantas Neder Definições gerais Até o momento discutimos o caso das variáveis aleatórias discretas. Agora vamos tratar das variáveis aleatórias

Leia mais

Introdução à Inferência Estatística

Introdução à Inferência Estatística Introdução à Inferência Estatística 1. População: conjunto de indivíduos, ou itens, com pelo menos uma característica em comum. Também será denotada por população objetivo, que é sobre a qual desejamos

Leia mais

Valor Prático da Distribuição Amostral de

Valor Prático da Distribuição Amostral de DISTRIBUIÇÃO AMOSTRAL DA MÉDIA DA AMOSTRA OU DISTRIBUIÇÃO AMOSTRAL DE Antes de falarmos como calcular a margem de erro de uma pesquisa, vamos conhecer alguns resultados importantes da inferência estatística.

Leia mais

Resoluções comentadas de Raciocínio Lógico e Estatística - SEPLAG-2010 - EPPGG

Resoluções comentadas de Raciocínio Lógico e Estatística - SEPLAG-2010 - EPPGG Resoluções comentadas de Raciocínio Lógico e Estatística - SEPLAG-010 - EPPGG 11. Em uma caixa há 1 bolas de mesmo tamanho: 3 brancas, 4 vermelhas e 5 pretas. Uma pessoa, no escuro, deve retirar n bolas

Leia mais

Universidade Federal de Pernambuco Mestrado em Estatística

Universidade Federal de Pernambuco Mestrado em Estatística Universidade Federal de Pernambuco Mestrado em Estatística Lista 4 de Exercícios de Amostragem Prof. Cristiano Ferraz 1. Em relação ao plano amostral de Bernoulli: a) Explique como retirar uma amostra

Leia mais

CONTROLE ESTATÍSTICO DA QUALIDADE

CONTROLE ESTATÍSTICO DA QUALIDADE CONTROLE ESTATÍSTICO DA QUALIDADE Prof., PhD OBJETIVO DO CEP A idéia principal do Controle Estatístico de Processo (CEP) é que melhores processos de produção, ou seja, com menos variabilidade, propiciam

Leia mais

Métodos Estatísticos II 1 o. Semestre de 2010 ExercíciosProgramados1e2 VersãoparaoTutor Profa. Ana Maria Farias (UFF)

Métodos Estatísticos II 1 o. Semestre de 2010 ExercíciosProgramados1e2 VersãoparaoTutor Profa. Ana Maria Farias (UFF) Métodos Estatísticos II 1 o. Semestre de 010 ExercíciosProgramados1e VersãoparaoTutor Profa. Ana Maria Farias (UFF) Esses exercícios abrangem a matéria das primeiras semanas de aula (Aula 1) Os alunos

Leia mais

Estatística Aplicada. Gestão de TI. Evanivaldo Castro Silva Júnior

Estatística Aplicada. Gestão de TI. Evanivaldo Castro Silva Júnior Gestão de TI Evanivaldo Castro Silva Júnior Porque estudar Estatística em um curso de Gestão de TI? TI trabalha com dados Geralmente grandes bases de dados Com grande variabilidade Difícil manipulação,

Leia mais

'DGRVGH(QWUDGD SDUD D6LPXODomR

'DGRVGH(QWUDGD SDUD D6LPXODomR 6LPXODomR GH6LVWHPDV 'DGRVGH(QWUDGD SDUD D6LPXODomR,1387 'DGRVGH(QWUDGD SDUD D6LPXODomR 3URSyVLWRReproduzir o comportamento aleatório / estocástico do sistema real dentro do modelo de simulação. *$5%$*(,1*$5%$*(287

Leia mais

Medidas de Tendência Central

Medidas de Tendência Central Medidas de Tendência Central Generalidades Estatística Descritiva: Resumo ou descrição das características importantes de um conjunto conhecido de dados populacionais Inferência Estatística: Generalizações

Leia mais

Distribuição Gaussiana. Modelo Probabilístico para Variáveis Contínuas

Distribuição Gaussiana. Modelo Probabilístico para Variáveis Contínuas Distribuição Gaussiana Modelo Probabilístico para Variáveis Contínuas Distribuição de Frequências do Peso, em gramas, de 10000 recém-nascidos Frequencia 0 500 1000 1500 2000 2500 3000 3500 1000 2000 3000

Leia mais

1. Registou-se o número de assoalhadas da população de 100 apartamentos vendidos num bairro residencial

1. Registou-se o número de assoalhadas da população de 100 apartamentos vendidos num bairro residencial Escola Superior de Tecnologia de Viseu Fundamentos de Estatística 2010/2011 Ficha nº 1 1. Registou-se o número de assoalhadas da população de 100 apartamentos vendidos num bairro residencial 0; 0; 0; 1;

Leia mais

Lista IV - Curva Normal. Professor Salvatore Estatística I

Lista IV - Curva Normal. Professor Salvatore Estatística I Lista IV - Curva Normal Professor Salvatore Estatística I 19/12/2011 Consulta à tabela Normal: 1. Estabeleça a área entre 0 (zero) e Zi igual a a. + 1,35 b. + 1,58 c. +2,05 d. +2,76 e. -1,26 f. -2,49 g.

Leia mais

Estatística I Aula 1. Prof.: Patricia Maria Bortolon, D. Sc.

Estatística I Aula 1. Prof.: Patricia Maria Bortolon, D. Sc. Estatística I Aula 1 Prof.: Patricia Maria Bortolon, D. Sc. Estatística Estatística

Leia mais

UNIVERSIDADE FEDERAL DE UBERLÂNDIA FACULDADE DE MATEMÁTICA 4 a LISTA DE EXERCÍCIOS GBQ12 Professor: Ednaldo Carvalho Guimarães AMOSTRAGEM

UNIVERSIDADE FEDERAL DE UBERLÂNDIA FACULDADE DE MATEMÁTICA 4 a LISTA DE EXERCÍCIOS GBQ12 Professor: Ednaldo Carvalho Guimarães AMOSTRAGEM 1 UNIVERSIDADE FEDERAL DE UBERLÂNDIA FACULDADE DE MATEMÁTICA 4 a LISTA DE EXERCÍCIOS GBQ12 Professor: Ednaldo Carvalho Guimarães AMOSTRAGEM 1) Um pesquisador está interessado em saber o tempo médio que

Leia mais

Curso: Logística e Transportes Disciplina: Estatística Profa. Eliane Cabariti

Curso: Logística e Transportes Disciplina: Estatística Profa. Eliane Cabariti Curso: Logística e Transportes Disciplina: Estatística Profa. Eliane Cabariti Medidas de Posição Depois de se fazer a coleta e a representação dos dados de uma pesquisa, é comum analisarmos as tendências

Leia mais

Hipótese Estatística:

Hipótese Estatística: 1 PUCRS FAMAT DEPTº DE ESTATÍSTICA TESTE DE HIPÓTESE SÉRGIO KATO Trata-se de uma técnica para se fazer inferência estatística. Ou seja, a partir de um teste de hipóteses, realizado com os dados amostrais,

Leia mais

Probabilidade. Distribuição Exponencial

Probabilidade. Distribuição Exponencial Probabilidade Distribuição Exponencial Aplicação Aplicada nos casos onde queremos analisar o espaço ou intervalo de acontecimento de um evento; Na distribuição de Poisson estimativa da quantidade de eventos

Leia mais

Variáveis Aleatórias Contínuas e Distribuição de Probabilidad

Variáveis Aleatórias Contínuas e Distribuição de Probabilidad Variáveis Aleatórias Contínuas e Distribuição de Probabilidades - parte IV 2012/02 Distribuição Exponencial Vamos relembrar a definição de uma variável com Distribuição Poisson. Número de falhas ao longo

Leia mais

Descreve de uma forma adequada o

Descreve de uma forma adequada o EST029 Cálculo de Probabilidade I Cap. 8 - Variáveis Aleatórias Contínuas Prof. Clécio da Silva Ferreira Depto Estatística - UFJF 1 Variável Aleatória Normal Caraterização: Descreve de uma forma adequada

Leia mais

Probabilidade. Renata Souza. Introdução. Tabelas Estatísticas. População, Amostra e Variáveis. Gráficos e Distribuição de Freqüências

Probabilidade. Renata Souza. Introdução. Tabelas Estatísticas. População, Amostra e Variáveis. Gráficos e Distribuição de Freqüências Probabilidade Introdução Tabelas Estatísticas População, Amostra e Variáveis Gráficos e Distribuição de Freqüências Renata Souza Conceitos Antigos de Estatística stica a) Simples contagem aritmética Ex.:

Leia mais

NOÇÕES DE. Maputo, Moçambique

NOÇÕES DE. Maputo, Moçambique NOÇÕES DE ESTATISTICA BÁSICA Maputo, Moçambique 2008 Objectivos No final deste módulo espera-se que o participante seja capaz de: Distinguir variáveis e constantes Identificar variáveis qualitativas e

Leia mais

Distribuições de Probabilidade Distribuição Binomial

Distribuições de Probabilidade Distribuição Binomial PROBABILIDADES Distribuições de Probabilidade Distribuição Binomial BERTOLO PRELIMINARES Quando aplicamos a Estatística na resolução de situações-problema, verificamos que muitas delas apresentam as mesmas

Leia mais

Conteúdo. 1 Introdução. MINUTA Histograma do 1o Sorteio da NF Salvador xxx/2014. 1º Sorteio Eletrônico da Nota Fiscal Salvador

Conteúdo. 1 Introdução. MINUTA Histograma do 1o Sorteio da NF Salvador xxx/2014. 1º Sorteio Eletrônico da Nota Fiscal Salvador 1º Sorteio Eletrônico da Nota Fiscal Salvador Relatório parcial contendo resultados 1 da análise estatística dos bilhetes premiados Conteúdo 1 Introdução O software de Sorteio Eletrônico da Nota Fiscal

Leia mais

Teste de Hipótese para uma Amostra Única

Teste de Hipótese para uma Amostra Única Teste de Hipótese para uma Amostra Única OBJETIVOS DE APRENDIZAGEM Depois de um cuidadoso estudo deste capítulo, você deve ser capaz de: 1.Estruturar problemas de engenharia de tomada de decisão, como

Leia mais

CURSO ON-LINE PROFESSOR: VÍTOR MENEZES. Comentários sobre as provas de estatística e financeira ICMS RJ

CURSO ON-LINE PROFESSOR: VÍTOR MENEZES. Comentários sobre as provas de estatística e financeira ICMS RJ Comentários sobre as provas de estatística e financeira ICMS RJ Caríssimos, Acabei de voltar de uma longa auditoria em que visitamos inúmeros assentamentos federais do INCRA no interior do estado. Ou seja:

Leia mais

CAP4: Distribuições Contínuas Parte 1 Distribuição Normal

CAP4: Distribuições Contínuas Parte 1 Distribuição Normal CAP4: Distribuições Contínuas Parte 1 Distribuição Normal Quando a variável sendo medida é expressa em uma escala contínua, sua distribuição de probabilidade é chamada distribuição contínua. Exemplo 4.1

Leia mais

CURSO ONLINE REGULAR ESTATÍSTICA BÁSICA PROF. SÉRGIO CARVALHO AULA 13 RELAÇÃO DOS EXERCÍCIOS FINAIS

CURSO ONLINE REGULAR ESTATÍSTICA BÁSICA PROF. SÉRGIO CARVALHO AULA 13 RELAÇÃO DOS EXERCÍCIOS FINAIS Olá, amigos! AULA 13 RELAÇÃO DOS EXERCÍCIOS FINAIS Ainda não é chegada nossa aula derradeira! Sei que muitos estão chateados e com toda a razão do mundo pelo atraso destas últimas aulas. Noutra ocasião

Leia mais

Universidade Federal de Alfenas Programa de Pós-graduação em Estatística Aplicada e Biometria Prova de Conhecimentos Específicos

Universidade Federal de Alfenas Programa de Pós-graduação em Estatística Aplicada e Biometria Prova de Conhecimentos Específicos Dados que podem ser necessários a algumas questões de Estatística: P (t > t α ) = α ν 0,05 0,025 15 1,753 2,131 16 1,746 2,120 28 1,791 2,048 30 1,697 2,042 (Valor: 1,4) Questão 1. Considere o seguinte

Leia mais

Métodos de Monte Carlo

Métodos de Monte Carlo Departamento de Estatística - UFJF Outubro e Novembro de 2014 são métodos de simulação São utilizados quando não temos uma forma fechada para resolver o problema Muito populares em Estatística, Matemática,

Leia mais

Probabilidade. Distribuição Exponencial

Probabilidade. Distribuição Exponencial Probabilidade Distribuição Exponencial Aplicação Aplicada nos casos onde queremos analisar o espaço ou intervalo de acontecimento de um evento; Na distribuição de Poisson estimativa da quantidade de eventos

Leia mais

7Testes de hipótese. Prof. Dr. Paulo Picchetti M.Sc. Erick Y. Mizuno. H 0 : 2,5 peças / hora

7Testes de hipótese. Prof. Dr. Paulo Picchetti M.Sc. Erick Y. Mizuno. H 0 : 2,5 peças / hora 7Testes de hipótese Prof. Dr. Paulo Picchetti M.Sc. Erick Y. Mizuno COMENTÁRIOS INICIAIS Uma hipótese estatística é uma afirmativa a respeito de um parâmetro de uma distribuição de probabilidade. Por exemplo,

Leia mais

LISTA DE EXERCÍCIOS VARIÁVEIS ALEATÓRIAS

LISTA DE EXERCÍCIOS VARIÁVEIS ALEATÓRIAS LISTA DE EXERCÍCIOS VARIÁVEIS ALEATÓRIAS 1. Construir um quadro e o gráfico de uma distribuição de probabilidade para a variável aleatória X: número de coroas obtidas no lançamento de duas moedas. 2. Fazer

Leia mais

A Curva Normal Luiz Pasquali

A Curva Normal Luiz Pasquali Capítulo 3 A Curva Normal Luiz Pasquali 1 A História da Curva Normal A curva normal, também conhecida como a curva em forma de sino, tem uma história bastante longa e está ligada à história da descoberta

Leia mais

Medidas de Variação ou Dispersão

Medidas de Variação ou Dispersão Medidas de Variação ou Dispersão Estatística descritiva Recapitulando: As três principais características de um conjunto de dados são: Um valor representativo do conjunto de dados: uma média (Medidas de

Leia mais

Introdução. Métodos de inferência são usados para tirar conclusões sobre a população usando informações obtidas a partir de uma amostra.

Introdução. Métodos de inferência são usados para tirar conclusões sobre a população usando informações obtidas a partir de uma amostra. Métodos Monte Carlo Introdução Métodos de inferência são usados para tirar conclusões sobre a população usando informações obtidas a partir de uma amostra. Estimativas pontuais e intervalares para os parâmetros;

Leia mais

EXERCÍCIOS 2006 APOSTILA DE EXERCÍCIOS ESTATÍSTICA

EXERCÍCIOS 2006 APOSTILA DE EXERCÍCIOS ESTATÍSTICA EXERCÍCIOS 2006 APOSTILA DE EXERCÍCIOS ESTATÍSTICA Professor: LUIZ ANTÔNIO 1 1º) Em um escritório de consultoria, há cinco contínuos que recebem os seguintes salários mensais: R$ 800,00; R$ 780,00; R$

Leia mais

3. Características amostrais. Medidas de localização e dispersão

3. Características amostrais. Medidas de localização e dispersão Estatística Descritiva com Excel Complementos. 77 3. Características amostrais. Medidas de localização e dispersão 3.1- Introdução No módulo de Estatística foram apresentadas as medidas ou estatísticas

Leia mais

Disciplinas: Cálculo das Probabilidades e Estatística I

Disciplinas: Cálculo das Probabilidades e Estatística I Introdução a Inferência Disciplinas: Cálculo das Probabilidades e Estatística I Universidade Federal da Paraíba Prof a. Izabel Alcantara Departamento de Estatística (UFPB) Introdução a Inferência Prof

Leia mais

CURSO ON-LINE PROFESSOR GUILHERME NEVES 1

CURSO ON-LINE PROFESSOR GUILHERME NEVES 1 CURSO ON-LINE PROFESSOR GUILHERME NEVES 1 Olá pessoal! Resolverei neste ponto a prova de Matemática e Estatística para Técnico Administrativo para o BNDES 2008 organizado pela CESGRANRIO. Sem mais delongas,

Leia mais

DETERMINAÇÃO DE LIMITES DE CRÉDITO! Uma nova abordagem para um velho problema.! Apresentação de planilha para determinação de limites de crédito.

DETERMINAÇÃO DE LIMITES DE CRÉDITO! Uma nova abordagem para um velho problema.! Apresentação de planilha para determinação de limites de crédito. UP-TO-DATE. ANO I. NÚMERO 41 DETERMINAÇÃO DE LIMITES DE CRÉDITO! Uma nova abordagem para um velho problema.! Apresentação de planilha para determinação de limites de crédito. Carlos Alexandre Sá (calex@marlin.com.br)

Leia mais

Processos Estocásticos

Processos Estocásticos Processos Estocásticos Terceira Lista de Exercícios 22 de julho de 20 Seja X uma VA contínua com função densidade de probabilidade f dada por Calcule P ( < X < 2. f(x = 2 e x x R. A fdp dada tem o seguinte

Leia mais

Tipos de variáveis aleatórias

Tipos de variáveis aleatórias Tipos de variáveis aleatórias Variáveis aleatórias discretas se assumem um conjunto finito ou infinito numerável de valores. Exemplos: número de pintas que sai no lançamento de um dado; registo, a intervalos

Leia mais

Medidas de dispersão: os valores estão próximos entre si ou variam muito?

Medidas de dispersão: os valores estão próximos entre si ou variam muito? NOTAS DE EPIDEMIOLOGIA E ESTATÍSTICA Medidas de dispersão: os valores estão próximos entre si ou variam muito? Measures of dispersion: are all values close to each other or do they vary a lot? JOÃO LUIZ

Leia mais

MEDIDAS DE DISPERSÃO

MEDIDAS DE DISPERSÃO MEDIDAS DE DISPERSÃO 1) (PETROBRAS) A variância da lista (1; 1; 2; 4) é igual a: a) 0,5 b) 0,75 c) 1 d) 1,25 e) 1,5 2) (AFPS ESAF) Dada a seqüência de valores 4, 4, 2, 7 e 3 assinale a opção que dá o valor

Leia mais

PROBABILIDADE. Aula 5

PROBABILIDADE. Aula 5 Curso: Psicologia Disciplina: Métodos Quantitativos Profa. Valdinéia Data: 28/10/15 PROBABILIDADE Aula 5 Geralmente a cada experimento aparecem vários resultados possíveis. Por exemplo ao jogar uma moeda,

Leia mais