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

Tamanho: px
Começar a partir da página:

Download "INTRODUÇÃO. Exemplos. Comparar três lojas quanto ao volume médio de vendas. ..."

Transcrição

1 INTRODUÇÃO 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 elimiar a doeça. Comparar três loas quato ao volume médio de vedas.... Existem populações de iteresse, as quais se estuda uma característica comum. Seam X, X,..., X as variáveis aleatórias que represetam tal característica as populações,,...,, respectivamete. Hipóteses a testar: H 0 : = =... = H : i para algum i e algum tais que i. As populações podem ser vistas como íveis de um mesmo factor. A questão é saber se o factor exerce alguma ifluêcia a variação da característica em estudo.

2 Exemplo 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 elimiar a doeça. Temos apeas um factor, Tratameto, que se apreseta em quatro íveis, A, B, C e D. Através da aplicação da aálise de variâcia com um factor ou "oe-way ANOVA", podemos idagar se os tratametos produzem os mesmos resultados o que diz respeito à característica em estudo. 3 Exemplo Supohamos agora que existe a suspeita de que uma estação quete é um factor determiate para uma cura rápida. Etão, o estudo deve ser coduzido tedo em cota este segudo factor, Estação do Ao. Aqui, a técica estatística apropriada será a aálise de variâcia com dois factores, também desigada por "two-way ANOVA". Neste caso, pode-se testar se existe difereça etre os tratametos e também se existe difereça etre as estações do ao, o que respeita ao tempo de tratameto até à elimiação da doeça. 4

3 COM UM FACTOR Exemplo O Sr. Ferado Estradas é doo de várias loas que vedem todo o tipo de material para desportos radicais. Para uma determiada loa foram recolhidas três amostras aleatórias e idepedetes das vedas semaais (em u.m.); cada uma destas amostras costituída por cico observações (vedas em 5 semaas, =5). Dados recolhidos: Amostra Amostra Amostra X valores observados da v. a. X 5 Exemplo Naturalmete, obtivemos as três amostras volumes de vedas médios diferetes, o que se deve, como sabemos, às flutuações amostrais. A variação de X, de amostra para amostra, pode ser medida pela sua variâcia: X X. Em geral, descohece-se o valor de X descohece-se o valor de X Mas, podemos obter uma estimativa deste parâmetro. 6

4 Exemplo Calculamos a média dos valores observados de X a média das médias amostrais: Usámos o estimador: x 5 (estimativa) 3 X X i i (ode é o úmero de amostras) Fialmete, estimamos a variâcia de X por: s X (estimativa) 3 Usámos o estimador: S X i X i X 7 Exemplo Supohamos agora, que o Sr Ferado Estradas pretede comparar três loas quato ao volume de vedas. Para isso, para cada loa, ele seleccioa aleatoriamete cico semaas, ode observa o volume de vedas. Obtém assim uma amostra das vedas semaais para cada loa (as três amostras são idepedetes). Os dados estão registados a tabela seguite. Loa Loa Loa X i (médias amostrais) x = 49 x = 56 3 X X i 9 6 x = 5 x = 5 x i x = 6 8

5 Exemplo Represetemos por X i o volume de vedas uma semaa a loa i (i =,,3) e por i o valor médio de X i. Este exemplo tem apeas um factor de iteresse, o factor Loa, e este apreseta três íveis ou grupos: Loa, Loa e Loa 3. Cada ível do factor defie uma população de média i. Pretede-se saber se as médias dos três íveis, ou populações, são iguais, isto é, pretede-se saber se é de reeitar ou ão a hipótese H 0 : = = 3 (igualdade de vedas médias das três loas). 9 Exemplo Questão: Serão as médias amostrais x =49, x =56 e x 3 =5 diferetes porque há difereças etre as médias populacioais, e 3? Ou serão essas difereças razoavelmete atribuídas a flutuações amostrais? Podemos etão formular as seguites hipóteses: H 0 : = = 3 (ão há difereça etre o volume médio de vedas das 3 loas) H : i para algum i e algum tais que i (há pelo meos duas loas com diferetes volumes médios de vedas) Não seria possível resolver a questão coduzido três testes de hipóteses, cada um comparado duas médias populacioais, utilizado as técicas vistas o capítulo aterior? 0

6 Supohamos que, de facto, as vedas médias das três loas são iguais, isto é = = 3. Admitido a idepedêcia etre os três testes e fixado para cada teste um ível de sigificâcia de 0.05, o ível de sigificâcia para o couto dos três testes, isto é, a probabilidade de decidirmos erradamete que as três médias ão são iguais quado de facto o são, seria aproximadamete Pesemos os 3 testes de hipóteses como 3 provas de Beroulli. sucesso tomar a decisão errada de reeitar H 0 W º de decisões erradas (sucessos) os três testes de hipóteses W ~ B(3, 0.05) A probabilidade de cocluirmos erradamete que as 3 médias ão são iguais, é igual a 3 PW PW = A aplicação da aálise de variâcia pressupõe a verificação das seguites codições:. As amostras devem ser aleatórias e idepedetes.. As amostras devem ser extraídas de populações ormais. 3. As populações devem ter variâcias iguais ( ).

7 Temos etão duas situações possíveis: H 0 é verdadeira as difereças observadas etre as médias amostrais são devidas a flutuações amostrais. = = 3 = todas as amostras provêm de populações com médias iguais. Como se supôs que todas as populações são ormais e têm variâcias iguais, isto é o mesmo que extrair todas as amostras de uma úica população (de uma úica loa como o Exemplo ). Distribuições populacioais quado H 0 é verdadeira ( = = 3 =). 3 H 0 é falsa as difereças observadas etre as médias amostrais são demasiado grades para serem devidas uicamete a flutuações amostrais. As médias das populações ão são iguais, ou sea pelo meos duas loas têm volumes de vedas médios diferetes. As amostras recolhidas provêm de populações diferetes. 3 Distribuições populacioais quado H 0 é falsa (as médias ão são todas iguais). 4

8 Note que é suposto que. A aálise de variâcia vai estimar por dois processos diferetes e comparar os valores obtidos. º PROCESSO Estimativa detro da variâcia: s p Como todas as amostras são extraídas de populações com a mesma variâcia, etão, para estimar este parâmetro, poderíamos utilizar qualquer uma das amostras. Assim, poderíamos obter estimativas de, uma por cada amostra. 5 Exemplo Temos as seguites estimativas de : s s 5 s Tomado a média destas estimativas obtemos outra estimativa para, s p s s 3 s

9 O que fizemos foi combiar as três estimativas ateriores, de modo a produzir uma outra estimativa que use a iformação cotida as três amostras recolhidas. A fórmula geral para o cálculo da estimativa detro da variâcia é: s s s s p ode, si variâcia amostral da amostra i. Note que esta estimativa ão é afectada pela veracidade ou falsidade de H 0, o que á ão acotece com a que iremos obter pelo processo seguite. 7 º PROCESSO Estimativa etre da variâcia: s b Já vimos ateriormete, que se H 0 é verdadeira podemos ecarar as três amostras como sedo proveietes da mesma população (X) (da mesma loa, como o Exemplo ). Admitido que H 0 é verdadeira ( = = 3 =) Distribuição da média amostral: X ~ N(, / ) Distribuição populacioal: X ~ N(, ) 8

10 Os valores médios observados as três amostras, x, x e x 3, podem ser ecarados como três valores observados de uma v. a. X ~ N(, / ). X. X, sugerido que se estime através de b. s X s, com s X i x x i estimativa de X. 9 Se H 0 for falsa Pelo meos duas distribuições populacioais são diferetes. Isto é, as variáveis aleatórias X i têm distribuições ormais, com iguais variâcias, mas, pelo meos duas, têm médias diferetes. Etão também X, X e X 3, vão ter distribuições diferetes: X 3 3 ~ N(, / ), X ~ N(, / ) e X ~ N(, / ), ode ou 3 ou 3. Distribuições da média amostral Distribuições populacioais 3 0

11 Assim, x, x e x 3 são valores observados de variáveis aleatórias com distribuições diferetes, o que se vai reflectir, evetualmete, uma maior dispersão desses valores, coduzido a um maior valor de s X e cosequetemete a um maior valor de b. s X s. Exemplo : s X 3 logo a estimativa etre da variâcia é: b. X s s ESTATÍSTICA DE TESTE F A estimativa detro da variâcia, s p, ão é afectada pela veracidade ou falsidade de H 0. Ao cotrário, a estimativa etre da variâcia, a s p quado H 0 é verdadeira e maior do que esta se H 0 é falsa. s b, á o é, sedo aproximadamete igual A estatística de teste é,. S X Sb F. S S p p

12 Se H 0 é verdadeira, pode ser estimada pelos dois processos e como as duas estimativas serão aproximadamete iguais, a razão F será próxima de. Se H 0 for falsa, as difereças as médias populacioais, e 3 vão provocar maior variabilidade as médias amostrais. Isto é, s X será grade e cosequetemete s b será também grade comparativamete com s p. A razão F tomará um valor maior que. Sob o pressuposto de H 0 ser verdadeira, tem-se F X p b p. S S ~ S S ( ) F. 3 H 0 deve ser reeitada se o valor observado de F se situar à direita do poto crítico. Isto é, reeita-se H 0 se, F obs p c ode, o poto crítico p c é dado por P F p ) ( = ível de sigificâcia. c O poto crítico p c é o quatil de probabilidade - da distribuição ( ) F e é usualmete deotado por F ( ) ou por F,, ( ). 4

13 Exemplo Vamos ver o que podemos cocluir ao ível de sigificâcia de Se a hipótese H 0 é verdadeira, b p S F ~ S F. F 3.89 (quatil de probabilidade - da distribuição,, F ) R.C.=[3.89,+[ 65 O valor observado da estatística F é: Fobs 8. 3R.C Etão a hipótese H 0 é reeitada ao ível de sigificâcia de 0.05, isto é, existem difereças sigificativas etre as médias amostrais das vedas. Há portato evidêcia de que existem pelo meos duas loas com volumes médios de vedas diferetes. Por outras palavras, o factor Loa exerce uma ifluêcia sigificativa sobre o volume de vedas. 5 TABELA DE (ANOVA) Os dados, usualmete, vêm represetados da seguite maeira: Amostra ( ) 3... x x x 3... x Observações ( i ) x x x 3... x x 3 x 3 x x 3 x x x 3... x Médias amostrais x x x 3... x x 6

14 Os cálculos para a aálise de variâcia podem ser sumariados uma tabela chamada Tabela ANOVA: Fote de Variação Soma de Quadrados Etre grupos Detro dos grupos ou residual Total SS A = x x SS E = i x i x SS T = x i x i Graus de Liberdade Variâcia (Soma Média de Quadrados) Razão F - SS A S MS Sb MS b A F= S MS (-) - S p MS E SSE ( ) p A E 7 Note que: s p s i x x x x x x i i i i i i s s x i x ( ) SS E = MS E ( ) e, s b. s X = x x SS A = MS A 8

15 SS T = x i x i é a soma de quadrados total e mede a variação total os dados; SS A = x x SS E = i x i x é a soma de quadrados etre os íveis, ou grupos, do factor e mede a variação etre grupos (populações); é por vezes desigada por variação explicada, pois ela é explicada pelo facto de as amostras poderem provir de populações diferetes; é a soma de quadrados detro dos íveis, ou grupos, do factor e mede a variação detro dos grupos (populações); é por vezes desigada por variação ão explicada ou residual, pois é atribuída a flutuações detro do mesma população, portato ão pode ser explicada pelas possíveis difereças etre os grupos (populações). 9 Pode-se provar que: SS T = SS A +SS E o que permite verificar os cálculos da Tabela ANOVA. Apresetamos a seguir a Tabela ANOVA relativa ao Exemplo. Fote de Variação Soma de Quadrados Graus de Liberdade Variâcia (Soma Média de Quadrados) Razão F Etre grupos SS A =30 MS A = s Detro dos grupos SS E =94 MS E = s p ou residual Total SS T =4 4 b 30

16 AMOSTRAS DE TAMANHOS DIFERENTES Se as amostras têm tamahos diferetes, as fórmulas apresetadas ateriormete devem ser coveietemete modificadas. º de observações a amostra º de amostras N (total de observações) x média observada a amostra x i x i i x média poderada das médias amostrais 3 Soma média de quadrados etre grupos x x MS A = SS A. Soma média de quadrados detro dos grupos ou residual x x MS i i E SS E N. A Tabela ANOVA para amostras de tamahos diferetes. Fote de Variação Soma de Quadrados Graus de Liberdade Etre grupos Detro dos grupos SS A = x x ou residual SS E = xi x Total i SS T = x x i i N N Variâcia (Soma Razão F Média de Quadrados) SS A MS Sb MS A F= S MS - MS E SSE N p A E 3

17 Exemplo 3 Supoha que é director de maretig de uma empresa que pretede relaçar um produto o mercado. Você estudou três campahas de maretig diferetes, cada uma deles combia de modo diferete factores como o preço do produto, a apresetação do produto, promoções associadas, etc. Qualquer uma destas campahas é levada a cabo o poto de veda, ão havedo qualquer publicidade os meios de comuicação. Para saber se há difereça etre as três campahas relativamete à sua eficácia, cada uma delas é feita um couto de loas seleccioadas aleatoriamete, durate um período de duração limitada. Note que as loas são seleccioadas de modo a que as três amostras seam aleatórias e idepedetes etre si. As vedas (em uidades moetárias u. m.) registadas durate este período costam da tabela seguite. 33 Campaha Campaha Campaha Soma Sea X i a v.a. que represeta o volume de vedas de uma loa sueita à campaha i (i=, ou 3). Admitamos que X, X e X 3 têm distribuição ormal com iguais variâcias. 34

18 As hipóteses em teste são: H 0 : = = 3 (ão há difereça etre as campahas de maretig relativamete ao volume médio de vedas a que coduzem) H : i para algum i e algum tais que i (pelo meos duas campahas de maretig coduziram a volumes médios de vedas diferetes) Fixemos o ível de sigificâcia em 0.0. Sob o pressuposto de H 0 ser verdadeira, MSA F ~ F 5. MS F 6.36 (quatil de probabilidade -=0.99 da distribuição,, 5 R.C.=[6.36,+[ E F 5) 35 Para as amostras recolhidas, tem-se: x 6. 4 x , x e x 7. 6; SS A = e MS A =. 05; SS E = e MS E = O valor observado da estatística F é: Fobs R.C..065 Ao ível de sigificâcia de 0.0, reeita-se a hipótese H 0 de igualdade de médias, pois o valor observado da estatística de teste pertece à região crítica. Há, portato, evidêcia estatística de que as três campahas ão são iguais relativamete ao volume médio de vedas a que coduzem. Isto é, o tipo de campaha ifluecia sigificativamete o volume de vedas. 36

19 A Tabela ANOVA para este exemplo é a seguite. Fote de Variação Soma de Quadrados Graus de Liberdade Variâcia (Soma Razão F Média de Quadrados) Etre grupos SS A =44.03 MS A = 05 Detro dos SS E = MS E = 065 grupos ou residual Total SS T = TESTES DE COMPARAÇÃO MÚLTIPLA Quado a aplicação da aálise de variâcia coduz à reeição da hipótese ula, temos evidêcia de que existem difereças etre as médias populacioais. Mas, etre que médias se registam essas difereças? Os testes de comparação múltipla permitem respoder à questão aterior, isto é, permitem ivestigar ode se ecotram as difereças possíveis etre médias populacioais. Existem muitos testes deste tipo, o etato, aqui vamos abordar apeas dois: teste HSD (hoestly sigificat differece) de Tucey teste de Scheffé Estes testes permitem examiar simultaeamete pares de médias amostrais para idetificar quais os pares ode se registam difereças sigificativas. 38

20 Pressupostos:. As amostras devem ser aleatórias e idepedetes.. As amostras devem ser extraídas de populações ormais. 3. As populações devem ter variâcias iguais ( ). Notação: N = x x MS E i i SS E N 39 TESTE HSD DE TUCKEY Quado as amostras têm tamahos iguais este teste é mais adequado do que o teste de Scheffé. O teste HSD de Tucey foi origialmete desevolvido para amostras de igual tamaho, o etato, muitos estatísticos sustetam que este é um método robusto a desvios moderados deste pressuposto. Neste teste, duas médias amostrais são comparadas usado MS E S T ( ). i ode, S T ( ) é o quatil de probabilidade (-) da distribuição da Studetized Rage com (, N ) graus de liberdade ST (, N - ) : W, W P S T ( ) T (, -) ~ S N. 40

21 A hipótese H 0 : i = é reeitada, isto é, as médias amostrais sigificativamete diferetes, se x i e x são cosideradas Exemplo x x x x x x x i x S MS i E T (. ). Usado um ível de sigificâcia igual a 0.05, vem: S =3.77 T ( ) 4 S MS i E T ( = ) = Como x x 7 > 4.78, reeita-se a hipótese H 0 : =. Também, x x 5 > 4.78, logo reeita-se a hipótese H 0 : = 3. 3 Fialmete, como x x < 4.78, ão se reeita a hipótese H 0 : = 3. 3 Assim, há evidêcia de que a loa tem um volume médio de vedas diferete das loas e 3. Isto é, a média observada para a loa difere sigificativamete das médias observadas para as loas e 3, equato que, a difereça registada etre o volume de vedas da loa e da loa 3 ão é sigificativa. 4

22 TESTE SCHEFFÉ Neste teste a hipótese ula H 0 : i = é reeitada se x i x ( -)F (- ). MSE i N ode, F ( ) é o quatil de probabilidade (-) da distribuição F : Exemplo 3 x x x x x x F F P N ( ) Cosideremos um ível de sigificâcia igual a x x 3.74> ( ) F( ). MS E = i = =.97, reeita-se a hipótese H 0 : = ; 5 7 x x < = ão se reeita H 0 : = 3 ; 5 6 x x > =.877, reeita-se H 0 : = Assim, ao ível de sigificâcia de 0.0, há evidêcia de que à campaha de maretig está associado um volume médio de vedas diferete dos volumes médios associados às campahas e 3. Isto é, a média observada para a campaha difere sigificativamete das médias observadas para as campahas e 3, equato que, a difereça registada etre as campahas e 3 ão é sigificativa. 44

23 TESTES PARA A COMPARAÇÃO ENTRE K VARIÂNCIAS Hipóteses a testar: H 0 : H : i para algum i e algum tais que com i TESTE DE BARTLETT Este teste tem como pressuposto que as populações teham distribuição ormal. Além disso, só é aplicável quado as diferetes amostras evolvidas teham dimesões ão iferiores a quatro ( 4, para todo o ). 45 Estatística de teste: B ( N )ls ( )ls ode, N= S S p ~ 0 sobh p C ( X i X ) i ( ) S N C 3( ) N Trata-se de um teste uilateral à direita: reeita-se H 0 se B obs,, ode o quatil de probabilidade (-) da distribuição., é 46

24 Exemplo 3 Vamos testar a hipótese H 0, de igualdade de variâcias das três variáveis cosideradas, ao ível de sigificâcia de 0.0. Sob o pressuposto de H 0 ser verdadeira, B ( N )ls p ( )ls ~. C 0.99, 9. (quatil de probabilidade 0.99 da distribuição ) R.C.= [9., +[. Para as amostras recolhidas tem-se, B obs 5l.065 4l(.3) 6l(.95) 5l(.4667) =0.97 R. C Ao ível de sigificâcia de 0.0, ão se pode reeitar a hipótese de que as três variáveis populacioais teham iguais variâcias. 47

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

Testes de Comparação Múltipla

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

Leia mais

ActivALEA. ative e atualize a sua literacia

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

Leia mais

Testes de Hipóteses para a Diferença Entre Duas Médias Populacionais

Testes de Hipóteses para a Diferença Entre Duas Médias Populacionais Estatística II Atoio Roque Aula Testes de Hipóteses para a Difereça Etre Duas Médias Populacioais Vamos cosiderar o seguite problema: Um pesquisador está estudado o efeito da deficiêcia de vitamia E sobre

Leia mais

CAPÍTULO 5 - INTRODUÇÃO À INFERÊNCIA ESTATÍSTICA

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

Leia mais

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

Estatística stica para Metrologia

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

Leia mais

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

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

Leia mais

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

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

Leia mais

Jackknife, Bootstrap e outros métodos de reamostragem

Jackknife, Bootstrap e outros métodos de reamostragem Jackkife, Bootstrap e outros métodos de reamostragem Camilo Daleles Reó camilo@dpi.ipe.br Referata Biodiversa (http://www.dpi.ipe.br/referata/idex.html) São José dos Campos, 8 de dezembro de 20 Iferêcia

Leia mais

5. A nota final será a soma dos pontos (negativos e positivos) de todas as questões

5. A nota final será a soma dos pontos (negativos e positivos) de todas as questões DEPARTAMENTO DE ESTATÍSTICA - UFMG PROVA DE ESTATÍSTICA E PROBABILIDADE SELEÇÃO - MESTRADO/ UFMG - 2013/2014 Istruções: 1. Cada questão respodida corretamete vale 1 (um) poto. 2. Cada questão respodida

Leia mais

Faculdade de Engenharia Investigação Operacional. Prof. Doutor Engº Jorge Nhambiu

Faculdade de Engenharia Investigação Operacional. Prof. Doutor Engº Jorge Nhambiu Programação Diâmica Aula 3: Programação Diâmica Programação Diâmica Determiística; e Programação Diâmica Probabilística. Programação Diâmica O que é a Programação Diâmica? A Programação Diâmica é uma técica

Leia mais

Lista 9 - Introdução à Probabilidade e Estatística

Lista 9 - Introdução à Probabilidade e Estatística UNIVERSIDADE FEDERAL DO ABC Lista 9 - Itrodução à Probabilidade e Estatística Desigualdades e Teoremas Limites 1 Um ariro apota a um alvo de 20 cm de raio. Seus disparos atigem o alvo, em média, a 5 cm

Leia mais

Análise de Projectos ESAPL / IPVC. Critérios de Valorização e Selecção de Investimentos. Métodos Estáticos

Análise de Projectos ESAPL / IPVC. Critérios de Valorização e Selecção de Investimentos. Métodos Estáticos Aálise de Projectos ESAPL / IPVC Critérios de Valorização e Selecção de Ivestimetos. Métodos Estáticos Como escolher ivestimetos? Desde sempre que o homem teve ecessidade de ecotrar métodos racioais para

Leia mais

A seguir, uma demonstração do livro. Para adquirir a versão completa em papel, acesse: www.pagina10.com.br

A seguir, uma demonstração do livro. Para adquirir a versão completa em papel, acesse: www.pagina10.com.br A seguir, uma demostração do livro. Para adquirir a versão completa em papel, acesse: www.pagia10.com.br Matemática comercial & fiaceira - 2 4 Juros Compostos Iiciamos o capítulo discorredo sobre como

Leia mais

PROBABILIDADES E ESTATÍSTICA

PROBABILIDADES E ESTATÍSTICA ESCOLA SUPERIOR DE TECNOLOGIA DE SETÚBAL DEPARTAMENTO DE MATEMÁTICA PROBABILIDADES E ESTATÍSTICA o Teste 7 o SEMESTRE 5/6 Data: Sábado, 7 de Jaeiro de 6 Duração: 9:3 às :3 Tópicos de Resolução. O úmero

Leia mais

O QUE SÃO E QUAIS SÃO AS PRINCIPAIS MEDIDAS DE TENDÊNCIA CENTRAL EM ESTATÍSTICA PARTE li

O QUE SÃO E QUAIS SÃO AS PRINCIPAIS MEDIDAS DE TENDÊNCIA CENTRAL EM ESTATÍSTICA PARTE li O QUE SÃO E QUAIS SÃO AS PRINCIPAIS MEDIDAS DE TENDÊNCIA CENTRAL EM ESTATÍSTICA PARTE li Média Aritmética Simples e Poderada Média Geométrica Média Harmôica Mediaa e Moda Fracisco Cavalcate(f_c_a@uol.com.br)

Leia mais

PUCRS FAMAT DEPTº DE ESTATÍSTICA Estimação e Teste de Hipótese- Prof. Sérgio Kato

PUCRS FAMAT DEPTº DE ESTATÍSTICA Estimação e Teste de Hipótese- Prof. Sérgio Kato 1 PUCRS FAMAT DEPTº DE ESTATÍSTICA Estimação e Teste de Hipótese- Prof. Sérgio Kato 1. Estimação: O objetivo da iferêcia estatística é obter coclusões a respeito de populações através de uma amostra extraída

Leia mais

Probabilidades. José Viegas

Probabilidades. José Viegas Probabilidades José Viegas Lisboa 001 1 Teoria das probabilidades Coceito geral de probabilidade Supoha-se que o eveto A pode ocorrer x vezes em, igualmete possíveis. Etão a probabilidade de ocorrêcia

Leia mais

1.4- Técnicas de Amostragem

1.4- Técnicas de Amostragem 1.4- Técicas de Amostragem É a parte da Teoria Estatística que defie os procedimetos para os plaejametos amostrais e as técicas de estimação utilizadas. As técicas de amostragem, tal como o plaejameto

Leia mais

CAPÍTULO 8 - Noções de técnicas de amostragem

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

Leia mais

Teste de Hipóteses VÍCTOR HUGO LACHOS DÁVILAD

Teste de Hipóteses VÍCTOR HUGO LACHOS DÁVILAD Teste de ióteses VÍCTOR UGO LACOS DÁVILAD Teste De ióteses. Exemlo. Cosidere que uma idustria comra de um certo fabricate, ios cuja resistêcia média à rutura é esecificada em 6 kgf (valor omial da esecificação).

Leia mais

Capítulo 1. Teoria da Amostragem

Capítulo 1. Teoria da Amostragem Capítulo 1 Teoria da Amostragem 1.1 Itrodução A amostragem e em particular os processos de amostragem aplicam-se em variadíssimas áreas do cohecimeto e costituem, muitas vezes, a úica forma de obter iformações

Leia mais

Duas Fases da Estatística

Duas Fases da Estatística Aula 5. Itervalos de Cofiaça Métodos Estadísticos 008 Uiversidade de Averio Profª Gladys Castillo Jordá Duas Fases da Estatística Estatística Descritiva: descrever e estudar uma amostra Estatística Idutiva

Leia mais

APONTAMENTOS DE ÁLGEBRA LINEAR E GEOMETRIA ANALÍTICA

APONTAMENTOS DE ÁLGEBRA LINEAR E GEOMETRIA ANALÍTICA UNIVERSIDADE DO ALGARVE ESCOLA SUPERIOR DE TECNOLOGIA APONTAMENTOS DE ÁLGEBRA LINEAR E GEOMETRIA ANALÍTICA (III ) ÁREA DEPARTAMENTAL DE ENGENHARIA CIVIL Ídice Itrodução Aplicação do cálculo matricial aos

Leia mais

Testes χ 2 (cont.) Testes χ 2 para k categorias (cont.)

Testes χ 2 (cont.) Testes χ 2 para k categorias (cont.) Testes χ 2 de ajustameto, homogeeidade e idepedêcia Testes χ 2 (cot.) Os testes χ 2 cosiderados este último poto do programa surgem associados a dados de cotagem. Mais cocretamete, dados que cotam o úmero

Leia mais

Introdução ao Estudo de Sistemas Lineares

Introdução ao Estudo de Sistemas Lineares Itrodução ao Estudo de Sistemas Lieares 1. efiições. 1.1 Equação liear é toda seteça aberta, as icógitas x 1, x 2, x 3,..., x, do tipo a1 x1 a2 x2 a3 x3... a x b, em que a 1, a 2, a 3,..., a são os coeficietes

Leia mais

VII Equações Diferenciais Ordinárias de Primeira Ordem

VII Equações Diferenciais Ordinárias de Primeira Ordem VII Equações Difereciais Ordiárias de Primeira Ordem Itrodução As equações difereciais ordiárias são istrumetos esseciais para a modelação de muitos feómeos proveietes de várias áreas como a física, química,

Leia mais

Faculdade Campo Limpo Paulista Mestrado em Ciência da Computação Complexidade de Algoritmos Avaliação 2

Faculdade Campo Limpo Paulista Mestrado em Ciência da Computação Complexidade de Algoritmos Avaliação 2 Faculdade Campo Limpo Paulista Mestrado em Ciêcia da Computação Complexidade de Algoritmos Avaliação 2. (2,0): Resolva a seguite relação de recorrêcia. T() = T( ) + 3 T() = 3 Pelo método iterativo progressivo.

Leia mais

AMOSTRAGEM. metodologia de estudar as populações por meio de amostras. Amostragem ou Censo?

AMOSTRAGEM. metodologia de estudar as populações por meio de amostras. Amostragem ou Censo? AMOSTRAGEM metodologia de estudar as populações por meio de amostras Amostragem ou Ceso? Por que fazer amostragem? população ifiita dimiuir custo aumetar velocidade a caracterização aumetar a represetatividade

Leia mais

Lista 2 - Introdução à Probabilidade e Estatística

Lista 2 - Introdução à Probabilidade e Estatística UNIVERSIDADE FEDERAL DO ABC Lista - Itrodução à Probabilidade e Estatística Modelo Probabilístico experimeto. Que eveto represeta ( =1 E )? 1 Uma ura cotém 3 bolas, uma vermelha, uma verde e uma azul.

Leia mais

Capitulo 6 Resolução de Exercícios

Capitulo 6 Resolução de Exercícios FORMULÁRIO Cojutos Equivaletes o Regime de Juros Simples./Vecimeto Comum. Descoto Racioal ou Por Detro C1 C2 Cm C1 C2 C...... 1 i 1 i 1 i 1 i 1 i 1 i 1 2 m 1 2 m C Ck 1 i 1 i k1 Descoto Por Fora ou Comercial

Leia mais

INTRODUÇÃO. Exemplos. Comparar três lojas quanto ao volume médio de vendas. ... ANÁLISE DE VARIÂNCIA. Departamento de Matemática ESTV.

INTRODUÇÃO. Exemplos. Comparar três lojas quanto ao volume médio de vendas. ... ANÁLISE DE VARIÂNCIA. Departamento de Matemática ESTV. INTRODUÇÃO Exemplos Para curar uma certa doença existem quatro tratamentos possíveis: A, B, C e D. Pretende-se saber se existem diferenças significativas nos tratamentos no que diz respeito ao tempo necessário

Leia mais

Séries de Potências AULA LIVRO

Séries de Potências AULA LIVRO LIVRO Séries de Potêcias META Apresetar os coceitos e as pricipais propriedades de Séries de Potêcias. Além disso, itroduziremos as primeiras maeiras de escrever uma fução dada como uma série de potêcias.

Leia mais

Curso MIX. Matemática Financeira. Juros compostos com testes resolvidos. 1.1 Conceito. 1.2 Período de Capitalização

Curso MIX. Matemática Financeira. Juros compostos com testes resolvidos. 1.1 Conceito. 1.2 Período de Capitalização Curso MI Matemática Fiaceira Professor: Pacífico Referêcia: 07//00 Juros compostos com testes resolvidos. Coceito Como vimos, o regime de capitalização composta o juro de cada período é calculado tomado

Leia mais

MINISTÉRIO DAS CIDADES, ORDENAMENTO DO TERRITÓRIO E AMBIENTE Instituto do Ambiente PROCEDIMENTOS ESPECÍFICOS DE MEDIÇÃO DE RUÍDO AMBIENTE

MINISTÉRIO DAS CIDADES, ORDENAMENTO DO TERRITÓRIO E AMBIENTE Instituto do Ambiente PROCEDIMENTOS ESPECÍFICOS DE MEDIÇÃO DE RUÍDO AMBIENTE MINISÉRIO DAS CIDADES, ORDENAMENO DO ERRIÓRIO E AMBIENE Istituto do Ambiete PROCEDIMENOS ESPECÍFICOS DE MEDIÇÃO DE RUÍDO AMBIENE Abril 2003 . Equadrameto O presete documeto descreve a metodologia a seguir

Leia mais

Lista de Exercícios #4. in Noções de Probabilidade e Estatística (Marcos N. Magalhães et al, 4ª. edição), Capítulo 4, seção 4.4, páginas 117-123.

Lista de Exercícios #4. in Noções de Probabilidade e Estatística (Marcos N. Magalhães et al, 4ª. edição), Capítulo 4, seção 4.4, páginas 117-123. Uiversidade de São Paulo IME (Istituto de Matemática e Estatística MAE Profº. Wager Borges São Paulo, 9 de Maio de 00 Ferado Herique Ferraz Pereira da Rosa Bach. Estatística Lista de Exercícios #4 i Noções

Leia mais

SUMÁRIO 1. AMOSTRAGEM 4. 1.1. Conceitos básicos 4

SUMÁRIO 1. AMOSTRAGEM 4. 1.1. Conceitos básicos 4 SUMÁRIO 1. AMOSTRAGEM 4 1.1. Coceitos básicos 4 1.. Distribuição amostral dos estimadores 8 1..1. Distribuição amostral da média 8 1... Distribuição amostral da variâcia 11 1..3. Distribuição amostral

Leia mais

PROBABILIDADES E ESTATÍSTICA

PROBABILIDADES E ESTATÍSTICA ESCOLA SUPERIOR DE TECNOLOGIA DE SETÚBAL DEPARTAMENTO DE MATEMÁTICA PROBABILIDADES E ESTATÍSTICA Exame - Época Normal 006/00 Data: 14de Julhode 00 Tópicos de Resolução Duração: 3 horas 1. SejaΩumespaçoamostraleA,BeCacotecimetoscomasseguitescaracterísticasA

Leia mais

A TORRE DE HANÓI Carlos Yuzo Shine - Colégio Etapa

A TORRE DE HANÓI Carlos Yuzo Shine - Colégio Etapa A TORRE DE HANÓI Carlos Yuzo Shie - Colégio Etapa Artigo baseado em aula miistrada a IV Semaa Olímpica, Salvador - BA Nível Iiciate. A Torre de Haói é um dos quebra-cabeças matemáticos mais populares.

Leia mais

DISTRIBUIÇÃO AMOSTRAL DA MÉDIA E PROPORÇÃO ESTATISTICA AVANÇADA

DISTRIBUIÇÃO AMOSTRAL DA MÉDIA E PROPORÇÃO ESTATISTICA AVANÇADA DISTRIBUIÇÃO AMOSTRAL DA MÉDIA E PROPORÇÃO Ferado Mori DISTRIBUIÇÃO AMOSTRAL DA MÉDIA E PROPORÇÃO ESTATISTICA AVANÇADA Resumo [Atraia o leitor com um resumo evolvete, em geral, uma rápida visão geral do

Leia mais

Análise de Dados. Introdução às técnicas de Amostragem Introdução à Estimação Introdução aos testes Métodos não paramétricos

Análise de Dados. Introdução às técnicas de Amostragem Introdução à Estimação Introdução aos testes Métodos não paramétricos Aálise de Dados Itrodução às técicas de Amostragem Itrodução à Estimação Itrodução aos testes Métodos ão paramétricos Maria Eugéia Graça Martis Faculdade de Ciêcias da Uiversidade de Lisboa Março 009 ÍNDICE

Leia mais

a taxa de juros i está expressa na forma unitária; o período de tempo n e a taxa de juros i devem estar na mesma unidade de tempo.

a taxa de juros i está expressa na forma unitária; o período de tempo n e a taxa de juros i devem estar na mesma unidade de tempo. UFSC CFM DEPARTAMENTO DE MATEMÁTICA MTM 5151 MATEMÁTICA FINACEIRA I PROF. FERNANDO GUERRA. UNIDADE 3 JUROS COMPOSTOS Capitalização composta. É aquela em que a taxa de juros icide sempre sobre o capital

Leia mais

O oscilador harmônico

O oscilador harmônico O oscilador harmôico A U L A 5 Meta da aula Aplicar o formalismo quâtico ao caso de um potecial de um oscilador harmôico simples, V( x) kx. objetivos obter a solução da equação de Schrödiger para um oscilador

Leia mais

O TESTE DOS POSTOS ORDENADOS DE GALTON: UMA ABORDAGEM GEOMÉTRICA

O TESTE DOS POSTOS ORDENADOS DE GALTON: UMA ABORDAGEM GEOMÉTRICA O TESTE DOS POSTOS ORDENADOS DE GALTON: UMA ABORDAGEM GEOMÉTRICA Paulo César de Resede ANDRADE Lucas Moteiro CHAVES 2 Devail Jaques de SOUZA 2 RESUMO: Este trabalho apreseta a teoria do teste de Galto

Leia mais

Otimização e complexidade de algoritmos: problematizando o cálculo do mínimo múltiplo comum

Otimização e complexidade de algoritmos: problematizando o cálculo do mínimo múltiplo comum Otimização e complexidade de algoritmos: problematizado o cálculo do míimo múltiplo comum Custódio Gastão da Silva Júior 1 1 Faculdade de Iformática PUCRS 90619-900 Porto Alegre RS Brasil gastaojuior@gmail.com

Leia mais

PRESTAÇÃO = JUROS + AMORTIZAÇÃO

PRESTAÇÃO = JUROS + AMORTIZAÇÃO AMORTIZAÇÃO Amortizar sigifica pagar em parcelas. Como o pagameto do saldo devedor pricipal é feito de forma parcelada durate um prazo estabelecido, cada parcela, chamada PRESTAÇÃO, será formada por duas

Leia mais

SÉRIE: Estatística Básica Texto v: CORRELAÇÃO E REGRESSÃO SUMÁRIO 1. CORRELAÇÃO...2

SÉRIE: Estatística Básica Texto v: CORRELAÇÃO E REGRESSÃO SUMÁRIO 1. CORRELAÇÃO...2 SUMÁRIO 1. CORRELAÇÃO... 1.1. Itrodução... 1.. Padrões de associação... 3 1.3. Idicadores de associação... 3 1.4. O coeficiete de correlação... 5 1.5. Hipóteses básicas... 5 1.6. Defiição... 6 1.7. Distribuição

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

Neste capítulo, pretendemos ajustar retas ou polinômios a um conjunto de pontos experimentais.

Neste capítulo, pretendemos ajustar retas ou polinômios a um conjunto de pontos experimentais. 03 Capítulo 3 Regressão liear e poliomial Neste capítulo, pretedemos ajustar retas ou poliômios a um cojuto de potos experimetais. Regressão liear A tabela a seguir relacioa a desidade (g/cm 3 ) do sódio

Leia mais

CURTOSE. Teremos, portanto, no tocante às situações de Curtose de um conjunto, as seguintes possibilidades:

CURTOSE. Teremos, portanto, no tocante às situações de Curtose de um conjunto, as seguintes possibilidades: CURTOSE O que sigifica aalisar um cojuto quato à Curtose? Sigifica apeas verificar o grau de achatameto da curva. Ou seja, saber se a Curva de Freqüêcia que represeta o cojuto é mais afilada ou mais achatada

Leia mais

Anexo VI Técnicas Básicas de Simulação do livro Apoio à Decisão em Manutenção na Gestão de Activos Físicos

Anexo VI Técnicas Básicas de Simulação do livro Apoio à Decisão em Manutenção na Gestão de Activos Físicos Aexo VI Técicas Básicas de Simulação do livro Apoio à Decisão em Mauteção a Gestão de Activos Físicos LIDEL, 1 Rui Assis rassis@rassis.com http://www.rassis.com ANEXO VI Técicas Básicas de Simulação Simular

Leia mais

Módulo 4 Matemática Financeira

Módulo 4 Matemática Financeira Módulo 4 Matemática Fiaceira I Coceitos Iiciais 1 Juros Juro é a remueração ou aluguel por um capital aplicado ou emprestado, o valor é obtido pela difereça etre dois pagametos, um em cada tempo, de modo

Leia mais

Analise de Investimentos e Custos Prof. Adilson C. Bassan email: adilsonbassan@adilsonbassan.com

Analise de Investimentos e Custos Prof. Adilson C. Bassan email: adilsonbassan@adilsonbassan.com Aalise de Ivestimetos e Custos Prof. Adilso C. Bassa email: adilsobassa@adilsobassa.com JUROS SIMPLES 1 Juro e Cosumo Existe juro porque os recursos são escassos. As pessoas têm preferêcia temporal: preferem

Leia mais

Fundamentos de Bancos de Dados 3 a Prova

Fundamentos de Bancos de Dados 3 a Prova Fudametos de Bacos de Dados 3 a Prova Prof. Carlos A. Heuser Dezembro de 2007 Duração: 2 horas Prova com cosulta Questão 1 (Costrução de modelo ER - Peso 3) Deseja-se costruir um sistema WEB que armazee

Leia mais

EQUAÇÕES DIFERENCIAIS LINEARES DE ORDEM N

EQUAÇÕES DIFERENCIAIS LINEARES DE ORDEM N EQUAÇÕES DIFERENCIAIS LINEARES DE ORDEM N Estudaremos este capítulo as equações diereciais lieares de ordem, que são de suma importâcia como suporte matemático para vários ramos da egeharia e das ciêcias.

Leia mais

INTRODUÇÃO A TEORIA DE CONJUNTOS

INTRODUÇÃO A TEORIA DE CONJUNTOS INTRODUÇÃO TEORI DE CONJUNTOS Professora Laura guiar Cojuto dmitiremos que um cojuto seja uma coleção de ojetos chamados elemetos e que cada elemeto é um dos compoetes do cojuto. Geralmete, para dar ome

Leia mais

Fundamentos de Bancos de Dados 3 a Prova

Fundamentos de Bancos de Dados 3 a Prova Fudametos de Bacos de Dados 3 a Prova Prof. Carlos A. Heuser Dezembro de 2008 Duração: 2 horas Prova com cosulta Questão (Costrução de modelo ER) Deseja-se projetar uma base de dados que dará suporte a

Leia mais

UNIVERSIDADE ESTADUAL DE CAMPINAS FACULDADE DE ENGENHARIA MECÂNICA IM 317 METODOLOGIA PARA PLANEJAMENTO EXPERIMENTAL E ANÁLISE DE RESULTADOS

UNIVERSIDADE ESTADUAL DE CAMPINAS FACULDADE DE ENGENHARIA MECÂNICA IM 317 METODOLOGIA PARA PLANEJAMENTO EXPERIMENTAL E ANÁLISE DE RESULTADOS UNIVERSIDADE ESTADUAL DE CAMPINAS FACULDADE DE ENGENHARIA MECÂNICA PROGRAMA DE PÓS-GRADUAÇÃO EM ENGENHARIA MECÂNICA IM 37 METODOLOGIA PARA PLANEJAMENTO EXPERIMENTAL E ANÁLISE DE RESULTADOS PROF. DR. SÉRGIO

Leia mais

37ª OLIMPÍADA BRASILEIRA DE MATEMÁTICA PRIMEIRA FASE NÍVEL 3 (Ensino Médio) GABARITO

37ª OLIMPÍADA BRASILEIRA DE MATEMÁTICA PRIMEIRA FASE NÍVEL 3 (Ensino Médio) GABARITO 37ª OLIMPÍADA BRASILEIRA DE MATEMÁTICA PRIMEIRA FASE NÍVEL 3 Esio Médio) GABARITO GABARITO NÍVEL 3 ) B ) A ) B ) D ) C ) B 7) C ) C 7) B ) C 3) D 8) E 3) A 8) E 3) A ) C 9) B ) B 9) B ) C ) E 0) D ) A

Leia mais

Carteiras de Mínimo VAR ( Value at Risk ) no Brasil

Carteiras de Mínimo VAR ( Value at Risk ) no Brasil Carteiras de Míimo VAR ( Value at Risk ) o Brasil Março de 2006 Itrodução Este texto tem dois objetivos pricipais. Por um lado, ele visa apresetar os fudametos do cálculo do Value at Risk, a versão paramétrica

Leia mais

Aplicação de geomarketing em uma cidade de médio porte

Aplicação de geomarketing em uma cidade de médio porte Aplicação de geomarketig em uma cidade de médio porte Guilherme Marcodes da Silva Vilma Mayumi Tachibaa Itrodução Geomarketig, segudo Chasco-Yrigoye (003), é uma poderosa metodologia cietífica, desevolvida

Leia mais

ERROS ERRO DE ARREDONDAMENTO

ERROS ERRO DE ARREDONDAMENTO ERROS Seja o valor aproimado do valor eacto. O erro de deie-se por ε ε erro absoluto de Aálise N um érica 4 ERRO DE ARREDONDAENTO Seja o valor aproimado do valor eacto tedo eactamete k dígitos após o poto

Leia mais

Juros Simples e Compostos

Juros Simples e Compostos Juros Simples e Compostos 1. (G1 - epcar (Cpcar) 2013) Gabriel aplicou R$ 6500,00 a juros simples em dois bacos. No baco A, ele aplicou uma parte a 3% ao mês durate 5 6 de um ao; o baco B, aplicou o restate

Leia mais

O poço de potencial infinito

O poço de potencial infinito O poço de potecial ifiito A U L A 14 Meta da aula Aplicar o formalismo quâtico ao caso de um potecial V(x) que tem a forma de um poço ifiito: o potecial é ifiito para x < a/ e para x > a/, e tem o valor

Leia mais

Conceito 31/10/2015. Módulo VI Séries ou Fluxos de Caixas Uniformes. SÉRIES OU FLUXOS DE CAIXAS UNIFORMES Fluxo de Caixa

Conceito 31/10/2015. Módulo VI Séries ou Fluxos de Caixas Uniformes. SÉRIES OU FLUXOS DE CAIXAS UNIFORMES Fluxo de Caixa Módulo VI Séries ou Fluxos de Caixas Uiformes Daillo Touriho S. da Silva, M.Sc. SÉRIES OU FLUXOS DE CAIXAS UNIFORMES Fluxo de Caixa Coceito A resolução de problemas de matemática fiaceira tora-se muito

Leia mais

Os juros compostos são conhecidos, popularmente, como juros sobre juros.

Os juros compostos são conhecidos, popularmente, como juros sobre juros. Módulo 4 JUROS COMPOSTOS Os juros compostos são cohecidos, popularmete, como juros sobre juros. 1. Itrodução Etedemos por juros compostos quado o fial de cada período de capitalização, os redimetos são

Leia mais

Definição 1.1: Uma equação diferencial ordinária é uma. y ) = 0, envolvendo uma função incógnita y = y( x) e algumas das suas derivadas em ordem a x.

Definição 1.1: Uma equação diferencial ordinária é uma. y ) = 0, envolvendo uma função incógnita y = y( x) e algumas das suas derivadas em ordem a x. 4. EQUAÇÕES DIFERENCIAIS 4.: Defiição e coceitos básicos Defiição.: Uma equação diferecial ordiária é uma dy d y equação da forma f,,,, y = 0 ou d d ( ) f (, y, y,, y ) = 0, evolvedo uma fução icógita

Leia mais

M = 4320 CERTO. O montante será

M = 4320 CERTO. O montante será PROVA BANCO DO BRASIL / 008 CESPE Para a veda de otebooks, uma loja de iformática oferece vários plaos de fiaciameto e, em todos eles, a taxa básica de juros é de % compostos ao mês. Nessa situação, julgue

Leia mais

1.1 Comecemos por determinar a distribuição de representantes por aplicação do método de Hondt:

1.1 Comecemos por determinar a distribuição de representantes por aplicação do método de Hondt: Proposta de Resolução do Exame de Matemática Aplicada às Ciêcias Sociais Cód. 835-2ª 1ª Fase 2014 1.1 Comecemos por determiar a distribuição de represetates por aplicação do método de Hodt: Divisores PARTIDOS

Leia mais

J. A. M. Felippe de Souza 9 Diagramas de Bode

J. A. M. Felippe de Souza 9 Diagramas de Bode 9 Diagramas de Bode 9. Itrodução aos diagramas de Bode 3 9. A Fução de rasferêcia 4 9.3 Pólos e zeros da Fução de rasferêcia 8 Equação característica 8 Pólos da Fução de rasferêcia 8 Zeros da Fução de

Leia mais

Cálculo das Probabilidades e Estatística I. Departamento de Estatistica

Cálculo das Probabilidades e Estatística I. Departamento de Estatistica Cálculo das Probabilidades e Estatística I Departameto de Estatistica Versão - 2013 Sumário 1 Itrodução à Estatística 1 1.1 Coceitos básicos de amostragem..................................... 2 1.1.1

Leia mais

somente um valor da variável y para cada valor de variável x.

somente um valor da variável y para cada valor de variável x. Notas de Aula: Revisão de fuções e geometria aalítica REVISÃO DE FUNÇÕES Fução como regra ou correspodêcia Defiição : Uma fução f é uma regra ou uma correspodêcia que faz associar um e somete um valor

Leia mais

Fundamentos de Bancos de Dados 3 a Prova

Fundamentos de Bancos de Dados 3 a Prova Fudametos de Bacos de Dados 3 a Prova Prof. Carlos A. Heuser Julho de 2008 Duração: 2 horas Prova com cosulta Questão (Costrução de modelo ER - Peso 2 Deseja-se costruir um sistema WEB que armazee a comuicação

Leia mais

APOSTILA MATEMÁTICA FINANCEIRA PARA AVALIAÇÃO DE PROJETOS

APOSTILA MATEMÁTICA FINANCEIRA PARA AVALIAÇÃO DE PROJETOS Miistério do Plaejameto, Orçameto e GestãoSecretaria de Plaejameto e Ivestimetos Estratégicos AJUSTE COMPLEMENTAR ENTRE O BRASIL E CEPAL/ILPES POLÍTICAS PARA GESTÃO DE INVESTIMENTOS PÚBLICOS CURSO DE AVALIAÇÃO

Leia mais

Unesp Universidade Estadual Paulista FACULDADE DE ENGENHARIA

Unesp Universidade Estadual Paulista FACULDADE DE ENGENHARIA Uesp Uiversidade Estadual Paulista FACULDADE DE ENGENHARIA CAMPUS DE GUARATINGUETÁ MBA-PRO ESTATÍSTICA PARA A TOMADA DE DECISÃO Prof. Dr. Messias Borges Silva e Prof. M.Sc. Fabricio Maciel Gomes GUARATINGUETÁ,

Leia mais

ESTIMAÇÃO DE PARÂMETROS

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

Leia mais

MATEMÁTICA FINANCEIRA

MATEMÁTICA FINANCEIRA MATEMÁTICA FINANCEIRA VALOR DO DINHEIRO NO TEMPO Notas de aulas Gereciameto do Empreedimeto de Egeharia Egeharia Ecoômica e Aálise de Empreedimetos Prof. Márcio Belluomii Moraes, MsC CONCEITOS BÁSICOS

Leia mais

JUROS COMPOSTOS. Questão 01 A aplicação de R$ 5.000, 00 à taxa de juros compostos de 20% a.m irá gerar após 4 meses, um montante de: letra b

JUROS COMPOSTOS. Questão 01 A aplicação de R$ 5.000, 00 à taxa de juros compostos de 20% a.m irá gerar após 4 meses, um montante de: letra b JUROS COMPOSTOS Chamamos de regime de juros compostos àquele ode os juros de cada período são calculados sobre o motate do período aterior, ou seja, os juros produzidos ao fim de cada período passam a

Leia mais

Faculdade de Economia Universidade Nova de Lisboa ESTATÍSTICA. Exame Final 2ª Época 26 de Junho de Grupo I (3 valores)

Faculdade de Economia Universidade Nova de Lisboa ESTATÍSTICA. Exame Final 2ª Época 26 de Junho de Grupo I (3 valores) Faculdade de Ecoomia Uiversidade Nova de Lisboa ESTATÍSTIA Exame Fial ª Época 6 de Juho de 00 Ateção:. Respoda a cada grupo em folhas separadas. Idetifique todas as folhas.. Todas as respostas devem ser

Leia mais

INFERÊNCIA ESTATÍSTICA

INFERÊNCIA ESTATÍSTICA Uiversidade Federal da Bahia Istituto de Matemática Departameto de Estatística Estatística IV (MAT027) e Itrodução à Estatística (MAT050) NOTAS DE AULA UNIDADE III INFERÊNCIA ESTATÍSTICA 1 1 INTRODUÇÃO

Leia mais

FILAS DE ESPERA. Notas baseadas em Introduction to Operations Research de Hillier e Lieberman.

FILAS DE ESPERA. Notas baseadas em Introduction to Operations Research de Hillier e Lieberman. FILA DE EPERA otas baseadas em Itroductio to Operatios Research de Hillier e Lieberma. 77 ETRUTURA BÁICA DO ITEMA DE FILA DE EPERA Quado um determiado serviço é procurado por vários clietes, poder-se-ão

Leia mais

onde d, u, v são inteiros não nulos, com u v, mdc(u, v) = 1 e u e v de paridades distintas.

onde d, u, v são inteiros não nulos, com u v, mdc(u, v) = 1 e u e v de paridades distintas. !"$# &%$" ')( * +-,$. /-0 3$4 5 6$7 8:9)$;$< =8:< > Deomiaremos equação diofatia (em homeagem ao matemático grego Diofato de Aleadria) uma equação em úmeros iteiros. Nosso objetivo será estudar dois tipos

Leia mais

Universidade Federal do Maranhão Centro de Ciências Exatas e Tecnologia Coordenação do Programa de Pós-Graduação em Física

Universidade Federal do Maranhão Centro de Ciências Exatas e Tecnologia Coordenação do Programa de Pós-Graduação em Física Uiversidade Federal do Marahão Cetro de Ciêcias Exatas e Tecologia Coordeação do Programa de Pós-Graduação em Física Exame de Seleção para Igresso o 1º. Semestre de 2011 Disciplia: Mecâica Clássica 1.

Leia mais

Capitulo 9 Resolução de Exercícios

Capitulo 9 Resolução de Exercícios FORMULÁRIO Empréstimos a Curto Prazo (Juros Simples) Taxa efetiva liear i l i ; Taxa efetiva expoecial i Empréstimos a Logo Prazo Relações Básicas C k R k i k ; Sk i Sk i e i ; Sk Sk Rk ; Sk i Sk R k ;

Leia mais

Influência do ruído aéreo gerado pela percussão de pavimentos na determinação de L n,w

Influência do ruído aéreo gerado pela percussão de pavimentos na determinação de L n,w Ifluêcia do ruído aéreo gerado pela percussão de pavimetos a determiação de,w iogo M. R. Mateus CONTRAruído Acústica e Cotrolo de Ruído, Al. If.. Pedro, Nº 74-1º C, 3030 396 Coimbra Tel.: 239 403 666;

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

CPV seu Pé Direito no INSPER

CPV seu Pé Direito no INSPER CPV seu Pé Direito o INSPE INSPE esolvida /ovembro/0 Prova A (Marrom) MATEMÁTICA 7. Cosidere o quadrilátero coveo ABCD mostrado a figura, em que AB = cm, AD = cm e m(^a) = 90º. 8. No plao cartesiao da

Leia mais

Computação Científica - Departamento de Informática Folha Prática 1

Computação Científica - Departamento de Informática Folha Prática 1 1. Costrua os algoritmos para resolver os problemas que se seguem e determie as respetivas ordes de complexidade. a) Elaborar um algoritmo para determiar o maior elemeto em cada liha de uma matriz A de

Leia mais

MOMENTOS DE INÉRCIA. Física Aplicada à Engenharia Civil II

MOMENTOS DE INÉRCIA. Física Aplicada à Engenharia Civil II Física Aplicada à Egeharia Civil MOMENTOS DE NÉRCA Neste capítulo pretede-se itroduzir o coceito de mometo de iércia, em especial quado aplicado para o caso de superfícies plaas. Este documeto, costitui

Leia mais

Profa. Regina Maria Sigolo Bernardinelli. Estatística. Gestão Financeira / Gestão de Recursos Humanos / Logística / Marketing

Profa. Regina Maria Sigolo Bernardinelli. Estatística. Gestão Financeira / Gestão de Recursos Humanos / Logística / Marketing Profa. Regia Maria Sigolo Berardielli Estatística Gestão Fiaceira / Gestão de Recursos Humaos / Logística / Marketig REGINA MARIA SIGOLO BERNARDINELLI ESTATÍSTICA Esio a Distâcia E a D Revisão 09/008 LISTA

Leia mais

defi departamento de física www.defi.isep.ipp.pt

defi departamento de física www.defi.isep.ipp.pt defi departameto de física Laboratórios de Física www.defi.isep.ipp.pt stituto Superior de Egeharia do Porto- Departameto de Física Rua Dr. Atóio Berardio de Almeida, 431 4200-072 Porto. T 228 340 500.

Leia mais

Tabela Price - verdades que incomodam Por Edson Rovina

Tabela Price - verdades que incomodam Por Edson Rovina Tabela Price - verdades que icomodam Por Edso Rovia matemático Mestrado em programação matemática pela UFPR (métodos uméricos de egeharia) Este texto aborda os seguites aspectos: A capitalização dos juros

Leia mais

CONCURSO PÚBLICO PARA PROVIMENTO DE CARGOS EFETIVOS DA PREFEITURA MUNICÍPIO DE TAIOBEIRAS/MG - EDITAL 1/2014 -

CONCURSO PÚBLICO PARA PROVIMENTO DE CARGOS EFETIVOS DA PREFEITURA MUNICÍPIO DE TAIOBEIRAS/MG - EDITAL 1/2014 - CONCURSO PÚBLICO PARA PROVIMENTO DE CARGOS EFETIVOS DA PREFEITURA MUNICÍPIO DE TAIOBEIRAS/MG - EDITAL 1/014 - ESTE CADERNO DE PROVAS DESTINA-SE AOS CANDIDATOS AOS SEGUINTES CARGOS: Auxiliar de Saúde Soldador

Leia mais

Métodos Quantitativos em Contabilidade. Análise da Variância ANOVA. Prof. José Francisco Moreira Pessanha professorjfmp@hotmail.

Métodos Quantitativos em Contabilidade. Análise da Variância ANOVA. Prof. José Francisco Moreira Pessanha professorjfmp@hotmail. Métodos Quatitativos em Cotabilidade Aálise da Variâcia AOVA Prof. José Fracisco Moreira Pessaha professorfmp@hotmail.com Rio de Jaeiro, 8 de setembro de 01 Aálise da Variâcia com um fator (OE WAY AOVA)

Leia mais

Secção 9. Equações de derivadas parciais

Secção 9. Equações de derivadas parciais Secção 9 Equações de derivadas parciais (Farlow: Sec 9 a 96) Equação de Derivadas Parciais Eis chegado o mometo de abordar as equações difereciais que evolvem mais do que uma variável idepedete e, cosequetemete,

Leia mais

Matemática Ficha de Trabalho

Matemática Ficha de Trabalho Matemática Ficha de Trabalho Probabilidades 12º ao FT4 Arrajos completos (arrajos com repetição) Na liguagem dos computadores usa-se o código biário que é caracterizado pela utilização de apeas dois algarismos,

Leia mais

Exercícios de Matemática Polinômios

Exercícios de Matemática Polinômios Exercícios de Matemática Poliômios ) (ITA-977) Se P(x) é um poliômio do 5º grau que satisfaz as codições = P() = P() = P(3) = P(4) = P(5) e P(6) = 0, etão temos: a) P(0) = 4 b) P(0) = 3 c) P(0) = 9 d)

Leia mais