Amostragem Casual Simples. Professor Gilson Fernandes da Silva Departamento de Engenharia Florestal Centro de Ciências Agrárias CCA/UFES

Tamanho: px
Começar a partir da página:

Download "Amostragem Casual Simples. Professor Gilson Fernandes da Silva Departamento de Engenharia Florestal Centro de Ciências Agrárias CCA/UFES"

Transcrição

1 Amotragem Caual Simple Profeor Gilo Ferade da Silva Departameto de Egeharia Floretal Cetro de Ciêcia Agrária CCA/UFES

2 1 Itrodução Coforme apreetado o capítulo aterior, o método de ivetário podem er probabilítico ou ão probabilítico, com igual probabilidade de eleção da amotra ou com probabilidade variável. Etre o método com igual probabilidade de eleção da amotra, é importate citar: Amotragem Caual Simple (ACS); Amotragem Caual Etratificada (ACE); Amotragem em Múltiplo Etágio (AME); Amotragem em Múltipla Ocaiõe (AMO).

3 Muita veze a epreõe Método de Amotragem e Delieameto de Amotragem ão empregada como iôimo gerado cofuão a ua iterpretação. Para efeito deta diciplia, fica acertado que: Método de Amotragem: São aquele que e preocupam com a forma de eleção e ditribuição da parcela obre a área floretal. Delieameto de Amotragem: Defiem o procedimeto de cálculo e aálie do dado e empregam cohecimeto da etatítica paramétrica ormal para tomar cocluõe obre uma população a partir da amotra elecioada pelo método de amotragem.

4 Aim, método e delieameto de amotragem e complemetam e têm grade relação etre i, fazedo parte de um proceo maior chamado ivetário floretal. De maeira geral, o delieameto de amotragem, o cao floretal, podem er claificado em trê categoria: Delieameto Delieameto Delieameto. A categoria de delieameto ora apreetada e difereciam etre i pelo método de como a amotra é ditribuída a população. No delieameto aleatório, obviamete a amotra é ditribuída de forma aleatória, o itemático de forma itemática e o mito ocorre uma combiação de ditribuição aleatória e itemática.

5 Um delieameto de amotragem, para atigir o objetivo de qualquer ivetário floretal, é determiado: Pelo tipo de uidade de amotra; Pelo tamaho e forma da uidade de amotra ecolhida (quado o ivetário utiliza parcela de área fia); Pelo úmero de uidade de amotra a er empregado; Pela forma de eleção e ditribuição da parcela obre a área floretal (método de amotragem); Pelo procedimeto adotado de medição da árvore a uidade elecioada e Pela aálie do dado reultate.

6 Delieameto de Amotragem Caual Simple (ACS) A amotragem caual ou aleatória imple é o delieameto fudametal de eleção a partir do qual derivaram todo o demai procedimeto de amotragem aleatório, viado aumetar a precião da etimativa e reduzir o cuto do levatameto. A amotragem caual imple requer que toda a combiaçõe poívei de () uidade amotrai da população teham igual chace de participar da amotra. A eleção de cada uidade amotral deve er livre de qualquer ecolha e totalmete idepedete da eleção da demai uidade da amotra.

7 Nete delieameto, a área floretal a er ivetariada é tratada como uma população úica. Se forem uada uidade amotrai de área fia, a área floretal é coiderada como edo compota daquela uidade epaciai, a quai podem er deigada por (N). Nete cao, alocado-e previamete uma etrutura de (N) uidade a população, da quai () uidade erão amotrada, o úmero de combiaçõe poívei de () uidade da população é dado por: C N! N! N -! Quado a uidade for cotituída por poto amotral, o úmero total de uidade da população (N) pode er coiderado ifiito.

8 A amotragem caual imple em ivetário floretai produz etimativa em tedêcia da população e permite etimar o erro de amotragem, ma apreeta a eguite devatage: A eceidade de plaejar a litagem da uidade, para elecioar, aleatoriamete, a parcela ou poto amotrai; A dificuldade de localizar, o campo, a poição da uidade amotrai dipera a população; O tempo improdutivo gato o delocameto etre a uidade da amotra; A poibilidade de uma ditribuição irregular da uidade, reultado uma amotragem irregular da população.

9 .1 Método de eleção Uma da forma de elecioar a uidade de amotra eria com o uo de programa de computador, como o Ecel, por eemplo, que pela geração de úmero aleatório permite realizar o orteio de forma ão tedecioa. O uo de SIG também pode er muito útil a defiição da N parcela bem como o próprio orteio. A uidade de amotra podem er elecioada com ou em repoição. A maioria do ivetário floretai ão feito em repoição da uidade.

10 . Notação Na amotragem caual imple ão defiido o eguite ímbolo para idetificar a variávei da população: N = úmero total de uidade amotrai da população; = úmero de uidade amotrada; X = variável de iteree.

11 a) Média Aritmética.3 Parâmetro e etimadore N X N i i 1 i i 1... parâmetro... etimador... parâmetro... etimador b) Variâcia N X i i i i

12 c) Devio Padrão... parâmetro... etimador... parâmetro... etimador d) Variâcia da Média N X N i i N i i N N N N N N Em que = fator de correção para população fiita. N f 1 Como é a fração de amotragem (f), o fator de correção pode er epreo por (1 f). Dee modo a variâcia da média pode er etimada por:

13 e) Erro Padrão da Média 1 f... parâmetro 1 f... etimador f) Erro de Amotragem - Erro Aboluto E a t - Erro Relativo E r t 100 Ob.: t(; 1 g.l.)

14 g) Itervalo de Cofiaça para a Média IC t t P h) Itervalo de Cofiaça por Hectare IC i) Total da População Xˆ t f t f P em que N c c f c = A a h p j) Itervalo de Cofiaça para o Total IC Xˆ Nt X Xˆ Nt P k) Etimativa Míima de Cofiaça t P EMC Para o valor de t uilateral (o dobro da prob. do erro a tabela bilateral)

15 .4 Iteidade de Amotragem A iteidade de amotragem deriva da fórmula da variâcia da média, pelo iolameto de (), como egue: em que 1 f etimativa da variâcia da média precião etimativa da variâcia variabilidade = úmero de uidade amotrada tamaho da amotra (1 f) = fração de amotragem

16 Como a iteidade de amotragem é determiada para um ível de probabilidade fiado, agrega-e o valor de (t) a variâcia da média, como egue: N t 1 Em eguida, iola-e () atravé da eguite operaçõe: N t t N t Nt t Nt N Nt t N Nt t N t N Nt

17 Coiderado-e que o erro de amotragem tolerado o ivetário é fiado obre a variâcia da média atravé de (E), tem-e: NE Nt t A iteidade de amotragem é determiada para a populaçõe fiita ou ifiita. A difereciação etatítica de população fiita e ifiita é feita pelo valor do fator de correção (1 f). Dee modo, e: (1 f) 0,95 a população é coiderada ifiita; (1 f) 0,95 a população é coiderada fiita.

18 Quado a população for ifiita, o fator de correção pode er deprezado, ma o cao de população fiita, ete deve er matido a fórmula e a iteidade de amotragem é coiderada como fução de população fiita. I.a) População Fiita em Fução da Variâcia Nt NE t E t t N E t 1 1 N I.b) População Fiita em Fução do Coeficiete de Variação N Nt ( CV %) E% t ( CV %) ou E% t ( CV %) t ( CV %) N

19 II.a) População Ifiita em Fução da Variâcia t E II.b) População Ifiita em Fução do Coeficiete de Variação t ( CV %) E% Em que E LE LE = Limite do erro admitido, em percetagem dividido por 100. E% = Erro epreo diretamete em percetagem.

20 Ajute da Iteidade Amotral Coiderado que o cálculo da iteidade de amotragem parte de uma etimativa de variabilidade, cujo úmero de uidade que a origiou pode er arbitrado e o valor de (t) é tomado para ee úmero meo um ( 1) grau de liberdade, é eceário ajutar a iteidade de amotragem calculada.

21 O ajute é feito a partir da primeira aproimação do cálculo iteidade de amotragem ( 1 ), tomado-e ovo valor de (t) para ( 1 1) grau de liberdade para obter a eguda aproimação. Toma-e ovo valor de (t) para ( 1) grau de liberdade e calcula-e a terceira aproimação ( 3 ); repete-e o procedimeto até o valor de () torar-e cotate. Ee ajute da iteidade de amotragem compea, parcialmete, evetuai deficiêcia da amotra que gerou a etimativa da média e variâcia uada o cálculo da iteidade de amotragem.

22 .5 Eemplo de Aplicação da ACS Coidere um boque tropical úmido de 46,8 hectare que, para efeito didático, foi ivetariado 100% e dividido em 156 parcela (13 colua 1 fileira) de 0,3 ha cada, com parcela de m. A população de volume, em m 3 por parcela, é repreetada pelo úmero cotate a uidade de amotra (Figura 1). Fote: SOARES et al., 007

23 Coiderado-e a população ilutrada a Figura 1, deeja-e etimar o volume médio da população admitido-e um erro, ou precião requerida, de 0%, a 95% de probabilidade. Tedo em vita a ieitêcia de iformaçõe prévia obre a população, utilizou-e, etão, uma amotragem piloto cujo tamaho arbitrado foi = 10 u.a., orteada aleatoriamete da população da Figura 1, cujo reultado e ecotram o Quadro 1.

24 Eercício Idividual A partir do dado apreetado, calcule o erro de amotragem, e, e eceário, faça o cálculo da iteidade amotral. Cao eceário, orteie ova parcela e calcule a etatítica defiitiva do ivetário. Obteha o parâmetro da população e compare o reultado ecotrado o ivetário com o verdadeiro valore.

25 Solução: I Realização do ivetário piloto (já feito) II Cálculo do erro de amotragem a) Média i i b) Variâcia 34,00 m 3 /0,3ha i1 i 1 i1 i i1 1 i ,00 (m 3 /0,3ha)

26 c) Devio Padrão 38 = 18,11 m 3 /0,3ha d) Variâcia da Média f N ,064 1 f = 0,936 0,95 população fiita 1 f ,064 3,80, , 7008 (m 3 /0,3ha)

27 e) Erro Padrão da Média 1 f 0,9360 5,5408 m 3 /0,3ha 18,11 10 E f) Erro de Amotragem f 1 ) Erro de Amotragem Aboluto a t Ea,6.5, ,5 m 3 /0,3ha f ) Erro de Amotragem Relativo E r t 100 E r,6.5, , ,83%

28 III Cálculo da iteidade amotral ótima Para o cálculo do úmero de uidade amotrai é eceário verificar e a população é fiita ou ifiita, atravé da fração de amotragem determiada pelo ivetário piloto. f N ,064 1 f = 0,936 0,95 população fiita

29 Cálculo da iteidade amotral em fução da variâcia: NE Nt t N = 156 t (0,05; 9) =,6 = 38,00 (m 3 /0,3 ha) E = (LE ) = (0,. 34,0) = 6,8 m 3 /0,3 ha A primeira aproimação de () reulta: 156,6 6,8,6 38,0 1 9,40 1 = 9, ,0 t (0,05; 9) =,04 = 4,8 5 t (0,05; 4) =,06 3 = 5, 6 t (0,05; 5) =,06

30 Cálculo da iteidade amotral em fução do coeficiete de variação: N Nt ( CV %) E% t ( CV %) N = 156 t (0,05; 9) =,6 CV = 53,6% E = 0% A primeira aproimação de () reulta: 156,6 53,6 0,6 53,6 1 9,40 1 = 9, t (0,05; 9) =,04 = 4,8 5 t (0,05; 4) =,06 3 = 5, 6 t (0,05; 5) =,06

31 IV - Ivetário defiitivo Parcela Sorteada () Localização Volume Fileira Colua X (m 3 /0,3 ha) X (m 3 /0,3 ha) 1 b 41,0 1681,0 3 e 33,0 1089,0 3 3 h 4,0 576,0 4 3 l 31,0 961,0 5 6 f 10,0 100,0 6 6 h 3,0 104,0 7 8 c 6,0 3844,0 8 9 f 16,0 56, j 66,0 4356, c 5,0 65, e 44,0 1936, a 7,0 49, c 57,0 349, e,0 484, d 31,0 961, g 40,0 1600, g 43,0 1849, l 7,0 79, j 17,0 89,0 0 6 d 50,0 500,0 1 5 i 38,0 1444,0 1 g 0,0 400, j 35,0 15,0 4 4 i 31,0 961,0 5 8 m 6,0 676,0 6 8 a 3,0 104,0 Totai 860, ,0 Média 33,08

32 a) Média Aritmética i i 1 b) Variâcia V Aálie etatítica da amotragem defiitiva m 3 /0,3ha 33, i i i i i i ,67 (m 3 /0,3ha)

33 c) Devio Padrão i1 i 1 17,67 = 14,75 m 3 /0,3ha d) Variâcia da Média 1 f 17, ,1667 8,37190,8333 6, 9766 (m 3 /0,3ha)

34 e) Erro Padrão da Média 1 f 0,8333,6406 m 3 /0,3ha 14,75 6 E f) Erro de Amotragem f 1 ) Erro de Amotragem Aboluto a t Ea,06., ,4396 m 3 /0,3ha f ) Erro de Amotragem Relativo E r t 100 E r,06., , ,44%

35 g) Itervalo de Cofiaça para a Média IC t t P IC[33,08,06 (,6406) 33,08 +,06 (,6406)] = 95% IC[7,64 m 3 /0,3 ha 38,5 m 3 /0,3 ha] = 95% h) Itervalo de Cofiaça por Hectare IC t f t f P c IC[(33,08,06.,6406)(10000/3000) (33,08 +,06.,6406)(10000/3000)] = 95% IC[9,13 m 3 /ha 18,40 m 3 /ha] = 95% c

36 i) Total da População Xˆ N Xˆ , ,48 m 3 j) Itervalo de Cofiaça para o Total IC Xˆ Nt X Xˆ Nt P IC[5160, (,06),6406 X 5160, (,06),6406] = 95% IC[4.31 m 3 X m 3 ] = 95% k) Etimativa Míima de Cofiaça para a Média EMC t, edo o valor tabelado de t correpodete ao tete de hipótee uilateral. Deta forma, tem-e: EMC[33,08 1,71 (,6406) ] = 95% EMC[8,56 m 3 /0,3 ha ] = 95%

37 l) Etimativa Míima de Cofiaça por Hectare EMC t f P C EMC[(33,08 1,71.,6406)(10000/3000) ] = 95% EMC[95, m 3 /ha ] = 95% m) Etimativa Míima de Cofiaça para o Total EMC X Nt X P EMC[5160, (1,71),6406 X] = 95% EMC[4456,07 m 3 X] = 95%

38 VI Aálie comparativa do reultado Parâmetro Etimativa Volume médio por parcela = 35,83 m 3 /0,3ha 33,08 m 3 /0,3ha Volume total V = m 3 X 5160 m 3 Volume por hectare V/ha = 119,4 m 3 /ha X/ha = 110,7 m 3 /ha Variâcia do volume = 455,98(m 3 /0,3ha) 17,67 (m 3 /0,3ha) Devio padrão do volume = 1,35 m 3 /0,3ha = 14,75 m 3 /0,3 ha Coeficiete de variação % = 59,60% cv 44,59%

39 Medida de Eatidão: 33,080 35,86,746 ou X ha V ha 110,7 119,4 9, 16 Xˆ X m 3 Erro Etimado a 95% de Probabilidade: Itervalo de Cofiaça: m 3 /0,3 parcela m 3 /ha E a = 5,4396 m 3 /0,3ha ou 16,44% IC[7,64 m 3 /0,3 ha 38,5 m 3 /0,3 ha] = 95% E r IC[9,13 m 3 /ha 18,40 m 3 /ha] = 95% IC[4.31 m 3 X m 3 ] = 95% EMC[4456,07 m 3 X] = 95% ou

40 Reultado de 0 ivetário idepedete, com = 6 uidade de amotra cada, tomada aleatoriamete N o do Volume Erro de Erro padrão Erro de Erro de ivetário Médio(m 3 /ua) etimação da média amotragem Amotragem % Limite de Cofiaça L Li 1 33,1,70,86 5,90 17,8 39,0 7, E t E% 41,66 +5,84 3,56 7,6 17,4 48,9 34, ,66-5,16,76 5,63 18,4 36,9 5, ,61-0,31 3,17 6,47 18, 41,98 9, ,7 +5,45 3,00 6,1 14,8 47,39 35, ,33-0,49 3,48 7,10 0,1 4,43 8,3 7 4,06 +6,4 3,46 7,06 16,8 49,1 35,00 8 3,90 -,9,64 5,39 16,4 38,9 7,51 9* 8,4-7,40,34 4,77 16,8 33,19 3, ,18 +1,36 4,08 8,3,4 45,50 8, ,30-5,5 3, 6,57 1,7 36,87 3, ,30-0,5,93 5,98 16,9 41,8 9, ,45 +1,63 3,86 7,87 1,0 45,3 9, ,00 +1,18 3,48 7,10 19, 44,10 9, ,1 -,61,8 5,75 17,3 38,96 7, ,75-3,07,5 4,59 14,0 37,34 8, ,60 +6,78 4,70 9,59,5 5,19 33, ,1 +5,39 3,0 6,16 14,9 47,37 35, ,39 +0,57,96 6,04 16,6 4,43 30, ,54 +4,7 4,50 9,18,6 49,7 31,36 Totai 74,86 13,85 347,8 Média 36,4 6,64 17,4

41 Repreetação gráfica do erro padrõe da média, do erro de amotragem e do erro de etimação com 0 amotra de 6 uidade cada. 10 Erro em m 3 /parcela Núm e r o do Ive tário Erro P adrão da M édia Erro de A m o tragem Erro de E tim aç ão

42 Outro Eemplo de Aplicação da ACS Ivetariar a população de Piu p. cotituída de 450 parcela de 0,1 ha, ou eja, 45 hectare, motrada a Figura, atravé da Amotragem Caual Simple, admitido-e um erro de amotragem máimo de 10% da média etimada, com 90% de probabilidade de cofiaça. Fote: NETTO e BRENA (1996)

43 Solução: I Realização do ivetário piloto Coiderado a ieitêcia de iformaçõe prévia obre a população, realizou-e um ivetário piloto para obter a etimativa báica eceária ao cálculo da iteidade de amotragem. Como o úmero de uidade do ivetário piloto é arbitrado, foram tomada aleatoriamete a população, 0 uidade amotrai como egue: Uid.() Local. Volume (m 3 /0,1ha) Uid.() Local. Volume (m 3 /0,1ha) 1 8-e 18, d 7,6 18-b,8 1 -d 10,3 3 9-g 15, ,1 4 3-k 9, k 6, f 3,5 15 -d 39, , o 1,7 7 9-m 8, k 11,5 8 3-b 6, , j 8, a 18, j 6,4 0 1-e 31,4

44 II Cálculo do erro de amotragem a) Média i i 1 39, ,61 m 3 /0,1ha b) Variâcia i1 i i1 1 i 908, , ,05 (m 3 /0,1ha)

45 c) Devio Padrão 80,05 = 8,95 m 3 /0,1ha d) Variâcia da Média f N ,044 1 f = 0,956 0,95 população ifiita 80,05 0 4,005 (m 3 /0,1ha)

46 e) Erro Padrão da Média 8,95 0,0013 m 3 /0,1ha E f) Erro de Amotragem f 1 ) Erro de Amotragem Aboluto a t Ea 1,73., ,46 m 3 /0,1ha E r f ) Erro de Amotragem Relativo t 100 E r 1,73., ,61 17,65%

47 III - Cálculo da iteidade amotral ótima Para o cálculo do úmero de uidade amotrai, é eceário verificar e a população é fiita ou ifiita, atravé da fração de amotragem determiada pelo ivetário piloto. f N , f = 0,9556 > 0,95 população ifiita, ou eja, deve-e uar a epreõe de cálculo adequada.

48 III - Cálculo da iteidade amotral em fução da variâcia t E t (0,10; 19) = 1,73 = 80,0531 (m 3 /0,1 ha) E = (LE ) = (0,1. 19,6050) = 1,9605 m 3 /0,1 ha A primeira aproimação de () reulta: 1,73 80, ,34 1 = 6, ,9605 t (0,10; 6) = 1,67 = 58,09 59 t (0,10; 58) = 1,67

49 IV - Ivetário defiitivo Uid. Local. Volume Uid. Local. Volume Uid. Local. Volume () (m 3 /0,1ha) () (m 3 /0,1ha) () (m 3 /0,1ha) 1 8-e 18,5 1 1-c 9, c 13, 18-b,8 3-g 9,8 4 9-i 5,7 3 9-g 15,8 3 3-i 7, f 7,0 4 3-k 9, j 5, h 0, f 3,5 5 4-c 5, e 13, , j 4, 46 0-a 3,4 7 9-m 8,3 7 7-d 19, l 31,3 8 3-b 6, ,9 48 -f 34, j 8, b 37, g 9, j 6, g 3, e 18, d 7, d 4, e 8,9 1 -d 10,3 3 1-c 3,3 5 9-a 1, , , f 8, k 6, c 17, l 3, 15 -d 39, i 8, i 6, o 1, f 3, b 5, k 11, h 8, h 8, , j 9, 58 1-f, a 18, d 4, h 1,9 0 1-e 31, o 5,

50 V Aálie etatítica da amotragem defiitiva a) Média Aritmética i 1 i 139,5 59 1,01 m 3 /0,1ha b) Variâcia i1 i i1 1 i 30315, , ,7 (m 3 /0,1ha)

51 c) Devio Padrão i1 i 1 73,7 = 8,59 m 3 /0,1ha d) Variâcia da Média 1 f 73, ,1311 1,4940,8689 1, 0856 (m 3 /0,1ha)

52 e) Erro Padrão da Média 1 f 0,8689 1,0419 m 3 /0,1ha 8,59 59 E f) Erro de Amotragem f 1 ) Erro de Amotragem Aboluto a t Ea 1,67.1, ,7400 m 3 /0,1ha f ) Erro de Amotragem Relativo E r t 100 E r 1,67.1,0419 1, ,8%

53 g) Itervalo de Cofiaça para a Média IC t t P IC[1,01 1,67 (1,0419) 1,01 + 1,67 (1,0419)] = 90% IC[19,7 m 3 /0,1 ha,75 m 3 /0,1 ha] = 90% h) Itervalo de Cofiaça por Hectare IC t f t f P c IC[(1,01 1,67. 1,0419)(10000/1000) (1,01 + 1,67. 1,0419)(10000/1000)] = 90% IC[19,70 m 3 /ha 7,50 m 3 /ha] = 90% c

54 i) Total da População Xˆ N Xˆ 450.1, ,50 m 3 j) Itervalo de Cofiaça para o Total IC Xˆ Nt X Xˆ Nt P IC[9454, (1,67) 1,0419 X 9454, (1,67) 1,0419] = 90% IC[8671,49 m 3 X 1037,49 m 3 ] = 90% k) Etimativa Míima de Cofiaça para a Média EMC t, edo o valor tabelado de t correpodete ao tete de hipótee uilateral. Deta forma, tem-e: EMC[1,01 1,30 (1,0419) ] = 90% EMC[19,66 m 3 /0,1 ha ] = 90%

55 l) Etimativa Míima de Cofiaça por Hectare EMC t f P C EMC[(1,01 1,30. 1,0419)(10000/1000) ] = 90% EMC[196,56 m 3 /ha ] = 90% m) Etimativa Míima de Cofiaça para o Total EMC X Nt X P EMC[9454, (1,30) 1,0419 X] = 90% EMC[8844,99 m 3 X] = 90%

56 VI Aálie comparativa do reultado Parâmetro Etimativa Volume médio por parcela =,55 m 3 /0,1ha 1,01 m 3 /0,1ha Volume total V = m 3 X m 3 Volume por hectare V/ha = 5,50 m 3 /ha X/ha = 10,10 m 3 /ha Variâcia do volume = 65,48 (m 3 /0,1ha) 73,7 (m 3 /0,1ha) Devio padrão do volume = 8,09 m 3 /0,1ha = 8,59 m 3 /0,1 ha Coeficiete de variação % = 35,89% cv 40,87%

57 FIM

58 Referêcia PELLICO NETO, S.; BRENA, D.A. Ivetário floretal. Curitiba: Edição do autore p. SOARES, C.P.B.; PAULA NETO, F.; SOUZA, A.L. Dedrometria e Ivetário Floretal. Viçoa: Editora UFV, Uiveridade Federal de Viçoa p.

59 Equema de amotragem caual imple.

60 Equema de amotragem caual imple.

61 Etrato I Etrato II Etrato III Etrato IV Equema de Amotragem Caual Etratificada.

62 Equema de Amotragem Sitemática.

63 Equema de Amotragem em Doi Etágio.

64 Colua a b c d e f g h i j k l m Fileira Figura 1 - Volume, em m 3 por uidade de amotra de 0,3 ha, obtido pelo ivetário 100% de um boque tropical úmido, dividido em 156 uidade de amotra. A u.a. hachurada correpodem àquela orteada para o ivetário piloto.

65 Quadro 1 Volume, em m 3 por uidade de amotra de 0,3 ha, obtido pelo ivetário 100% de um boque tropical úmido, dividido em 156 uidade de amotra. A u.a. hachurada correpodem àquela orteada para o ivetário piloto Parcela Sorteada () Localização Volume Fileira Colua X (m 3 /0,3 ha) X (m 3 /0,3 ha) 1 b 41,0 1681,0 3 e 33,0 1089,0 3 3 h 4,0 576,0 4 3 k 31,0 961,0 5 6 f 10,0 100,0 6 6 h 3,0 104,0 7 8 c 6,0 3844,0 8 9 f 16,0 56, j 66,0 4356, c 5,0 65,0 Totai 340,0 1451,0 Média 34,0

66 a b c d e f g h i j k l m o A B C D E F I II III Figura - Volume, em m 3 por uidade de amotra de 0,1 ha, obtido pelo ivetário 100% de um boque Piu p (PELLICO NETTO e BRENA, 1993).

67 Figura 3 - Volume, em m 3 por uidade de amotra de 0,1 ha, obtido pelo ivetário 100% de um boque Piu p (PELLICO NETTO e BRENA, 1993).

Amostragem Casual Estratificada

Amostragem Casual Estratificada CAPÍTUO VI Amotragem Caual Etratificada Profeor Gilo Ferade da Silva Departameto de Egearia Floretal Cetro de Ciêcia Agrária CCA/UFES Itrodução A iteidade de amotragem eceária para etimar o parâmetro de

Leia mais

02/02/2017. Intervalo de Confiança. Bioestatística. Universidade Estadual do Oeste do Paraná - Unioeste. Curso de Nutrição

02/02/2017. Intervalo de Confiança. Bioestatística. Universidade Estadual do Oeste do Paraná - Unioeste. Curso de Nutrição Uiveridade Etadual do Oete do Paraá - Uioete Curo de Nutrição Bioetatítica Profeora Aqui começamo o etudo da etatítica iferecial, que é o egudo maior ramo da etatítica. M.Roebel Tridade Cuha Prate Coite

Leia mais

INTERVALO DE CONFIANÇA

INTERVALO DE CONFIANÇA INTERVALO DE CONFIANÇA Supoha que etejamo itereado um parâmetro populacioal verdadeiro (ma decohecido) θ. Podemo etimar o parâmetro θ uado iformação de oa amotra. Chamamo o úico úmero que repreeta o valor

Leia mais

Denomina F a variável aleatória definida pelo quociente: F = n

Denomina F a variável aleatória definida pelo quociente: F = n 9/0/0 Etatítica Eperimetal Tete F Tete t de STUDENT Cap. 7, 8 e 9 Callegari-Jacque, S. M. Bioetatítica: Pricípio e Aplicaçõe, 003. Apotila: Regazzi, A. J., Curo de iiciação à etatítica. Profº: Glauco Vieira

Leia mais

n Obtido através desvio padrão da população (σ)

n Obtido através desvio padrão da população (σ) 3/5/ Etatítica Geral Tete t de STUDENT Cap. 7, 8 e 9 Callegari-Jacque, S. M. Bioetatítica: Pricípio e Aplicaçõe, 3. Apotila: Regazzi, A. J., Curo de iiciação à etatítica. Curo: Saúde/CUA/UFMT Profº: Glauco

Leia mais

Estatística: Aplicação ao Sensoriamento Remoto SER ANO Intervalo de Confiança

Estatística: Aplicação ao Sensoriamento Remoto SER ANO Intervalo de Confiança Etatítica: Aplicação ao Seoriameto Remoto SER 4 - ANO 19 Itervalo de Cofiaça Camilo Dalele Reó camilo.reo@ipe.br http://www.dpi.ipe.br/~camilo/etatitica/ Itervalo de Cofiaça Um parâmetro pode er etimado

Leia mais

Métodos de Amostragem

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

Leia mais

Noções de Inferência Estatística

Noções de Inferência Estatística Noçõe de Iferêcia Etatítica Itrodução: O objetivo pricipal da iferêcia etatítica é fazer afirmaçõe obre caracterítica de uma população, baeado-e em reultado de uma amotra. Para io veremo como e relacioam

Leia mais

UNIDADE II TESTE DE HIPÓTESE

UNIDADE II TESTE DE HIPÓTESE 0/0/06. INTRODUÇÃO A iferêcia etatítica preocupa-e em determiar e UNIDADE II TESTE DE IPÓTESE CUIABÁ, MT 05/ PROF.: RÔMULO MÔRA romulomora.webode.com exite alguma igificâcia etatítica acoplada ao reultado

Leia mais

Inferência Estatística

Inferência Estatística Iferêcia Etatítica Tete de Hipótee: tete de difereça etre média, coceito, grupo pareado, grupo idepedete com variâcia cohecida e decohecida Itrodução Coidere o problema de comparar materiai (A e B), para

Leia mais

AEP FISCAL ESTATÍSTICA

AEP FISCAL ESTATÍSTICA AEP FISCAL ESTATÍSTICA Módulo 12: - Itervalo de Cofiaça - Tete de Hipótee (webercampo@gmail.com) INTERVALO DE CONFIANÇA 1. INTERVALO DE CONFIANÇA PARA A MÉDIA O proceo de cotrução do itervalo de cofiaça

Leia mais

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

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

Leia mais

CAPÍTULO 7 - Intervalos de confiança

CAPÍTULO 7 - Intervalos de confiança INF 16 CAPÍTULO 7 - Itervalo de cofiaça É uma maeira de calcularmo uma etimativa de um parâmetro decohecido. Muita veze também fucioa como um tete de hipótee. A idéia é cotruir um itervalo de cofiaça para

Leia mais

PROCEDIMENTOS PARA A ESTIMAÇÃO DE PARÂMETROS EM GRÁFICOS DE CONTOLE

PROCEDIMENTOS PARA A ESTIMAÇÃO DE PARÂMETROS EM GRÁFICOS DE CONTOLE POCEDIMENTOS PAA A ESTIMAÇÃO DE PAÂMETOS EM GÁFICOS DE CONTOLE Aa Paula S. Figueiredo Arioto Bretaha Jorge Ecola Federal de Egeharia de Itajubá - Av. BPS, 1303 37500-000 Itajubá MG e-mail: aapaula@iem.efei.br

Leia mais

MOQ-13 PROBABILIDADE E ESTATÍSTICA. Professor: Rodrigo A. Scarpel

MOQ-13 PROBABILIDADE E ESTATÍSTICA. Professor: Rodrigo A. Scarpel MOQ-3 PROBABILIDADE E ESTATÍSTICA Profeor: Rodrigo A. Scarel rodrigo@ita.br www.mec.ita.br/~rodrigo Programa do curo: Semaa 3 4 5 6 7 8 9 0 3 4 5 e 6 Itrodução à robabilidade (eveto, eaço amotral, aioma,

Leia mais

Intervalos de confiança

Intervalos de confiança 0 Itervalo de cofiaça 6.. A etiação por itervalo Noralete o proceo de ivetigação de u parâetro eceitao ir alé da ua etiativa potual ˆ. O fato de ão e cohecer o valor de pode cauar ua ieguraça e levar a

Leia mais

Exemplos de I.C. (1 ) 100% para a mådia (e para diferença entre mådias)

Exemplos de I.C. (1 ) 100% para a mådia (e para diferença entre mådias) Exemplo de I.C. ( )% para a mådia (e para difereça etre mådia) Exemplo : Tete de compreão foram aplicado em dua marca de cimeto para avaliar a reitêcia em cocreto. Foram produzido 5 corpo de prova de cada

Leia mais

HIDROLOGIA E RECURSOS HÍDRICOS. Análise estatística aplicada à hidrologia (cont.)

HIDROLOGIA E RECURSOS HÍDRICOS. Análise estatística aplicada à hidrologia (cont.) HIDROLOGIA E RECURSOS HÍDRICOS Aálie etatítica aplicada à hidrologia (cot.) Caudal de pota de cheia que ão é excedido em 9% da ocorrêcia? Máxima precipitação em D h com dada probabilidade de excedêcia?

Leia mais

Intervalo de Confiança para a Variância de uma População Distribuída Normalmente. Pode-se mostrar matematicamente que a variância amostral,

Intervalo de Confiança para a Variância de uma População Distribuída Normalmente. Pode-se mostrar matematicamente que a variância amostral, Etatítica II Antonio Roque Aula 8 Intervalo de Confiança para a Variância de uma População Ditribuída Normalmente Pode-e motrar matematicamente que a variância amotral, ( x x) n é um etimador não envieado

Leia mais

Ganhos de precisão na alocação ótima em estratificação volumétrica de florestas naturais e plantações florestais

Ganhos de precisão na alocação ótima em estratificação volumétrica de florestas naturais e plantações florestais FORESTA 7(/:7-8 Gao de precião a alocação ótima em etratificação volumétrica de floreta aturai e plataçõe floretai SYVIO PÉICO NETTO CAROS ROBERTO SANQUETTA RESUMO Eta pequia apreeta a coceituação teórica

Leia mais

NOTAS DE AULA: DISTRIBUIÇÃO AMOSTRAL E INTERVALOS DE CONFIANÇA

NOTAS DE AULA: DISTRIBUIÇÃO AMOSTRAL E INTERVALOS DE CONFIANÇA NOTAS DE AULA: DISTRIBUIÇÃO AMOSTRAL E INTERVALOS DE CONFIANÇA Objetivos da aula: Compreeder que um estimador é uma variável aleatória e, portato, pode-se estabelecer sua distribuição probabilística; Estabelecer

Leia mais

Cap. 4 - Estimação por Intervalo

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

Leia mais

Método do Lugar das Raízes

Método do Lugar das Raízes étodo do Lugar da Raíze Coceito de Lugar da Raíze; O Procedimeto do Lugar da Raíze; Proeto de Parâmetro pelo étodo do Lugar da Raíze; Seibilidade e Lugar da Raíze; Cotrolador de Trê Termo (PID); Exemplo

Leia mais

13 Inferência Estatística Teoria da Estimação

13 Inferência Estatística Teoria da Estimação 3 Iferêcia Etatítica Teoria da Etimação 3. Itrodução A partir dete capítulo abordaremo ituaçõe em que o iteree etá em obter iformaçõe da população a partir do reultado de uma amotra. Como exemplo, coideremo

Leia mais

1 Inferência Estatística - Teoria da Estimação

1 Inferência Estatística - Teoria da Estimação 1 Inferência Etatítica - Teoria da Etimação 1.1 Introdução Nete capítulo abordaremo ituaçõe em que o interee etá em obter informaçõe da população com bae em amotra. Como exemplo, conidere a eguinte ituaçõe.

Leia mais

Intervalo de Confiança para a Diferença entre Duas Médias Amostrais

Intervalo de Confiança para a Diferença entre Duas Médias Amostrais Intervalo de Confiança para a Diferença entre Dua Média Amotrai Quando e quer etimar a diferença, µ µ, entre a média de dua populaçõe e, procede-e da eguinte maneira: toma-e uma amotra de cada população,

Leia mais

Teste de hipótese. a) Uma população b) Duas populações c) Três ou mais populações

Teste de hipótese. a) Uma população b) Duas populações c) Três ou mais populações Tete de hipótee a Ua população b ua populaçõe c Trê ou ai populaçõe 6 Tete para coparação de dua édia de populaçõe orai Tete bilateral H 0 : = H : H 0 : = 0 H : 0 t Tete uilateral à direita H 0 : = H :

Leia mais

Análise de dados industriais

Análise de dados industriais Aálie de dado idutriai Ecola Politécica Departameto de Egeharia Química Roberto Guardai 014 Parte 1. Coceito Báico de Etatítica Itrodução Lita de ímbolo Bibliografia Etatítica decritiva Erro de medida,

Leia mais

ESTIMAÇÃO DA CONFIABILIDADE PARA UM MODELO DE DESEMPENHO ESTRUTURAL COM DISTRIBUIÇÃO NORMAL UMA SIMULAÇÃO

ESTIMAÇÃO DA CONFIABILIDADE PARA UM MODELO DE DESEMPENHO ESTRUTURAL COM DISTRIBUIÇÃO NORMAL UMA SIMULAÇÃO ETIMAÇÃO DA CONFIABILIDADE PARA UM MODELO DE DEEMPENHO ETRUTURAL COM DITRIBUIÇÃO NORMAL UMA IMULAÇÃO Amazoeida á Peixoto Piheiro Doutorada em Eg. Produção Ecola Politécica-UP eida@up.br Av. Prof o Almeida

Leia mais

ESTATÍSTICA BÁSICA- SUMÁRIO ( 1 a PARTE)

ESTATÍSTICA BÁSICA- SUMÁRIO ( 1 a PARTE) ESTATÍSTICA BÁSICA- SUMÁRIO ( a PARTE) POPULAÇÕES E AMOSTRAS IMPORTÂNCIA DA FORMA DA POPULAÇÃO DISTRIBUIÇÃO NORMAL DE GAUSS PARÂMETROS E ESTIMATIVAS TEOREMA DO LIMITE CENTRAL DISTRIBUIÇÃO Z E DISTRIBUIÇÃO

Leia mais

MOQ-14 PROJETO e ANÁLISE de EXPERIMENTOS. Professor: Rodrigo A. Scarpel

MOQ-14 PROJETO e ANÁLISE de EXPERIMENTOS. Professor: Rodrigo A. Scarpel MOQ-4 PROJETO e NÁLISE de EXPERIMENTOS Profeor: Rodrigo. Scarpel rodrigo@ita.br www.mec.ita.br/~rodrigo Programa do curo: Semaa Coteúdo preetação da diciplia. Pricípio de modelo lieare de regreão. Correlação

Leia mais

EFICIÊNCIA DE INVENTÁRIO FLORESTAL COM AMOSTRAGEM PONTO DE BITTERLICH E CONGLOMERADO EM LINHA EM PLANTAÇÃO DE Pinus taeda

EFICIÊNCIA DE INVENTÁRIO FLORESTAL COM AMOSTRAGEM PONTO DE BITTERLICH E CONGLOMERADO EM LINHA EM PLANTAÇÃO DE Pinus taeda EFICIÊNCIA DE INVENTÁRIO FLORESTAL CO AOSTRAGE PONTO DE BITTERLICH E CONGLOERADO E LINHA E PLANTAÇÃO DE Piu taeda João Paulo Druzcz, Nelo Yohihiro Nakajima, Sylvio Péllico Netto, Sebatião do Amaral achado,

Leia mais

Em estatística, uma hipótese é uma alegação, ou afirmação, sobre uma propriedade de uma população.

Em estatística, uma hipótese é uma alegação, ou afirmação, sobre uma propriedade de uma população. 7 TESTE DE HIPÓTESE 7. Itrodução Ao pergutarmo para a peoa a rua qual é a temperatura média do corpo humao, teremo 37 C como a maioria da repota. Um grupo de pequiadore realizou um experimeto para verificar

Leia mais

Despertando o(a) Discente Ativo(a)

Despertando o(a) Discente Ativo(a) Etatítica II 4.0.07 UNIVERSIDADE FEDERAL DE RONDÔNIA CAMPUS DE JI-PARANÁ DEPARTAMENTO DE ENGENHARIA AMBIENTAL Etatítica II Profa. Renata Gonçalve Aguiar Fonte: naomearrependonemmeorgulho.blogpot. Sábio

Leia mais

Investigação Operacional. Problema

Investigação Operacional. Problema Ivetigação Operacioal Fila de Epera Liceciatura em Egeharia Civil Liceciatura em Egeharia do Território Liceciatura em Egeharia e Aruitectura Naval roblema No erviço de urgêcia do hopital da cidade o paciete

Leia mais

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

Uma coleção de todos os possíveis elementos, objetos ou medidas de interesse. rof. Lorí Viali, Dr. viali@mat.ufrgs.br http://www.ufrgs.br/~viali/ Uma coleção de todos os possíveis elemetos, objetos ou medidas de iteresse. Um levatameto efetuado sobre toda uma população é deomiado

Leia mais

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

Uma coleção de todos os possíveis elementos, objetos ou medidas de interesse. rof. Lorí Viali, Dr. viali@mat.ufrgs.br http://www.ufrgs.br/~viali/ Uma coleção de todos os possíveis elemetos, objetos ou medidas de iteresse. Um levatameto efetuado sobre toda uma população é deomiado

Leia mais

Estatística Multivariada Aplicada

Estatística Multivariada Aplicada Faculdade de Ecoomia da Uiveridade de Coimbra Etatítica Multivariada Aplicada Pedro Lope Ferreira 000 ii Sumário Itrodução à etatítica multivariada -----------------------------------------------. A orgaização

Leia mais

Sumário: 6.3.3. Intervalo de confiança para a diferença entre duas médias de. populações independentes com variâncias conhecidas...

Sumário: 6.3.3. Intervalo de confiança para a diferença entre duas médias de. populações independentes com variâncias conhecidas... 0 Sumário: 6. Itervalo de Cofiaça...0 6.. etimação por itervalo...0 6.. Itervalo de cofiaça para a média...0 6... Itervalo de cofiaça para a média com variâcia cohecida...0 6... Itervalo de cofiaça para

Leia mais

Distribuições Amostrais

Distribuições Amostrais 9/3/06 Uiversidade Federal do Pará Istituto de Tecologia Estatística Aplicada I Prof. Dr. Jorge Teófilo de Barros Lopes Campus de Belém Curso de Egeharia Mecâica 3/09/06 3:38 ESTATÍSTICA APLICADA I - Teoria

Leia mais

DEPARTAMENTO DE ENGENHARIA NAVAL E OCEÂNICA ESCOLA POLITÉCNICA DA UNIVERSIDADE DE SÃO PAULO PNV3324 FUNDAMENTOS DE CONTROLE EM ENGENHARIA

DEPARTAMENTO DE ENGENHARIA NAVAL E OCEÂNICA ESCOLA POLITÉCNICA DA UNIVERSIDADE DE SÃO PAULO PNV3324 FUNDAMENTOS DE CONTROLE EM ENGENHARIA DEPARTAENTO DE ENGENHARIA NAVAL E OCEÂNICA ESCOLA POLITÉCNICA DA UNIVERSIDADE DE SÃO PAULO PNV334 FUNDAENTOS DE CONTROLE E ENGENHARIA NOTAS DE AULA* Prof. Helio itio orihita * Ete texto é um mero roteiro

Leia mais

Distribuições Amostrais

Distribuições Amostrais 7/3/07 Uiversidade Federal do Pará Istituto de Tecologia Estatística Aplicada I Prof. Dr. Jorge Teófilo de Barros Lopes Campus de Belém Curso de Egeharia Mecâica 3/07/07 09:3 ESTATÍSTICA APLICADA I - Teoria

Leia mais

Circuitos Elétricos II Experimento 2

Circuitos Elétricos II Experimento 2 Experimeto : Frequêcia Complexa Própria. Objetivo: Determiação da frequêcia complexa própria de um circuito RLC utilizado o traitório repetitivo.. Itrodução Seja y( a repota de um circuito liear, de parâmetro

Leia mais

Bioestatística e Computação I

Bioestatística e Computação I Bioetatítica e Computação I Intervalo de confiança Maria Virginia P Dutra Eloane G Ramo Vania Mato Foneca Pó Graduação em Saúde da Mulher e da Criança IFF FIOCRUZ Baeado na aula de M. Pagano e Gravreau

Leia mais

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

Teoria dos Erros. Figura 1 - Medida de um objeto com uma régua graduada em centímetros 3 Teoria do Erro. Itrodução A gradeza fíica ão determiada experimetalmete por medida ou combiaçõe de medida. Ea medida tem uma icerteza itríeca que advém da caracterítica do equipameto utilizado a ua determiação

Leia mais

Estatística Multivariada. Pré-Requisitos. Otimização (Maximização) Exemplos: Combinação Linear. Muitos dos procedimentos

Estatística Multivariada. Pré-Requisitos. Otimização (Maximização) Exemplos: Combinação Linear. Muitos dos procedimentos Prof. Lorí Viali, Dr. viali@pucr.br; viali@mat.ufrg.br; http://www.pucr.br/famat/viali; http://www.mat.ufrg.br/~viali/ A teoria do método etatítico multivariado pode er eplicada razoavelmete bem omete

Leia mais

Teste para Médias: duas amostras independentes

Teste para Médias: duas amostras independentes Etatítica II.09.07 UNIVERSIDADE FEDERAL DE RONDÔNIA CAMPUS DE JI-PARANÁ DEPARTAMENTO DE ENGENHARIA AMBIENTAL Etatítica I - UNIR Etatítica II Tete para Média: dua amotra independente Profa. Renata Gonçalve

Leia mais

Tabela A4.2. MIR obtido com simulação 1. Para 2 S 4, estimar os parâmetros associados a uma mistura de s componentes e avaliar rs = ms+

Tabela A4.2. MIR obtido com simulação 1. Para 2 S 4, estimar os parâmetros associados a uma mistura de s componentes e avaliar rs = ms+ Tabela A4.2. MIR obtido com imulação. Para 2 S 4, etimar o parâmetro aociado a uma mitura de compoete e avaliar r = m+ m r ecotra-e defiido o Apêdice 2); 2. para S=2, gerar 99 amotra paramétrica boottrap

Leia mais

A) Independência estatística B) Var. aleatórias C) Distribuição normal D) Dist. conjuntas e correlação E) Inferência estatística

A) Independência estatística B) Var. aleatórias C) Distribuição normal D) Dist. conjuntas e correlação E) Inferência estatística A) Ideedêcia etatítica B) Var. aleatória C) Ditribuição ormal D) Dit. cojuta e correlação E) Iferêcia etatítica 18-02-2010 Joé Filie Rafael 1 E.1) Ditribuiçõe amotrai E.2) Itervalo de cofiaça e tete de

Leia mais

DISTRIBUIÇÕES DE PROBABILIDADE

DISTRIBUIÇÕES DE PROBABILIDADE DISTRIBUIÇÕES DE PROBABILIDADE DISTRIBUIÇÃO DE PROBABILIDADE Seja uma v.a. que assume os valores,,..., com probabilidade p, p,..., p associadas a cada elemeto de, sedo p p... p diz-se que está defiida

Leia mais

INFORMAÇÃO SOBRE O FUNCIONAMENTO DO MINITITULADOR HI PARA A DETERMINAÇÃO DO DIÓXIDO DE ENXOFRE NO VINHO. COMPARAÇÃO COM O MÉTODO OFICIAL

INFORMAÇÃO SOBRE O FUNCIONAMENTO DO MINITITULADOR HI PARA A DETERMINAÇÃO DO DIÓXIDO DE ENXOFRE NO VINHO. COMPARAÇÃO COM O MÉTODO OFICIAL INFORMAÇÃO SOBRE O FUNCIONAMENTO DO MINITITULADOR HI 84100 PARA A DETERMINAÇÃO DO Repoabilidade: HANNA itrumet Autor: Joé Erique Catell Etela Douturado em Ciêcia Química Colegiado º100 Repoável pela Secção

Leia mais

2 Técnicas de CEP para Processos Multicanal

2 Técnicas de CEP para Processos Multicanal 19 Técica de CEP para Proceo Multicaal Ete capítulo apreeta a técica exitete a literatura para o cotrole de proceo multi-caal. Ao memo tempo, o coceito fudametai ubjacete ão apreetado, a forma do divero

Leia mais

Teste t: variâncias diferentes

Teste t: variâncias diferentes Etatítica II 7.0.07 UNIVERSIDADE FEDERAL DE RONDÔNIA CAMPUS DE JI-PARANÁ DEPARTAMENTO DE ENGENHARIA AMBIENTAL Etatítica I - UNIR Etatítica II Tete t: variâcia iferete Profa. Reata Goçalve Aguiar Tete t:

Leia mais

Mineração de Dados. Modelos Preditivos. Técnicas de Classificação Árvores de Decisão. Prof. Paulo Martins Engel. Tarefas preditivas:

Mineração de Dados. Modelos Preditivos. Técnicas de Classificação Árvores de Decisão. Prof. Paulo Martins Engel. Tarefas preditivas: UFRGS 2 Modelo Preditivo Mieração de Dado Técica de Claificação Árvore de Decião Prof. Paulo Marti Egel A tarefa de geração de um modelo preditivo coite em apreder um mapeameto de etrada para a aída, viado

Leia mais

Amostragem Sistemática

Amostragem Sistemática CAPÍTULO VII Amostragem Sistemática Professor Gilson Fernandes da Silva Departamento de Engenharia Florestal Centro de Ciências Agrárias CCA/UFES 1 Introdução Por este processo, diferentemente do processo

Leia mais

Revisando... Distribuição Amostral da Média

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

Leia mais

Técnicas de codificação diferencial

Técnicas de codificação diferencial Técica de codificação diferecial Em certo iai, e.g. o ial de voz e o ial de vídeo, o valor do ial varia pouco de amotra para amotra: ito permite prever com alguma cofiaça o valor de uma amotra a partir

Leia mais

Stela Adami Vayego Estatística II CE003/DEST/UFPR

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

Leia mais

Estatística Estimação de Parâmetros por Intervalo

Estatística Estimação de Parâmetros por Intervalo Etatítica - Etimação d Parâmtro por Itrvalo UNESP FEG DPD Prof. Edgard - - Itrvalo d Cofiaça para a média População ifiita, com cohcido Sab- qu, para uficitmt grad: Normal ( ; /) Sja: : Erro ou Prcião

Leia mais

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

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

Leia mais

PCM uniforme na presença de ruído

PCM uniforme na presença de ruído PCM uiforme a preeça de ruído Fote: Ruído o caal provoca erro a palavra biária o decodificador, ruído de decodificação. A potêcia dete ruído pode er adicioada ao ruído de uatificação (fote idepedete, logo

Leia mais

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

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

Leia mais

Posicionamento RTK. Posicionamento Baseado em Redes de Estações de Referência GNSS. Prof. Dra. Daniele Barroca Marra Alves

Posicionamento RTK. Posicionamento Baseado em Redes de Estações de Referência GNSS. Prof. Dra. Daniele Barroca Marra Alves Poicioameto RTK Poicioameto Baeado em Rede de Etaçõe de Referêcia GNSS Prof. Dra. Daiele Barroca Marra Alve RTK O RTK teve um grade deevolvimeto o último ao Pode alcaçar acurácia cetimétrica em tempo real

Leia mais

Exame Final Nacional de Matemática Aplicada às Ciências Sociais a Fase

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

Leia mais

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

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

Leia mais

Avaliação de Desempenho de Sistemas Discretos

Avaliação de Desempenho de Sistemas Discretos Distribuições Comus Avaliação de Desempeho de Sistemas Discretos Probabilidade e Estatística 2 Uiforme Normal Poisso Hipergeométrica Biomial Studet's Geométrica Logormal Expoecial Beta Gamma Qui-Quadrado

Leia mais

Unidade de Ensino Descentralizada de Colatina Coordenadoria de Informática Disciplina: Probabilidade e Estatística Prof. Leandro Melo de Sá 2006/2

Unidade de Ensino Descentralizada de Colatina Coordenadoria de Informática Disciplina: Probabilidade e Estatística Prof. Leandro Melo de Sá 2006/2 Uidade de io Decetralizada de Colatia Coordeadoria de Iformática Diciplia: Probabilidade e tatítica Prof. Leadro Melo de Sá 006/ Uidade 4 STIMAÇÃO Nea uidade uaremo o dado amotrai para fazer iferêcia (ou

Leia mais

n ) uma amostra aleatória da variável aleatória X.

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

Leia mais

b) Fabrico de peças cilíndricas Capítulo 5 - Distribuições conjuntas de probabilidades e complementos X - comprimento da peça Y - diâmetro da peça

b) Fabrico de peças cilíndricas Capítulo 5 - Distribuições conjuntas de probabilidades e complementos X - comprimento da peça Y - diâmetro da peça Capítulo 5 - Distribuições cojutas de probabilidades e complemetos 5.1 Duas variáveis aleatórias discretas. Distribuições cojutas, margiais e codicioais. Idepedêcia Em relação a uma mesma eperiêcia podem

Leia mais

Revisão de Alguns Conceitos Básicos da Física Experimental

Revisão de Alguns Conceitos Básicos da Física Experimental Revião de Algun Conceito Báico da Fíica Experimental Marcelo Gameiro Munhoz munhoz@if.up.br Lab. Pelletron, ala 245, r. 6940 O que é uma medida? Medir ignifica quantificar uma grandeza com relação a algum

Leia mais

MAE Introdução à Probabilidade e Estatística II Resolução Lista 2

MAE Introdução à Probabilidade e Estatística II Resolução Lista 2 MAE 9 - Itrodução à Probabilidade e Estatística II Resolução Lista Professor: Pedro Moretti Exercício 1 Deotado por Y a variável aleatória que represeta o comprimeto dos cilidros de aço, temos que Y N3,

Leia mais

Estabilidade de Sistemas Lineares com Realimentação

Estabilidade de Sistemas Lineares com Realimentação Uiveridade Etadual do Oete do Paraá Programa de Pó-graduação em Egeharia de Sitema Diâmico e Eergético Tema da Aula: Etabilidade de Sitema Lieare com Realimetação Prof. Dr. Carlo Herique Faria do Sato

Leia mais

1 Distribuições Amostrais

1 Distribuições Amostrais 1 Distribuições Amostrais Ao retirarmos uma amostra aleatória de uma população e calcularmos a partir desta amostra qualquer quatidade, ecotramos a estatística, ou seja, chamaremos os valores calculados

Leia mais

Determinação do factor correctivo da potência de ruído em sistemas de transmissão por cabo coaxial com igualação

Determinação do factor correctivo da potência de ruído em sistemas de transmissão por cabo coaxial com igualação Determiação do actor correctivo da potêcia de ruído em itema de tramião por cabo coaxial com igualação A ução de traerêcia do igualador é dada por I ( V e y( ( H ( em que y ( é a traormada de Fourier da

Leia mais

Matemática A Extensivo V. 6

Matemática A Extensivo V. 6 Matemática A Etesivo V. 6 Eercícios 0) B Reescrevedo a equação: 88 00 8 0 8 8 0 6 0 0 A raiz do umerador é e do deomiador é zero. Fazedo um quadro de siais: + + + Q + + O que os dá como solução R 0

Leia mais

Teoria da Estimação 1

Teoria da Estimação 1 Teoria da Estimação 1 Um dos pricipais objetivos da estatística iferecial cosiste em estimar os valores de parâmetros populacioais descohecidos (estimação de parâmetros) utilizado dados amostrais. Etão,

Leia mais

Estatística. 7 - Distribuições Amostrais

Estatística. 7 - Distribuições Amostrais Estatística 7 - Distribuições Amostrais 07 - Distribuição da Média Amostral Distribuição costituída de todos os valores de, cosiderado todas as possíveis amostras de tamaho i ( Ode,,..., são V.A. com mesma

Leia mais

Estratégia de Amostragem Sistemática para Reduzir o Efeito da Autocorrelação no Desempenho do Gráfico de Controle T2 de Hotelling

Estratégia de Amostragem Sistemática para Reduzir o Efeito da Autocorrelação no Desempenho do Gráfico de Controle T2 de Hotelling Etratégia de Amotragem Sitemática para Reduzir o Efeito da Autocorrelação o Deempeho do Gráfico de Cotrole T de Hotellig Roberto Campo Leoi rcleoi@yahoo.com.br AEDB Marcela Aparecida Guerreiro Machado

Leia mais

Estatística: Aplicação ao Sensoriamento Remoto SER ANO Teoria da amostragem

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

Leia mais

) E X. ) = 0 2 ( 1 p ) p = p. ) E 2 ( X ) = p p 2 = p ( 1 p ) ( ) = i 1 n. ( ) 2 n E( X) = ( ) = 1 p ( ) = p V ( X ) = E ( X 2 E X

) E X. ) = 0 2 ( 1 p ) p = p. ) E 2 ( X ) = p p 2 = p ( 1 p ) ( ) = i 1 n. ( ) 2 n E( X) = ( ) = 1 p ( ) = p V ( X ) = E ( X 2 E X 3.5 A distribuição uiforme discreta Defiição: X tem distribuição uiforme discreta se cada um dos valores possíveis,,,, tiver fução de probabilidade P( X = i ) = e represeta-se por, i =,, 0, c.c. X ~ Uif

Leia mais

Suponha ser possível determinar um modelo de regressão. Considere um experimento fatorial com fatores testados a l

Suponha ser possível determinar um modelo de regressão. Considere um experimento fatorial com fatores testados a l Modelagem da Variância em Experimento Não-Replicado Flávio Fogliatto, Ph.D. 1 Prof. Fogliatto 1 Panorâmica (Continuação) Deeja-e verificar e o reíduo, dentro de um determinado nível de um fator de controle,

Leia mais

Stela Adami Vayego DEST/UFPR

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

Leia mais

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

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

Leia mais

5. Medidas de dispersão

5. Medidas de dispersão 5. Medida de diperão 0 Chamada de medida de variabilidade (diperio ou variability). Quatificação da difereça etre o valore,,...,. Diperão e cocetração (ou precião) ão coceito opoto. Redução (drática) de

Leia mais

CONHECIMENTOS BÁSICOS MATEMÁTICA

CONHECIMENTOS BÁSICOS MATEMÁTICA CONHECIENTOS BÁSICOS ATEÁTICA Para repoder à quetõe de o e, utilize o dado da tabela abaixo, que apreeta a freqüêcia acumulada da idade de 0 jove etre 4 e 0 ao. Idade (ao) Freqüêcia Acumulada 4 5 4 6 9

Leia mais

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

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

Leia mais

Estimativa de Parâmetros

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

Leia mais

Intervalos de Confiança

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

Leia mais

Medidas e algarismos significativos

Medidas e algarismos significativos Medida e algarimo ignificativo Como repreentar o reultado de uma medida, algarimo ignificativo Erro, média e devio padrão Hitograma e ditribuição normal Propagação de erro Medida em fíica ex. medida do

Leia mais

TRANSPORTES. Sessão Prática 4 Amostragem de escalares

TRANSPORTES. Sessão Prática 4 Amostragem de escalares Mestrado Itegrado em Egeharia Civil TRNPORTE Prof. Resposável: Luis Picado atos essão Prática 4 mostragem de escalares Istituto uperior Técico / Mestrado Itegrado Egeharia Civil Trasportes ulas Práticas

Leia mais

Recuperação digital da temporização com amostragem assíncrona Parte 1: transmissão em banda-base

Recuperação digital da temporização com amostragem assíncrona Parte 1: transmissão em banda-base Recuperação digital da temporização com amotragem aícroa Parte : tramião em bada-bae Sílvio A. Abrate Departameto de Egeharia Electrotécica e de Computadore Faculdade de Egeharia, Uiveridade do Porto Porto,

Leia mais

Cap. 7 - Parte I Root Locus

Cap. 7 - Parte I Root Locus CONTROLO º emetre 0/03 Traparêcia de apoio à aula teórica Cap. 7 - Parte I Root Locu Maria Iabel Ribeiro Atóio Pacoal Todo o direito reervado Eta ota ão podem er uada para fi ditito daquele para que foram

Leia mais

Cap. 7 - Parte I Root Locus

Cap. 7 - Parte I Root Locus CONTROLO º emetre 007/008 Traparêcia de apoio à aula teórica Cap. 7 - Parte I Root Locu Maria Iabel Ribeiro Atóio Pacoal Maio de 008 Todo o direito reervado Eta ota ão podem er uada para fi ditito daquele

Leia mais

CONCEITOS BÁSICOS E PRINCÍPIOS DE ESTATÍSTICA

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

Leia mais

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

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

Leia mais

Aula 5. Aula de hoje. Aula passada. Limitante da união Método do primeiro momento Lei dos grandes números (fraca e forte) Erro e confiança

Aula 5. Aula de hoje. Aula passada. Limitante da união Método do primeiro momento Lei dos grandes números (fraca e forte) Erro e confiança Aula 5 Aula passada Valor esperado codicioal Espaço amostral cotíuo, fução desidade Limitates para probabilidade Desigualdades de Markov, Chebyshev, Cheroff with high probability Aula de hoje Limitate

Leia mais

13 ESTIMAÇÃO DE PARÂMETROS E DISTRIBUIÇÃO AMOSTRAL

13 ESTIMAÇÃO DE PARÂMETROS E DISTRIBUIÇÃO AMOSTRAL 3 ESTIMAÇÃO DE PARÂMETROS E DISTRIBUIÇÃO AMOSTRAL Como vto em amotragem o prmero bmetre, etem fatore que fazem com que a obervação de toda uma população em uma pequa eja mpratcável, muta veze em vrtude

Leia mais

Comparação entre duas populações

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

Leia mais