Metodologia de simulação

Save this PDF as:
 WORD  PNG  TXT  JPG

Tamanho: px
Começar a partir da página:

Download "Metodologia de simulação"

Transcrição

1 Metodologia de simulação OBJETIVOS E DEFINIÇÃO DO SISTEMA FORMULAÇÃO DO MODELO ANÁLISE E REDEFINIÇÃO MODELO ABSTRATO RESULTADOS EXPERIMENTAIS (Capítulo 6) MODELO CONCEITUAL (Capítulo 3) REPRESENTAÇÃO DO MODELO DADOS DE ENTRADA (Capítulo ) EXPERIMENTAÇÃO DO MODELO MODELO OPERACIONAL IMPLEMENTAÇÃO DO MODELO MODELO COMPUTACIONAL (Capítulo 4) VERIFICAÇÃO E VALIDAÇÃO (Capítulo 5) Introdução Momento de se realizar diferentes experimentos de simulação com o modelo o que ocorre se...? Como as entradas são processos aleatórios, em cada experimento realizado, tem-se saídas cujos valores são aleatórios também RIRO (Random In, Random Out) não se pode concluir muita coisa a partir de um único experimento de simulação roda-se n vezes o experimento e tem-se um conjunto de valores cuja média representa um bom estimador a precisão desse valor é avaliada por sua variância quanto menor a variância, mais precisa a estimação Page

2 Introdução Questões importantes nos resultados da simulação qual a variância estimada quantos experimentos deve-se realizar para atingir uma dada precisão Objetivo do capítulo discutir como construir os experimentos quais as técnicas para análise das saídas 3 Definições O que é regime transitório e o que é regime permanente O que é simulação terminal e o que é simulação em regime O que são medidas de desempenho O que é replicação e o que é rodada 4 O que é intervalo de confiança Page

3 Regime transitório x Regime permanente Regime transitório o desempenho do sistema está fortemente relacionado com as condições iniciais o estudo durante este regime é pouco conclusivo às vezes as condições iniciais podem afetar perigosamente os resultados da simulação 5 Regime permanente as condições iniciais não afetam mais o comportamento do sistema Regime transitório Exemplo: jogo de dados dado de 6 faces com probabilidade de /6 cada face espera-se que após jogar o dado várias vezes, a média dos valores obtidos seja: µ = 6 i= ( probabilidade de ocorrer a face i)* i 6 µ = = Page 3

4 Regime transitório Não houve sucesso em obter a média 3.5 nos primeiros 0 lançamentos Lançamento Número Obtido Média Acumulada /=,0 (+)/=,0 (++4)/3=,0 (++4+6)/4=3,0 3,6 3,8 3,6 3,5 3,3 3, 7 Regime transitório Comportamento da média acumulada dos valores obtidos após 0 lançamentos de um dado não-viciado Média Acumulada dos Lançamentos 6 5 3, Lançamentos Page 4

5 Transitório x Permanente Deve-se lançar mais vezes o dado de modo a melhorar o resultado, após 50 lançamentos, a média obtida foi de Pode se acompanhar o comportamento da média acumulada ao longo dos 50 lançamentos 6,0 Média Acumulada dos Lançamentos 5,5 5,0 4,5 Regim e Transitório Regim e Perm anente 4,0 3,5 3,0,5,0,5 9, Lançamentos Regime permanente A partir do lançamento 75, o sistema já se comporta como o esperado, estando a média muito próxima de 3.5 a partir desse ponto, o sistema está em regime permanente os efeitos das condições iniciais (no caso, poucos lançamentos ) já não afetam o seu desempenho 0 Para atingir o regime permanente simular por um período mais longo eliminar o período transitório iniciar o sistema já em um estado dentro do regime permanente Page 5

6 Simulação terminal x não-terminal Terminal feita para um intervalo de tempo (início/fim) início e fim de um turno de trabalho Não terminal ou em regime simulação de tempo longo, tecnicamente, infinito operação 4 horas por dia, 7 dias por semana Às vezes, apesar do sistema possuir um turno de operação, opta-se pela simulação em regime uma linha de montagem com turno de 8 horas a parada não é parada final do sistema os processos são momentaneamente paralisados e no dia seguinte são retomados no mesmo ponto Simulação terminal x não-terminal Terminal feita para um intervalo de tempo (início/fim) início e fim de um turno de trabalho Não terminal ou em regime simulação de tempo longo, tecnicamente, infinito operação 4 horas por dia, 7 dias por semana Às vezes, apesar do sistema possuir um turno de operação, opta-se pela simulação em regime uma linha de montagem com turno de 8 horas a parada não é parada final do sistema os processos são momentaneamente paralisados e no dia seguinte são retomados no mesmo ponto Page 6

7 Escolha das medidas de desempenho Problema: escolher corretamente os parâmetros que utiliza-se como medida de desempenho do sistema Para se realizar uma boa análise dos resultados, primeiro define-se as medidas de desempenho a partir dos objetivos da simulação 3 Qual era o objetivo da simulação para o proprietário do PUB? simular para verificar a demora que alguns clientes sentem no atendimento dos seus pedidos Escolha das medidas de desempenho Se o proprietário do PUB está preocupado com os clientes que têm de esperar por atendimento, quais seriam as medidas adequadas de desempenho deste sistema? ( ) O número médio de clientes que chegam ao Pub ( ) O tempo médio de espera do cliente pela garçonete ( ) O número de clientes que desistem do atendimento devido ao excesso de clientes na fila de espera por bebidas ( ) O tempo de permanência dos clientes no Pub ( ) A probabilidade de que um cliente aguarde mais do que 3 minutos por atendimento 4 Page 7

8 Replicação x Rodada 5 Rodada: o que ocorre quando seleciona-se ou inicia-se o comando que executa a simulação no computador uma rodada pode envolver várias replicações Replicação: é uma repetição da simulação do modelo, com a mesma configuração, a mesma duração e com os mesmos parâmetros de entrada, mas com uma semente de geração dos números aleatórios diferente apesar de os dados e dos parâmetros de entrada serem os mesmos, como os números aleatórios gerados são diferentes, cada replicação terá uma saída diferente também Saída Confiabilidade dos resultados Análise dos dados de saída dos sistemas terminais Análise dos dados de saída dos sistemas não-terminais 6 Comparação dos resultados de alternativas simuladas Page 8

9 Você confia nos resultados? Um modelo de simulação lida com números aleatórios não é conclusivo o resultado de apenas uma replicação cada replicação deve ser entendida como um novo experimento 7 Considere um posto bancário com fila única de clientes e apenas um caixa feito o modelo de simulação, realizou-se uma replicação o número médio de pessoas na fila foi 6.7 pessoas a seguir foram realizadas 9 replicações Média de pessoas na fila para cada replicação 8 Replicação Média de 0 replicações Desvio Padrão Média de Pessoas em Fila 6,7,00 0,38,8 0,46 0,9 0,4,30 0,,85,54,03 Page 9

10 Confiança estatística x Precisão Pode-se confiar na média de.54 pessoas? confiança estatística é intervalo de confiança ou seja, um intervalo de valores que contém a média quanto maior o valor desta probabilidade, maior a confiança estatística de que a média se encontra no intervalo construído valores usuais: 99%, 95% e 90% 9 precisão é o tamanho do intervalo nada adianta uma alta confiança estatística se o intervalo que contém a média é muito grande Confiança estatística x Precisão 0 Determinado candidato tem 35% das intenções de voto a margem de erro é de 3% (+/-) ele pode ter uma votação de 3% a 38% em geral não se informa a confiança da pesquisa em geral o valor adotado e não informado é de 95% neste caso o intervalo de confiança é de: P (35-3 % de votos 35+3) = 95% a probabilidade de estar entre 3% e 38% é de 95% portanto esta pesquisa eleitoral tem 5% de chance de estar errada Page 0

11 Intervalo de confiança Um intervalo de confiança 00( - α)% para a média é construído por: P( x h µ x + h) = α ou x ± t x h = t t n, α / n, α / n, α / amostra; n é o ( α / ) percentil com n graus de liberdade; s n s é a média da s é o desvio n é a metade do tamanho do intervalo padrão da amostra; é o número de dados da amostra. ( precisão) da distribuição t de student Intervalo de confiança A partir das médias relacionadas na tabela anterior, constrói-se os intervalos de 99%, 95%, 90% e 80% de confiança n Precisão (metade do Confiança intervalo) Intervalo de α t n,α / Confiança da 00( α)% s h = tn, α / Média ( x = 54, ) n 0 99% 0,0 3,5,09 0, 55 µ 3, % 0,05,6,45 0, 09 µ 3, % 0,0,83,8 0, 37 µ, % 0,0,38 0,89 0, 65 µ, 43 Por que quando aumenta-se a confiança, a precisão diminui? Page

12 Intervalo de confiança: distribuição t Student 3 Para aumentar a precisão Deve-se aumentar o tamanho da amostra, ou seja, o número de replicações com o aumento de replicações, a média da amostra se modifica e o desvio padrão também os intervalos vão diminuir sensivelmente, melhorando a precisão do resultado 4 quantas replicações deve-se realizar para se obter uma precisão igual a h*? utiliza-se uma amostra-piloto Page

13 Número de replicações 5 Para se atingir uma precisão desejada em determinado valor, necessita-se rodar o modelo várias vezes, gerando uma AMOSTRA PILOTO de tamanho n e com precisão h utiliza-se a expressão a seguir, onde h* é a precisão desejada; pode-se estimar o número de replicações necessárias n*: n * h = n * h Número de replicações: exemplo Considere-se que foram realizadas 0 replicações de um modelo de simulação Para essa amostra piloto, a precisão obtida foi de 0,95 minutos para a média do tempo em fila Qual o número de replicações necessárias caso necessite-se de uma precisão de 0,5 minutos? Neste caso, n=0, h=0,95 e h*=0,5: 6 0,95 n = 0 0,5 = 7, = 73 Page 3

14 Análise dos dados de saída: sistemas terminais A análise dos dados de saída depende do tipo de sistema que se está estudando: terminal ou não terminal Terminais: têm um momento exato no tempo para finalizar a simulação precisa-se determinar a duração da simulação e o número de replicações a duração da simulação é determinada pela duração do período de operação do sistema real um supermercado, aberto de 9h às h deve ser simulado por um período de 3 horas (-9) 7 o número de replicações vai depender do grau de confiança que se deseja trabalhar Análise dos dados de saída: sistemas terminais A análise dos dados de sistemas terminais deve ser dividida em 7 etapas:. estabelecer as medidas de desempenho adequadas;. escolher a confiança estatística e a precisão com que se pretende trabalhar; 3. definir, a partir da observação do sistema real, o tempo de simulação; 4. construir a amostra piloto ; 5. determinar o número de replicações necessárias; 6. rodar o modelo novamente; 7. calcular o novo intervalo de confiança. 8 Page 4

15 Sistema terminal Estudo de caso: Loja de departamentos 9 Em uma central de financiamento de uma loja de departamentos, o tempo entre chegadas de clientes é normalmente distribuído com média de 5 min e desvio padrão de. min. Existem três atendentes que realizam a pré-análise. O tempo de pré-análise é exponencialmente distribuído com média de 8 min. Enquanto a atendente está realizando a pré-análise do cliente, ela não pode atender outro cliente. Os clientes que chegam quando todas as atendentes estão ocupadas aguardam em fila única. Após a pré-análise, 70% dos clientes são encaminhados ao gerente, que finaliza o processo de financiamento. Os outros 30% não têm o financiamento aceito. O gerente leva.5 min na maior parte das vezes para atender aos clientes, segundo uma distribuição triangular em que o menor valor é de 0.5 min e o maior valor é de 5 min. A central funciona diariamente das 0:30h às h. A loja pretende estudar o tempo médio que um cliente, cujo financiamento é aceito, gasta no sistema (espera e atendimento). Estudo de caso: Loja de departamentos ACD 30 Page 5

16 Etapas da análise dos dados Loja de departamentos 3. Estabelecer as medidas de desempenho adequadas o objetivo da loja já determina a medida de desempenho mais adequada: tempo médio que um pedido aceito permanece no sistema. Escolher a confiança estatística e a precisão desejada vamos trabalhar com uma confiança de 95% (portanto α = 0.05) e uma precisão que h* seja de, no máximo, 0.5min 3. Tempo de simulação A partir da observação do sistema real, a central funciona de 0:30h às h, portanto h30min = 690min Etapas da análise dos dados Loja de departamentos 4. Construir a amostra-piloto vamos rodar o modelo com poucas replicações (0) de modo a obtermos uma amostra-piloto 3 Page 6

17 Etapas da análise dos dados Loja de departamentos 4. Construir a amostra-piloto através da amostra-piloto pode-se construir um intervalo de confiança para a média obtida com α=0.05 e n=0 tem-se da tabela da distribuição de t de Student : t n-;α/ =.6 o tamanho da metade do intervalo fica: h = tn, / α s n =.6x./3.6 = este valor é maior do que a precisão definida de 0.5 min pode-se construir o seguinte intervalo de confiança para a média 0.95 e desvio padrão. Etapas da análise dos dados Loja de departamentos 4. Construir a amostra-piloto intervalo de confiança: x h µ x + h = µ µ.75 portanto, existe uma probabilidade de 95% de que o intervalo [0.6;.75] contenha a média do tempo de espera no sistema 5. Determinar o número de replicações necessárias como não se atingiu a precisão desejada, deve-se aumentar o número de replicações: 34 * h = n * h ; 0,8 0,5 n n = 0 = 5.6 = 6 replicações Page 7

18 Etapas da análise dos dados Loja de departamentos 6. Rodar o modelo novamente ou roda-se o modelo novamente com 6 replicações e descarta-se a amostra-piloto ou roda-se mais 6 replicações e aproveita-se os resultados das 0 replicações da amostra-piloto opção mais prática: a segunda 35 Etapas da análise dos dados Loja de departamentos 36 Page 8

19 Etapas da análise dos dados Loja de departamentos 7. Calcular o novo intervalo de confiança a partir da nova amostra de valores, pode-se calcular o novo intervalo de confiança: α = 0.05, n=6, média = 0.6, desvio =.06, t=.06 h = 0.3 (dentro do valor estipulado, 0.5 min) x h µ x + h = µ µ Saída Confiabilidade dos resultados (OK) Análise dos dados de saída dos sistemas terminais (OK) Análise dos dados de saída dos sistemas não-terminais 38 Comparação dos resultados de alternativas simuladas Page 9

20 Análise dos dados de saída dos sistemas não-terminais 39 Sistemas em que não se tem um instante exato para término da simulação questão: por quanto tempo a replicação deve ser executada? a simulação deve ser executada de modo que os dados de saída sejam coletados, obrigatoriamente, durante o estado de regime permanente começar a simulação em um estado próximo daquele esperado em regime permanente rodar o modelo por um tempo de simulação longo eliminar, dos dados de saída, todos os valores gerados durante o período transitório 40 Condições iniciais do sistema próximas daquelas encontradas em regime permanente Momento do início da simulação, o sistema está vazio e livre Esse estado inicial vazio causará algum impacto negativo no tempo necessário para se atingir o regime permanente Se estabelecermos condições para que a simulação inicie-se já configurada, o problema da determinação do regime transitório está sanado Grande dificuldade: modelos de sistemas que ainda não existem na realidade não se conhece a priori como é o estado do sistema em regime permanente Page 0

21 Rodar o modelo por um tempo de simulação longo Se rodarmos a simulação por um período muito grande minimiza-se os efeitos das condições iniciais do sistema Dificuldade: em modelos complexos, um tempo muito longo pode ser proibitivo (do ponto de vista dos recursos computacionais disponíveis) 4 Eliminar dos dados de saída, todos os valores gerados durante o período transitório No período inicial não são coletadas estatísticas A simulação passa por um período de aquecimento (warm-up) e, posteriormente, as estatísticas passam a ser coletadas 4 Determinação do tempo de warm-up determina-se os parâmetros de análise constrói-se gráficos com os valores desses parâmetros em função do tempo determina-se a partir de que momento o parâmetro parece não estar mais sendo influenciado pelas condições iniciais do sistema Page

22 Exemplo: linha de produção Em uma linha de produção, uma peça deve passar por 0 operações executadas em máquinas distintas. O tempo de operação de cada máquina é de 0.9min (em média) se a peça passa por 0 máquinas que levam 0.9min cada uma, era de se esperar que o tempo total de produção fosse de 0.9x0=9min, em média. Mas está se operando em 5min (50% mais lentos!) 43 Exemplo: linha de produção 44 Estudo de warm-up um modelo de simulação foi construído e o objetivo inicial é determinar qual o tempo de warm-up necessário feito a partir de um número mínimo de replicações (geralmente 5) resultados das 5 primeiras replicações (600min de simulação) Tempo médio de produção (min) Tempo de Replicações simulação (min) Média M M M M M M M Page

23 Exemplo: linha de produção Estudo de warm-up Nota-se que os primeiros valores são, de fato, inferiores aos valores observados no estado de regime permanente (a partir da 6ª. Linha) A linha de produção possui 0 máquinas e, se é a primeira peça, o sistema estará vazio e sem filas a chance de alguma peça encontrar fila em alguma máquina vai aumentando à medida que aumentam as peças em processamento quando a operação entra em regime permanente, praticamente toda peça aguarda algum tempo na fila de alguma máquina 45 Exemplo: linha de produção Pode-se notar que a curva da média das replicações suavizou e facilitou a análise do comportamento dos tempos de produção pode-se afirmar que o período de warm-up dura os primeiros (60-70) minutos, pois a curva não aparenta tendências de crescimento ou diminuição Tempo de Ciclo (min) Replicação Replicação Replicação 3 Replicação 4 Replicação 5 Média Tempo de Simulação (min) Page 3

24 Como comparar os resultados de alternativas simuladas? 47 Com o modelo de simulação pronto, pode-se testar diversas alternativas para o sistema pode-se aumentar o numero de recursos num processo para a verificação da diminuição do tempo médio de espera, etc... O modelo de simulação é uma poderosa ferramenta para a tomada de decisão Se a comparação é feita entre duas alternativas, aplica-se um teste estatístico para comparação entre os dois resultados (entre as duas médias) caso : alternativas com o mesmo número de replicações caso : amostras de tamanhos diferentes Caso : mesmo número de replicações A aplicação do teste consiste em construir um novo intervalo de confiança com as diferenças das alternativas 48 Passo : calcula-se as diferenças das médias de cada replicação Passo : calcula-se a média e o desvio padrão das diferenças Passo 3: constrói-se um novo intervalo de confiança [θ,θ ] para a média das diferenças Passo 4: faz-se a análise do intervalo [θ,θ ] se contiver 0 (θ <0 e θ >0), nada pode ser concluído se o intervalo cair totalmente à direita de 0 (θ >0 e θ >0), a alternativa é melhor (média maior) se o intervalo cair totalmente à esquerda de 0 (θ <0 e θ <0), a alternativa é melhor (média maior) Page 4

25 Caso : amostras de tamanhos diferentes O teste é semelhante, mas as amostras não têm o mesmo tamanho (tamanho b) a média ( x ) e o desvio padrão ( s) são calculados para cada alternativa separadamente não se calcula a diferença o intervalo de confiança com 00(-α)% é dado por: s s x x ± tα /, v + b b onde v é o número de graus de liberdade que pode ser obtido pela expressão (arredondado para o inteiro acima): v = [( s / b ) ( s /( b / b + s )] + [( s / b ) / b ) /( b )] 49 Page 5

Probabilidade e Estatística. Estimação de Parâmetros Intervalo de Confiança

Probabilidade e Estatística. Estimação de Parâmetros Intervalo de Confiança Probabilidade e Estatística Prof. Dr. Narciso Gonçalves da Silva http://páginapessoal.utfpr.edu.br/ngsilva Estimação de Parâmetros Intervalo de Confiança Introdução A inferência estatística é o processo

Leia mais

O método da simulação. O processo da simulação

O método da simulação. O processo da simulação O método da simulação OBJETIVOS E DEFINIÇÃO DO SISTEMA FORMULAÇÃO DO ANÁLISE E REDEFINIÇÃO ABSTRATO RESULTADOS EXPERIMENTAIS (Capítulo 6) CONCEITUAL (Capítulo 3) REPRESENTAÇÃO DO DADOS DE ENTRADA (Capítulo

Leia mais

Introdução ao Planejamento e Análise Estatística de Experimentos 1º Semestre de 2013 Capítulo 3 Introdução à Probabilidade e à Inferência Estatística

Introdução ao Planejamento e Análise Estatística de Experimentos 1º Semestre de 2013 Capítulo 3 Introdução à Probabilidade e à Inferência Estatística Introdução ao Planejamento e Análise Estatística de Capítulo 3 Introdução à Probabilidade e à Inferência Estatística INTERVALOS DE CONFIANÇA: Diferentes pesquisadores, selecionando amostras de uma mesma

Leia mais

ACD - 2º. exemplo: O bêbado, a garçonete e o copo. ACD - 2º. exemplo: O bêbado, a garçonete e o copo

ACD - 2º. exemplo: O bêbado, a garçonete e o copo. ACD - 2º. exemplo: O bêbado, a garçonete e o copo ACD - 2º. exemplo: O bêbado, a garçonete e o copo Em um PUB existem três entidades: o cliente, a garçonete e o copo quando o cliente entra no pub, ele pede uma cerveja a garçonete enche um copo para servi-lo

Leia mais

AULA 07 Inferência a Partir de Duas Amostras

AULA 07 Inferência a Partir de Duas Amostras 1 AULA 07 Inferência a Partir de Duas Amostras Ernesto F. L. Amaral 10 de setembro de 2012 Faculdade de Filosofia e Ciências Humanas (FAFICH) Universidade Federal de Minas Gerais (UFMG) Fonte: Triola,

Leia mais

Estimativas e Tamanhos de Amostras

Estimativas e Tamanhos de Amostras Estimativas e Tamanhos de Amostras 1 Aspectos Gerais 2 Estimativa de uma Média Populacional: Grandes Amostras 3 Estimativa de uma Média Populacional: Pequenas Amostras 4 Tamanho Amostral Necessário para

Leia mais

1 Dimensionamento de Frota

1 Dimensionamento de Frota 1 Dimensionamento de Frota DESENVOLVA UM MODELO DE SIMULAÇÃO COM N CAMINHÕES QUE CIRCULAM ENTRE UMA FÁBRICA E PORTO. TANTO NA FÁBRICA COMO NO PORTO ESSES CAMINHÕES PASSAM POR UM PROCESSO DE PESAGEM NA

Leia mais

Aula 2. ESTATÍSTICA E TEORIA DAS PROBABILIDADES Conceitos Básicos

Aula 2. ESTATÍSTICA E TEORIA DAS PROBABILIDADES Conceitos Básicos Aula 2 ESTATÍSTICA E TEORIA DAS PROBABILIDADES Conceitos Básicos 1. DEFINIÇÕES FENÔMENO Toda modificação que se processa nos corpos pela ação de agentes físicos ou químicos. 2. Tudo o que pode ser percebido

Leia mais

Introdução ao Planejamento e Análise Estatística de Experimentos 1º Semestre de 2013 Capítulo 3 Introdução à Probabilidade e à Inferência Estatística

Introdução ao Planejamento e Análise Estatística de Experimentos 1º Semestre de 2013 Capítulo 3 Introdução à Probabilidade e à Inferência Estatística Introdução ao Planejamento e Análise Estatística de Experimentos Capítulo 3 Introdução à Probabilidade e à Inferência Estatística Introdução ao Planejamento e Análise Estatística de Experimentos Agora,

Leia mais

Conceitos Básicos Teste t Teste F. Teste de Hipóteses. Joel M. Corrêa da Rosa

Conceitos Básicos Teste t Teste F. Teste de Hipóteses. Joel M. Corrêa da Rosa 2011 O 1. Formular duas hipóteses sobre um valor que é desconhecido na população. 2. Fixar um nível de significância 3. Escolher a Estatística do Teste 4. Calcular o p-valor 5. Tomar a decisão mediante

Leia mais

Estatística I Aula 8. Prof.: Patricia Maria Bortolon, D. Sc.

Estatística I Aula 8. Prof.: Patricia Maria Bortolon, D. Sc. Estatística I Aula 8 Prof.: Patricia Maria Bortolon, D. Sc. MODELOS PROBABILÍSTICOS MAIS COMUNS VARIÁVEIS ALEATÓRIAS CONTÍNUAS Lembram o que vimos sobre V.A. contínua na Aula 6? Definição: uma variável

Leia mais

P. P. G. em Agricultura de Precisão DPADP0803: Geoestatística (Prof. Dr. Elódio Sebem)

P. P. G. em Agricultura de Precisão DPADP0803: Geoestatística (Prof. Dr. Elódio Sebem) Amostragem: Em pesquisas científicas, quando se deseja conhecer características de uma população, é comum se observar apenas uma amostra de seus elementos e, a partir dos resultados dessa amostra, obter

Leia mais

Inferência Estatística

Inferência Estatística Metodologia de Diagnóstico e Elaboração de Relatório FASHT Inferência Estatística Profa. Cesaltina Pires cpires@uevora.pt Plano da Apresentação Duas distribuições importantes Normal T- Student Estimação

Leia mais

VARIÁVEIS ALEATÓRIAS E DISTRIBUIÇÕES DE PROBABILIDADE

VARIÁVEIS ALEATÓRIAS E DISTRIBUIÇÕES DE PROBABILIDADE VARIÁVEIS ALEATÓRIAS E DISTRIBUIÇÕES DE PROBABILIDADE.1 INTRODUÇÃO Admita que, de um lote de 10 peças, 3 das quais são defeituosas, peças são etraídas ao acaso, juntas (ou uma a uma, sem reposição). Estamos

Leia mais

Estatística

Estatística Estatística 1 2016.2 Sumário Capítulo 1 Conceitos Básicos... 3 MEDIDAS DE POSIÇÃO... 3 MEDIDAS DE DISPERSÃO... 5 EXERCÍCIOS CAPÍTULO 1... 8 Capítulo 2 Outliers e Padronização... 12 VALOR PADRONIZADO (Z)...

Leia mais

Estatística Indutiva

Estatística Indutiva Estatística Indutiva MÓDULO 7: INTERVALOS DE CONFIANÇA 7.1 Conceitos básicos 7.1.1 Parâmetro e estatística Parâmetro é a descrição numérica de uma característica da população. Estatística é a descrição

Leia mais

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

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

Leia mais

Programas de simulação

Programas de simulação Conceitos Por que SIMULAR? Objetivos da simulação Avaliar a precisão de modelos analíticos Comparar estratégias distintas Avaliar o desempenho de sistemas 1 Processo de simulação Desenvolvimento de um

Leia mais

Estatística. Probabilidade. Conteúdo. Objetivos. Definições. Probabilidade: regras e aplicações. Distribuição Discreta e Distribuição Normal.

Estatística. Probabilidade. Conteúdo. Objetivos. Definições. Probabilidade: regras e aplicações. Distribuição Discreta e Distribuição Normal. Estatística Probabilidade Profa. Ivonete Melo de Carvalho Conteúdo Definições. Probabilidade: regras e aplicações. Distribuição Discreta e Distribuição Normal. Objetivos Utilizar a probabilidade como estimador

Leia mais

PODER DO TESTE. Poder do Teste e Tamanho de Amostra para Testes de Hipóteses

PODER DO TESTE. Poder do Teste e Tamanho de Amostra para Testes de Hipóteses PODER DO TESTE Poder do Teste e Tamanho de Amostra para Testes de Hipóteses 1 Tipos de erro num teste estatístico Realidade (desconhecida) Decisão do teste aceita H rejeita H H verdadeira decisão correta

Leia mais

Estatística Descritiva (I)

Estatística Descritiva (I) Estatística Descritiva (I) 1 O que é Estatística Origem relacionada com a coleta e construção de tabelas de dados para o governo. A situação evoluiu: a coleta de dados representa somente um dos aspectos

Leia mais

I - Introdução à Simulação

I - Introdução à Simulação 1 I - Introdução à Simulação Simulação é, entendida como a imitação de uma operação ou de um processo do mundo real. A simulação envolve a geração de uma história artificial de um sistema para a análise

Leia mais

Universidade Federal do Pará Instituto de Tecnologia. Estatística Aplicada I

Universidade Federal do Pará Instituto de Tecnologia. Estatística Aplicada I 8/8/05 Universidade Federal do Pará Instituto de Tecnologia Estatística Aplicada I Prof. Dr. Jorge Teófilo de Barros Lopes Campus de Belém Curso de Engenharia Mecânica 8/08/05 06:55 ESTATÍSTICA APLICADA

Leia mais

Introdução à Inferência Estatística

Introdução à Inferência Estatística Introdução à Inferência Estatística Capítulo 10, Estatística Básica (Bussab&Morettin, 7a Edição) 2a AULA 02/03/2015 MAE229 - Ano letivo 2015 Lígia Henriques-Rodrigues 2a aula (02/03/2015) MAE229 1 / 16

Leia mais

NT 206. Distribuições Estatísticas aplicadas ao tráfego. Engº: Sun Hsien Ming. a) f(x) 0 (1) 1. Introdução

NT 206. Distribuições Estatísticas aplicadas ao tráfego. Engº: Sun Hsien Ming. a) f(x) 0 (1) 1. Introdução NT 206 Distribuições Estatísticas aplicadas ao tráfego Engº: Sun Hsien Ming 1. Introdução Durante os trabalhos para desenvolver o Manual de Critérios de Implantação de Semáforos, houve a necessidade de

Leia mais

Distribuição de frequências:

Distribuição de frequências: Distribuição de frequências: Uma distribuição de frequências é uma tabela que reúne o conjunto de dados conforme as frequências ou as repetições de seus valores. Esta tabela pode representar os dados em

Leia mais

Nessa situação, a média dessa distribuição Normal (X ) é igual à média populacional, ou seja:

Nessa situação, a média dessa distribuição Normal (X ) é igual à média populacional, ou seja: Pessoal, trago a vocês a resolução da prova de Estatística do concurso para Auditor Fiscal aplicada pela FCC. Foram 10 questões de estatística! Não identifiquei possibilidade para recursos. Considero a

Leia mais

Cálculo da probabilidade de se encontrar uma (ou mais) vaga de zona azul desocupada.

Cálculo da probabilidade de se encontrar uma (ou mais) vaga de zona azul desocupada. NT 207 Cálculo da probabilidade de se encontrar uma (ou mais) vaga de zona azul desocupada. Engº Sun Hsien Ming 1. Introdução Este trabalho foi extraído do estudo desenvolvido e encaminhado à GER para

Leia mais

Probabilidade e Modelos Probabilísticos

Probabilidade e Modelos Probabilísticos Probabilidade e Modelos Probabilísticos 2ª Parte: modelos probabilísticos para variáveis aleatórias contínuas, modelo uniforme, modelo exponencial, modelo normal 1 Distribuição de Probabilidades A distribuição

Leia mais

Estudo heurístico de performance de estratégias de investimento simples baseadas na média móvel e desvio padrão no mercado ForEx

Estudo heurístico de performance de estratégias de investimento simples baseadas na média móvel e desvio padrão no mercado ForEx Estudo heurístico de performance de estratégias de investimento simples baseadas na média móvel e desvio padrão no mercado ForEx Lucas Roberto da Silva Centro de Automação, Gestão e Pesquisa em finanças

Leia mais

NOÇÕES RÁPIDAS DE ESTATÍSTICA E TRATAMENTO DE DADOS

NOÇÕES RÁPIDAS DE ESTATÍSTICA E TRATAMENTO DE DADOS NOÇÕES RÁPIDAS DE ESTATÍSTICA E TRATAMENTO DE DADOS Prof. Érica Polycarpo Bibliografia: Data reduction and error analysis for the physica sciences (Philip R. Bevington and D. Keith Robinson) A practical

Leia mais

7. Testes de Hipóteses

7. Testes de Hipóteses 7. Testes de Hipóteses Suponha que você é o encarregado de regular o engarrafamento automatizado de leite numa determinada agroindústria. Sabe-se que as máquinas foram reguladas para engarrafar em média,

Leia mais

Prof. Adriano Mendonça Souza, Dr. Departamento de Estatística PPGEMQ / PPGEP - UFSM

Prof. Adriano Mendonça Souza, Dr. Departamento de Estatística PPGEMQ / PPGEP - UFSM Prof. Adriano Mendonça Souza, Dr. Departamento de Estatística PPGEMQ / PPGEP - UFSM 1 Na prática da pesquisa em geral, o tamanho da amostra parece sintetizar todas as questões relacionadas ao processo

Leia mais

MODELAGEM E SIMULAÇÃO DO SISTEMA DE XEROX DOC CENTER

MODELAGEM E SIMULAÇÃO DO SISTEMA DE XEROX DOC CENTER MODELAGEM E SIMULAÇÃO DO SISTEMA DE XEROX DOC CENTER Ernane Rosa Martins¹ ¹Instituto Federal de Educação, Ciência e Tecnologia de Goiás Resumo: O artigo tem como objetivo fazer a modelagem e simulação

Leia mais

Revisão de distribuições de probabilidades contínuas (Capítulo 6 Levine)

Revisão de distribuições de probabilidades contínuas (Capítulo 6 Levine) Revisão de distribuições de probabilidades contínuas (Capítulo 6 Levine) Statistics for Managers Using Microsoft Excel, 5e 2008 Pearson Prentice-Hall, Inc. Chap 6-1 Objetivos: Neste capítulo, você aprenderá:

Leia mais

Medidas de Dispersão 1

Medidas de Dispersão 1 Curso: Logística e Transportes Disciplina: Estatística Profa. Eliane Cabariti Medidas de Dispersão 1 Introdução Uma breve reflexão sobre as medidas de tendência central permite-nos concluir que elas não

Leia mais

Medidas de Dispersão. Introdução Amplitude Variância Desvio Padrão Coeficiente de Variação

Medidas de Dispersão. Introdução Amplitude Variância Desvio Padrão Coeficiente de Variação Medidas de Dispersão Introdução Amplitude Variância Desvio Padrão Coeficiente de Variação Introdução Estudo de medidas que mostram a dispersão dos dados em torno da tendência central Analisaremos as seguintes

Leia mais

NOÇÕES DE TESTE DE HIPÓTESES (I) Teste de hipóteses para a proporção populacional

NOÇÕES DE TESTE DE HIPÓTESES (I) Teste de hipóteses para a proporção populacional NOÇÕES DE TESTE DE HIPÓTESES (I) Teste de hipóteses para a proporção populacional Métodos Estatísticos Métodos Estatísticos Estatística Descritiva Inferência Estatística Estimação Teste de Hipóteses TESTE

Leia mais

Poder do teste e Tamanho de Amostra

Poder do teste e Tamanho de Amostra Estatística para Cursos de Engenharia e Informática Pedro Alberto Barbetta / Marcelo Menezes Reis / Antonio Cezar Bornia São Paulo: Atlas, 24 Poder do teste e Tamanho de Amostra APOIO: Fundação de Ciência

Leia mais

Definição: É uma coleção bem definida de

Definição: É uma coleção bem definida de EST029 Cálculo de Probabilidade I Cap. 1: Introdução à Probabilidade Prof. Clécio da Silva Ferreira Depto Estatística - UFJF Conjuntos: Definição e notação Definição: É uma coleção bem definida de objetos,

Leia mais

SSC643 -Avaliação de Desempenho de Sistemas Computacionais Sarita Mazzini Bruschi

SSC643 -Avaliação de Desempenho de Sistemas Computacionais Sarita Mazzini Bruschi Universidade de São Paulo Instituto de Ciências Matemáticas e de Computação Departamento de Sistemas de Computação SSC643 -Avaliação de Desempenho de Sistemas Computacionais Sarita Mazzini Bruschi Material

Leia mais

Avaliação de Sistemas de Medição

Avaliação de Sistemas de Medição Monitoramento de um processo: medição de uma característica da qualidade X por meio de um sistema de medição. Sistema de medição ideal: produz somente resultados corretos, ou seja, que coincidem com o

Leia mais

Planejamento e Pesquisa 1. Dois Grupos

Planejamento e Pesquisa 1. Dois Grupos Planejamento e Pesquisa 1 Dois Grupos Conceitos básicos Comparando dois grupos Testes t para duas amostras independentes Testes t para amostras pareadas Suposições e Diagnóstico Comparação de mais que

Leia mais

Como modelar o comportamento de um sistema? MAB-515

Como modelar o comportamento de um sistema? MAB-515 Como modelar o comportamento de um sistema? MAB-515 Possibilidades de modelagem PARAMETRIZA modelo matemático experimento real AJUDA A COMPREENDER SIMULAÇÃO SOLUÇÃO ANALÍTICA MEDIDAS EXPERIMENTAIS NO MODELO

Leia mais

ANÁLISE DOS RESÍDUOS. Na análise de regressão linear, assumimos que os erros E 1, E 2,, E n satisfazem os seguintes pressupostos:

ANÁLISE DOS RESÍDUOS. Na análise de regressão linear, assumimos que os erros E 1, E 2,, E n satisfazem os seguintes pressupostos: ANÁLISE DOS RESÍDUOS Na análise de regressão linear, assumimos que os erros E 1, E 2,, E n satisfazem os seguintes pressupostos: seguem uma distribuição normal; têm média zero; têm variância σ 2 constante

Leia mais

UNIVERSIDADE FEDERAL DE SANTA CATARINA DEPARTAMENTO DE ENGENHARIA ELÉTRICA EEL7051 Materiais Elétricos - Laboratório

UNIVERSIDADE FEDERAL DE SANTA CATARINA DEPARTAMENTO DE ENGENHARIA ELÉTRICA EEL7051 Materiais Elétricos - Laboratório UNIVERSIDADE FEDERAL DE SANTA CATARINA DEPARTAMENTO DE ENGENHARIA ELÉTRICA EEL7051 Materiais Elétricos - Laboratório EXPERIÊNCIA 05 DIODOS DE JUNÇÃO PN E FOTODIODOS 1 INTRODUÇÃO O objetivo desta aula,

Leia mais

Indicadores de Desempenho

Indicadores de Desempenho Indicadores de Desempenho 1 Conceito Características mensuráveis de processos, produtos ou serviços, utilizadas pela organização para acompanhar, avaliar e melhorar o seu desempenho. OS INDICADORES NECESSITAM

Leia mais

PROBABILIDADE E ESTATÍSTICA. Profa. Dra. Yara de Souza Tadano

PROBABILIDADE E ESTATÍSTICA. Profa. Dra. Yara de Souza Tadano PROBABILIDADE E ESTATÍSTICA Profa. Dra. Yara de Souza Tadano yaratadano@utfpr.edu.br Aula 8 11/2014 Distribuição Normal Vamos apresentar distribuições de probabilidades para variáveis aleatórias contínuas.

Leia mais

Probabilidade I. Departamento de Estatística. Universidade Federal da Paraíba. Prof. Tarciana Liberal (UFPB) Aula Esperança e Variância 06/14 1 / 19

Probabilidade I. Departamento de Estatística. Universidade Federal da Paraíba. Prof. Tarciana Liberal (UFPB) Aula Esperança e Variância 06/14 1 / 19 Probabilidade I Departamento de Estatística Universidade Federal da Paraíba Prof. Tarciana Liberal (UFPB) Aula Esperança e Variância 06/14 1 / 19 Nos modelos matemáticos aleatórios parâmetros podem ser

Leia mais

Princípios de Bioestatística

Princípios de Bioestatística Princípios de Bioestatística Cálculo do Tamanho de Amostra Enrico A. Colosimo/UFMG http://www.est.ufmg.br/ enricoc/ Depto. Estatística - ICEx - UFMG 1 / 32 2 / 32 Cálculo do Tamanho de Amostra Parte fundamental

Leia mais

TÉCNICAS DE AMOSTRAGEM

TÉCNICAS DE AMOSTRAGEM TÉCNICAS DE AMOSTRAGEM Ralph dos Santos Silva Departamento de Métodos Estatísticos Instituto de Matemática Universidade Federal do Rio de Janeiro Sumário Amostragem estratificada Divisão da população em

Leia mais

Funções Geradoras de Variáveis Aleatórias. Simulação Discreta de Sistemas - Prof. Paulo Freitas - UFSC/CTC/INE

Funções Geradoras de Variáveis Aleatórias. Simulação Discreta de Sistemas - Prof. Paulo Freitas - UFSC/CTC/INE Funções Geradoras de Variáveis Aleatórias 1 Funções Geradoras de Variáveis Aleatórias Nos programas de simulação existe um GNA e inúmeras outras funções matemáticas descritas como Funções Geradoras de

Leia mais

Prof. Adriano Mendonça Souza, Dr. Departamento de Estatística PPGEMQ / PPGEP - UFSM

Prof. Adriano Mendonça Souza, Dr. Departamento de Estatística PPGEMQ / PPGEP - UFSM Prof. Adriano Mendonça Souza, Dr. Departamento de Estatística PPGEMQ / PPGEP - UFSM Amostragem É o processo de seleção de amostras de uma população com o objetivo de fazer inferências sobre a população

Leia mais

FICHA DE TRABALHO N. O 9

FICHA DE TRABALHO N. O 9 FICHA DE TRABALHO N. O 9 ASSUNTO: Modelos de probabilidade: probabilidade condicional 1. Sejam A e B dois acontecimentos tais que: P (A) = 0,3 e P (B ) = 0,7 Determine P (A B ), sabendo que: 1.1 Os acontecimentos

Leia mais

Finanças Corporativas. Análise de Sensibilidade. Métodos de Avaliação de Risco. Motochoque Ltda. Análise de Risco

Finanças Corporativas. Análise de Sensibilidade. Métodos de Avaliação de Risco. Motochoque Ltda. Análise de Risco Finanças Corporativas Análise de Risco Prof. Luiz Brandão brandao@iag.puc-rio.br IAG PUC-Rio Métodos de Avaliação de Risco Análise de Cenário Esta metodologia amplia os horizontes do FCD obrigando o analista

Leia mais

ESTUDO DOS TEMPOS. Ritmo de trabalho. Factor de actividade:

ESTUDO DOS TEMPOS. Ritmo de trabalho. Factor de actividade: ESTUDO DOS TEMPOS Ritmo de trabalho Factor de actividade: relaciona o ritmo de trabalho do operador com o ritmo de trabaho normal um trabalhador normal é um trabalhador representativo e qualificado Exemplo:

Leia mais

Pedro Alberto Barbetta / Marcelo Menezes Reis / Antonio Cezar Bornia São Paulo: Atlas, 2004

Pedro Alberto Barbetta / Marcelo Menezes Reis / Antonio Cezar Bornia São Paulo: Atlas, 2004 Estatística para Cursos de Engenharia e Informática Pedro Alberto Barbetta / Marcelo Menezes Reis / Antonio Cezar Bornia São Paulo: Atlas, 2004 Cap. 8 Testes de hipóteses APOIO: Fundação de Ciência e Tecnologia

Leia mais

MODELAGEM E SIMULAÇÃO

MODELAGEM E SIMULAÇÃO MODELAGEM E SIMULAÇÃO Professor: Dr. Edwin B. Mitacc Meza edwin@engenharia-puro.com.br www.engenharia-puro.com.br/edwin Análise da Decisão Pela própria natureza da vida, todos nós devemos continuamente

Leia mais

Licenciatura em Ciências Biológicas Universidade Federal de Goiás. Bioestatística. Prof. Thiago Rangel - Dep. Ecologia ICB

Licenciatura em Ciências Biológicas Universidade Federal de Goiás. Bioestatística. Prof. Thiago Rangel - Dep. Ecologia ICB Licenciatura em Ciências Biológicas Universidade Federal de Goiás Bioestatística Prof. Thiago Rangel - Dep. Ecologia ICB rangel.ufg@gmail.com Página do curso: http://www.ecologia.ufrgs.br/~adrimelo/bioestat

Leia mais

MEEMF-2010 Aula 01. Noções de inferência estatística: Diferença entre máxima verossimilhança e abordagem bayesiana

MEEMF-2010 Aula 01. Noções de inferência estatística: Diferença entre máxima verossimilhança e abordagem bayesiana MEEMF-2010 Aula 01 Noções de inferência estatística: Diferença entre máxima verossimilhança e abordagem bayesiana O que é inferência estatística? Inferência estatística é o importante ramo da Estatística

Leia mais

Estatística e Probabilidade. Aula 11 Cap 06

Estatística e Probabilidade. Aula 11 Cap 06 Aula 11 Cap 06 Intervalos de confiança para variância e desvio padrão Confiando no erro... Intervalos de Confiança para variância e desvio padrão Na produção industrial, é necessário controlar o tamanho

Leia mais

Morgana Pizzolato, Dr a. Aula 13 e 14 Planos de inspeção DPS1037 SISTEMAS DA QUALIDADE II ENGENHARIA DE PRODUÇÃO CT/UFSM

Morgana Pizzolato, Dr a. Aula 13 e 14 Planos de inspeção DPS1037 SISTEMAS DA QUALIDADE II ENGENHARIA DE PRODUÇÃO CT/UFSM Morgana Pizzolato, Dr a. Aula 13 e 14 Planos de inspeção DPS1037 SISTEMAS DA QUALIDADE II ENGENHARIA DE PRODUÇÃO CT/UFSM TÓPICOS DESTA AULA Inspeção 100% Inspeção por amostragem 2 ATIVIDADE Cinco caixas

Leia mais

APONTAMENTOS DE SPSS

APONTAMENTOS DE SPSS Instituto de Ciências Biomédicas de Abel Salazar APONTAMENTOS DE SPSS Rui Magalhães 2010-1 - - 2 - Menu DATA Opção SPLIT FILE Permite dividir, de uma forma virtual, o ficheiro em diferentes ficheiros com

Leia mais

VERSÃO RESPOSTAS PROVA DE MÉTODOS QUANTITATIVOS

VERSÃO RESPOSTAS PROVA DE MÉTODOS QUANTITATIVOS UNIVERSIDADE DE SÃO PAULO FACULDADE DE ECONOMIA, ADMINISTRAÇÃO E CONTABILIDADE DE RIBEIRÃO PRETO PROGRAMA DE PÓS-GRADUAÇÃO EM ADMINISTRAÇÃO DE ORGANIZAÇÕES PROCESSO SELETIVO DOUTORADO - TURMA 20 VERSÃO

Leia mais

UNIVERSIDADE FEDERAL DA PARAÍBA MEDIDAS DESCRITIVAS

UNIVERSIDADE FEDERAL DA PARAÍBA MEDIDAS DESCRITIVAS UNIVERSIDADE FEDERAL DA PARAÍBA MEDIDAS DESCRITIVAS Departamento de Estatística Tarciana Liberal Vimos que é possível sintetizar os dados sob a forma de distribuições de freqüências e gráficos. Pode ser

Leia mais

c) Encontre um intervalo de confiança 95% para a razão das variâncias variâncias das duas amostras podem ser iguais com este grau de confiança?

c) Encontre um intervalo de confiança 95% para a razão das variâncias variâncias das duas amostras podem ser iguais com este grau de confiança? MQI 003 Estatística para Metrologia semestre 008.0 Lista 4 Profa. Mônica Barros PROBLEMA Toma-se duas amostras de engenheiros formados há 5 anos por duas Universidades e faz-se uma pesquisa salarial, cujos

Leia mais

Aprendizagem de Máquina

Aprendizagem de Máquina Aprendizagem de Máquina Avaliação de Paradigmas Alessandro L. Koerich Mestrado/Doutorado em Informática Pontifícia Universidade Católica do Paraná (PUCPR) Mestrado/Doutorado em Informática Aprendizagem

Leia mais

Aproximação da Distribuição Binomial pela Distribuição Normal

Aproximação da Distribuição Binomial pela Distribuição Normal Aproximação da Distribuição Binomial pela Distribuição Normal Uma das utilidades da distribuição normal é que ela pode ser usada para fornecer aproximações para algumas distribuições de probabilidade discretas.

Leia mais

Um Protótipo de Servidor Multimídia com Mecanismos de QoS

Um Protótipo de Servidor Multimídia com Mecanismos de QoS Um Protótipo de Servidor Multimídia com Mecanismos de QoS Laboratório de Modelagem, Análise e Desenvolvimento de Sistemas de Computação e Comunicação - LAND COPPE/UFRJ Autores Adriane de Quevedo Cardozo

Leia mais

Inferência Estatística. Teoria da Estimação

Inferência Estatística. Teoria da Estimação Inferência Estatística Teoria da Estimação Os procedimentos básicos de inferência Estimação: usamos o resultado amostral para estimar o valor desconhecido do parâmetro Teste de hipótese: usamos o resultado

Leia mais

Introdução ao Projeto de Aeronaves. Aula 16 Vôo de Planeio, Desempenho de Decolagem e de pouso

Introdução ao Projeto de Aeronaves. Aula 16 Vôo de Planeio, Desempenho de Decolagem e de pouso Introdução ao Projeto de Aeronaves Aula 16 Vôo de Planeio, Desempenho de Decolagem e de pouso Tópicos Abordados Vôo de Planeio (descida não tracionada). Desempenho na Decolagem. Desempenho no Pouso. Vôo

Leia mais

População e Amostra. População: O conjunto de todas as coisas que se pretende estudar. Representada por tudo o que está no interior do desenho.

População e Amostra. População: O conjunto de todas as coisas que se pretende estudar. Representada por tudo o que está no interior do desenho. População e Amostra De importância fundamental para toda a análise estatística é a relação entre amostra e população. Praticamente todas as técnicas a serem discutidas neste curso consistem de métodos

Leia mais

Hipóteses. Hipótese. É uma pressuposição de um determinado problema.

Hipóteses. Hipótese. É uma pressuposição de um determinado problema. Bioestatística Aula 7 Teoria dos Teste de Hitóteses Prof. Tiago A. E. Ferreira 1 Hipóteses Hipótese É uma pressuposição de um determinado problema. Uma vez formulada, a hipótese estará sujeita a uma comprovação

Leia mais

Determinação de raízes de polinômios: Método de Briot-Ruffini-Horner

Determinação de raízes de polinômios: Método de Briot-Ruffini-Horner Determinação de raízes de polinômios: Método de Briot-Ruffini-Horner Marina Andretta/Franklina Toledo ICMC-USP 29 de outubro de 2012 Baseado no livro Cálculo Numérico, de Neide B. Franco Marina Andretta/Franklina

Leia mais

PROCESSOS ESTOCÁSTICOS

PROCESSOS ESTOCÁSTICOS PROCESSOS ESTOCÁSTICOS Definições, Principais Tipos, Aplicações em Confiabilidade de Sistemas CLARKE, A. B., DISNEY, R. L. Probabilidade e Processos Estocásticos, Rio de Janeiro: Livros Técnicos e Científicos

Leia mais

Aula 6. Testes de Hipóteses Paramétricos (I)

Aula 6. Testes de Hipóteses Paramétricos (I) Aula 6. Testes de Hipóteses Paramétricos (I) Métodos Estadísticos 2008 Universidade de Averio Profª Gladys Castillo Jordán Teste de Hipóteses Procedimento estatístico que averigua se os dados sustentam

Leia mais

CONFIRMAÇÃO DA IMPRECISÃO DE RESULTADOS ESTATÍSTICOS OBTIDOS COM A UTILIZAÇÃO DO SOFTWARE EXCEL, ATRAVÉS DE SIMULAÇÃO DE DADOS

CONFIRMAÇÃO DA IMPRECISÃO DE RESULTADOS ESTATÍSTICOS OBTIDOS COM A UTILIZAÇÃO DO SOFTWARE EXCEL, ATRAVÉS DE SIMULAÇÃO DE DADOS CONFIRMAÇÃO DA IMPRECISÃO DE RESULTADOS ESTATÍSTICOS OBTIDOS COM A UTILIZAÇÃO DO SOFTWARE EXCEL, ATRAVÉS DE SIMULAÇÃO DE DADOS LUCIANA DO NASCIMENTO LANCHOTE 1 Iniciação Científica, Bolsista CNPq, UFLA

Leia mais

FMU- Cursos de Tecnologia Disciplina: Métodos Quantitativos em Gestão e Negócios-

FMU- Cursos de Tecnologia Disciplina: Métodos Quantitativos em Gestão e Negócios- FMU- Cursos de Tecnologia Disciplina: Métodos Quantitativos em Gestão e Negócios- Memória - Teoria e Exercícios sobre Distribuição Normal de Probabilidade Distribuição Normal de Probabilidade As distribuições

Leia mais

Lista 5 de exercícios

Lista 5 de exercícios Lista 5 de exercícios 1. (ANDRADE; OGLIARI, 2010) Em um experimento, 320 em 400 sementes germinaram. Determine o intervalo de confiança de 99% para a verdadeira proporção de sementes que germinaram. Para

Leia mais

ESTATÍSTICA. x(s) W Domínio. Contradomínio

ESTATÍSTICA. x(s) W Domínio. Contradomínio Variáveis Aleatórias Variáveis Aleatórias são funções matemáticas que associam números reais aos resultados de um Espaço Amostral. Uma variável quantitativa geralmente agrega mais informação que uma qualitativa.

Leia mais

IND 1115 Inferência Estatística Aula 6

IND 1115 Inferência Estatística Aula 6 Conteúdo IND 5 Inferência Estatística Aula 6 Setembro de 004 A distribuição Lognormal A distribuição Beta e sua relação com a Uniforme(0,) Mônica Barros mbarros.com mbarros.com A distribuição Lognormal

Leia mais

Estatística e Probabilidade

Estatística e Probabilidade Teste de hipóteses Objetivo: Testar uma alegação sobre um parâmetro: Média, proporção, variação e desvio padrão Exemplos: - Um hospital alega que o tempo de resposta de sua ambulância é inferior a dez

Leia mais

Tema 4- Modelos de probabilidade. (Versão: para o manual a partir de 2016/17)

Tema 4- Modelos de probabilidade. (Versão: para o manual a partir de 2016/17) Tema 4- Modelos de probabilidade. (Versão: para o manual a partir de 016/17) 1- Modelos de probabilidade(136) 1.1) Introdução.(36) (Vídeo: 33) 1.) Fenómenos aleatórios(138) Experiência determinística-produz

Leia mais

5 Modelagem da previsão de atenuação por chuvas em enlaces LEO

5 Modelagem da previsão de atenuação por chuvas em enlaces LEO Modelagem da previsão de atenuação por chuvas em enlaces LEO Neste capítulo são apresentadas as aplicações das modelagens realizadas nos capítulos anteriores a previsão da atenuação por chuvas em enlaces

Leia mais

Distribuição de Probabilidade de Poisson

Distribuição de Probabilidade de Poisson 1 Distribuição de Probabilidade de Poisson Ernesto F. L. Amaral Magna M. Inácio 07 de outubro de 2010 Tópicos Especiais em Teoria e Análise Política: Problema de Desenho e Análise Empírica (DCP 859B4)

Leia mais

UM JOGO BINOMIAL 1. INTRODUÇÃO

UM JOGO BINOMIAL 1. INTRODUÇÃO 1. INTRODUÇÃO UM JOGO BINOMIAL São muitos os casos de aplicação, no cotidiano de cada um de nós, dos conceitos de probabilidade. Afinal, o mundo é probabilístico, não determinístico; a natureza acontece

Leia mais

Profa.: Patricia Maria Bortolon, D.Sc. Statistics for Managers Using Microsoft Excel, 5e 2008 Pearson Prentice-Hall, Inc. Chap 9-1

Profa.: Patricia Maria Bortolon, D.Sc. Statistics for Managers Using Microsoft Excel, 5e 2008 Pearson Prentice-Hall, Inc. Chap 9-1 MÉTODOS QUANTITATIVOS APLICADOS À CONTABILIDADE Profa.: Patricia Maria Bortolon, D.Sc. Statistics for Managers Using Microsoft Excel, 5e 2008 Pearson Prentice-Hall, Inc. Chap 9-1 Fundamentos de Testes

Leia mais

A Metodologia de Box & Jenkins

A Metodologia de Box & Jenkins A Metodologia de Box & Jenins Aula 03 Bueno, 0, Capítulo 3 Enders, 009, Capítulo Morettin e Toloi, 006, Capítulos 6 a 8 A Metodologia Box & Jenins Uma abordagem bastante utilizada para a construção de

Leia mais

COMO FUNCIONA A SIMULAÇÃO. Aula 1. Simulação Discreta de Sistemas - Prof. Paulo Freitas - UFSC/CTC/INE

COMO FUNCIONA A SIMULAÇÃO. Aula 1. Simulação Discreta de Sistemas - Prof. Paulo Freitas - UFSC/CTC/INE COMO FUNCIONA A SIMULAÇÃO Aula 1 1 Tópicos Introdução Um Exemplo Simples Como Tratar e Analisar Problemas Tratando a Variabilidade dos Sistemas Incorporando a Variabilidade aos Modelos Computacionais Terminologia

Leia mais

Distribuição de frequências. Prof. Dr. Alberto Franke

Distribuição de frequências. Prof. Dr. Alberto Franke Distribuição de frequências Prof. Dr. Alberto Franke E-mail: alberto.franke@ufsc.br 1 Distribuição de frequências Há necessidade de distinguir entre: Distribuição observada Distribuição verdadeira Distribuição

Leia mais

Computação I: Representações de Algoritmos

Computação I: Representações de Algoritmos Computação I: Representações de Algoritmos reginaldo.re@utfpr.edu.br * Parte da apresentação foi gentilmente cedida pelo prof. Igor Steinmacher Agenda Objetivos Relembrando... Algoritmos para desenvolver

Leia mais

Engenharia de Controle e Automação

Engenharia de Controle e Automação ATIVIDADES PRÁTICAS SUPERVISIONADAS 2ª Série Cálculo I Engenharia de Controle e Automação A atividade prática supervisionada (ATPS) é um método de ensinoaprendizagem desenvolvido por meio de um conjunto

Leia mais

INTRODUÇÃO. Noções preliminares. Um pouco de matemática. 100 Pb

INTRODUÇÃO. Noções preliminares. Um pouco de matemática. 100 Pb INTRODUÇÃO Este artigo pretende criar no leitor uma percepção física do funcionamento de um controle PID, sem grandes análises e rigorismos matemáticos, visando introduzir a técnica aos iniciantes e aprimorar

Leia mais

Instituto Tecnológico de Aeronáutica Divisão de Engenharia Mecânica-Aeronáutica. MOQ-13 Probabilidade e Estatística

Instituto Tecnológico de Aeronáutica Divisão de Engenharia Mecânica-Aeronáutica. MOQ-13 Probabilidade e Estatística Instituto Tecnológico de Aeronáutica Divisão de Engenharia Mecânica-Aeronáutica MOQ-13 Probabilidade e Estatística Profa. Denise Beatriz Ferrari www.mec.ita.br/ denise denise@ita.br 16/11/2011 Testes de

Leia mais

MB-210 Probabilidade e Estatística

MB-210 Probabilidade e Estatística Instituto Tecnológico de Aeronáutica Divisão de Engenharia Mecânica-Aeronáutica MB-210 Probabilidade e Estatística Profa. Denise Beatriz Ferrari www.mec.ita.br/ denise denise@ita.br 2o. semestre/2013 Testes

Leia mais

Conceitos Básicos ENTRADA PROCESSAMENTO SAÍDA

Conceitos Básicos ENTRADA PROCESSAMENTO SAÍDA Aula 02 - Algoritmos Disciplina: Algoritmos Prof. Allbert Velleniche de Aquino Almeida E-mail: allbert.almeida@fatec.sp.gov.br Site: http://www.allbert.com.br /allbert.almeida Conceitos Básicos Desde o

Leia mais

Considerações. Planejamento. Planejamento. 3.3 Análise de Variância ANOVA. 3.3 Análise de Variância ANOVA. Estatística II

Considerações. Planejamento. Planejamento. 3.3 Análise de Variância ANOVA. 3.3 Análise de Variância ANOVA. Estatística II UNIVERSIDADE FEDERAL DE RONDÔNIA CAMPUS DE JI-PARAN PARANÁ DEPARTAMENTO DE ENGENHARIA AMBIENTAL Estatística II Aula 8 Profa. Renata G. Aguiar Considerações Coleta de dados no dia 18.05.2010. Aula extra

Leia mais

Métodos Quantitativos em Medicina

Métodos Quantitativos em Medicina Métodos Quantitativos em Medicina Comparação de Duas Médias Terceira Aula 009 Teste de Hipóteses - Estatística do teste A estatística do teste de hipótese depende da distribuição da variável na população

Leia mais

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

Universidade Federal de Alfenas Programa de Pós-graduação em Estatística Aplicada e Biometria-PPGEAB Prova de Conhecimentos Específicos -PPGEAB Dados que podem ser necessários na resolução de algumas questões: Quantis de distribuições P (t > t α ) = α P (F > F 0,05 ) = 0, 05 ν 1 ν 0,05 0,025 ν 2 42 43 56 57 89 1,66 1,99 42 1,67 1,67 1,63

Leia mais

a) Considerando o lançamento de dois dados, o espaço amostral é Tabela 1: Tabela de distribuição de X. X P 11/36 9/36 7/36 5/36 3/36 1/36

a) Considerando o lançamento de dois dados, o espaço amostral é Tabela 1: Tabela de distribuição de X. X P 11/36 9/36 7/36 5/36 3/36 1/36 1 Exercício 1 Um par de dados não viciados é lançado. Seja X a variável aleatória denotando o menor dos dois números observados. a) Encontre a tabela da distribuição dessa variável. b) Construa o gráfico

Leia mais