Intervalos de Confiança

Tamanho: px
Começar a partir da página:

Download "Intervalos de Confiança"

Transcrição

1 Intervalos de Confiança INTERVALOS DE CONFIANÇA.1 Conceitos básicos.1.1 Parâmetro e estatística Parâmetro é a descrição numérica de uma característica da população. Estatística é a descrição numérica de uma característica da amostra. Parâmetro Estatística Média populacional (µ ). Média amostral ( x ). Variância populacional (σ ). Variância amostral (s ). Desvio-padrão populacional (σ). Desvio-padrão amostral (s). Na Estatística Indutiva, fazemos afirmações sobre os parâmetros da população a partir de estatísticas obtidas de amostras da população. Em geral, os valores obtidos da média amostral e do desviopadrão amostral são diferentes dos valores da média populacional e do desvio-padrão populacional, respectivamente..1. Estimativa pontual e intervalar Estimativa pontual é a estimativa de um único valor para um parâmetro populacional. 6

2 ESTATÍSTICA INDUTIVA Estimativa Intervalar é um intervalo de valores para estimar um parâmetro populacional..1.3 Nível de confiança Nível de confiança é a probabilidade de que um intervalo estimado contenha o parâmetro populacional.. Intervalos de confiança para a média Considerando uma amostra casual simples com n elementos, dizemos que a média dos dados da amostra é uma estimativa da média da população. Para termos uma idéia mais precisa dessa estimativa, devemos encontrar um intervalo de confiança para a média...1 Intervalos de confiança para a média (n > 30) Para determinar um intervalo de confiança para a média populacional, devemos primeiramente estabelecer um nível de confiança. Para dado tamanho da amostra: 1 --Quanto maior o nível de confiança, maior será o intervalo. 0 --Quanto maior o intervalo, menor será a precisão da estimativa... Erro para a média Dado um nível de confiança, o erro (E) da estimativa é a maior distância possível entre a estimativa pontual e o valor do parâmetro a ser estimado. 7

3 Para calcularmos esse erro, usamos a fórmula: E = z. c σ n Z c : valor crítico. σ: desvio-padrão populacional. n: número de elementos da amostra. Encontramos o valor crítico na tabela de distribuição normal reduzida. Tabela 1. Distribuição Normal Reduzida. Nível de confiança 90% 9% 99% Z c 1,64 1,96,7 No caso em que n > 30, substituímos σ (desvio-padrão populacional) por s (desvio-padrão amostral). Um intervalo de confiança c para a média populacional µ é dado por: x - E < µ < x + E Nesse caso, dizemos que a probabilidade de que o intervalo de confiança contenha a média populacional µ é c. Leitura Complementar: Distribuição Normal: A distribuição normal é amplamente utilizada para modelar medidas biológicas, medidas de produtos fabricados em série, etc. Características da Distribuição Normal I. A variável aleatória pode assumir qualquer valor real. 8

4 ESTATÍSTICA INDUTIVA II. O gráfico é uma curva em forma de sino. A curva é simétrica em relação à média (µ ). σ µ = 0 σ = µ 1 3 x III. A área sob a curva normal é igual a 1. Essa área corresponde à probabilidade de a variável aleatória assumir qualquer valor real. Teorema do Limite Central: Quando são retiradas amostras (com 30 ou mais elementos) de uma população qualquer, a distribuição amostral das médias das amostras terá uma distribuição aproximadamente normal, mesmo quando os dados da população não forem normalmente distribuídos. Devemos observar que, quanto maior o tamanho da amostra, melhor será a aproximação. Exemplo 1. Uma amostra aleatória de 40 elementos retirados de uma população aproximadamente normal forneceu média de x =1,4 e desvio-padrão s=,1. Construir um intervalo de confiança de 9% para a média dessa população. s Para encontrarmos o erro, utilizamos a fórmula: E = zc, pois n > 30 e σ s. n c= 9%, então Z c =1,96 (vide tabela anterior). n=40 s=,1 E = 196,,. 1 = 0,

5 O intervalo de confiança é dado por: x - E < µ < x + E 1,4-0,67 < µ < 1,4 + 0,67 11,78 < µ < 13,1. Portanto, com 9% de confiança, podemos dizer que a média populacional está entre 11,78 e 13,1...3 Intervalos de confiança para a média (n < 30) Quando desconhecemos o desvio-padrão da população e também não temos acesso a uma amostra com 30 ou mais elementos, construímos um intervalo de confiança para a média utilizando a distribuição t de Student. Leitura Complementar. Distribuição t de Student. As propriedades da curva t são: - A curva tem a forma de um sino. - A área total sob a curva é igual a 1. - A curva t é simétrica em torno da média. - A distribuição t é uma família de curvas; cada uma delas depende de um parâmetro denominado grau de liberdade. Quando usamos a distribuição t para estimar a média populacional, o número de graus de liberdade é igual ao tamanho da amostra menos 1 (g.l.=n-1). g1=6 g1=3 30

6 ESTATÍSTICA INDUTIVA A distribuição t é uma família de curvas. Cada uma delas depende de um parâmetro denominado grau de liberdade. Quando utilizamos a distribuição t para estimar a média populacional, o número do grau de liberdade é igual ao tamanho da amostra menos 1. (g.l.=n-1). s Para encontrarmos o erro, utilizamos a fórmula: E = tc, n onde o valor de t c é encontrado na tabela da distribuição t. Tabela. Distribuição t. Liberdade (n-1) c=90% c=9% c=99% 1 6,314 1,706 63,67,90 4,303 9,9 3,33 3,18,841 4,13,776 4,604,01,71 4,03 6 1,943,447 3, ,89,36 3, ,860,306 3,3 9 1,833,6 3,0 1,81,8 3, ,796,01 3,6 1 1,78,179 3,0 13 1,771,160 3, ,761,14, ,73,131, ,746,, ,740,1, ,734,1, ,79,093, ,7,086,84 1 1,71,080,831 1,717,074, ,714,069,807 31

7 4 1,711,064,797 1,708,060, ,706,06, ,703,0, ,701,048, ,699,04,76 1,64 1,960,76 O valor de t c é visualizado na intersecção da linha (que representa o grau de liberdade) e da coluna (que representa o valor de c). Veja, a seguir, o caso em que n= (g.l=-1=9) e c=90%. Liberdade (n-1) c=90% c=9% c=99% 1 6,314 1,706 63,67,90 4,303 9,9 3,33 3,18,841 4,13,776 4,604,01,71 4,03 6 1,943,447 3, ,89,36 3, ,860,306 3,3 9 1,833,6 3,0 1,81,8 3,169 Exemplo. Uma amostra de elementos, extraída de uma população com distribuição normal, forneceu média x =3,4 e desvio-padrão s=0,7. Construir um intervalo de confiança de 90% para a média dessa população. s Para encontrarmos o erro, utilizamos a fórmula: E = tc. n s=0,7 c=90% n= e grau de liberdade=-1=9. t c = 1,833 (veja a tabela a seguir). 3

8 ESTATÍSTICA INDUTIVA Liberdade (n-1) c=90% c=9% c=99% 6 1,943,447 3, ,89,36 3, ,860,306 3,3 9 1,833,6 3,0 1,81,8 3,169 E = ,,. 7 = 0,43 O intervalo de confiança é dado por: x - E < µ < x + E 3,4-0,43 < µ < 3,4 + 0,43 3,0 < µ < 3,88. Portanto, com 90% de confiança, podemos dizer que a média populacional está entre 3,0 e 3,88..3 Intervalos de confiança para a variância e desvio-padrão Muitas vezes, o pesquisador pode estar interessado em verificar a variabilidade de um determinado processo. Para essa necessidade, utiliza a distribuição (lê-se qui-quadrado). Leitura Complementar: Distribuição qui-quadrado: A distribuição qui-quadrado é uma família de curvas, cada uma das quais determinada pelo número de graus de liberdade. Quando usamos a distribuição para estimar a variância populacional, o número de graus de liberdade é igual ao tamanho da amostra menos 1 (g.l.= n-1). A área sob cada uma das curvas é igual a 1. c 1 33

9 Para encontrarmos um intervalo de confiança para a variância, devemos encontrar os valores de 1 tabela de distribuição qui-quadrado. e na 1 Calculamos 1 = c e, conforme o grau de liberdade, encontramos o valor de 1 na tabela. 1 Calculamos = + c e, conforme os graus de liberdade encontramos o valor de na tabela. Tabela 3. Distribuição (qui-quadrado). liberdade 0,99 0,97 0,90 0,0 0,0 0,00 1 0,001 0,004 3,841,04 7,879 0,0 0,01 0,3,991 7,378,97 3 0,07 0,16 0,3 7,81 9,348 1, ,07 0,484 0,711 9,488 11,143 14,860 0,41 0,831 1,14 11,071 1,833 16,70 6 0,676 1,37 1,63 1,9 14,449 18,48 7 0,989 1,690,167 14,067 16,013 0,78 8 1,344,180,733 1,07 17,3 1,9 9 1,73,700 3,3 16,919 19,03 3,89,16 3,47 3,940 18,307 0,483,188 11,603 3,816 4,7 19,67 1,90 6,77 1 3,074 4,404,6 1,06 3,337 8, ,6,009,89,36 4,736 9, ,07,69 6,71 3,68 6,119 31, ,601 6,6 7,61 4,996 7,488 3,801 16,14 6,908 7,96 6,96 8,84 34,67 17,697 7,64 8,67 7,87 30,191 3, ,6 8,31 9,390 8,869 31,6 37, ,844 8,907,117 30,144 3,8 38,8 0 7,434 9,91,81 31,4 34,170 39,997 34

10 ESTATÍSTICA INDUTIVA 1 8,034,83 11,91 3,671 3,479 41,401 8,643,98 1,338 33,94 36,781 4, ,6 11,689 13,091 3,17 38,076 44, ,886 1,401 13,848 36,41 39,364 4,9,0 13, 14,611 37,6 40,646 46, ,160 13,844 1,379 38,88 41,93 48, ,808 14,73 16,11 40,113 43,194 49,64 8 1,461 1,308 16,98 41,337 44,461 0, ,11 16,047 17,708 4,7 4,7, ,787 16,791 18,493 43,773 46,979 3, ,707 4,433 6,09,78 9,34 66, ,991 3,37 34,764 67,0 71,40 79, ,34 40,48 43,188 79,08 83,98 91, ,7 48,78 1,739 90,31 9,03 4,1 80 1,17 7,13 60,391 1,879 6,69 116, ,196 6,647 69,16 113,14 118,136 18, , 77,99 14,34 19,61 140,169 Veja um exemplo para o cálculo de 1 e. Para um nível de confiança de 90% (c=90%) e amostra n=0, temos: = 1 c =, = 0, Grau de liberdade =n-1=0-1=19. Logo, o valor de 1 =30,144 liberdade 0,99 0,97 0,90 0,0 0,0 0,00 17,697 7,64 8,67 7,87 30,191 3, ,6 8,31 9,390 8,869 31,6 37, ,844 8,907,117 30,144 3,8 38,8 0 7,434 9,91,81 31,4 34,170 39,997 = 1 + c = +, = 0,9. 3

11 Grau de liberdade =n-1=0-1=19. Logo o valor de =,117. liberdade 0,99 0,97 0,90 0,0 0,0 0,00 17,697 7,64 8,67 7,87 30,191 3, ,6 8,31 9,390 8,869 31,6 37, ,844 8,907,117 30,144 3,8 38,8 0 7,434 9,91,81 31,4 34,170 39,997 Após encontrarmos os valores de 1 e, utilizamos as fórmulas a seguir para determinarmos os intervalos. ( n 1). s ( n 1). s < σ < 1 (variância populacional). ( n 1). s ( n 1). s < σ < 1 (desvio-padrão populacional). Exemplo 3. Uma amostra de 1 elementos, extraída de uma população com distribuição normal, forneceu desvio-padrão de 0,89. Construir intervalos de confiança de 9% para a variância populacional e o desvio-padrão populacional. Para um nível de confiança de 9% (c=0,9) e amostra n=1, temos: = 1 c =, = 0, Grau de liberdade=n-1=1-1=14. Logo, o valor de 1 1 =6,119. liberdade 0,99 0,97 0,90 0,0 0,0 0,00 11,603 3,816 4,7 19,67 1,90 6,77 1 3,074 4,404,6 1,06 3,337 8, ,6,009,89,36 4,736 9, ,07,69 6,71 3,68 6,119 31, ,601 6,6 7,61 4,996 7,488 3,801 = 1 + c = +, = 0,97. 36

12 ESTATÍSTICA INDUTIVA liberdade =n-1=1-1=14. Logo, o valor de =,69. liberdade 0,99 0,97 0,90 0,0 0,0 0,00 11,603 3,816 4,7 19,67 1,90 6,77 1 3,074 4,404,6 1,06 3,337 8, ,6,009,89,36 4,736 9, ,07,69 6,71 3,68 6,119 31, ,601 6,6 7,61 4,996 7,488 3,801 Para encontrarmos um intervalo de confiança para a variância, utilizamos a fórmula: ( n 1). s ( n 1). s < σ < 1 n=1 s=0,89, onde: 1 =6,119 e =,69. ( 1 1). 0, 89 6, 119 0, 4 < σ < 197,. ( 1 1). 0, 89 < σ <, 69 Portanto, com 9% de confiança, podemos dizer que a variância populacional está entre 0,4 e 1,97. Para encontrarmos um intervalo de confiança para o desvio-padrão populacional, utilizamos a fórmula: 1 ( n 1). s ( n 1). s < σ < 1 0, 4 < σ < 197, 0, 6 < σ < 140,. 37

13 Portanto, com 9% de confiança, podemos dizer que o desvio-padrão populacional está entre 0,6 e 1,40..4 Exercícios resolvidos 1. A altura dos alunos de uma academia apresenta uma distribuição aproximadamente normal. Para estimar a altura média dessa população, foi observada a altura de 30 alunos, obtendo-se x =17 cm e s=1 cm. Determine: a--um intervalo de confiança de 99% para a média populacional. b--um intervalo de confiança de 99% para a variância. 1 c--um intervalo de confiança de 99% para o desvio-padrão populacional. s a) Para encontrarmos o erro, utilizamos a fórmula: E = zc, pois n > 30 e σ s. n c= 99%, então Z C =,7 (vide tabela1). n=30 s=1 cm. E =, 7. 1 = 7, O intervalo de confiança é dado por: x - E < µ < x + E , 0 < µ < , 0 167, 9 < µ < 18, 0. Portanto, com 99% de confiança, podemos dizer que a média populacional está entre 167,9 cm e 18,0 cm. b) Para um nível de confiança de 99% (c=0,99) e amostra n=30, temos: = 1 c =, = 0,

14 ESTATÍSTICA INDUTIVA Grau de liberdade=n-1=30-1=9. Logo, o valor de 1 =,336. liberdade 0,99 0,97 0,90 0,0 0,0 0, ,160 13,844 1,379 38,88 41,93 48, ,808 14,73 16,11 40,113 43,194 49,64 8 1,461 1,308 16,98 41,337 44,461 0, ,11 16,047 17,708 4,7 4,7, ,787 16,791 18,493 43,773 46,979 3,67 = 1 + c = +, = 0,99. Grau de liberdade=n-1=30-1=9. Logo o valor de =13,11. liberdade 0,99 0,97 0,90 0,0 0,0 0, ,160 13,844 1,379 38,88 41,93 48, ,808 14,73 16,11 40,113 43,194 49,64 8 1,461 1,308 16,98 41,337 44,461 0, ,11 16,047 17,708 4,7 4,7, ,787 16,791 18,493 43,773 46,979 3,67 Para encontrarmos um intervalo de confiança para a variância, utilizamos a fórmula: ( n 1). s ( n 1). s < σ < n=30 s=1 1, onde: 1 =,336 e ( 30 1). 1, 336 =13,11. ( 30 1). 1 < σ < 13, 11 14, 68 < σ < 497, 9. 39

15 Portanto, com 99% de confiança, podemos dizer que a variância populacional está entre 14,68 cm e 497,9 cm. Para encontrarmos um intervalo de confiança para o desvio-padrão populacional, utilizamos a fórmula: ( n 1). s ( n 1). s < σ < 1 14, 68 < σ < 497, , < σ <, 3 Portanto, com 99% de confiança, podemos dizer que o desvio-padrão populacional está entre 11,17 cm e,3 cm Os salários dos funcionários de uma fábrica de tecidos têm uma distribuição aproximadamente normal. Para estimar o salário médio desta população, foram observados os salários de 0 funcionários, obtendo-se x = 80 reais e s = reais. Determine: a--um intervalo de confiança de 9% para a média populacional. b--um intervalo de confiança de 9% para a variância. c--um intervalo de confiança de 9% para o desvio-padrão populacional. s a) Para encontrarmos o erro utilizamos a fórmula: E = tc. n s= reais c=9% n=0 e graus de liberdade=0-1=19. t C =,093 (veja a tabela a seguir). 40

16 ESTATÍSTICA INDUTIVA Liberdade (n-1) c=90% c=9% c=99% 17 1,740,1, ,734,1, ,79,093, ,7,086,84 E =, 093. = 6, 16 0 O intervalo de confiança é dado por: x - E < µ < x + E 80 6, 16 < µ < , , 84 < µ < 906, 16. Portanto, com 9% de confiança, podemos dizer que a média populacional dos salários está entre 793,84 reais e 906,16 reais. b) Para um nível de confiança de 9% (c=0,9) e amostra n=0, temos: = 1 c =, = 0,0 1 1 Grau de liberdade=n-1=0-1=19. Logo, o valor de 1 =3,8. liberdade 0,99 0,97 0,90 0,0 0,0 0,00 16,14 6,908 7,96 6,96 8,84 34,67 17,697 7,64 8,67 7,87 30,191 3, ,6 8,31 9,390 8,869 31,6 37, ,844 8,907,117 30,144 3,8 38,8 0 7,434 9,91,81 31,4 34,170 39,997 = 1 + c = +, = 0,97. 41

17 Grau de liberdade=n-1=30-1=9. Logo, o valor de =8,907. liberdade 0,99 0,97 0,90 0,0 0,0 0,00 16,14 6,908 7,96 6,96 8,84 34,67 17,697 7,64 8,67 7,87 30,191 3, ,6 8,31 9,390 8,869 31,6 37, ,844 8,907,117 30,144 3,8 38,8 0 7,434 9,91,81 31,4 34,170 39,997 Para encontrarmos um intervalo de confiança para a variância, utilizamos a fórmula: ( n 1). s ( n 1). s < σ < 1 n=0 s=, onde: 1 =3,8 e =8,907. ( 0 1). 3, 8 ( 0 1). < σ < 8, , 6 < σ < , Portanto, com 9% de confiança, podemos dizer que a variância populacional está entre 8.38,6 reais² e ,41 reais². Para encontrarmos um intervalo de confiança para o desvio-padrão utilizamos a fórmula: ( n 1). s ( n 1). s < σ < , 6 < σ < , , < σ < 17, 6 4

18 ESTATÍSTICA INDUTIVA Portanto, com 9% de confiança, podemos dizer que o desvio-padrão populacional está entre 91,6 reais e 17,6 reais. 3. Em certo dia, numa maternidade foi feita uma pesquisa sobre altura em centímetros, em bebês recém-nascidos do sexo masculino. Os resultados estão listados a seguir. Altura, em cm, de recém-nascidos do sexo masculino na Maternidade A a--determine um intervalo de confiança de 90% para a média populacional. b--determine um intervalo de confiança de 90% para a variância populacional. c--determine um intervalo de confiança de 90% para o desvio-padrão populacional. a) Primeiramente, devemos calcular a média amostral e o desvio-padrão amostral utilizando as fórmulas: xi x = e n ( xi x) s =. n 1 Altura, em cm. (x i - x) 4 (4-48) = (-3) = 9 48 (48-48) = 0 = 0 4 (4-48) = (-6) = 36 4 (4-48) = (-3) = 9 0 (0-48) = = 4 44 (44-48) = (-4) = (49-48) = 1 = 1 4 (4-48) = 6 = 36 1 (1-48) = 3 = 9 ( - 48) = 4 = 16 x i = 480 (x i - x) = x = = 48 cm e s = = 3, 89 cm. 9 43

19 s Para encontrarmos o erro, utilizamos a fórmula: E = tc. n s=3,89 c=90% n= e grau de liberdade=-1=9. t C = 1,833 (veja a tabela abaixo). Liberdade (n-1) c=90% c=9% c=99% 6 1,943,447 3, ,89,36 3, ,860,306 3,3 9 1,833,6 3,0 1,81,8 3,169 E = ,,. 89 =,6 O intervalo de confiança é dado por: x - E < µ < x + E 48, 6 < µ < 48 +, 6 4, 74 < µ < 0, 6 Portanto, com 90% de confiança, podemos dizer que a média populacional está entre 4,74 e 0,6 cm. b) Para um nível de confiança de 90% (c=0,90) e amostra n=, temos: = 1 c =, = 0, Grau de liberdade=n-1=-1=9. Logo, o valor de 1 =16,919. liberdade 0,99 0,97 0,90 0,0 0,0 0,00 7 0,989 1,690,167 14,067 16,013 0,78 8 1,344,180,733 1,07 17,3 1,9 9 1,73,700 3,3 16,919 19,03 3,89,16 3,47 3,940 18,307 0,483,188 11,603 3,816 4,7 19,67 1,90 6,77 = 1 + c = +, = 0,9. 44

20 ESTATÍSTICA INDUTIVA Grau de liberdade=n-1=-1=9. Logo, o valor de =3,3. liberdade 0,99 0,97 0,90 0,0 0,0 0,00 7 0,989 1,690,167 14,067 16,013 0,78 8 1,344,180,733 1,07 17,3 1,9 9 1,73,700 3,3 16,919 19,03 3,89,16 3,47 3,940 18,307 0,483,188 11,603 3,816 4,7 19,67 1,90 6,77 Para encontrarmos um intervalo de confiança para a variância, utilizamos a fórmula: ( n 1). s ( n 1). s < σ < 1 n= s=3,89 cm, onde: 1 =16,919 e =3,3. ( 1). 3, 89 16, 919 ( 1). 3, 89 < σ < 3, 3 9 1, < <, σ 16, 919 3, 3 136, , 1889 < σ < 16, 919 3, 3 8, 0 < σ < 40, 96 Portanto, com 90% de confiança, podemos dizer que a variância populacional está entre 8,0 e 40,96 (cm²). 4

21 c) Para o desvio-padrão populacional basta usar a fórmula: ( n 1). s ( n 1). s < σ < 1 8, 0 < σ < 40, 96, 84 < σ < 6, 40 Portanto, com 90% de confiança, podemos dizer que o desvio-padrão populacional está entre,84 e 6,40 cm. 3 TESTES DE HIPÓTESES Na grande maioria das vezes, o pesquisador tira conclusões para toda uma população, tendo observado apenas uma amostra. Este processo é denominado inferência. 1 Tomar decisões para uma população tendo como base apenas uma amostra pode ocasionar erros. Para atenuar esses erros, aplicamos testes de hipóteses. O teste de hipótese deve ser utilizado para tomar decisões sobre o valor de um parâmetro de uma população, tais como a média, a variância e o desvio-padrão. Em um teste de hipótese, existem duas hipóteses a serem analisadas: -Hipótese Nula (H 0 ): Hipótese a ser testada. 0 -Hipótese Alternativa (H a ): Hipótese a ser considerada como uma alternativa à hipótese nula. A aplicação de um teste de hipóteses pode levar a erros que podem ser classificados como: -Erro tipo I: Ocorre quando rejeitamos a hipótese nula e aceitamos a hipótese alternativa, porém a hipótese nula era a verdadeira. 46

22 ESTATÍSTICA INDUTIVA -Erro tipo II: Ocorre quando aceitamos a hipótese nula quando ela é falsa. Ao testar uma hipótese, a probabilidade máxima de ocorrer um erro do tipo I é chamada de nível de significância (). Usualmente utilizamos níveis de significância de %, % ou 1%. Existem diversos testes utilizados na Estatística Indutiva; fica a critério do pesquisador utilizar o mais apropriado para a situação. 3.1 Teste de Qui-Quadrado O teste de Qui-Quadrado ( ) verifica as hipóteses de Aderência e de Independência Teste de Qui-Quadrado ( ) Aderência Neste caso, o pesquisador verifica se os dados coletados experimentalmente, numa população, estão de acordo com os dados que seriam obtidos em uma determinada teoria. 1 Para a aplicação do teste de Qui-Quadrado ( ) de Aderência, seguimos os seguintes passos: 1. Estabelecemos um nível de significância.. Calculamos o valor do qui-quadrado, dado pela fórmula: n O i Ei c = ( ) i= 1 Ei 0 O i : representa as freqüências observadas e E i : representa as freqüências esperadas. 47

23 3. Comparamos o valor calculado de com o valor da tabela, ao nível de significância estabelecida e com n-1 graus de liberdade. Em geral, o teste de aderência indica: Se o valor de c calculado for maior que o t tabelado, a hipótese nula (H O ) é rejeitada. Se o valor de c calculado for menor que o t tabelado, a hipótese nula (H 0 ) não é rejeitada. Tabela 1. Tabela de Qui-quadrado. Liberdade 0, 0,0 0,01 1,706 3,841 6,63 4,60,991 9, 3 6,1 7,81 11,34 4 7,779 9,488 13,77 9,36 11,071 1,086 6,64 1,9 16,81 7 1,017 14,067 18, ,36 1,07 0, ,684 16,919 1,666 1,987 18,307 3, ,7 19,67 4,7 1 18,49 1,06 6, ,81,36 7, ,064 3,68 9,141 1,307 4,996 30, ,4 6,96 3, ,769 7,87 33,409 18,989 8,869 34, ,04 30,144 36, ,41 31,4 37,66 1 9,61 3,671 38,93 30,813 33,94 40,89 48

24 ESTATÍSTICA INDUTIVA 3 3,007 3,17 41, ,196 36,41 4,980 34,38 37,6 44, ,63 38,88 4, ,741 40,113 46, ,916 41,337 48, ,087 4,7 49, ,6 43,773 0, ,80,78 63, ,167 67,0 76, ,397 79,08 88, ,7 90,31 0, ,78 1,879 11, ,6 113,14 14, ,498 14,34 13,807 Veja o exemplo a seguir: Exemplo 1. Em um período de seis meses, uma empresa de autopeças teve 80 acidentes de trabalho. O responsável pelo setor de segurança do trabalho deseja verificar se o número de acidentes de trabalho muda conforme o dia da semana. O número de acidentes de trabalho para cada dia da semana está listado a seguir: Tabela. Número de acidentes por dia da semana. Dia da Semana Número de Acidentes Segunda 14 Terça 1 Quarta 17 Quinta 16 Sexta 18 Total: 80 Quais as conclusões que podem ser obtidas desses dados ao nível de significância =%? 49

25 Vamos, primeiramente, verificar as hipóteses a serem testadas. H 0 : O número de acidentes não muda conforme o dia da semana. H a : O número de acidentes muda conforme o dia da semana. O total de acidentes por semana é de 80, o valor esperado para cada dia da semana é: 80 = 16. Dia da Semana Número de Acidentes Observados (O i ). Número de Acidentes Esperados (E i ). Segunda Terça 1 16 Quarta Quinta Sexta Total: O Cálculo do : i Ei c = ( ) E n i= 1 i Dia da Semana ( O E ) (O i ). (E i ). (O i - E i ) i i E i Segunda (14-16) = 4 Terça 1 16 (1-16) = 1 Quarta (17-16) = 1 Quinta (16-16) = 0 Sexta (18-16) = 4 4 = 0, = 0, = 0,06 0 = = 0, 16 n Oi Ei = i= 1 Ei ( ) = 0, 6 O valor de c é de 0,6. 0

26 ESTATÍSTICA INDUTIVA Para encontrar o valor de t utilizamos a tabela 1, com g.l=-1=4 com =%. t =9,488. Liberdade 0, 0,0 0,01 1,706 3,841 6,63 4,60,991 9, 3 6,1 7,81 11,34 4 7,779 9,488 13,77 9,36 11,071 1,086 6,64 1,9 16,81 7 1,017 14,067 18,47 Como c (0,6)< t (9,488), a hipótese nula não é rejeitada (ou seja, o número de acidentes não muda conforme o dia da semana) Teste de Qui-Quadrado ( ) Independência Por meio do Teste de Qui-Quadrado, é possível verificar se existe dependência entre duas variáveis. O teste de independência é semelhante ao de aderência, porém no caso de independência são utilizadas tabelas de dupla entrada com a intenção de estudar a relação entre duas variáveis. 1 Quanto maior for o valor de c, maior a dependência entre as duas variáveis. O número de graus de liberdade para o teste de independência é calculado pelo produto entre o número de linhas (m) da tabela menos um e o número de colunas (n) menos um. 1

27 Grau de Liberdade=(m - 1) x (n - 1). Veja o exemplo a seguir: Exemplo. A tabela abaixo indica o número de telespectadores de emissoras de Televisão X e Y em cada um dos dois tipos de programação: Novela e Noticiário. Ao nível de % de significância, testar a independência entre a escolha da emissora pelos telespectadores e sua programação. Tabela 3. Programação por emissora. Programação: Novela Programação: Noticiário Totais Emissora X 4 46 Emissora Y Totais 48 0 Vamos, primeiramente, verificar as hipóteses a serem testadas. H 0 : A escolha da emissora não depende da programação. H a : A escolha da emissora depende da programação. Pela tabela podemos verificar que de um total de 0 telespectadores, preferem novelas. Ou seja = 0, ou 0 1 % dos telespectadores preferem novela. Caso esta proporção seja mantida, seriam esperados 46x0,=3,9 telespectadores da Emissora X e 48x0,=4,96 telespectadores da Emissora Y.

28 ESTATÍSTICA INDUTIVA Podemos verificar os resultados a seguir: Resultado Observado Proporção (Tabela) Resultado Esperado = 0, 0, x 46=3,9 0 = 0, 0, x 4=8, = 0, 48 0,48 x 46=, = 0, 48 0,48 x 4=,9 0 O Cálculo do i Ei c = ( ) : E n i= 1 i Resultado Observado (O i ) Resultado Esperado (E i ) ( O E ) (O i - E i ) i i E i 4 3,9 (4-3,9) = 0,08 = 0, ,08 (8-8,08) = (-0,08 ) = 0,0064,08 ( -,08) = (-0,08 ) = 0,0064 6,9 (6 -,9) = 0,08 = 0,0064 0, 0064 = 0,0007 3, 9 0, 0064 = 0,0003 8, 08 0, 0064 = 0,0009, 08 0, 0064 = 0,000, 9 n = ( O i E i ) i= 1 Ei = 0,004 O valor de c é de 0,004. Para encontrarmos o valor de t utilizamos a tabela 1. Como o número de linhas da tabela é igual a e o número de colunas 3

29 da tabela é igual a, temos: grau de liberdade =(-1) x (-1)=1 com =%=0,0. t =3,841. Liberdade 0, 0,0 0,01 1,706 3,841 6,63 4,60,991 9, 3 6,1 7,81 11,34 4 7,779 9,488 13,77 9,36 11,071 1,086 6,64 1,9 16,81 7 1,017 14,067 18,47 Como c (0,004)< t (3,841) a hipótese nula não é rejeitada (ou seja a escolha da emissora não depende do programa). Exemplo. Os conceitos obtidos nas disciplinas Física e Matemática foram os seguintes, para um grupo de 00 estudantes do Ensino Médio. Tabela 4. Conceitos em Física e Matemática. Conceito em Matemática: A Conceito em Matemática: B Conceito em Matemática: C Conceito em Física: A Conceito em Física: B Conceito em Física: C Totais Totais Os conceitos em Matemática e Física são dependentes (usar = %)? 4

30 ESTATÍSTICA INDUTIVA Vamos, primeiramente, verificar as hipóteses a serem testadas. H 0 : Os conceitos em Matemática e Física não são dependentes. H a : Os conceitos em Matemática e Física são dependentes. Resultado Observado Proporção (Tabela) Resultado Esperado = 0, 3 0,3 x 138=31, = 0, 3 0,3 x 138=73,14 00 = 0, 4 0,4 x 138=33, = 0, 3 0,3 x 40=, = 0, 3 0,3 x 40=17,0 00 = 0, 4 0,4 x 40=7, = 0, 3 0,3 x 1=8, = 0, 3 0,3 x 1=64, = 0, 4 0,4 x 1=9,8 00

31 Cálculo do O i Ei c = ( ) : E n i= 1 i Resultado Observado (O i ) Resultado Esperado (E i ) ( Oi Ei) E i 4 31, , ,1 46, ,0 34 7,60 1 8, ,66 7 9,8 ( , ) 3174, ( 70 73, 14) 7314, ( 14 33, 1) 331, ( 46, 0), 0 ( , 0) 17, 0 ( 34 7, 60) 7, 60 ( 1 8, 06) 8, 06 ( 3 64, 66) 64, 66 ( 7 9, 8) 9, 8, 6 49, 076 = = = 1, , 3174, ( 314, ) 9, 896 = = = 0, , 7314, ( 19, 1) 36, 744 = = = 11, , 331, ( 9, ) 84, 64 = = = 1333,, 0, 0 3, 8 7, 84 = = = 8, , 0 17, 0 ( 3, 6) 6, 96 = = = 9, , 60 7, 60 ( 13, 06) 170, 636 = = = 6, 078 8, 06 8, 06 ( 9, 66) 879, 716 = = = 13, , 66 64, 66 4, 7 184, 9984 = = = 6, 39 9, 8 9, 8 n = ( O i E i ) i= 1 Ei = 18,478 O valor de c é de 18,478. Para encontrarmos o valor de t utilizamos a tabela 1. Como o número de linhas da tabela é igual a 3 e o número de colunas 6

32 ESTATÍSTICA INDUTIVA da tabela é igual a 3, temos: grau de liberdade =(3-1) x (3-1)=4 com =%=0,. t =7,779. Liberdade 0, 0,0 0,01 1,706 3,841 6,63 4,60,991 9, 3 6,1 7,81 11,34 4 7,779 9,488 13,77 9,36 11,071 1,086 6,64 1,9 16,81 7 1,017 14,067 18,47 Como c (18,478)> t (7,779) a hipótese nula é rejeitada (ou seja, os conceitos são dependentes). 3. Exercícios resolvidos 1. Em 30 lançamentos de uma moeda, foram observados os seguintes resultados: caras e 0 coroas. Teste com nível de significância = % se a moeda é considerada honesta. Neste exemplo, devemos lembrar que no lançamento de uma moeda a probabilidade de sair cara é de 0% e a probabilidade de sair coroa é de 0%. Em 30 lançamentos, temos: 0% de 30 = 1 caras e 1 coroas (esses são os dados esperados para que uma moeda seja considerada honesta). Resultado Observado Resultado Esperado caras 0% de 30=1 0 coroas 0% de 30=1 7

33 O Para calcular o valor de i Ei c = ( ), utilizaremos a i= 1 E tabela a seguir: i n ( O E ) (O i ) (E i ) (O i - E i ) i i E i 1 ( - 1) = (-) = 0 1 ( - 1) = = 1 =1,67 1 =1,67 n = ( O i E i ) i= 1 Ei = 3,34 O valor de c é de 3,34. Para encontrarmos o valor de t, utilizamos a tabela 1. Como o número de linhas da tabela é igual a, temos grau de liberdade = -1=1 com =%=0,. t =,706. Liberdade 0, 0,0 0,01 1,706 3,841 6,63 4,60,991 9, 3 6,1 7,81 11,34 4 7,779 9,488 13,77 Como c (3,34)> t (,706), a hipótese nula é rejeitada (ou seja, a moeda não pode ser considerada honesta para o nível de significância de %). 1. Em 60 lançamentos de uma moeda, foram observados os seguintes resultados: 3 caras e 8 coroas. Teste com nível de significância =% se a moeda é considerada honesta. Neste exemplo, devemos lembrar que no lançamento de uma moeda a probabilidade de sair cara é de 0% e a probabilidade de sair coroa é de 0%. 8

34 ESTATÍSTICA INDUTIVA Em 60 lançamentos temos: 0% de 60 = 30 caras e 30 coroas (esses são os dados esperados para que uma moeda seja considerada honesta). Resultado Observado Resultado Esperado 3 caras 0% de 60=30 8 coroas 0% de 60=30 O Para calcular o valor de i Ei c = ( ), utilizaremos a tabela a seguir: i= 1 Ei n ( O E ) (O i ) (E i ) (O i - E i ) i i E i 3 30 (3-30) = = (8-30) = (-) = = 0, = 0,13 n = ( O i E i ) i= 1 Ei = 0,6 O valor de c é de 0,6. Para encontrarmos o valor de t, utilizamos a tabela 1. Como o número de linhas da tabela é igual a, temos graus de liberdade = -1=1 com =%=0,0. t =3,841. Liberdade 0, 0,0 0,01 1,706 3,841 6,63 4,60,991 9, 3 6,1 7,81 11,34 4 7,779 9,488 13,77 Como c (0,6)< t (3,841), a hipótese nula não é rejeitada (ou seja, a moeda pode ser considerada honesta para o nível de significância de %). 9

35 3. Em uma academia foi feita uma pesquisa com pessoas sobre o tipo de esporte praticado. Os resultados obtidos estão listados a seguir. Tabela. Esporte praticado Musculação Hidroginástica Totais Sexo masculino Sexo feminino Totais 0 70 Testar se o esporte praticado depende do sexo do entrevistado, usando = %. Vamos, primeiramente, verificar as hipóteses a serem testadas. H 0 : A escolha do esporte praticado não dependente do sexo. H a : A escolha do esporte praticado dependente do sexo. Resultado Observado Proporção (Tabela) Resultado Esperado = 0,4 0,4 x 8 = 4,36 70 = 0,8 0,8 x 8 = 33,64 0 = 0,4 0,4 x 6 = 6,04 70 = 0,8 0,8 x 6 = 3,96 60

36 ESTATÍSTICA INDUTIVA n Cálculo do = ( O i E i ) E : i= 1 i ( O E ) (O i ) (E i ) (O i - E i ) i i E i 3 4,36 (3-4,36) =,64 =113, ,64 (3-33,64) = (-,64) =113, ,04 (1-6,04) = (-11,04) =11, ,96 (47-3,96) = (-11,04) =11, , 096 = 4,6474 4, , 096 = 3,363 33, , = 4,6806 6, , = 3,3894 3, 96 n = ( O i E i ) i= 1 Ei = 16,087 O valor de c é de 16,087 Para encontrarmos o valor de t, utilizamos a tabela 1. Como o número de linhas da tabela é igual a e o número de colunas da tabela é igual a, temos: graus de liberdade = (-1) x (-1) =1 com = % = 0,0. t = 3,841. Liberdade 0, 0,0 0,01 1,706 3,841 6,63 4,60,991 9, 3 6,1 7,81 11,34 4 7,779 9,488 13,77 Como c (16,087)> t (3,841), a hipótese nula é rejeitada (ou seja, a escolha do esporte dependente do sexo). 61

37 4. Estão sendo estudados os defeitos em peças fabricadas pela Empresa x. Há 3 tipos de defeitos: A, B e C. A empresa trabalha em turnos: diurno e noturno. Para essa finalidade foi recolhida uma amostra com 80 peças defeituosas, e os resultados obtidos estão descritos a seguir: Tabela 6. Quantidade de defeitos por tipo e turno. Defeito tipo A Defeito tipo B Defeito tipo C Totais Turno Diurno Turno Noturno Totais Teste a independência entre o número de defeitos e o turno trabalhado. Use = 1%. Vamos, primeiramente, verificar as hipóteses a serem testadas. H 0 : O número de defeitos não depende do turno de trabalho. H a : O número de defeitos depende do turno de trabalho. Resultado Observado Proporção (Tabela) Resultado Esperado = 0,3 0,3 x =3, = 0,3 0,3 x =3, = 0,4 0,4 x =4, = 0,3 0,3 x 98=, = 0,3 0,3 x 98=34, = 0,4 0,4 x 98=41,

38 ESTATÍSTICA INDUTIVA O Cálculo do i Ei c = ( ) : E n i= 1 i ( O E ) (O i ) (E i ) (O i - E i ) i i E i 6 3,46 ( 6 3, 46) =, 4 = 6, ,70 ( 3 3, 70) = ( 3, 7) = 13, ,84 ( 44 4, 84) = 116, = 1346, 0,4 ( 0, 4) = (, 4) = 6, ,30 ( 38 34, 30) = 3, 7 = 13, ,16 ( , ) = ( 116, ) = 1346, 6, 416 = 0,70 3, 46 13, 69 = 0,383 3, , = 0,0314 4, 84 6, 416 = 0,86, 4 13, 69 = 0, , , = 0, , n = ( O i E i ) i= 1 Ei = 1,4079 O valor de c é de 1,4079. Para encontrarmos o valor de t utilizamos a tabela 1. Como o número de linhas da tabela é igual a e o número de colunas da tabela é igual a 3, temos: grau de liberdade = (-1) x (3-1) = com =1%=0,01. t = 9,. Liberdade 0, 0,0 0,01 1,706 3,841 6,63 4,60,991 9, 3 6,1 7,81 11,34 4 7,779 9,488 13,77 Como c (1,4079)< t (9,), a hipótese nula não é rejeitada (ou seja, o número de defeitos não depende do turno. 63

39 Referências Bibliográficas LARSON e FARBER. Estatística Aplicada. São Paulo: Prentice Hall, 004. LEVIN, J. e FOX, J.A. Estatística para ciências humanas. São Paulo: Prentice Hall, 004. MOORE, D. A Estatística Básica e sua prática. Rio de Janeiro: LTC, 000. NEUFELD, J. L. Estatística aplicada à Administração usando excel. São Paulo: Pearson Prentice Hall, 003. PEREIRA, P. H. Noções de Estatística. São Paulo: Papirus, 004. SPIEGEL, M. R. Estatística. São Paulo: Makron Books, VIEIRA, S. Introdução à Bioestatística. Rio de Janeiro: Campus,

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

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 comportamento conjunto de duas variáveis quantitativas pode ser observado por meio de um gráfico, denominado diagrama de dispersão.

O comportamento conjunto de duas variáveis quantitativas pode ser observado por meio de um gráfico, denominado diagrama de dispersão. ESTATÍSTICA INDUTIVA 1. CORRELAÇÃO LINEAR 1.1 Diagrama de dispersão O comportamento conjunto de duas variáveis quantitativas pode ser observado por meio de um gráfico, denominado diagrama de dispersão.

Leia mais

Medidas de Tendência Central

Medidas de Tendência Central ESTATÍSTICA DESCRITIVA Medidas de Tendência Central 3 MEDIDAS DE TENDÊNCIA CENTRAL 3.1 Média Aritmética Uma das mais importantes medidas estatísticas utilizadas é a média. Ela é, por exemplo, utilizada

Leia mais

DE ESPECIALIZAÇÃO EM ESTATÍSTICA APLICADA)

DE ESPECIALIZAÇÃO EM ESTATÍSTICA APLICADA) 1. Sabe-se que o nível de significância é a probabilidade de cometermos um determinado tipo de erro quando da realização de um teste de hipóteses. Então: a) A escolha ideal seria um nível de significância

Leia mais

Inferência Estatística: DEEST/UFOP Prof.: Spencer Barbosa da Silva

Inferência Estatística: DEEST/UFOP Prof.: Spencer Barbosa da Silva Inferência Estatística: Prof.: Spencer Barbosa da Silva Amostragem Estatística Descritiva Cálculo de Probabilidade Inferência Estatística Estimação Teste de Hipótese Pontual Por Intervalo Conceitos básicos

Leia mais

Definição. Os valores assumidos pelos estimadores denomina-se estimativas pontuais ou simplesmente estimativas.

Definição. Os valores assumidos pelos estimadores denomina-se estimativas pontuais ou simplesmente estimativas. 1. Inferência Estatística Inferência Estatística é o uso da informção (ou experiência ou história) para a redução da incerteza sobre o objeto em estudo. A informação pode ou não ser proveniente de um experimento

Leia mais

Testes de Hipóteses. Ricardo Ehlers Departamento de Matemática Aplicada e Estatística Universidade de São Paulo

Testes de Hipóteses. Ricardo Ehlers Departamento de Matemática Aplicada e Estatística Universidade de São Paulo Testes de Hipóteses Ricardo Ehlers ehlers@icmc.usp.br Departamento de Matemática Aplicada e Estatística Universidade de São Paulo Introdução e notação Em geral, intervalos de confiança são a forma mais

Leia mais

Capítulo 4 Inferência Estatística

Capítulo 4 Inferência Estatística Capítulo 4 Inferência Estatística Slide 1 Resenha Intervalo de Confiança para uma proporção Intervalo de Confiança para o valor médio de uma variável aleatória Intervalo de Confiança para a diferença de

Leia mais

Cap. 4 - Estimação por Intervalo

Cap. 4 - Estimação por Intervalo Cap. 4 - Estimação por Intervalo Amostragem e inferência estatística População: consiste na totalidade das observações em que estamos interessados. Nº de observações na população é denominado tamanho=n.

Leia mais

Estimação de valores. Luiz Carlos Terra

Estimação de valores. Luiz Carlos Terra Luiz Carlos Terra Nesta aula, você conhecerá a parte mais importante da estatística, que é conhecida como inferência estatística, ou seja, você aprenderá como usar os dados de uma amostra para estimar

Leia mais

7 Teste de Hipóteses

7 Teste de Hipóteses 7 Teste de Hipóteses 7-1 Aspectos Gerais 7-2 Fundamentos do Teste de Hipóteses 7-3 Teste de uma Afirmação sobre a Média: Grandes Amostras 7-4 Teste de uma Afirmação sobre a Média : Pequenas Amostras 7-5

Leia mais

Inferência a partir de duas amostras

Inferência a partir de duas amostras Inferência a partir de duas amostras Inferência a partir de duas amostras. Inferência sobre duas médias: amostras dependentes. Inferência sobre duas médias: amostras grandes e independêntes 3. Comparação

Leia mais

Estimação parâmetros e teste de hipóteses. Prof. Dr. Alberto Franke (48)

Estimação parâmetros e teste de hipóteses. Prof. Dr. Alberto Franke (48) Estimação parâmetros e teste de hipóteses Prof. Dr. Alberto Franke (48) 91471041 Intervalo de confiança para média É um intervalo em que haja probabilidade do verdadeiro valor desconhecido do parâmetro

Leia mais

AULA 05 Teste de Hipótese

AULA 05 Teste de Hipótese 1 AULA 05 Teste de Hipótese Ernesto F. L. Amaral 03 de setembro de 2012 Faculdade de Filosofia e Ciências Humanas (FAFICH) Universidade Federal de Minas Gerais (UFMG) Fonte: Triola, Mario F. 2008. Introdução

Leia mais

BIOESTATISTICA. Unidade IV - Probabilidades

BIOESTATISTICA. Unidade IV - Probabilidades BIOESTATISTICA Unidade IV - Probabilidades 0 PROBABILIDADE E DISTRIBUIÇÃO DE FREQUÊNCIAS COMO ESTIMATIVA DA PROBABILIDADE Noções de Probabilidade Após realizar a descrição dos eventos utilizando gráficos,

Leia mais

INFERÊNCIA ESTATÍSTICA. ESTIMAÇÃO PARA A PROPORÇÃO POPULACIONAL p

INFERÊNCIA ESTATÍSTICA. ESTIMAÇÃO PARA A PROPORÇÃO POPULACIONAL p INFERÊNCIA ESTATÍSTICA ESTIMAÇÃO PARA A PROPORÇÃO POPULACIONAL p Objetivo Estimar uma proporção p (desconhecida) de elementos em uma população, apresentando certa característica de interesse, a partir

Leia mais

Probabilidade e Estatística

Probabilidade e Estatística Probabilidade e Estatística Aula 7: Intervalos de Confiança com uma amostra Leitura obrigatória: Devore, cap 7 ou Montgomery e Runger, cap 8 Chap 8-1 Objetivos Como inferir sobre um parâmetro da população,

Leia mais

1 Teoria da Decisão Estatística

1 Teoria da Decisão Estatística 1 Teoria da Decisão Estatística 1.1 Teste de Hipótese É uma metodologia estatística que permite tomar decisão sobre uma ou mais populações baseando no conhecimento de informações da amostra. Ao tentarmos

Leia mais

Probabilidade e Estatística

Probabilidade e Estatística Probabilidade e Estatística Teste Qui-quadrado Prof. Dr. Narciso Gonçalves da Silva http://paginapessoal.utfpr.edu.br/ngsilva Teste Qui-quadrado É um teste não paramétrico, pois independe dos parâmetros

Leia mais

Universidade Federal Fluminense INSTITUTO DE MATEMÁTICA E ESTATÍSTICA DEPARTAMENTO DE ESTATÍSTICA

Universidade Federal Fluminense INSTITUTO DE MATEMÁTICA E ESTATÍSTICA DEPARTAMENTO DE ESTATÍSTICA Universidade Federal Fluminense INSTITUTO DE MATEMÁTICA E ESTATÍSTICA DEPARTAMENTO DE ESTATÍSTICA Estatística Básica para Engenharia Prof. Mariana Albi 8 a Lista de Exercícios Assuntos: Inferência Estatística.

Leia mais

Professora Ana Hermínia Andrade. Universidade Federal do Amazonas Faculdade de Estudos Sociais Departamento de Economia e Análise. Período 2017.

Professora Ana Hermínia Andrade. Universidade Federal do Amazonas Faculdade de Estudos Sociais Departamento de Economia e Análise. Período 2017. Professora Ana Hermínia Andrade Universidade Federal do Amazonas Faculdade de Estudos Sociais Departamento de Economia e Análise Período 2017.1 Distribuições Amostrais O intuito de fazer uma amostragem

Leia mais

Introdução em Probabilidade e Estatística II

Introdução em Probabilidade e Estatística II Introdução em Probabilidade e Estatística II Lista 7 Exercicio Em estudo genético um gene A foi destacado para detectar uma doença. Se dita que em pessoas doentes (pacientes) este gene mostra atividade

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 Noções básicasb de Inferência Estatística descritiva inferencial População - Parâmetros desconhecidos (reais) Amostra

Leia mais

Lista de Exercícios #8 Assunto: Teste de Hipóteses

Lista de Exercícios #8 Assunto: Teste de Hipóteses . ANPEC 8 - Questão 5 Indique se as seguintes considerações sobre a teoria dos testes de hipótese são verdadeiras (V) ou falsas (F): () No teste de hipótese para proporções, se a variância da proporção

Leia mais

Testes de Hipóteses. Ricardo Ehlers Departamento de Matemática Aplicada e Estatística Universidade de São Paulo

Testes de Hipóteses. Ricardo Ehlers Departamento de Matemática Aplicada e Estatística Universidade de São Paulo Testes de Hipóteses Ricardo Ehlers ehlers@icmc.usp.br Departamento de Matemática Aplicada e Estatística Universidade de São Paulo Introdução e notação Em geral, intervalos de confiança são a forma mais

Leia mais

Análise de Aderência e de Associação

Análise de Aderência e de Associação Análise de Aderência e de Associação Capítulo 14, Estatística Básica (Bussab & Morettin, 8a Edição) Capítulo 8, Introdução Computacional à Probabilidade e Estatística (Pedrosa & Gama, Porto Editora) 8a

Leia mais

Contabilometria. Prof.: Patricia Maria Bortolon, D. Sc.

Contabilometria. Prof.: Patricia Maria Bortolon, D. Sc. Contabilometria Prof.: Patricia Maria Bortolon, D. Sc. Intervalos de Confiança Fonte: LEVINE, D. M.; STEPHAN, D. F.; KREHBIEL, T. C.; BERENSON, M. L.; Estatística Teoria e Aplicações, 5a. Edição, Editora

Leia mais

Princípios de Bioestatística Inferência e Intervalo de Confiança

Princípios de Bioestatística Inferência e Intervalo de Confiança 1/24 Princípios de Bioestatística Inferência e Intervalo de Confiança Enrico A. Colosimo/UFMG http://www.est.ufmg.br/ enricoc/ Depto. Estatística - ICEx - UFMG Tabela Normal Padrão 2/24 3/24 Inferência

Leia mais

Inferência Estatística:

Inferência Estatística: Inferência Estatística: Amostragem Estatística Descritiva Cálculo de Probabilidade Inferência Estatística Estimação Teste de Hipótese Pontual Por Intervalo Conceitos básicos Estimação É um processo que

Leia mais

Teste de hipóteses para proporção populacional p

Teste de hipóteses para proporção populacional p Teste de hipóteses para proporção populacional p 1 Métodos Estatísticos Métodos Estatísticos Estatística Descritiva Inferência Estatística Estimação Teste de Hipóteses 2 TESTE DE HIPÓTESES Eu acredito

Leia mais

Introdução à Bioestatística Turma Nutrição

Introdução à Bioestatística Turma Nutrição Universidade Federal de Minas Gerais Instituto de Ciências Exatas Departamento de Estatística Introdução à Bioestatística Turma Nutrição Aula 8: Intervalos de Confiança para Média e Proporção Distribuição

Leia mais

Prof. Lorí Viali, Dr.

Prof. Lorí Viali, Dr. Prof. Lorí Viali, Dr. http://www.mat.ufrgs.br/viali/ viali@mat.ufrgs.br Testes não-paramétricos Um teste não paramétrico testa outras situações que não parâmetros populacionais. Estas situações podem ser

Leia mais

Testes de hipóteses. Wagner H. Bonat Fernando P. Mayer Elias T. Krainski

Testes de hipóteses. Wagner H. Bonat Fernando P. Mayer Elias T. Krainski Testes de hipóteses Wagner H. Bonat Fernando P. Mayer Elias T. Krainski Universidade Federal do Paraná Departamento de Estatística Laboratório de Estatística e Geoinformação 07/06/2018 WB, FM, EK ( LEG/DEST/UFPR

Leia mais

Inferência Estatística

Inferência Estatística Inferência Estatística Estimação Intervalar Média e Proporção Estimação Pontual x Estimação Intervalar Exemplo Inicial: Um estudo pretende estimar o valor de µ, a renda média familiar dos alunos da UFMG.

Leia mais

X ~ Binomial (n ; p) H: p = p 0 x A: p p 0 (ou A: p > p 0 ou A: p < p 0 ) { X k 1 } U { X k 2 } (ou { X k } ou { X k }) x RC não rejeitamos H

X ~ Binomial (n ; p) H: p = p 0 x A: p p 0 (ou A: p > p 0 ou A: p < p 0 ) { X k 1 } U { X k 2 } (ou { X k } ou { X k }) x RC não rejeitamos H NOÇÕES DE TESTE DE HIPÓTESES (II) Nível Descritivo valor P Resumo X ~ Binomial (n ; p) (1) Estabelecer as hipóteses sobre p: H: p = p 0 x A: p p 0 (ou A: p > p 0 ou A: p < p 0 ) (2) Escolher um nível de

Leia mais

AULA 04 Teste de hipótese

AULA 04 Teste de hipótese 1 AULA 04 Teste de hipótese Ernesto F. L. Amaral 03 de outubro de 2013 Centro de Pesquisas Quantitativas em Ciências Sociais (CPEQS) Faculdade de Filosofia e Ciências Humanas (FAFICH) Universidade Federal

Leia mais

TESTES DE HIPÓTESES. Conceitos, Testes de 1 proporção, Testes de 1 média

TESTES DE HIPÓTESES. Conceitos, Testes de 1 proporção, Testes de 1 média TESTES DE HIPÓTESES Conceitos, Testes de 1 proporção, Testes de 1 média 1 Testes de Hipóteses População Conjectura (hipótese) sobre o comportamento de variáveis Amostra Decisão sobre a admissibilidade

Leia mais

Estatística Aplicada

Estatística Aplicada Estatística Aplicada Testes de Hipóteses Professor Lucas Schmidt www.acasadoconcurseiro.com.br Estatística Aplicada TESTES DE HIPÓTESES Inferência estatística: tomar decisões sobre a população com base

Leia mais

Unidade I ESTATÍSTICA APLICADA. Prof. Mauricio Fanno

Unidade I ESTATÍSTICA APLICADA. Prof. Mauricio Fanno Unidade I ESTATÍSTICA APLICADA Prof. Mauricio Fanno Estatística indutiva Estatística descritiva Dados no passado ou no presente e em pequena quantidade, portanto, reais e coletáveis. Campo de trabalho:

Leia mais

TESTES DE HIPÓTESES. Lucas Santana da Cunha Universidade Estadual de Londrina

TESTES DE HIPÓTESES. Lucas Santana da Cunha     Universidade Estadual de Londrina TESTES DE HIPÓTESES Lucas Santana da Cunha email: lscunha@uel.br http://www.uel.br/pessoal/lscunha/ Universidade Estadual de Londrina 26 de setembro de 2016 Introdução Viu-se a construção de intervalos

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

Distribuições Amostrais

Distribuições Amostrais Distribuições Amostrais 1 Da população, com parâmetro, retira-se k amostras de tamanho n e calcula-se a estatística. Estas estatísticas são as estimativas de. As estatísticas, sendo variáveis aleatórias,

Leia mais

Estatística Não Paramétrica. Como construir testes de aderência

Estatística Não Paramétrica. Como construir testes de aderência Estatística Não Paramétrica Como construir testes de aderência Teste Qui-quadrado Suposições amostra aleatória Dados nominais (sexo: M ou F) ou numéricos (idade: menor que 15, 15-24, 25-34, 35-44, 45-54,

Leia mais

Medidas de Dispersão. Prof.: Joni Fusinato

Medidas de Dispersão. Prof.: Joni Fusinato Medidas de Dispersão Prof.: Joni Fusinato joni.fusinato@ifsc.edu.br jfusinato@gmail.com 1 Dispersão Estatística As medidas de posição (média, mediana, moda) descrevem características dos valores numéricos

Leia mais

MAE Introdução à Probabilidade e Estatística II Resolução Lista 5

MAE Introdução à Probabilidade e Estatística II Resolução Lista 5 MAE 229 - Introdução à Probabilidade e Estatística II Resolução Lista 5 Professor: Pedro Morettin e Profa. Chang Chian Exercício 1 (a) De uma forma geral, o desvio padrão é usado para medir a dispersão

Leia mais

Estatística Aplicada

Estatística Aplicada Estatística Aplicada Distribuição Normal Professor Lucas Schmidt www.acasadoconcurseiro.com.br Estatística Aplicada DISTRIBUIÇÕES NORMAL Distribuição Normal É uma distribuição teórica de frequências onde

Leia mais

Inferência. 1 Estimativa pontual de uma média 2 Estimativa intervalar de uma média. Renata Souza

Inferência. 1 Estimativa pontual de uma média 2 Estimativa intervalar de uma média. Renata Souza Inferência 1 Estimativa pontual de uma média 2 Estimativa intervalar de uma média Renata Souza Aspectos Gerais A estatística descritiva tem por objetivo resumir ou descrever características importantes

Leia mais

AULA 03 Estimativas e tamanhos amostrais

AULA 03 Estimativas e tamanhos amostrais 1 AULA 03 Estimativas e tamanhos amostrais Ernesto F. L. Amaral 03 de outubro de 2013 Centro de Pesquisas Quantitativas em Ciências Sociais (CPEQS) Faculdade de Filosofia e Ciências Humanas (FAFICH) Universidade

Leia mais

Inferência Estatística:

Inferência Estatística: Universidade Federal de Minas Gerais Instituto de Ciências Exatas Departamento de Estatística Inferência Estatística: Princípios de Bioestatística decidindo na presença de incerteza Aula 8: Intervalos

Leia mais

6 Intervalos de confiança

6 Intervalos de confiança 6 Intervalos de confiança Estatística Aplicada Larson Farber Seção 6.1 Intervalos de confiança para a média (amostras grandes) Estimativa pontual DEFINIÇÃO: Uma estimativa pontual é a estimativa de um

Leia mais

Distribuições Amostrais e Estimação Pontual de Parâmetros

Distribuições Amostrais e Estimação Pontual de Parâmetros Distribuições Amostrais e Estimação Pontual de Parâmetros - parte I 19 de Maio de 2011 Introdução Objetivos Ao final deste capítulo você deve ser capaz de: Entender estimação de parâmetros de uma distribuição

Leia mais

Aula 10 Estimação e Intervalo de Confiança

Aula 10 Estimação e Intervalo de Confiança Aula 10 Estimação e Intervalo de Confiança Objetivos da Aula Fixação dos conceitos de Estimação; Utilização das tabelas de Distribuição Normal e t de Student Introdução Freqüentemente necessitamos, por

Leia mais

Intervalos de Confiança

Intervalos de Confiança Intervalos de Confiança Jorge M. V. Capela, Marisa V. Capela, Instituto de Química - UNESP Araraquara, SP capela@iq.unesp.br Araraquara, SP - 2016 1 2 Teorema do Limite Central Se amostras de tamanho n

Leia mais

Estimação e Testes de Hipóteses

Estimação e Testes de Hipóteses Estimação e Testes de Hipóteses 1 Estatísticas sticas e parâmetros Valores calculados por expressões matemáticas que resumem dados relativos a uma característica mensurável: Parâmetros: medidas numéricas

Leia mais

Distribuições por Amostragem

Distribuições por Amostragem Distribuições por Amostragem Departamento de Matemática Escola Superior de Tecnologia de Viseu (DepMAT ESTV) Distribuições por Amostragem 2007/2008 1 / 27 Introdução: População, amostra e inferência estatística

Leia mais

Testes de Hipótese PARA COMPUTAÇÃO

Testes de Hipótese PARA COMPUTAÇÃO Testes de Hipótese MONITORIA DE ESTATÍSTICA E PROBABILIDADE PARA COMPUTAÇÃO Testes de Hipóteses Um teste de hipótese é uma técnica de análise usada para estimar se uma hipótese sobre a população está correta,

Leia mais

Testes de Hipóteses para. uma Única Amostra. Objetivos de Aprendizagem. 9.1 Teste de Hipóteses. UFMG-ICEx-EST-027/031 07/06/ :07

Testes de Hipóteses para. uma Única Amostra. Objetivos de Aprendizagem. 9.1 Teste de Hipóteses. UFMG-ICEx-EST-027/031 07/06/ :07 -027/031 07/06/2018 10:07 9 ESQUEMA DO CAPÍTULO 9.1 TESTE DE HIPÓTESES 9.2 TESTES PARA A MÉDIA DE UMA DISTRIBUIÇÃO NORMAL, VARIÂNCIA CONHECIDA 9.3 TESTES PARA A MÉDIA DE UMA DISTRIBUIÇÃO NORMAL, VARIÂNCIA

Leia mais

6. NOÇÕES DE INFERÊNCIA ESTATÍSTICA

6. NOÇÕES DE INFERÊNCIA ESTATÍSTICA 6. NOÇÕES DE INFERÊNCIA ESTATÍSTICA 2019 Problemas de inferência Inferir significa fazer afirmações sobre algo desconhecido. A inferência estatística tem como objetivo fazer afirmações sobre uma característica

Leia mais

Estatística - aulasestdistrnormal.doc 13/10/05

Estatística - aulasestdistrnormal.doc 13/10/05 Distribuição Normal Introdução O pesquisador estuda variáveis. O estatístico diz que essas variáveis são aleatórias porque elas têm um componente que varia ao acaso. Por exemplo, a variabilidade dos pesos

Leia mais

Distribuições derivadas da distribuição Normal. Distribuição Normal., x real.

Distribuições derivadas da distribuição Normal. Distribuição Normal., x real. Distribuições derivadas da distribuição Normal Distribuição Normal Uma variável aleatória X tem distribuição normal com parâmetros µ e σ, quando sua densidade de probabilidade é f ( x) π σ e ( x µ ) σ,

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

Aula 9 Intervalo de confiança para a média da N(μ; σ 2 ), σ 2 desconhecida

Aula 9 Intervalo de confiança para a média da N(μ; σ 2 ), σ 2 desconhecida Aula 9 Intervalo de confiança para a média da N(μ; σ 2 ), σ 2 desconhecida Nesta aula você completará seu estudo básico sobre intervalos de confiança, analisando o problema de estimação da média de uma

Leia mais

Unidade III ESTATÍSTICA. Prof. Fernando Rodrigues

Unidade III ESTATÍSTICA. Prof. Fernando Rodrigues Unidade III ESTATÍSTICA Prof. Fernando Rodrigues Medidas de dispersão Estudamos na unidade anterior as medidas de tendência central, que fornecem importantes informações sobre uma sequência numérica. Entretanto,

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

Inferência Estatística: Conceitos Básicos II

Inferência Estatística: Conceitos Básicos II Inferência Estatística: Conceitos Básicos II Distribuição Amostral e Teorema do Limite Central Análise Exploratória de dados no SPSS Flávia F. Feitosa BH1350 Métodos e Técnicas de Análise da Informação

Leia mais

Introdução à inferência estatística

Introdução à inferência estatística Introdução à inferência estatística Cristian Villegas clobos@usp.br http://www.lce.esalq.usp.br/arquivos/aulas/2014/lce0216/ 1 Introdução Agora, vamos ver como reunir a Análise Exploratória de Dados, Modelos

Leia mais

Probabilidade e Estatística

Probabilidade e Estatística Probabilidade e Estatística stica Prof. Dr. Narciso Gonçalves da Silva http://paginapessoal.utfpr.edu.br/ngsilva Inferência Estatística stica e Distribuições Amostrais Inferência Estatística stica O objetivo

Leia mais

( x) = a. f X. = para x I. Algumas Distribuições de Probabilidade Contínuas

( x) = a. f X. = para x I. Algumas Distribuições de Probabilidade Contínuas Probabilidade e Estatística I Antonio Roque Aula Algumas Distribuições de Probabilidade Contínuas Vamos agora estudar algumas importantes distribuições de probabilidades para variáveis contínuas. Distribuição

Leia mais

Intervalos de Confiança - Amostras Pequenas

Intervalos de Confiança - Amostras Pequenas Intervalos de Confiança - Amostras Pequenas Teste de Hipóteses para uma Média Jorge M. V. Capela, Marisa V. Capela, Instituto de Química - UNESP Araraquara, SP capela@iq.unesp.br Araraquara, SP - 2016

Leia mais

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

Testes de Hipóteses. Prof. Adriano Mendonça Souza, Dr. Departamento de Estatística - PPGEMQ / PPGEP - UFSM Testes de Hipóteses Prof. Adriano Mendonça Souza, Dr. Departamento de Estatística - PPGEMQ / PPGEP - UFSM Testes de hipóteses O Teste de Hipótese é uma regra de decisão para aceitar ou rejeitar uma hipótese

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

Testes de Hipóteses: Média e proporção

Testes de Hipóteses: Média e proporção Testes de Hipóteses: Média e proporção Lucas Santana da Cunha email: lscunha@uel.br http://www.uel.br/pessoal/lscunha/ 12 de setembro de 2018 Londrina 1 / 27 Viu-se a construção de intervalos de confiança

Leia mais

Caros Alunos, segue a resolução das questões de Estatística aplicadas na prova para o cargo de Auditor Fiscal da Receita Municipal de Teresina.

Caros Alunos, segue a resolução das questões de Estatística aplicadas na prova para o cargo de Auditor Fiscal da Receita Municipal de Teresina. Caros Alunos, segue a resolução das questões de Estatística aplicadas na prova para o cargo de Auditor Fiscal da Receita Municipal de Teresina. De forma geral, a prova manteve o padrão das questões da

Leia mais

Testes de Hipótese para uma única Amostra - parte II

Testes de Hipótese para uma única Amostra - parte II Testes de Hipótese para uma única Amostra - parte II 2012/02 1 Teste para média com variância conhecida 2 3 Objetivos Ao final deste capítulo você deve ser capaz de: Testar hipóteses para média de uma

Leia mais

Aula 8 : Estimação de parâmetros

Aula 8 : Estimação de parâmetros UNIVERSIDADE FEDERAL DA BAHIA ESCOLA POLITÉCNICA MEAU- MESTRADO EM ENGENHARIA AMBIENTAL URBANA ENG C 18 Métodos de Pesquisa Quantitativos e Qualitativos Aula 8 : Estimação de parâmetros DOCENTE:CIRA SOUZA

Leia mais

Inferência Estatística Básica. Teste de Hipóteses para uma média populacional Cálculo do Valor p

Inferência Estatística Básica. Teste de Hipóteses para uma média populacional Cálculo do Valor p Inferência Estatística Básica Teste de Hipóteses para uma média populacional Cálculo do Valor p Exemplo 1 Um restaurante compra frangos abatidos inteiros com peso médio de 3 Kg há vários anos de um mesmo

Leia mais

Estatística Aplicada. Inferência estatística com desvio padrão populacional desconhecido Estimativa de proporção Capítulo 10 Itens 10.4 a 10.

Estatística Aplicada. Inferência estatística com desvio padrão populacional desconhecido Estimativa de proporção Capítulo 10 Itens 10.4 a 10. Estatística Aplicada Inferência estatística com desvio padrão populacional desconhecido Estimativa de proporção Capítulo 10 Itens 10.4 a 10.5 Casos população infinita Quando o desvio-padrão populacional

Leia mais

1 Introdução. 2 Variáveis Aleatórias Discretas (VAD)

1 Introdução. 2 Variáveis Aleatórias Discretas (VAD) Prof. Janete Pereira Amador 1 1 Introdução Muitas situações cotidianas podem ser usadas como experimento que dão resultados correspondentes a algum valor, e tais situações podem ser descritas por uma variável

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

Probabilidade e Estatística. stica. Prof. Dr. Narciso Gonçalves da Silva pessoal.utfpr.edu.

Probabilidade e Estatística. stica. Prof. Dr. Narciso Gonçalves da Silva  pessoal.utfpr.edu. Probabilidade e Estatística stica Prof. Dr. Narciso Gonçalves da Silva http://paginapessoal.utfpr.edu.br/ngsilva pessoal.utfpr.edu.br/ngsilva Distribuição Uniforme Uma variável aleatória contínua X está

Leia mais

ESTIMAÇÃO DE PARÂMETROS

ESTIMAÇÃO DE PARÂMETROS ESTIMAÇÃO DE PARÂMETROS Um dos principais objetivos da estatística inferencial consiste em estimar os valores de parâmetros populacionais desconhecidos (estimação de parâmetros) utilizando dados amostrais.

Leia mais

Probabilidade II. Departamento de Estatística. Universidade Federal da Paraíba

Probabilidade II. Departamento de Estatística. Universidade Federal da Paraíba Probabilidade II Departamento de Estatística Universidade Federal da Paraíba Prof. Tarciana Liberal (UFPB) Aula Distribuição t de Student 02/14 1 / 1 A distribuição t de Student é uma das distribuições

Leia mais

CE001 - BIOESTATÍSTICA TESTE DO QUI-QUADRADO

CE001 - BIOESTATÍSTICA TESTE DO QUI-QUADRADO CE001 - BIOESTATÍSTICA TESTE DO QUI-QUADRADO Ana Paula Araujo Correa Eder Queiroz Newton Trevisan DEFINIÇÃO É um teste de hipóteses que se destina a encontrar um valor da dispersão para duas variáveis

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

Stela Adami Vayego Estatística II CE003/DEST/UFPR

Stela Adami Vayego Estatística II CE003/DEST/UFPR Resumo 1 Teste de hipóteses não paramétricos Os métodos não-paramétricos fazem poucas suposições sobre a natureza das distribuições dos dados. Não exige que as distribuições nas populações sejam normais,

Leia mais

Introdução à Probabilidade e à Estatística II

Introdução à Probabilidade e à Estatística II Introdução à Probabilidade e à Estatística II Introdução à Inferência Estatística Capítulo 10, Estatística Básica (Bussab&Morettin, 7a Edição) Lígia Henriques-Rodrigues MAE0229 1º semestre 2018 1 / 36

Leia mais

Distribuições Amostrais - Tamanho da Amostra

Distribuições Amostrais - Tamanho da Amostra Distribuições Amostrais - Tamanho da Amostra Prof. Eduardo Bezerra Inferência Estatística 21 de Setembro de 2018 Eduardo Bezerra (CEFET/RJ) Tamanho da Amostra 1 / 10 Motivação Suponha que queremos estimar

Leia mais

Intervalos de Confiança Prof. Walter Sousa

Intervalos de Confiança Prof. Walter Sousa Estatística Intervalos de Confiança Prof. Walter Sousa DISTRIBUIÇÕES AMOSTRAIS A distribuição amostral de um estimador (estatística, tal como a média ou uma proporção) é a distribuição de probabilidades

Leia mais

Professora Ana Hermínia Andrade. Período

Professora Ana Hermínia Andrade. Período Teste de Hipóteses Professora Ana Hermínia Andrade Universidade Federal do Amazonas Faculdade de Estudos Sociais Departamento de Economia e Análise Período 2016.1 Teste de Hipóteses O Teste de Hipóteses

Leia mais

Bioestatística CE001 Prof. Fernando de Pol Mayer Departamento de Estatística DEST Exercícios: inferência Nome: GABARITO

Bioestatística CE001 Prof. Fernando de Pol Mayer Departamento de Estatística DEST Exercícios: inferência Nome: GABARITO Bioestatística CE001 Prof. Fernando de Pol Mayer Departamento de Estatística DEST Exercícios: inferência Nome: GABARITO GRR: Observação: em todos os problemas que envolvem teste de hipótese, é necessário

Leia mais

Tópicos em Gestão da Informação II

Tópicos em Gestão da Informação II Tópicos em Gestão da Informação II Aula 07 Inferência Estatística - Estimação Prof. Dalton Martins dmartins@gmail.com Gestão da Informação Faculdade de Informação e Comunicação Universidade Federal de

Leia mais

Teste Qui-quadrado. Dr. Stenio Fernando Pimentel Duarte

Teste Qui-quadrado. Dr. Stenio Fernando Pimentel Duarte Dr. Stenio Fernando Pimentel Duarte Exemplo Distribuição de 300 pessoas, classificadas segundo o sexo e o tabagismo Tabagismo Fumante (%) Não Fumante (%) Masculino 92 (46,0) 108 (54,0) Sexo Feminino 38

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

6EMA Lucas Santana da Cunha 17 e 19 de abril de Universidade Estadual de Londrina

6EMA Lucas Santana da Cunha   17 e 19 de abril de Universidade Estadual de Londrina ESTATÍSTICA ECONÔMICA 6EMA020-1000 lscunha@uel.br http://www.uel.br/pessoal/lscunha/ Universidade Estadual de Londrina 17 e 19 de abril de 2017 1 o Bimestre Cronograma Critério de Avaliação Bibliografia

Leia mais

PHD 5742 Estatística Aplicada ao Gerenciamento dos Recursos Hídricos

PHD 5742 Estatística Aplicada ao Gerenciamento dos Recursos Hídricos PHD 574 Estatística Aplicada ao Gerenciamento dos Recursos Hídricos 8 a aula Testes Não-Paramétricos de Hipóteses Mario Thadeu Leme de Barros Luís Antonio Villaça de Garcia Abril / 005 Estatística Aplicada

Leia mais

Inferência para duas populações

Inferência para duas populações Inferência para duas populações Capítulo 13, Estatística Básica (Bussab&Morettin, 8a Edição) 7a AULA 27/04/2015 MAE229 - Ano letivo 2015 Lígia Henriques-Rodrigues 7a aula (27/04/2015) MAE229 1 / 27 1.

Leia mais

TESTE DE KOLMOGOROV-SMIRNOV. Professor Ewaldo Santana Universidade Estadual do Maranhão - UEMA

TESTE DE KOLMOGOROV-SMIRNOV. Professor Ewaldo Santana Universidade Estadual do Maranhão - UEMA TESTE DE KOLMOGOROV-SMIRNOV Professor Ewaldo Santana Universidade Estadual do Maranhão - UEMA Conteúdo 2 Ewaldo Santana Introdução 3 Ewaldo Santana Introdução Testes estatísticos paramétricos, tais como

Leia mais

Distribuição Amostral e Estimação Pontual de Parâmetros

Distribuição Amostral e Estimação Pontual de Parâmetros Roteiro Distribuição Amostral e Estimação Pontual de Parâmetros 1. Introdução 2. Teorema Central do Limite 3. Conceitos de Estimação Pontual 4. Métodos de Estimação Pontual 5. Referências Estatística Aplicada

Leia mais

MEDIDAS DE DISPERSÃO. Professor Jair Wyzykowski. Universidade Estadual de Santa Catarina

MEDIDAS DE DISPERSÃO. Professor Jair Wyzykowski. Universidade Estadual de Santa Catarina MEDIDAS DE DISPERSÃO Professor Jair Wyzykowski Universidade Estadual de Santa Catarina Introdução INTRODUÇÃO A variabilidade entre elementos em torno do centro da distribuição é chamada medida de dispersão.

Leia mais