Intervalos de Confiança

Save this PDF as:
 WORD  PNG  TXT  JPG

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

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 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

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

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

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

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

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

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

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

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

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

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

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

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

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

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

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

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

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

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

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

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

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

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

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

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

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. 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

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

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

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

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

Princípios de Bioestatística Teste de Hipóteses

Princípios de Bioestatística Teste de Hipóteses 1/36 Princípios de Bioestatística Teste de Hipóteses Enrico A. Colosimo/UFMG http://www.est.ufmg.br/ enricoc/ Depto. Estatística - ICEx - UFMG Tabela 2/36 3/36 Exemplo A concentração de certa substância

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

Teste de hipóteses para uma média populacional com variância conhecida e desconhecida

Teste de hipóteses para uma média populacional com variância conhecida e desconhecida Teste de hipóteses para uma média populacional com variância conhecida e desconhecida Teste de hipóteses para uma média populacional com variância conhecida Tomando-se como exemplo os dados de recém-nascidos

Leia mais

Amostragem Aleatória e Descrição de Dados - parte I

Amostragem Aleatória e Descrição de Dados - parte I Amostragem Aleatória e Descrição de Dados - parte I 2012/02 1 Amostra e População 2 3 4 Objetivos Ao final deste capítulo você deve ser capaz de: Calcular e interpretar as seguintes medidas de uma amostra:

Leia mais

Intervalos Estatísticos para uma única Amostra - parte I

Intervalos Estatísticos para uma única Amostra - parte I Intervalos Estatísticos para uma única Amostra - parte I Intervalo de confiança para média 14 de Janeiro Objetivos Ao final deste capítulo você deve ser capaz de: Construir intervalos de confiança para

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

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

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

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 Estimação Teste de Hipóteses Qual é a probabilidade de "cara no lançamento de uma moeda? A moeda é honesta ou desequilibrada?

Leia mais

Testes de Hipótese para uma única Amostra - parte I

Testes de Hipótese para uma única Amostra - parte I Testes de Hipótese para uma única Amostra - parte I 26 de Junho de 2014 Objetivos Ao final deste capítulo você deve ser capaz de: Estruturar problemas de engenharia como testes de hipótese. Entender os

Leia mais

Testes de Hipóteses. Professor: Josimar Vasconcelos Contato: ou

Testes de Hipóteses. Professor: Josimar Vasconcelos Contato: ou Testes de Hipóteses Professor: Josimar Vasconcelos Contato: josimar@ufpi.edu.br ou josimar@uag.ufrpe.br http://prof-josimar.blogspot.com.br/ Universidade Federal do Piauí UFPI Campus Senador Helvídio Nunes

Leia mais

Intervalos de Confiança

Intervalos de Confiança Intervalos de Confiança Carla Henriques e Nuno Bastos Departamento de Matemática Escola Superior de Tecnologia de Viseu Carla Henriques e Nuno Bastos (DepMAT) Intervalos de Confiança 2010/2011 1 / 33 Introdução

Leia mais

PROJETO E ANÁLISES DE EXPERIMENTOS (PAE) INTRODUÇÃO AOS MÉTODOS ESTATÍSTICOS EM ENGENHARIA

PROJETO E ANÁLISES DE EXPERIMENTOS (PAE) INTRODUÇÃO AOS MÉTODOS ESTATÍSTICOS EM ENGENHARIA PROJETO E ANÁLISES DE EXPERIMENTOS (PAE) INTRODUÇÃO AOS MÉTODOS ESTATÍSTICOS EM ENGENHARIA VARIABILIDADE NA MEDIDA DE DADOS CIENTÍFICOS Se numa pesquisa, desenvolvimento de um processo ou produto, o valor

Leia mais

Testes de Aderência, Homogeneidade e Independência

Testes de Aderência, Homogeneidade e Independência Testes de Aderência, Homogeneidade e Independência Prof. Marcos Vinicius Pó Métodos Quantitativos para Ciências Sociais O que é um teste de hipótese? Queremos saber se a evidência que temos em mãos significa

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

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

Medidas de Dispersão ou variabilidade

Medidas de Dispersão ou variabilidade Medidas de Dispersão ou variabilidade A média - ainda que considerada como um número que tem a faculdade de representar uma série de valores - não pode, por si mesma, destacar o grau de homogeneidade ou

Leia mais

Fernando de Pol Mayer

Fernando de Pol Mayer Fernando de Pol Mayer Laboratório de Estatística e Geoinformação (LEG) Departamento de Estatística (DEST) Universidade Federal do Paraná (UFPR) Este conteúdo está disponível por meio da Licença Creative

Leia mais

Distribuição t de Student

Distribuição t de Student Distribuição t de Student Introdução Quando o desvio padrão da população não é conhecido (o que é o caso, geralmente), usase o desvio padrão da amostra como estimativa, substituindo-se σ x por S x nas

Leia mais

Distribuição T - Student. Prof. Herondino S. F.

Distribuição T - Student. Prof. Herondino S. F. Distribuição T - Student Prof. Herondino S. F. Distribuição T-Student A distribuição T de Student é uma distribuição de probabilidade estatística, publicada por um autor que se chamou de Student, pseudônimo

Leia mais

Estatística II Aula 2. Prof.: Patricia Maria Bortolon, D. Sc.

Estatística II Aula 2. Prof.: Patricia Maria Bortolon, D. Sc. Estatística II Aula Prof.: Patricia Maria Bortolon, D. Sc. Distribuições Amostrais ... vocês lembram que: Antes de tudo... Estatística Parâmetro Amostra População E usamos estatíticas das amostras para

Leia mais

Amostragem e distribuições por amostragem

Amostragem e distribuições por amostragem Amostragem e distribuições por amostragem Carla Henriques e Nuno Bastos Departamento de Matemática Escola Superior de Tecnologia de Viseu Contabilidade e Administração População, amostra e inferência estatística

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

- Testes Qui-quadrado - Aderência e Independência

- Testes Qui-quadrado - Aderência e Independência - Testes Qui-quadrado - Aderência e Independência 1 1. Testes de Aderência Objetivo: Testar a adequabilidade de um modelo probabilístico a um conjunto de dados observados Exemplo 1: Segundo Mendel (geneticista

Leia mais

Estatística. Guia de Estudos P2

Estatística. Guia de Estudos P2 Estatística Guia de Estudos P2 1. Intervalo de Confiança Conceito extremamente importante que consiste em utilizar os valores amostrais obtidos através das fórmulas de Estatística Descritiva para encontrar

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

Uma estatística é uma característica da amostra. Ou seja, se

Uma estatística é uma característica da amostra. Ou seja, se Estatística Uma estatística é uma característica da amostra. Ou seja, se X 1,..., X n é uma amostra, T = função(x 1,..., X n é uma estatística. Exemplos X n = 1 n n i=1 X i = X 1+...+X n : a média amostral

Leia mais

i. f Y (y, θ) = 1/θ... 0 y θ 0... y < 0 ou y > θ Se a amostra selecionada foi ( ), qual será a estimativa para θ?

i. f Y (y, θ) = 1/θ... 0 y θ 0... y < 0 ou y > θ Se a amostra selecionada foi ( ), qual será a estimativa para θ? Fundação Getulio Vargas Curso: Graduação Disciplina: Estatística Professor: Moisés Balassiano Lista de Exercícios Inferência. Seja (Y, Y 2,..., Y n ) uma amostra aleatória iid, de tamanho n, extraída de

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 Teorema Central do Limite (TCL) Se y 1, y 2,...,

Leia mais

Inferência Estatística

Inferência Estatística Inferência Estatística Profa Alcione Miranda dos Santos Departamento de Saúde Pública UFMA Núcleo de Estatística e Informática HUUFMA email: alcione.miranda@terra.com.br Inferência Estatística Inferências

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

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 7 11/2014 Variáveis Aleatórias Variáveis Aleatórias Probabilidade e Estatística 3/41 Variáveis Aleatórias Colete

Leia mais

ICMS/PE 2014 Resolução da Prova de Estatística Professor Fábio Amorim. ICMS PE 2014: Resolução da prova de Estatística Prof.

ICMS/PE 2014 Resolução da Prova de Estatística Professor Fábio Amorim. ICMS PE 2014: Resolução da prova de Estatística Prof. ICMS/PE 2014 Resolução da Prova de Estatística Professor Fábio Amorim 1 de 6 Pessoal, segue a resolução das questões de Estatística da prova realizada pela SEFAZ-PE, para o cargo de Auditor Fiscal do Tesouro

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 MESTRADO - TURMA 2012 PROVA

Leia mais

POPULAÇÃO X AMOSTRA INTRODUÇÃO À BIOESTATÍSTICA TIPOS DE VARIÁVEIS CLASSIFICAÇÃO DAS VARIÁVEIS CLASSIFICAÇÃO DAS VARIÁVEIS 1) TIPOS DE VARIÁVEIS

POPULAÇÃO X AMOSTRA INTRODUÇÃO À BIOESTATÍSTICA TIPOS DE VARIÁVEIS CLASSIFICAÇÃO DAS VARIÁVEIS CLASSIFICAÇÃO DAS VARIÁVEIS 1) TIPOS DE VARIÁVEIS POPULAÇÃO X AMOSTRA INTRODUÇÃO À BIOESTATÍSTICA População (N) representa o conjunto de todas as unidades experimentais que apresentam características em comum Amostra (n) representa uma parte do todo.

Leia mais

HEP Bioestatística

HEP Bioestatística HEP 57800 Bioestatística DATA Aula CONTEÚDO PROGRAMÁTICO 05/03 Terça 1 Níveis de mensuração, variáveis, organização de dados, apresentação tabular 07/03 Quinta 2 Apresentação tabular e gráfica 12/03 Terça

Leia mais

Fernando de Pol Mayer

Fernando de Pol Mayer Fernando de Pol Mayer Laboratório de Estatística e Geoinformação (LEG) Departamento de Estatística (DEST) Universidade Federal do Paraná (UFPR) Este conteúdo está disponível por meio da Licença Creative

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

Módulo IV Medidas de Variabilidade ESTATÍSTICA

Módulo IV Medidas de Variabilidade ESTATÍSTICA Módulo IV Medidas de Variabilidade ESTATÍSTICA Objetivos do Módulo IV Compreender o significado das medidas de variabilidade em um conjunto de dados Encontrar a amplitude total de um conjunto de dados

Leia mais

a) 19% b) 20% c) Aproximadamente 13% d) 14% e) Qualquer número menor que 20%

a) 19% b) 20% c) Aproximadamente 13% d) 14% e) Qualquer número menor que 20% 0. 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

Prova de Estatística

Prova de Estatística UNIVERSIDADE FEDERAL DO PARÁ CURSO DE MESTRADO EM ECONOMIA PROCESSO SELETIVO 2010 Prova de Estatística INSTRUÇÕES PARA A PROVA Leia atentamente as questões. A interpretação das questões faz parte da prova;

Leia mais

Teste de Hipóteses. Enrico A. Colosimo/UFMG enricoc/ Depto. Estatística - ICEx - UFMG 1/24

Teste de Hipóteses. Enrico A. Colosimo/UFMG  enricoc/ Depto. Estatística - ICEx - UFMG 1/24 1/24 Introdução à Bioestatística Teste de Hipóteses Enrico A. Colosimo/UFMG http://www.est.ufmg.br/ enricoc/ Depto. Estatística - ICEx - UFMG 2/24 Exemplo A concentração de certa substância no sangue entre

Leia mais

MEDIDAS DE POSIÇÃO E DE DISPERSÃO. Profª Andréa H Dâmaso

MEDIDAS DE POSIÇÃO E DE DISPERSÃO. Profª Andréa H Dâmaso MEDIDAS DE POSIÇÃO E DE DISPERSÃO Profª Andréa H Dâmaso Bioestatística e Delineamento Experimental - 2012 Tópicos da aula Medidas de tendência central e dispersão Variáveis contínuas: distribuição normal

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

CORRELAÇÃO. Flávia F. Feitosa

CORRELAÇÃO. Flávia F. Feitosa CORRELAÇÃO Flávia F. Feitosa BH1350 Métodos e Técnicas de Análise da Informação para o Planejamento Junho de 2015 Revisão Inferência Estatística: Método científico para tirar conclusões sobre os parâmetros

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 2012/02 1 Introdução 2 3 4 5 Objetivos Ao final deste capítulo você deve ser capaz de: Entender estimação de parâmetros de uma distribuição

Leia mais

Lista de Exercicios 1 MEDIDAS RESUMO. ESTIMAÇÃO PONTUAL.

Lista de Exercicios 1 MEDIDAS RESUMO. ESTIMAÇÃO PONTUAL. Introdução à Inferência Estatística Departamento de Física é Matemática. USP-RP. Prof. Rafael A. Rosales 5 de setembro de 004 Lista de Exercicios 1 MEDIDAS RESUMO. ESTIMAÇÃO PONTUAL. 1 Medidas Resumo DISTRIBUIÇÕES

Leia mais

Estatística (MAD231) Turma: IGA. Período: 2016/2

Estatística (MAD231) Turma: IGA. Período: 2016/2 Estatística (MAD231) Turma: IGA Período: 2016/2 Aula #02 de Inferência Estatística: 28/11/2016 1 Intervalos de Confiança Vamos começar com um exemplo. Suponha que se deseja estimar a média µ de uma população

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

Testes de Hipóteses Paramétricos

Testes de Hipóteses Paramétricos Testes de Hipóteses Paramétricos Carla Henriques Departamento de Matemática Escola Superior de Tecnologia de Viseu Introdução Exemplos Testar se mais de metade da população irá consumir um novo produto

Leia mais

Questão 1 Sabe-se que o consumo mensal per capita de um determinado produto tem distribuição normal com desvio padrão σ = 2kg

Questão 1 Sabe-se que o consumo mensal per capita de um determinado produto tem distribuição normal com desvio padrão σ = 2kg Lista suplementar Teste de uma média populacional Questão 1 Sabe-se que o consumo mensal per capita de um determinado produto tem distribuição normal com desvio padrão σ = kg. A diretoria da indústria

Leia mais

AULA 02 Distribuição de Probabilidade Normal

AULA 02 Distribuição de Probabilidade Normal 1 AULA 02 Distribuição de Probabilidade Normal Ernesto F. L. Amaral 20 de agosto de 2012 Faculdade de Filosofia e Ciências Humanas (FAFICH) Universidade Federal de Minas Gerais (UFMG) Fonte: Triola, Mario

Leia mais

Amostragem. Cuidados a ter na amostragem Tipos de amostragem Distribuições de amostragem

Amostragem. Cuidados a ter na amostragem Tipos de amostragem Distribuições de amostragem Amostragem Cuidados a ter na amostragem Tipos de amostragem Distribuições de amostragem 1 Muito Importante!! Em relação às amostras, deve assegurar-se a sua representatividade relativamente à população

Leia mais

UNIVERSIDADE FEDERAL DA PARAÍBA. Variáveis Aleatórias. Departamento de Estatística Luiz Medeiros

UNIVERSIDADE FEDERAL DA PARAÍBA. Variáveis Aleatórias. Departamento de Estatística Luiz Medeiros UNIVERSIDADE FEDERAL DA PARAÍBA Variáveis Aleatórias Departamento de Estatística Luiz Medeiros Introdução Como sabemos, características de interesse em diversas áreas estão sujeitas à variação; Essa variabilidade

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

Exemplo 7.0 Numa linha de produção, os pesos de pacotes de pó de café embalados por uma máquina têm distribuição Normal, com média

Exemplo 7.0 Numa linha de produção, os pesos de pacotes de pó de café embalados por uma máquina têm distribuição Normal, com média Exemplo 7.0 Numa linha de produção, os pesos de pacotes de pó de café embalados por uma máquina têm distribuição Normal, com média µ = 505g e desvio padrão σ = 9g. a) Selecionado ao acaso um pacote embalado

Leia mais

Catarina Marques. Estatística II Licenciatura em Gestão. Conceitos: População, Unidade Estatística e Amostra

Catarina Marques. Estatística II Licenciatura em Gestão. Conceitos: População, Unidade Estatística e Amostra Amostragem Estatística II Licenciatura em Gestão 1 Conceitos: População, Unidade Estatística e Amostra População (ou Universo) dimensão N Conjunto de unidades com uma ou mais características comuns População

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

MÓDULO V: Análise Bidimensional: Correlação, Regressão e Teste Qui-quadrado de Independência

MÓDULO V: Análise Bidimensional: Correlação, Regressão e Teste Qui-quadrado de Independência MÓDULO V: Análise Bidimensional: Correlação, Regressão e Teste Qui-quadrado de Independência Introdução 1 Muito frequentemente fazemos perguntas do tipo se alguma coisa tem relação com outra. Estatisticamente

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

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