CONCEITOS BÁSICOS E PRINCÍPIOS DE ESTATÍSTICA

Save this PDF as:
 WORD  PNG  TXT  JPG

Tamanho: px
Começar a partir da página:

Download "CONCEITOS BÁSICOS E PRINCÍPIOS DE ESTATÍSTICA"

Transcrição

1 1 CONCEITOS BÁSICOS E PRINCÍPIOS DE ESTATÍSTICA 1. Coceitos Básicos de Probabilidade Variável aleatória: é um úmero (ou vetor) determiado por uma resposta, isto é, uma fução defiida em potos do espaço amostral. Uma variável aleatória pode ser discreta (como o laçameto de um dado) ou cotíua (como a medição de temperatura). Valor esperado (expectativa,sigificado): é a média poderada dos possíveis valores de X, cada valor poderado por sua probabilidade. É represetada por E(X) ou µ x, sedo defiida por E(X) = x f(x ) + x f(x ) x f(x ) 1 1 E(X) = Σ xp(x = x i i i ), para i=1,,...,. Variâcia: é uma medida da dispersão de X. É represetada por Var(X) e por defiida por [ ] ( ) = Σ ( µ ) ( ) = ( µ ) Var X x f x E X ou Var X ( ) E( X ) = i µ x i e é Desvio padrão: é a raiz quadrada ão-egativa da variâcia. É represetado por. Variável aleatória padroizada: seja x a variável aleatória com sigificado µ e desvio z = x µ. padrão. A variável aleatória padroizada (z), que correspode à x é defiida por ( ) Uma variável padroizada tem valor esperado igual a 0 e variâcia igual a 1 (desvio padrão igual a 1). Teste amostral simples: costitui-se de uma sucessão de leituras tomadas sob codições idêticas (mesmo observador e mesmo istrumeto de medição), exceto o tempo. Teste multiamostral: ocorre quado são feitas medições repetidas de uma quatidade, utilizado diferetes istrumetos de medição e diferetes observadores. As trocas, tato de observador como de istrumeto, causam mudaças a distribuição dos erros e, cosequetemete, tem-se um cojuto de variáveis aleatórias. Distribuição multivariada: é a distribuição cojuta de duas ou mais variáveis aleatórias defiidas o mesmo espaço amostral, própria de um teste multiamostral. Um exemplo é a distribuição associada com a observação simultâea de temperatura, pressão, direção e velocidade do veto. A fução distribuição de uma distribuição bivariada é: P(X x,y y) e é, usualmete, simbolizada por F ( x y) X, Y, 1

2 Valor verdadeiro de uma variável: é aquele que seria obtido a medição se ão houvesse característica estocástica (aleatória) associada com a medição. Erro aleatório: é um erro que represeta a difereça etre o valor medido da variável aleatória e seu valor verdadeiro. Erro sistemático: é um erro itroduzido cotiuamete, devido, por exemplo, a erro de calibração, desvios istrumetais, erro de técica e, também, devido à represetação iadequada de um processo (como a ão-cosideração da ocorrêcia de vazametos, depósitos). Variáveis aleatórias idepedetes: um úmero fiito de variáveis aleatórias X, Y,..., Z, um espaço amostral defiido, são cosideradas idepedetes se: ( X = x, Y = y,..., Z = z ) = P( X = x ) P( Y = y )...P( Z z ) P = i j para quaisquer valores de xi, y j,..., zk. Elas têm as seguites propriedades: i)e(xy) = E(X) E(Y) ii)var(x+y) = Var(X) + Var(Y) iii)cov(x,y) = 0 ode Cov(X,Y) = covariâcia. k i j k Covariâcia: é o coceito que relacioa duas variáveis aleatórias, X e Y, defiidas um mesmo espaço amostral, represetada por Cov(X,Y). É defiida por ou equivaletemete, [ ] (, ) = ( µ x )( µ y ) Cov X Y E X Y Cov( X, Y ) = E( XY) µ xµ y Coeficiete de correlação: forece a correlação etre duas variáveis aleatórias, X e Y, defiidas um mesmo espaço amostral, represetada por ρ X, Y. É defiido por ρ ( ) X, Y = Cov X, Y x y Autocovariâcia: ao lidar com o registro cotíuo da temperatura X(t) em fução do tempo, pode-se estar iteressado a relação etre X(t) os tempos t 1 e t.a covariâcia etre

3 variáveis aleatórias X(t 1 ) e X(t ), que represetam potos sobre um mesmo camiho, mas em diferetes tempos, é chamada de autocovariâcia. Covariâcia cruzada: é a covariâcia etre dois processos estocásticos cotíuos, sedo que um deles é referete a um poto o tempo X(t 1 ) e o outro a um poto e tempo possivelmete diferetes, Y(t ). 3. A Variâcia e a Distribuição de Erros Aleatórios Se uma medição experimetal é repetida um úmero de vezes, os valores registrados das quatidades medidas diferem, quase sempre, us dos outros. A dispersão de medições sucessivas de uma quatidade x é comumete expressa em termos da variâcia ou do desvio padrão do cojuto de medidas. Essas quatidades são defiidas de forma que sejam úteis a estimativa da probabilidade de ocorrêcia de erros aleatórios de itesidade defiida as medidas. A variâcia da amostra é simplesmete o desvio ao quadrado médio, de valores medidos de x, em relação à média da amostra x: a Σ = ( x x ) (1) ode a média (x ) é obtida por x x = Σ () O desvio padrão é obtido através da variâcia: a = a (3) 3

4 4 Na defiição da variâcia das Eq.(1), desvios positivos e egativos em toro da média ão se cacelam us aos outros. A última forma desta equação, que defie a variâcia, é a mais coveiete, quado cálculos reais estão sedo feitos. O valor da variâcia se tora mais cofiável quato mais medições forem obtidas e a exatidão real do procedimeto de medição é idicada pelo valor da variâcia, calculada a partir de uma quatidade muito grade de dados. Quado o úmero de potos experimetais obtido se torar ifiito, o cojuto ifiito é chamado uma população de valores. Para tal população, a média da população (µ) é defiida como: µ = lim Σ x (4) e a variâcia da população é defiida como Σ( x µ ) = lim (5) O desvio padrão da população é a raiz quadrada ão-egativa da variâcia da população. A média da população é o melhor, ou mais provável, valor de x, desde que as variações de x sejam resultates de efeitos pequeos, aleatórios, idepedetes e aditivos. Se, etretato, erros de método e/ou erros ão-aleatórios forem ieretes às medidas, etão a média pode diferir substacialmete do valor verdadeiro de x. Se em um cojuto ifiito de dados, as variações de x forem aleatórias, diz-se que a distribuição de valores de x em toro da média é uma Distribuição Normal ou Gaussiaa. 3.1 Distribuição Normal ou Gaussiaa. As distribuições de feômeos observados assumem, frequetemete, uma forma simétrica em toro da média. Uma fução desse tipo, de extrema importâcia em estatística, é chamada de Distribuição Normal ou Distribuição de Gauss, que é descrita pela fução F ( x ) = 1 exp π 1 ( x µ ) De forma abreviada, se a variável aleatória x apreseta distribuição ormal, com média µ e variâcia, diz-se, simplesmete, x = N( µ, ) 4

5 5 Do exame da fução desidade, verifica-se que: i) ela é simétrica em toro do eixo vertical que passa por µ; ii) o valor máximo de F(x) ocorreu quado x = µ; iii) tem por assítota o eixo das abscissas; iv) tem potos de iflexão em x = µ ±. Quado a variável aleatória x é padroizada, ela passa a ter uma Distribuição Normal Padroizada, que tem média zero e desvio padrão uitário, ou equivaletemete, uma distribuição N(0,1). Os valores desta fução distribuição são tabelados e com eles se tem um meio de obter as probabilidades associadas a qualquer variável ormal, cohecidos a média e o desvio padrão e a defiição de variável aleatória padroizada (z), 5

6 6 ( µ ) z = x Cosiderado, agora, o cojuto de variáveis aleatórias idepedetes (x 1, x,..., x ), cada uma ormalmete distribuída, com mesma média (µ) e mesma variâcia ( ). Etão, a média de uma amostra de elemetos, extraída de uma população N(µ, ), represetada por x = x1 + x x é ormalmete distribuída, com média µ e variâcia /. Este resultado é muito importate e é chamado de Teorema do Limite Cetral. Em cosequêcia, x z = µ tem uma distribuição ormal padroizada. Esta situação correspode a um teste amostral simples. A variâcia da população, defiida pela Eq..5, é baseada uma amostra hipotética, cotedo um úmero ifiito de replicatas de uma medida. Todavia, para objetivos práticos, é ecessário lidar com um úmero fiito de valores da quatidade em questão. A média da amostra (x ) é a melhor estimativa da média da população (µ). Etretato, a variâcia da amostra ( a ) ão é a melhor estimativa da variâcia da população ( ). A melhor estimativa da variâcia da população é dada por, s Σ = Σ x x Σ = = a (6) ( x x) Cosiderado, agora um teste multiamostral evolvedo variáveis aleatórias X 1, X,..., X, que são ormalmete distribuídas, com suas médias µ 1, µ,..., µ e variâcias 1,,...,, respectivamete. A variável aleatória Z é uma combiação liear dessas variáveis Z = a X + a X + + a X Na hipótese de Z ser ormalmete distribuída, sua média µ z é a média poderada das médias das variáveis aleatórias idividuais, que podem ou ão ser idepedetes, que é dada por ( a a a ) µ = µ + µ + + µ z A variâcia é dada por z i i i= 1 i j ( ) = a + a a Cov X, X i j i j 6

7 7 ode a Cov(X i, X j ) é zero, se as variáveis X i e X j são idepedetes uma da outra. Os chamados testes odal e de medida, muito utilizados para detectar e idetificar fotes de erros grosseiros, são testados cotra uma distribuição ormal padroizada. 3.. Distribuição Qui-quadrado A variável aleatória, formada pela soma dos quadrados de variáveis aleatórias idepedetes Z i, defiida por tem uma distribuição χ. ( i ( )) χ = Z i, Z = N 0, 1 i O valor é também cohecido como o úmero de graus de liberdade da χ. A média e a variâcia dessa distribuição são expressas em graus de liberdade, sedo iguais, respectivamete, a e. A fução desidade de probabilidade qui-quadrado é represetada por χ ν, ode ν desiga o úmero de graus de liberdade da χ. Se ν observações de uma variável são idepedetes, etão o úmero de graus de liberdade é igual a ν. Etretato, um grau de liberdade é perdido para cada restrição sobre as ν observações. 7

8 8 A fução distribuição F( χ α ) dispoíveis a maioria dos livros de estatística, para os quais ( α, ν ) P χ χ = α é tabulada de forma a forecer valores χ α, ν, que são ode α é a probabilidade de somas dos quadrados iguais ou superiores ao valor correspodete tabelado. O ível de sigificâcia α é, geralmete, fixado em toro do valor 0,05. Quato maior α, maior é o risco de rejeitar hipóteses boas; iversamete, o risco de aceitar hipóteses falsas aumeta, a medida que o valor de α dimiue. Se o valor calculado da variável aleatória χ for maior do que o valor tabelado χ α ν,, rejeitase a hipótese de que as variáveis Z i sejam aleatórias, etretato, se ele for meor ou igual, a hipótese é aceita. 8

9 Esta distribuição é usada para a detecção de erros grosseiros em dados de processo, ode se verifica se a variável aleatória costituída pela soma poderada (pelo iverso das variâcias) dos quadrados dos erros da variáveis idividuais segue uma distribuição qui-quadrado. Se isto for verdade, é válida a hipótese de que os erros de medida são variáveis aleatórias ormalmete distribuídas e, portato, o cojuto de medidas testadas ão cotém erro sistemático. Caso isto ão seja verdade, deve(m) ser idetificada(s) a(s) medida(s) que coté(ê)m erros grosseiros, submetedo-se o cojuto resultate ao teste em questão. Para realizar o teste, deve-se calcular o valor de χ e compará-lo com valores tabelados, uma vez defiido um ível de sigificâcia α, que exprime a probabilidade de somas dos quadrados iguais ou superiores ao valor correspodete da tabela. Se o valor calculado for maior do que o valor tabelado, rejeita-se a hipótese e se for meor ou igual ao valor tabelado, aceita-se a hipótese.a distribuição qui-quadrado é usada o chamado teste global de Almásy e Sztaó (1975) e também o teste do desbalaço odal de Romagoli et al.(1980) Testes de Hipóteses Um teste de hipóteses estatístico é um procedimeto para decidir se deve ser aceita ou rejeitada a hipótese H 0 cotra uma ou mais hipóteses alterativas. Cohecida a fução desidade de probabilidade F de uma estimativa (que é uma estimativa ão-tedeciosa de θ, uma variável aleatória qualquer), faz-se a suposição de que a represetação desta variável aleatória θ por F( $ θ ) é correta e que a média (ou valor esperado) de θ é θ 0. Coloca-se, etão a seguite questão: Se é verdadeira a hipótese de que θ = θ 0, por quato θ pode diferir de θ 0, ates que esta hipótese seja rejeitada por parecer errada? Se a hipótese θ = θ 0 for verdadeira, E(θ) = θ 0 e a probabilidade de que o valor de $ θ seja meor ou igual a θ α é ( θ α ) P θ $ α = e devido à simetria da curva da Distribuição Normal ( 1 α ) P θ $ α θ = Para tomar uma decisão cocerete à hipótese, selecioa-se um valor de α, que é chamado ível de cofiaça para o teste. Por exemplo, α pode ser 0,01 ou 0,05. 9

10 Etão, a amostra é coletada e θ $ é calculado. Se θ $ for maior do que θ 1 α ou meor do que θ α, a hipótese é rejeitada. Caso cotrário, ela é aceita. 10 H 0 : θˆ = θ 0 α = 0,05 em 5 % dos casos H 0 será rejeitada (decisão errada) A faixa de valores de $ θ em que a hipótese é rejeitada é chamada região de rejeição; a faixa de $ θ em que a hipótese é aceita é chamada de região de aceitação. O teste descrito é um teste de dois lados, também chamado bilateral ou bicaudal. Um teste uilateral pode ser baseado em duas possibilidades, sedo que uma delas θ $ seria maior do que algum θ 1 α, ode a hipótese seria rejeitada, se θ $ fosse de fato maior do que θ 1 α ; a outra seria supor que θ $ seja meor do que θ α. Himmelblau (1978) observa que a rejeição da hipótese ão implica um resultado defiitivo, mas idica que os dados e o procedimeto experimetal devem ser submetidos a um exame cauteloso para averiguar se ocorreu alguma coisa errada com a coleta de medidas ou com a istrumetação. A estrutura de teste mais simples é imagiar que haja uma dicotomia de estado para as variáveis aleatórias: i) H o : x é o valor verdadeiro da variável aleatória (que é a hipótese ula); ii) H 1 : x ão é o valor verdadeiro da variável (que é a hipótese alterativa). No teste de hipóteses, a decisão é tomada da seguite forma: com base a suposição de que a hipótese ula é verdadeira, se a estatística calculada a partir da amostra experimetal aleatória 10

11 cair fora da região de aceitação, a hipótese ula é rejeitada e a hipótese alterativa é aceita. Caso cotrário, a hipótese H o é aceita e H 1 é rejeitada. Podem-se distiguir dois tipos de erros ao testar uma hipótese: i) Erro Tipo I, que é o risco de declarar falsa uma hipótese verdadeira; ii) Erro Tipo II, que é o risco de ão rejeitar uma hipótese, quado ela é falsa. Isto pode ser resumido o esquema abaixo, ode a hipótese que está sedo testada é a hipótese H. Hipótese Aceitar H Rejeitar H H é verdadeira Decisão correta Erro do Tipo I H é falsa Erro do Tipo II Decisão correta Certamete, o erro do Tipo I existe porque α é selecioado para ser um valor ão-zero. Quado a hipótese é verdadeira e α = 0,05, por exemplo, em 5 % dos testes a hipótese será rejeitada, o que é uma decisão errada. A probabilidade β é a probabilidade de ão rejeitar uma difereça quado ela existe. Existem curvas, chamadas curvas de operação características, para determiar a probabilidade β. A probabilidade (1-β) é chamada potêcia do teste e represeta a probabilidade de tomar-se a decisão correta (rejeitar a hipótese), quado ela é realmete errada. Quado a difereça etre as médias (δ) aumeta, (1-β) aumeta e β dimiue. A seguir, apreseta-se de forma resumida um exemplo: 11 Se Probabilidade de cocluir que µ = µ A µ µ µ = µ A 1-α α µ = µ A + δ β 1-β A Himmelblau (1978) relata que, pela descrição dos dois tipos de erros, pode-se observar que a tetativa de dimiuir um tipo de erro resulta em um aumeto o outro tipo de erro. O úico modo de dimiuir os dois tipos de erro, simultâeamete, é aumetar o tamaho da amostra, o que pode ser caro, a prática. Observa que talvez um tipo de erro teha cosequêcias meos sérias do que o outro e, este caso, há alguma decisão adequada referete à seleção de valores de α e ao úmero de observações a ser feito. A experiêcia leva em cota os istrumetos, o projeto do processo e os custos, de modo a tomar-se uma decisão ecoômica para α e β. Em geral, os estudos descritos a literatura para detecção e idetificação de erros grosseiros, a recociliação de dados de processo, cosideram a probabilidade de ocorrêcia de erro Tipo I. Um teste de hipótese é usado a recociliação de dados para testar a hipótese ula: 11

12 1 H 0 : ão há erro grosseiro os dados de processo, versus a hipótese alterativa: H 1 : existe pelo meos um erro grosseiro os dados de processo, ou, especificamete, H 1j : existe um erro grosseiro a medição j 1

1 Distribuições Amostrais

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

Leia mais

Cap. 4 - Estimação por Intervalo

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

Leia mais

Avaliação de Desempenho de Sistemas Discretos

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

Leia mais

Revisando... Distribuição Amostral da Média

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

Leia mais

DESIGUALDADES, LEIS LIMITE E TEOREMA DO LIMITE CENTRAL. todas as repetições). Então, para todo o número positivo ξ, teremos:

DESIGUALDADES, LEIS LIMITE E TEOREMA DO LIMITE CENTRAL. todas as repetições). Então, para todo o número positivo ξ, teremos: 48 DESIGUALDADES, LEIS LIMITE E TEOREMA DO LIMITE CENTRAL LEI DOS GRANDES NÚMEROS Pretede-se estudar o seguite problema: À medida que o úmero de repetições de uma experiêcia cresce, a frequêcia relativa

Leia mais

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

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

Leia mais

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

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

Leia mais

Testes de Hipóteses sobre uma Proporção Populacional

Testes de Hipóteses sobre uma Proporção Populacional Estatística II Atoio Roque Aula Testes de Hipóteses sobre uma Proporção Populacioal Seja o seguite problema: Estamos iteressados em saber que proporção de motoristas da população usa cito de seguraça regularmete.

Leia mais

A finalidade de uma equação de regressão seria estimar valores de uma variável, com base em valores conhecidos da outra.

A finalidade de uma equação de regressão seria estimar valores de uma variável, com base em valores conhecidos da outra. Jaete Pereira Amador Itrodução A aálise de regressão tem por objetivo descrever através de um modelo matemático, a relação existete etre duas variáveis, a partir de observações dessas viráveis. A aálise

Leia mais

Distribuições Amostrais

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

Leia mais

Virgílio A. F. Almeida DCC-UFMG 1/2005

Virgílio A. F. Almeida DCC-UFMG 1/2005 Virgílio A. F. Almeida DCC-UFMG 1/005 !" # Comparado quatitativamete sistemas eperimetais: Algoritmos, protótipos, modelos, etc Sigificado de uma amostra Itervalos de cofiaça Tomado decisões e comparado

Leia mais

Cap. VI Histogramas e Curvas de Distribuição

Cap. VI Histogramas e Curvas de Distribuição TLF /11 Capítulo VI Histogramas e curvas de distribuição 6.1. Distribuições e histogramas. 6 6.. Distribuição limite 63 6.3. Sigificado da distribuição limite: frequêcia esperada e probabilidade de um

Leia mais

Objetivos. Testes não-paramétricos

Objetivos. Testes não-paramétricos Objetivos Prof. Lorí Viali, Dr. http://www. ufrgs.br/~viali/ viali@mat.ufrgs.br Testar o valor hipotético de um parâmetro (testes paramétricos) ou de relacioametos ou modelos (testes ão paramétricos).

Leia mais

Objetivos. Os testes de hipóteses ser: Paramétricos e Não Paramétricos. Testes não-paramétricos. Testes paramétricos

Objetivos. Os testes de hipóteses ser: Paramétricos e Não Paramétricos. Testes não-paramétricos. Testes paramétricos Objetivos Prof. Lorí Viali, Dr. http://www.pucrs.br/famat/viali/ viali@pucrs.br Testar o valor hipotético de um parâmetro (testes paramétricos) ou de relacioametos ou modelos (testes ão paramétricos).

Leia mais

Amostras Aleatórias e Distribuições Amostrais. Probabilidade e Estatística: afinal, qual é a diferença?

Amostras Aleatórias e Distribuições Amostrais. Probabilidade e Estatística: afinal, qual é a diferença? Amostras Aleatórias e Distribuições Amostrais Probabilidade e Estatística: afial, qual é a difereça? Até agora o que fizemos foi desevolver modelos probabilísticos que se adequavam a situações reais. Por

Leia mais

DETERMINANDO A SIGNIFICÂNCIA ESTATÍSTICA PARA AS DIFERENÇAS ENTRE MÉDIAS

DETERMINANDO A SIGNIFICÂNCIA ESTATÍSTICA PARA AS DIFERENÇAS ENTRE MÉDIAS DTRMINANDO A SIGNIFIÂNIA STATÍSTIA PARA AS DIFRNÇAS NTR MÉDIAS Ferado Lag da Silveira Istituto de Física - UFRGS lag@if.ufrgs.br O objetivo desse texto é apresetar através de exemplos uméricos como se

Leia mais

CAPÍTULO 6 - ESTIMAÇÃO E TESTES DE HIPÓTESES

CAPÍTULO 6 - ESTIMAÇÃO E TESTES DE HIPÓTESES CAPÍTULO 6 - ESTIMAÇÃO E TESTES DE HIPÓTESES 6. INTRODUÇÃO INFERÊNCIA ESTATÍSTICA Estimação por poto por itervalo Testes de Hipóteses População X θ =? Amostra θ Iferêcia Estatística X, X,..., X 6. ESTIMAÇÃO

Leia mais

Introdução ao Qui-Quadrado

Introdução ao Qui-Quadrado Técicas Laboratoriais de Física Lic. Física e g. Biomédica 007/08 Capítulo X Teste do Qui-quadrado, Itrodução ao qui-quadrado Defiição geral do qui-quadrado Graus de liberdade e reduzido abilidade do 66

Leia mais

PROVA DE ESTATÍSTICA SELEÇÃO MESTRADO/UFMG 2005

PROVA DE ESTATÍSTICA SELEÇÃO MESTRADO/UFMG 2005 PROVA DE ESTATÍSTICA SELEÇÃO MESTRADO/UFMG 005 Istruções para a prova: a) Cada questão respodida corretamete vale um poto. b) Questões deixadas em braco valem zero potos (este caso marque todas alterativas).

Leia mais

Intervalos de Confiança

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

Leia mais

Hipótese Estatística. Tipos de Hipóteses

Hipótese Estatística. Tipos de Hipóteses Hipótese Estatística Hipótese, em estatística, é uma suposição formulada a respeito dos parâmetros de uma distribuição de probabilidade de uma ou mais populações. Podemos formular a hipótese que a produtividade

Leia mais

Prova Escrita de MATEMÁTICA A - 12o Ano a Fase

Prova Escrita de MATEMÁTICA A - 12o Ano a Fase Prova Escrita de MATEMÁTICA A - 1o Ao 00 - a Fase Proposta de resolução GRUPO I 1. Como a probabilidade do João acertar em cada tetativa é 0,, a probabilidade do João acertar as tetativas é 0, 0, 0, 0,

Leia mais

EPR 007 Controle Estatístico de Qualidade

EPR 007 Controle Estatístico de Qualidade EP 7 Cotrole Estatístico de Qualidade Prof. Dr. Emerso José de Paiva Gráficos e tabelas origiadas de Costa, Epprecht e Carpietti (212) 1 Num julgameto, ifelizmete, um iocete pode ir pra cadeia, assim como

Leia mais

AULA Subespaço, Base e Dimensão Subespaço.

AULA Subespaço, Base e Dimensão Subespaço. Note bem: a leitura destes apotametos ão dispesa de modo algum a leitura ateta da bibliografia pricipal da cadeira TÓPICOS Subespaço. ALA Chama-se a ateção para a importâcia do trabalho pessoal a realizar

Leia mais

Instruções gerais sobre a Prova:

Instruções gerais sobre a Prova: DEPARTAMENTO DE ESTATÍSTICA - UFMG PROVA DE ESTATÍSTICA & PROBABILIDADES SELEÇÃO MESTRADO/UFMG 2012/2013 Istruções gerais sobre a Prova: (a) Cada questão respodida corretamete vale 1 (um) poto. (b) Cada

Leia mais

4 Teoria da Probabilidade

4 Teoria da Probabilidade 48 4 Teoria da Probabilidade Apresetam-se este capítulo coceitos de probabilidade e de estimação de fuções desidade de probabilidade ecessários ao desevolvimeto e compreesão do modelo proposto (capítulo

Leia mais

Capítulo 5- Introdução à Inferência estatística.

Capítulo 5- Introdução à Inferência estatística. Capítulo 5- Itrodução à Iferêcia estatística. 1.1) Itrodução.(184) Na iferêcia estatística, aalisamos e iterpretamos amostras com o objetivo de tirar coclusões acerca da população de ode se extraiu a amostra.

Leia mais

AMOSTRAGEM ALEATÓRIA DISTRIBUIÇÕES POR AMOSTRAGEM

AMOSTRAGEM ALEATÓRIA DISTRIBUIÇÕES POR AMOSTRAGEM 6 AMOSTRAGEM ALEATÓRIA DISTRIBUIÇÕES POR AMOSTRAGEM Quado se pretede estudar uma determiada população, aalisam-se certas características ou variáveis dessa população. Essas variáveis poderão ser discretas

Leia mais

Regressão linear simples

Regressão linear simples Regressão liear simples Maria Virgiia P Dutra Eloae G Ramos Vaia Matos Foseca Pós Graduação em Saúde da Mulher e da Criaça IFF FIOCRUZ Baseado as aulas de M. Pagao e Gravreau e Geraldo Marcelo da Cuha

Leia mais

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

MOQ 13 PROBABILIDADE E ESTATÍSTICA. Professor: Rodrigo A. Scarpel MOQ 13 PROBABILIDADE E ESTATÍSTICA Professor: Rodrigo A. Scarpel rodrigo@ita.br www.mec.ita.br/~rodrigo Programa do curso: Semaas 1 2 3 4 5 6 7 8 9 1 11 12 13 14 15 e 16 Itrodução à probabilidade evetos

Leia mais

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

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

Leia mais

Sumário. 2 Índice Remissivo 19

Sumário. 2 Índice Remissivo 19 i Sumário 1 Estatística Descritiva 1 1.1 Coceitos Básicos.................................... 1 1.1.1 Defiições importates............................. 1 1.2 Tabelas Estatísticas...................................

Leia mais

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

Introdução. Exemplos. Comparar três lojas quanto ao volume médio de vendas. ... Itrodução Exemplos Para curar uma certa doeça existem quatro tratametos possíveis: A, B, C e D. Pretede-se saber se existem difereças sigificativas os tratametos o que diz respeito ao tempo ecessário para

Leia mais

Variáveis Aleatórias e Distribuições de Probabilidade

Variáveis Aleatórias e Distribuições de Probabilidade PROBABILIDADES Variáveis Aleatórias e Distribuições de Probabilidade BERTOLO Fução de Probabilidades Vamos cosiderar um experimeto E que cosiste o laçameto de um dado hoesto. Seja a variável aleatória

Leia mais

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

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

Leia mais

DEPARTAMENTO DE ESTATÍSTICA - UFMG PROVA DE ESTATÍSTICA E PROBABILIDADE SELEÇÃO - MESTRADO/ UFMG /2016

DEPARTAMENTO DE ESTATÍSTICA - UFMG PROVA DE ESTATÍSTICA E PROBABILIDADE SELEÇÃO - MESTRADO/ UFMG /2016 DEPARTAMENTO DE ESTATÍSTICA - UFMG PROVA DE ESTATÍSTICA E PROBABILIDADE SELEÇÃO - MESTRADO/ UFMG - 205/206 Istruções:. Cada questão respodida corretamete vale (um poto. 2. Cada questão respodida icorretamete

Leia mais

Mas o que deixou de ser abordado na grande generalidade desses cursos foi o estudo dos produtos infinitos, mesmo que só no caso numérico real.

Mas o que deixou de ser abordado na grande generalidade desses cursos foi o estudo dos produtos infinitos, mesmo que só no caso numérico real. Resumo. O estudo das séries de termos reais, estudado as disciplias de Aálise Matemática da grade geeralidade dos cursos técicos de liceciatura, é aqui estedido ao corpo complexo, bem como ao caso em que

Leia mais

DISTRIBUIÇÕES DE PROBABILIDADE

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

Leia mais

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

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

Leia mais

ESTIMAÇÃO POR INTERVALO (INTERVALOS DE CONFIANÇA)

ESTIMAÇÃO POR INTERVALO (INTERVALOS DE CONFIANÇA) 06 ETIMÇÃO OR INTERVLO (INTERVLO DE CONINÇ) Cada um dos métodos de estimação potual permite associar a cada parâmetro populacioal um estimador. Ora a cada estimador estão associadas tatas estimativas diferetes

Leia mais

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

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

Leia mais

Objetivo. Estimar a média µ de uma variável aleatória X, que representa uma característica de interesse de uma população, a partir de uma amostra.

Objetivo. Estimar a média µ de uma variável aleatória X, que representa uma característica de interesse de uma população, a partir de uma amostra. ESTIMAÇÃO PARA A MÉDIAM Objetivo Estimar a média µ de uma variável aleatória X, que represeta uma característica de iteresse de uma população, a partir de uma amostra. Exemplos: µ : peso médio de homes

Leia mais

Probabilidades num jogo aos dados

Probabilidades num jogo aos dados Técicas Laboratoriais de Física Lic. Física e Eg. Biomédica 007/08 Capítulo VIII Distribuição Biomial Probabilidades um jogo aos dados Defiição de uma Distribuição Biomial Propriedades da Distribuição

Leia mais

Testes de Hipóteses. Júlio Osório. Os dois campos da Análise Estatística. Métodos Estatísticos. Inferência Estatística. Estatística Descritiva

Testes de Hipóteses. Júlio Osório. Os dois campos da Análise Estatística. Métodos Estatísticos. Inferência Estatística. Estatística Descritiva Testes de Hipóteses Júlio Osório Os dois campos da Aálise Estatística Métodos Estatísticos Estatística Descritiva Iferêcia Estatística Estimativa Testes de Hipóteses 1 Exemplo Ilustrativo Mediram-se os

Leia mais

Teoria Elementar da Probabilidade

Teoria Elementar da Probabilidade 10 Teoria Elemetar da Probabilidade MODELOS MTEMÁTICOS DETERMINÍSTICOS PROBBILÍSTICOS PROCESSO (FENÓMENO) LETÓRIO - Quado o acaso iterfere a ocorrêcia de um ou mais dos resultados os quais tal processo

Leia mais

Licenciatura em Economia REVISÃO DE ALGUNS CONCEITOS EM ESTATÍSTICA. Luís Filipe Martins.

Licenciatura em Economia REVISÃO DE ALGUNS CONCEITOS EM ESTATÍSTICA. Luís Filipe Martins. 1 Ecoometria e Métodos de Modelização I Liceciatura em Ecoomia REVISÃO DE ALGUNS CONCEITOS EM ESTATÍSTICA Luís Filipe Martis luis.martis@iscte.pt http://home.iscte.pt/~lfsm Departameto de Métodos Quatitativos,

Leia mais

Universidade Federal de Lavras Departamento de Ciências Exatas Prof. Daniel Furtado Ferreira 1 a Aula Prática Técnicas de somatório

Universidade Federal de Lavras Departamento de Ciências Exatas Prof. Daniel Furtado Ferreira 1 a Aula Prática Técnicas de somatório Uiversidade Federal de Lavras Departameto de Ciêcias Exatas Prof. Daiel Furtado Ferreira 1 a Aula Prática Técicas de somatório Notação e propriedades: 1) Variáveis e ídices: o símbolo x j (leia x ídice

Leia mais

6. Testes de Hipóteses Conceitos Gerais

6. Testes de Hipóteses Conceitos Gerais 6. Testes de Hipóteses Coceitos Gerais Este capitulo itrodutório, pretede apresetar todas as defiições e todo o vocabulário utilizado em testes de hipóteses. Em um primeiro mometo, talvez você fique um

Leia mais

Econometria. Econometria. Algumas considerações. Algumas considerações MQO. Derivando as Propriedades

Econometria. Econometria. Algumas considerações. Algumas considerações MQO. Derivando as Propriedades Ecoometria. Propriedades fiitas dos estimadores MQO. Estimação da Variâcia do estimador de MQO 3. Revisão de Iferêcia (testes em ecoometria) Ecoometria. Propriedades fiitas dos estimadores MQO Algumas

Leia mais

Escola de Engenharia de Lorena EEL USP Departamento de Engenharia Química DEQUI Disciplina: Normalização e Controle da Qualidade NCQ

Escola de Engenharia de Lorena EEL USP Departamento de Engenharia Química DEQUI Disciplina: Normalização e Controle da Qualidade NCQ 1 Escola de Egeharia de orea EE SP Departameto de Egeharia Química DEQI Disciplia: Normalização e Cotrole da Qualidade NCQ Capítulo : Amostragem por Variáveis (MI STD 1) SEÇÃO A.1 Objetivo Este capítulo

Leia mais

Capítulo II - Sucessões e Séries de Números Reais

Capítulo II - Sucessões e Séries de Números Reais Capítulo II - Sucessões e Séries de Números Reais 2 Séries de úmeros reais Sabemos bem o que sigifica u 1 + u 2 + + u p = p =1 e cohecemos as propriedades desta operação - comutatividade, associatividade,

Leia mais

CORRELAÇÃO Aqui me tens de regresso

CORRELAÇÃO Aqui me tens de regresso CORRELAÇÃO Aqui me tes de regresso O assuto Correlação fez parte, acompahado de Regressão, do programa de Auditor Fiscal, até 998, desaparecedo a partir do cocurso do ao 000 para agora retorar soziho.

Leia mais

TESTE DE HIPÓTESES. Se a Hipótese Nula (H 0 ) é: COMETE O ACEITA DECISÃO CORRETA O PESQUISADOR ERRO TIPO II COMETE O REJEITA DECISÃO CORRETA

TESTE DE HIPÓTESES. Se a Hipótese Nula (H 0 ) é: COMETE O ACEITA DECISÃO CORRETA O PESQUISADOR ERRO TIPO II COMETE O REJEITA DECISÃO CORRETA Embora com pouco tempo, devido à preparação da 3ª edição do livro Estatística ESAF, preocupado com os cadidatos que farão a prova para Fiscal-RS em 19/08/06 resolvi, mesmo em cima da hora, fazer um resumo

Leia mais

ESTATÍSTICA. PROF. RANILDO LOPES U.E PROF EDGAR TITO

ESTATÍSTICA. PROF. RANILDO LOPES  U.E PROF EDGAR TITO ESTATÍSTICA PROF. RANILDO LOPES http://ueedgartito.wordpress.com U.E PROF EDGAR TITO Medidas de tedêcia cetral Medidas cetrais são valores que resumem um cojuto de dados a um úico valor que, de alguma

Leia mais

MT DEPARTAMENTO NACIONAL DE ESTRADAS DE RODAGEM. Norma Rodoviária DNER-PRO 277/97 Procedimento Página 1 de 8

MT DEPARTAMENTO NACIONAL DE ESTRADAS DE RODAGEM. Norma Rodoviária DNER-PRO 277/97 Procedimento Página 1 de 8 Norma Rodoviária DNER-PRO 77/97 Procedimeto Págia de 8 RESUMO Este documeto estabelece o úmero de amostras a serem utilizadas o cotrole estatístico, com base em riscos refixados, em obras e serviços rodoviários.

Leia mais

Probabilidade II Aula 12

Probabilidade II Aula 12 Coteúdo Probabilidade II Aula Juho de 009 Desigualdade de Marov Desigualdade de Jese Lei Fraca dos Grades Números Môica Barros, D.Sc. Itrodução A variâcia de uma variável aleatória mede a dispersão em

Leia mais

FACULDADE DE ECONOMIA DO PORTO. Licenciatura em Economia E C O N O M E T R I A I I PARTE

FACULDADE DE ECONOMIA DO PORTO. Licenciatura em Economia E C O N O M E T R I A I I PARTE FACULDADE DE ECONOMIA DO PORTO Liceciatura em Ecoomia E C O N O M E T R I A I (LEC0) Exame Fial 0 de Jaeiro de 00 RESOLUÇÃO: I PARTE I GRUPO a) Dispoível uma amostra de observações de Y para períodos cosecutivos,

Leia mais

ESTIMAÇÃO DA PROPORÇÃO POPULACIONAL p

ESTIMAÇÃO DA PROPORÇÃO POPULACIONAL p ESTIMAÇÃO DA PROPORÇÃO POPULACIONAL p Objetivo Estimar uma proporção p (descohecida) de elemetos em uma população, apresetado certa característica de iteresse, a partir da iformação forecida por uma amostra.

Leia mais

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

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

Leia mais

Universidade São Judas Tadeu Faculdade de Tecnologia e Ciências Exatas Laboratório de Física e Química

Universidade São Judas Tadeu Faculdade de Tecnologia e Ciências Exatas Laboratório de Física e Química Uiversidade São Judas Tadeu Faculdade de Tecologia e Ciêcias Exatas Laboratório de Física e Química Aálise de Medidas Físicas Quado fazemos uma medida, determiamos um úmero para caracterizar uma gradeza

Leia mais

ESTATÍSTICA- II DISTRIBUIÇÃO DE FREQUÊNCIA. 1- CONCEITO É a série estatística que tem o tempo, o espaço e a espécie como variáveis dependentes.

ESTATÍSTICA- II DISTRIBUIÇÃO DE FREQUÊNCIA. 1- CONCEITO É a série estatística que tem o tempo, o espaço e a espécie como variáveis dependentes. ESTATÍSTICA- II DISTRIBUIÇÃO DE FREQUÊNCIA 1- CONCEITO É a série estatística que tem o tempo, o espaço e a espécie como variáveis depedetes. - DISTRIBUIÇÃO DE FREQUÊNCIA a) Dados Brutos É um cojuto resultate

Leia mais

PROBABILIDADE E ESTATÍSTICA APLICADAS À HIDROLOGIA

PROBABILIDADE E ESTATÍSTICA APLICADAS À HIDROLOGIA Aexo PROBABILIDADE E ESTATÍSTICA APLICADAS À HIDROLOGIA Uiversidade de Évora, Departameto de Egeharia Rural.. Itrodução Nehum processo hidrológico é puramete determiístico, isto é, ão é possível determiar

Leia mais

Distribuição Amostral da Média: Exemplos

Distribuição Amostral da Média: Exemplos Distribuição Amostral da Média: Eemplos Talvez a aplicação mais simples da distribuição amostral da média seja o cálculo da probabilidade de uma amostra ter média detro de certa faia de valores. Vamos

Leia mais

ESTATÍSTICA EXPLORATÓRIA

ESTATÍSTICA EXPLORATÓRIA ESTATÍSTICA EXPLORATÓRIA Prof Paulo Reato A. Firmio praf6@gmail.com Aulas 19-0 1 Iferêcia Idutiva - Defiições Coceitos importates Parâmetro: fução diretamete associada à população É um valor fixo, mas

Leia mais

Uma amostra aleatória simples de n elementos é selecionada a partir da população. Calcula-se o valor da média a partir da amostra

Uma amostra aleatória simples de n elementos é selecionada a partir da população. Calcula-se o valor da média a partir da amostra Distribuição amostral de Um dos procedimetos estatísticos mais comus é o uso de uma média da amostra ( ) para fazer iferêcias sobre uma população de média µ. Esse processo é apresetado a figura abaio.

Leia mais

5. ANÁLISE DE SISTEMAS DA CONFIABILIADE DE SISTEMAS SÉRIE-PARALELO

5. ANÁLISE DE SISTEMAS DA CONFIABILIADE DE SISTEMAS SÉRIE-PARALELO 5. ANÁLISE DE SISTEMAS DA CONFIABILIADE DE SISTEMAS SÉRIE-PARALELO 5.1 INTRODUÇÃO Um sistema é defiido como todo o cojuto de compoetes itercoectados, previamete determiados, de forma a realizar um cojuto

Leia mais

Experimento 1 Estudo da Lei de Hooke

Experimento 1 Estudo da Lei de Hooke Experimeto 1 Estudo da Lei de Hooke 1.1 Objetivos Físicos Verificação experimetal da lei de Hooke para uma mola helicoidal: Medida experimetal do módulo de rigidez do material μ. 1. Objetivos Didáticos

Leia mais

Séquências e Séries Infinitas de Termos Constantes

Séquências e Séries Infinitas de Termos Constantes Capítulo Séquêcias e Séries Ifiitas de Termos Costates.. Itrodução Neste capítulo estamos iteressados em aalisar as séries ifiitas de termos costates. Etretato, para eteder as séries ifiitas devemos ates

Leia mais

10 - Medidas de Variabilidade ou de Dispersão

10 - Medidas de Variabilidade ou de Dispersão 10 - Medidas de Variabilidade ou de Dispersão 10.1 Itrodução Localizado o cetro de uma distribuição de dados, o próximo passo será verificar a dispersão desses dados, buscado uma medida para essa dispersão.

Leia mais

S É R I E : E s t a t í s t i c a B á s i c a T e x t o 3 : E S T I M A Ç Ã O SUMÁRIO 1. INTRODUÇÃO ESTIMAÇÃO POR PONTO...4

S É R I E : E s t a t í s t i c a B á s i c a T e x t o 3 : E S T I M A Ç Ã O SUMÁRIO 1. INTRODUÇÃO ESTIMAÇÃO POR PONTO...4 SUMÁRIO. INTRODUÇÃO...3. ESTIMAÇÃO POR PONTO...4.. NOTAÇÃO...4.. PROPRIEDADES DOS ESTIMADORES...5... Não-tedeciosidade...5... Precisão ou eficiêcia...7..3. Validade (ou Acurácia)...8..4. Coerêcia ou cosistêcia...8.3.

Leia mais

INFERÊNCIA. Fazer inferência (ou inferir) = tirar conclusões

INFERÊNCIA. Fazer inferência (ou inferir) = tirar conclusões INFERÊNCIA Fazer iferêcia (ou iferir) = tirar coclusões Iferêcia Estatística: cojuto de métodos de aálise estatística que permitem tirar coclusões sobre uma população com base em somete uma parte dela

Leia mais

MAE Introdução à Probabilidade e Estatística II Resolução Lista 1

MAE Introdução à Probabilidade e Estatística II Resolução Lista 1 MAE 229 - Itrodução à Probabilidade e Estatística II Resolução Lista 1 Professor: Pedro Moretti Exercício 1 (a) Fazer histograma usado os seguites dados: Distribuição de probabilidade da variável X: X

Leia mais

Exercício: Mediu-se os ângulos internos de um quadrilátero e obteve-se 361,4. Qual é o erro de que está afetada esta medida?

Exercício: Mediu-se os ângulos internos de um quadrilátero e obteve-se 361,4. Qual é o erro de que está afetada esta medida? 1. Tratameto estatísticos dos dados 1.1. TEORIA DE ERROS O ato de medir é, em essêcia, um ato de comparar, e essa comparação evolve erros de diversas origes (dos istrumetos, do operador, do processo de

Leia mais

Transformação de similaridade

Transformação de similaridade Trasformação de similaridade Relembrado bases e represetações, ós dissemos que dada uma base {q, q,..., q} o espaço real - dimesioal, qualquer vetor deste espaço pode ser escrito como:. Ou a forma matricial

Leia mais

Capítulo I Séries Numéricas

Capítulo I Séries Numéricas Capítulo I Séries Numéricas Capitulo I Séries. SÉRIES NÚMERICAS DEFINIÇÃO Sedo u, u,..., u,... uma sucessão umérica, chama-se série umérica de termo geral u à epressão que habitualmete se escreve u u...

Leia mais

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

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

Leia mais

Estatística: Aplicação ao Sensoriamento Remoto SER ANO Teoria da amostragem

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

Leia mais

FUNDAÇÃO GETULIO VARGAS Programa de Certificação de Qualidade Curso de Graduação em Administração

FUNDAÇÃO GETULIO VARGAS Programa de Certificação de Qualidade Curso de Graduação em Administração FUNDAÇÃO GETULIO VARGAS Programa de Certificação de Qualidade Curso de Graduação em Admiistração PROVA DE ESTATÍSTICA II º Semestre / 00 - P - TIPO DADOS DO ALUNO: Nome: Assiatura INSTRUÇÕES: Você receberá

Leia mais

Inferência Estatística

Inferência Estatística Iferêcia Estatística opulação Amostra Itroduç Itrodução à Iferêcia Estatística Como tirar coclusões tomar decisões a partir de iformação parcial / icompleta (amostra) projectado /geeralizado resultados

Leia mais

Recredenciamento Portaria MEC 347, de D.O.U

Recredenciamento Portaria MEC 347, de D.O.U Portaria MEC 347, de 05.04.0 - D.O.U. 0.04.0. ESTATÍSTICA I / MÉTODOS QUANTITATIVOS E PROCESSO DECISÓRIO I / ESTATÍSTICA APLICADA À EDUCAÇÃO Elemetos de Probabilidade Quest(i) Ecotramos, a atureza, dois

Leia mais

ESTIMAÇÃO DE PARÂMETROS

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

Leia mais

Lista 9 - Introdução à Probabilidade e Estatística

Lista 9 - Introdução à Probabilidade e Estatística Lista 9 - Itrodução à Probabilidade e Estatística Desigualdades e Teoremas Limites 2.=000. 1 Um ariro apota a um alvo de 20 cm de raio. Seus disparos atigem o alvo, em média, a 5 cm do cetro deste. Assuma

Leia mais

ENGENHARIA DA QUALIDADE A ENG AULA 6 CARTAS DE CONTROLE PARA ATRIBUTOS

ENGENHARIA DA QUALIDADE A ENG AULA 6 CARTAS DE CONTROLE PARA ATRIBUTOS ENGENHARIA DA QUALIDADE A ENG 09008 AULA 6 CARTAS DE CONTROLE PARA ATRIBUTOS PROFESSORES: CARLA SCHWENGBER TEN CATEN Tópicos desta aula Cartas de Cotrole para Variáveis Tipo 1: Tipo 2: Tipo 3: X X X ~

Leia mais

1. Revisão Matemática

1. Revisão Matemática Se x é um elemeto do cojuto Notação S: x S Especificação de um cojuto : S = xx satisfaz propriedadep Uião de dois cojutos S e T : S T Itersecção de dois cojutos S e T : S T existe ; para todo f : A B sigifica

Leia mais

SEEC UNIVERSIDADE DO ESTADO DO RIO GRANDE DO NORTE UERN FACULDADE DE CIÊNCIAS EXATAS E NATURAIS FANAT DEPARTAMENTO DE CIÊNCIAS BIOLÓGICAS DECB

SEEC UNIVERSIDADE DO ESTADO DO RIO GRANDE DO NORTE UERN FACULDADE DE CIÊNCIAS EXATAS E NATURAIS FANAT DEPARTAMENTO DE CIÊNCIAS BIOLÓGICAS DECB Govero do Estado do Rio Grade do Norte Secretaria de Estado da Educação e da Cultura - SEEC UNIVERSIDADE DO ESTADO DO RIO GRANDE DO NORTE UERN FACULDADE DE CIÊNCIAS EXATAS E NATURAIS FANAT DEPARTAMENTO

Leia mais

INFERÊNCIA ESTATÍSTICA

INFERÊNCIA ESTATÍSTICA i UNIVERSIDADE FEDERAL FLUMINENSE INSTITUTO DE MATEMÁTICA DEPARTAMENTO DE ESTATÍSTICA INFERÊNCIA ESTATÍSTICA Aa Maria Lima de Farias Outubro 2008 Coteúdo 1 Iferêcia Estatística - Coceitos Básicos 1 1.1

Leia mais

Análise de Algoritmos. Análise de Algoritmos. Análise de Algoritmos. Análise de Algoritmos. Análise de Algoritmos. Análise de Algoritmos

Análise de Algoritmos. Análise de Algoritmos. Análise de Algoritmos. Análise de Algoritmos. Análise de Algoritmos. Análise de Algoritmos Aálise de Algoritmos Aálise de Algoritmos Prof Dr José Augusto Baraauskas DFM-FFCLRP-USP A Aálise de Algoritmos é um campo da Ciêcia da Computação que tem como objetivo o etedimeto da complexidade dos

Leia mais

Sucessão ou Sequência. Sucessão ou seqüência é todo conjunto que consideramos os elementos dispostos em certa ordem. janeiro,fevereiro,...

Sucessão ou Sequência. Sucessão ou seqüência é todo conjunto que consideramos os elementos dispostos em certa ordem. janeiro,fevereiro,... Curso Metor www.cursometor.wordpress.com Sucessão ou Sequêcia Defiição Sucessão ou seqüêcia é todo cojuto que cosideramos os elemetos dispostos em certa ordem. jaeiro,fevereiro,...,dezembro Exemplo : Exemplo

Leia mais

AEP FISCAL ESTATÍSTICA

AEP FISCAL ESTATÍSTICA AEP FISCAL ESTATÍSTICA Módulo 0: Medidas de Dispersão (webercampos@gmail.com) MÓDULO 0 - MEDIDAS DE DISPERSÃO 1. Coceito: Dispersão é a maior ou meor diversificação dos valores de uma variável, em toro

Leia mais

A B C A e B A e C B e C A, B e C

A B C A e B A e C B e C A, B e C 2 O ANO EM Matemática I RAPHAEL LIMA Lista 6. Durate o desfile de Caraval das escolas de samba do Rio de Jaeiro em 207, uma empresa especializada em pesquisa de opiião etrevistou 40 foliões sobre qual

Leia mais

Proposta de Exame de Matemática A 12.º ano

Proposta de Exame de Matemática A 12.º ano Proposta de Eame de Matemática A 1.º ao Nome da Escola Ao letivo 0-0 Matemática A 1.º ao Nome do Aluo Turma N.º Data Professor - - 0 GRUP I Na resposta aos ites deste grupo, selecioe a opção correta. Escreva,

Leia mais

CPV O cursinho que mais aprova na fgv

CPV O cursinho que mais aprova na fgv CPV O cursiho que mais aprova a fgv FGV ecoomia a Fase 0/dezembro/0 MATEMÁTICA 0. Chamaremos de S() a soma dos algarismos do úmero iteiro positivo, e de P() o produto dos algarismos de. Por exemplo, se

Leia mais

Número-índice: Conceito, amostragem e construção de estimadores

Número-índice: Conceito, amostragem e construção de estimadores Número-ídice: Coceito, amostragem e costrução de estimadores Objetivo Geral da aula Defiir o que são os úmeros-ídices, efatizado a sua importâcia para aálise ecoômica. Cosidere os dados apresetados a Tabela

Leia mais

2.2. Séries de potências

2.2. Séries de potências Capítulo 2 Séries de Potêcias 2.. Itrodução Série de potêcias é uma série ifiita de termos variáveis. Assim, a teoria desevolvida para séries ifiitas de termos costates pode ser estedida para a aálise

Leia mais

P.M.S. Oliveira, C.S. Munita

P.M.S. Oliveira, C.S. Munita Estudo comparativo de métodos de ormalização em resultados experimetais. P.M.S. Oliveira, C.S. Muita Istituto de Pesquisas Eergéticas e Nucleares - IPEN-CNEN/SP, Av. Prof. Lieu Prestes 4. CEP 05508-000,

Leia mais

Métodos Numéricos e Estatísticos Parte II-Métodos Estatísticos Estimação pontual e intervalar

Métodos Numéricos e Estatísticos Parte II-Métodos Estatísticos Estimação pontual e intervalar potual por itervalos Métodos Numéricos e Estatísticos Parte II-Métodos Estatísticos potual e itervalar Lic. Eg. Biomédica e Bioegeharia-2009/2010 potual por itervalos A Teoria das Probabilidades cosiste

Leia mais

PROF. DR. MARCONE AUGUSTO LEAL DE OLIVEIRA

PROF. DR. MARCONE AUGUSTO LEAL DE OLIVEIRA UNIVERSIDADE FEDERAL DE JUIZ DE FORA INSTITUTO DE CIÊNCIAS EXATAS DEPARTAMENTO DE QUÍMICA GRUPO DE QUÍMICA ANALÍTICA E QUIMIOMETRIA (GQAQ) PROF. DR. MARCONE AUGUSTO LEAL DE OLIVEIRA ESTATÍSTICA BÁSICA

Leia mais

Probabilidades e Estatística

Probabilidades e Estatística Duração: 90 miutos Probabilidades e Estatística LEIC-A, LEIC-T, LEGM, MA, MEMec Justifique coveietemete todas as respostas! o semestre 015/016 09/06/016 11:00 o teste B Grupo I 10 valores 1. Seja (X 1,

Leia mais

Quantificando os Fenômenos Biológicos

Quantificando os Fenômenos Biológicos 1 ECOSSISTEMA Os ecossistemas estão costituídos por comuidades. A comuidade é uma uidade ecológica de visualização meos clara a atureza que outros coceitos como o de idivíduo ou mesmo o de população, que

Leia mais

Métodos de Classificação dos Objetos Segmentados(IAR) Vizinho Próximo Lógica Fuzzy

Métodos de Classificação dos Objetos Segmentados(IAR) Vizinho Próximo Lógica Fuzzy Viziho Próximo ógica Fuzzy Métodos de Classificação dos Objetos Segmetados(IAR) objeto REGRA CASSE Fuzzy Cohecimeto Miima Distâcia Viziho Próximo O método do viziho próximo é baseado o método da míima

Leia mais