Objetivos. Testes não-paramétricos

Tamanho: px
Começar a partir da página:

Download "Objetivos. Testes não-paramétricos"

Transcrição

1 Objetivos Prof. Lorí Viali, Dr. ufrgs.br/~viali/ Testar o valor hipotético de um parâmetro (testes paramétricos) ou de relacioametos ou modelos (testes ão paramétricos). Testes ão-paramétricos Um teste ão paramétrico testa outras situações que ão parâmetros populacioais. Estas situações podem ser relacioametos, modelos, depedêcia ou idepedêcia e aleatoriedade.

2 Evolvem parâmetros populacioais. Um parâmetro é qualquer medida que descreve uma população. Os pricipais parâmetros são: µ (a média) σ σ π (a variâcia) (o desvio padrão) (a proporção) () Formular a hipótese ula (H 0 ) H 0 : θ θ 0 Epressar em valores aquilo que deve ser testado; Esta hipótese é sempre de igualdade; Deve ser formulada com o objetivo de ser rejeitada. () Formular a hipótese alterativa (H ) (Testes simples) H : θ θ (Testes compostos) H : θ > θ 0 (teste uilateral/uicaudal à direita) θ < θ 0 (teste uilateral/uicaudal à esquerda) θ θ 0 (3) Defiir um valor crítico (α) ( Isto evolve defiir um poto de corte a partir do qual a hipótese ula será rejeitada (aceita ( a hipótese alterativa). Esta hipótese é de fato a epressão daquilo que ser quer provar.

3 (4) Calcular a estatística teste A estatística teste é obtida através dos dados amostrais, isto é, ela é a evidêcia amostral; A forma de cálculo depede do tipo de teste evolvido, isto é, do modelo teórico ou modelo de probabilidade. (5) Tomar uma decisão A estatística teste e o valor crítico são comparados e a decisão de aceitar ou rejeitar a hipótese ula é formulada; Se for utilizado um software estatístico pode-se trabalhar com a sigificâcia do resultado (p-value ( value) ) ao ivés do valor crítico. (6) Formular uma coclusão Epressar em termos do problema (pesquisa) qual foi a coclusão obtida; Não esquecer que todo resultado baseado em amostras está sujeito a erros e que geralmete apeas um tipo de erro é cotrolado. População: Valor do parâmetro Em resumo Questão a ser feita Decisão a ser tomada Não rejeitar a hipótese Qual é a difereça etre o Difereça pequea valor observado da estatística e o valor hipotético da parâmetro? Difereça grade Amostra: Valor Rejeitar a da estatística. hipótese Dispõem-se se de duas moedas com aparêcias idêticas, só que uma (M ) é equilibrada, isto é, P(Cara) P(Coroa) 50%, equato que a outra (M ( ) é viciada de tal forma que favorece cara a proporção de 80%, ou seja, P(Cara) 80% equato que P(Coroa) 0%. 3

4 Supõem-se que uma das moedas é laçada e que com base a variável úmero de caras, deve-se decidir qual delas foi laçada. Neste caso o teste a ser feito evolve as seguites hipóteses: H 0 H : A moeda laçada é a equilibrada (M ) (p 50%) : A moeda laçada é a viciada (M ) (p 80%) p proporção de caras. Tem-se que tomar a decisão de apotar qual foi a moeda laçada, baseado apeas em uma amostra de, por eemplo, 5 laçametos.. Lembrar que a população de laçametos possíveis é, este caso, ifiita. A decisão, é claro, estará sujeita a erros, pois se estará tomado a decisão em codições de icerteza, isto é, baseado em uma amostra de apeas 5 laçametos das ifiitas possibilidades. A decisão será baseada as distribuições amostrais das duas moedas. A tabela mostra as probabilidades de se obter os valores: 0,,, 3, 4 e 5, 5, da variável úmero de caras, em uma amostra de 5, 5, laçametos de cada uma das moedas. Sob H 0 ~ B(5; 0,5) Assim: P ( ) p q 5 5 0, , ,5 4

5 Assim: Sob H ~ B(5; 0,8) P ( ) p q 0, 0, Total P( ) sob H 0 /3 3,5% 5/3 5,65% 0/3 3,50% 0/3 3,50% 5/3 5,65% /3 3,5% 00% P( ) sob H /35 0,03% 0/35 0,640% 60/35 5,0% 640/35 0,480% 80/35 40,960% 04/35 3,768% 00% Para poder aceitar ou rejeitar H 0 e como coseqüêcia, rejeitar ou aceitar H, é ecessário estabelecer uma regra de decisão, isto é, é ecessário estabelecer para que valores da variável iremos rejeitar H 0 Desta forma, estabelecedo-se se que se vai rejeitar H 0, se a moeda der um úmero de caras igual a 4 ou 5, pode-se etão determiar as probabilidades de tomar as decisões corretas ou erradas. Assim o cojuto de valores que levará a rejeição da hipótese ula será deomiado de região crítica (RC RC) ) e, este caso, este cojuto é igual a: RC { 4, 5 } A faia restate de valores da variável é deomiada de região de aceitação ou de ão-rejeição (RA) e, este caso, este cojuto vale: RA { 0,,, 3 } 5

6 Etão se H 0 for rejeitada porque assumiu o valor 4 ou 5,, pode-se estar cometedo um erro. A probabilidade deste erro é igual a probabilidade de ocorrêcia destes valores sob H 0, isto é: α P(Erro do Tipo I ) P(Rejeitar H / H 0 0 éverdadeira) P( 4 ou 5 / p 0,50) 5/3 /3 6/3 8,75% Nível de sigificâcia do teste. O outro tipo de erro possível de ser cometido é aceitar H 0 quado ela é falsa e é deomiado de erro do tipo II. β P(Erro do Tipo II) P(Aceitar H 0 / H 0 éfalsa) P( 0,, ou 3 / p 80%) /35 0/35 60/35 640/35 8/35 6,7% Total β (060640)/35 P( ) sob H 8/35 P( 6,7% 0 ) sob H /3 3,5% /35 0,03% 5/3 5,65% 0/35 0,640% 0/3 3,50% 60/35 5,0% 0/3 3,50% 640/35 0,480% 5/3 5,65% 80/35 40,960% /3 3,5% 04/35 3,768% 00% α 5/3 /3 00% 6/3 8,75% 6

7 H 0 é verda- deira Realidade H 0 é falsa Aceitar H 0 Decisão correta - α P(Aceitar H 0 / H 0 éverdadeira) Erro do Tipo II Decisão β P(Cometer Erro do tipo II) P(Aceitar H 0 / H 0 é falsa) P(Aceitar H 0 / H é verdadeira) Rejeitar H 0 Erro do Tipo I α P(Cometer Erro do tipo I) P(Rejeitar H 0 / H 0 é verdadeira) Nível de sigificâcia do teste Decisão correta - β P(Rejeitar H 0 / H 0 é falsa) Poder do teste. Uma ura cotém quatro fichas das quais θ são azuis e 4 - θ são vermelhas. Para testar a hipótese ula de que θ cotra a alterativa de θ, retiram-se duas fichas ao acaso e sem reposição. Rejeita-se a hipótese ula se as duas fichas forem da mesma cor. Determie o ível de sigificâcia e o poder do teste. Espaço amostra S { VV, AA, AV, VA } Sob H 0 : θ Região Crítica Região De Não Rejeiçã ção O erro do tipo I é a probabilidade de rejeitar H 0 quado ela é verdadeira, este caso ele é a probabilidade de retirarmos duas fichas da mesma cor, quado a ura tem duas de cada cor. Sob H 0 : θ α P(Erro do Tipo I ) P(Rejeitar H 0 / H 0 é verdadeira) P(VV VV, AA ) ) AA / θ 33,33% 7

8 O poder do teste é a probabilidade de Rejeitar H 0 quado ela é falsa, é uma decisão correta. É calculada sob a região crítica. Neste caso é a P( VV, AA / H 0 é falsa ) MAS - β P( VV, AA / H 0 é falsa ) P( VV, AA / H é verdadeira) ) P( VV, AA / θ ). Assim devemos aalisar quatro situaçõ ções: θ 0, θ, θ 3 e θ 4 ISTO É: θ 0 θ θ 3 θ 4 θ 0 Neste caso Etão: - β P( VV, AA / θ ) P( VV, AA / θ 0 ) % 4 3 θ Neste caso Etão: - β P( VV, AA / θ ) P( VV, AA / θ ) % 4 3 θ 3 Neste caso Etão: - β P( VV, AA / θ ) P( VV, AA / θ 3) % 4 3 8

9 θ 4 Neste caso Etão: - β P( VV, AA / θ ) P( VV, AA / θ 0 ) % 4 3 Em Resumo, tem-se: θ β 0 0% 50% % 4 0% - β 00% 50% - 50% 00% α 33,33% β 00% Poder do Teste 00% β Erro do Tipo II 50% 50% 0% θ % θ Um dado é laçado seis vezes para testar a hipótese ula de que P(F ) /6 cotra a alterativa de que P(F ) > /6 Rejeita-se a hipótese ula se úmero de faces um for maior ou igual a quatro. Determiar o ível de sigificâcia e o poder do teste. 9

10 Espaço amostra S { 0,,, 3, 4, 5, 6 } H 0 : p /6 H 0 : p > /6 Região De Rejeiçã ção (Crítica) Região de Não Rejeiçã ção O erro do tipo I é a probabilidade de rejeitar H 0 quado ela é verdadeira, este caso ele é a probabilidade de obtermos 4, quado 6 e p / Sob H 0 : p / α P(Erro do Tipo I ) P(Rejeitar H / H 0 0 éverdadeira) P( ) P( 4/ p /6) ,87% O poder do teste é a probabilidade de Rejeitar H 0 quado ela é falsa, é uma decisão correta. É calculada sob a região crítica. Neste caso é P( 4/ / H 0 éfalsa) MAS - β P( 4 / H 0 é falsa ) P( 4 / H é verdadeira) ) P( 4 / p> /6 ). Neste caso, o poder do teste é uma fuçã ção de p. Vamos avaliar esta fuçã ção para algus valores de p. p 0,0 0,5 0,30 0,35 0,40 0,45 0,50 - β,70 3,76 7,05,74 7,9 5,53 34,37 p 0,55 0,60 0,65 0,70 0,75 0,80 0,85 - β 44,5 54,43 64,7 74,43 83,06 90, 95,7 p 0,90 0,95,00 - β 98,4 99,78 00,00 0

11 Poder do Teste Erro do Tipo II,0 β 0,8 0,6 0,4 0, 0,0 0, 0,3 0,4 0,5 0,6 0,7 0,8 0,9,0 β p Uma amostra Duas amostras Média Proporçã ção Variâcia Depedetes Idepedetes Mais de duas d Depedetes amostras Idepedetes Difereça a de médias m Difereça a de médias m Difereça a de proporçõ ções Igualdade de variâcias ANOVA com medidas repetidas ANOVA Média ( µ ) Proporçã ção o ( π ) Variâcia ( σ ) H 0 : µ µ 0 H : µ > µ 0 µ < µ 0 µ µ 0 Neste caso a variável vel teste é: µ Z σ µ σ

12 Z> z c Z< z c Z > z c Ode z c é tal que: Φ(z c ) α Φ(z c ) α Φ(z c ) α/ ou Φ(z c ) α/ A eperiêcia passada mostrou que as otas de Probabilidade e Estatística, estão ormalmete distribuídas com média µ 5,5 e desvio padrão σ,0. Uma turma de 64 aluos deste semestre apresetou uma média de 5,9. Teste a hipótese de este resultado mostra uma melhora de redimeto a uma sigificâcia de 5%. Hipóteses: H 0 : µ 5,5 H : µ > 5,5 Dados: σ,0 64 5,9 α 5% A variável vel teste é: µ Z σ Etão: µ σ Trata-se de um teste uilateral à direita com σ cohecido. Z σ µ 5,9 5,5,0 64 0,4,0 8 3,,0,60

13 A sigificâcia cia do resultado obtido (,60), isto é,, o valor-p é P(Z >,60) P(Z >,60) Φ(,60) Φ(-,60) 5,48%. Região o de Não N o Rejeiçã ção,60 α 5% RC [, 645; ) Como a sigificâcia cia do resultado (5,48% 5,48%) é maior que a sigificâcia cia do teste (5% 5%) ) ão é possível rejeitar a hipótese ula. Neste caso a variável vel teste é: t µ ˆσ µ s t - > t c t - < t c t - > t c Ode t c é tal que: P(t < t c ) α P(t < t c ) α P(t < t c ) α/ ou P(t > t c ) α/ 3

14 Supoha que a sua empresa comprou um lote de lâmpadas. Você precisa testar, a 5% de sigificâcia, a afirmação do fabricate de que a duração média das lâmpadas é maior que 800 horas. Para isto você usa uma amostra de 36 lâmpadas e ecotra uma média 80 horas com desvio de 70 horas. Isto cofirma a afirmação do fabricate? Hipóteses: H 0 : µ 800 horas H : µ > 800 horas Dados: horas s 70 horas α 5% Trata-se de um teste uilateral à direita com σ descohecido. t t Etão: A variável vel teste é: µ σˆ s µ s µ, 74 α 5% Região o de Não N o Rejeiçã ção RC [, 690 ; ),74 A sigificâcia do resultado obtido (,74), isto é, o valor-p é P(T 35 >,74) DISTT(,74; 35; ) 4,77% Como a sigific Como a sigificâcia cia do resultado (4,77% 4,77%) é meor que a sigificâcia cia do teste (5% 5%) é possível rejeitar a hipótese ula. 4

15 Neste caso a variável vel teste é: H 0 : π π 0 H : π > π 0 π < π 0 π π 0 (teste bilateral/bicaudal) ). Z P µ σ P P P π π( π ) Z> z 0 Z< z 0 Z > z 0 Afirma-se que 40% dos aluos de uma uiversidade são fumates. Uma amostra de 5 estudates selecioados ao acaso mostrou que apeas 7 eram fumates. Teste a % a hipótese de que a afirmação foi eagerada. Hipóteses: H 0 : π 40% H : π < 40% Dados: f 7 5 p 7/53% α % Trata-se de um teste uilateral à esquerda para a proporção. A variável teste é: 5

16 P µ Z σ Etão: P P P π π( π) P µ Z σ P P 0,3 0,40 0,40( 0,40 ) 5 0,08 0,036,45 α % RC ( ;,33] Região o de Não N o Rejeiçã ção,45 A sigificâcia do resultado obtido (-,45), isto é, o valor-p é: p P(Z < -,45) Φ(-,45) 0,7%. Como a sigificâcia do resultado (0,7%) é meor que a sigificâcia do teste (%) é possível rejeitar a hipótese ula. H 0 : σ σ0 H : σ > σ0 σ < σ0 σ σ 0 Neste caso a variável vel teste é: ( ) s χ σ χ > χ c χ < χ c ou χ > < χ c χ χ c 6

17 Ode P ( χ > χ ) α c P ( χ < ) - α χ c P( χ < ) / ou P( χ α χ > χ χ c c é tal que: c ) α/ O fabricate de uma certa marca de surdia de carro divulga que as suas peças tem uma variâcia de 0,8 aos. Uma amostra aleatória de 6 peças mostrou uma variâcia de um ao. Utilizado uma sigificâcia de 5%, teste se a variâcia de todas as peças é superior a 0,8 aos. Hipóteses: H 0 : σ 0,8 aos H : σ > 0,8 aos Dados: 6 s ao α 5% Trata-se de um teste uilateral à direita para a variâcia. χ A variável vel teste é: χ ( ) s σ Etão: 5 ( ) s σ ( 6 ). 5 0,8 0,8 8, 75 α 5% Região o de Não N o Rejeiçã ção RC [4,996 ; ) 8,75 7

18 OPÇÃ ÇÃO: A sigificâcia do resultado obtido (8,75), isto é, o valor-p, para este caso, vale: P(χ 5 > 8,75) DIST.QUI(8,75; 5),53% Como a sigificâcia do resultado obtido (,59%) é maior que a sigificâcia do teste (5%) ão é possível rejeitar a hipótese ula. Depedetes Idepedetes Teste t para amostras emparelhadas Variâcias Cohecidas Variâcias Descohecidas Teste z Supostas iguais Supostas diferetes Difereça etre duas médias (µ - µ ) Difereça etre duas proporções (π - π ) Igualdade etre duas variâcias σ σ ( Y ) 8

19 Neste caso a variável vel teste é: Z Y σ µ Y Y Y σ σy m Z> z c Z< z c Z >z c Ode z c é tal que: Φ(z c ) α Φ(z c ) α Φ(z c ) α/ ou Φ(z c ) α/ Uma grade empresa quer comprar peças de dois forecedores diferetes. O forecedor A alega que a durabilidade é de 000 horas com desvio de 0 horas, equato que o forecedor B diz que a duração média é de 050 horas com desvio padrão de 40 horas. 9

20 Para testar se a durabilidade de B é realmete maior, duas amostras de tamaho m 64, de cada um dos forecedores, foram obtidas. A duração média da amostra A foi de 995 horas e a B foi de 05. Qual a coclusão a 5% de sigificâcia? Hipóteses: H 0 : µ µ H 0 : µ < µ Dados: m 64 σ 0; σ e Y 05 α 5% Trata-se de um teste uilateral à esquerda com σ e σ cohecidos. A variável vel teste é: Y µ Y Y Z σ Y σ σy Etão: m Y α 5% Z,30, 30 σ σy 0 40 RC ( ;,645;] Região o de Não N o Rejeiçã ção m A sigificâcia cia do resultado obtido (- (,30), isto é,, o valor-p é: p P(Z < -,30) Φ(-,30) DIST.NORMP(-,30) 9,68%. Neste caso a variável vel teste é: Como a sigificâcia cia do resultado (9,68% 9,68%) é maior que a sigificâcia cia do teste (5% 5%) ) ão é possível rejeitar a hipótese ula. t υ Y σˆ µ Y Y s Y m 0

21 Ode s é dado por: s ( ) s ( m ) s m Y e v é dado por: m - Um relatório da defesa do cosumidor mostrou que um teste com oito peus da marca A apresetaram uma vida média de km com um desvio padrão de 3500 km e que doze de uma marca cocorrete B, testados as mesmas codições, tiveram uma durabilidade média de 4400 km com variabilidade de 400 km. Supodo que as variâcias populacioais sejam as mesmas e admitido uma sigificâcia de 5%, verifique se é possível afirmar que as duas marcas diferem quato a durabilidade média. E se a sigificâcia fosse % qual seria a coclusão? Hipóteses: H 0 : µ µ H 0 : µ µ Dados: 8; m s A 3500; s B ; Y 4400 α 5% ; σ A σ B Trata-se de um teste t bilateral com σ e σ supostamete iguais. t m Ode: s A variável vel teste é: Y µ σˆ Y Y s. ( )SA (m )S m B Y m

22 s Etão: t 8 Y S. m, , , ν m 8 8 tν t8,9 α,5% α %,5 Região o de Não N o Rejeiçã ção RC ( ;,0] [,0; ) DECISÃO O e CONCLUSÃO: O: Como t -,9 RC ou -,9 > -,878, Aceito H 0, isto é,, a % de sigificâcia cia ão posso afirmar que a vida média m das duas marcas difere. Neste caso a variável vel teste é: t υ Y µ σˆ Y Y Y s sy m Ode v é dado por: υ S S Y S m S Y m m t v > t c t v < t c t v > t c

23 Ode t c é tal que: P(t v < t c ) α P(t v < t c ) α P(t v < t c ) α/ ou P(t v > t c ) α/ Uma empresa fabrica trasistores do tipo A e do tipo B. A marca A, mais cara, é supostamete pelo meos 60 horas mais durável do que a marca B. Um usuário quer saber se vale a pea pagar mais pela marca A e resolve testar se, de fato, ela é mais durável. Testa 0 ites de A ecotrado uma vida média de 000 horas com desvio de 60 horas, equato que 0 ites da marca B apresetam uma vida média de 90 horas com desvio de 40 horas. Qual a coclusão a 5% de sigificâcia? Hipóteses: H 0 : µ - µ 60 H 0 : µ - µ > 60 Dados: m 0 s A 60; s B ; Y 90 α 5% ; σ σ Trata-se de um teste t uilateral à direita com σ e σ supostamete desiguais. A B A variável vel teste é: Y µ Y Y t υ ˆ σ Y s sy Ode: m υ ( ) ( S S m ) S Y S m Y m 3

24 t υ E: Y s s Y m υ , O valor crítico t c é tal que: P(Τ 33 > t c ) α 0,05 5%. Etão t c T (0,95),69. Assim RC [,69; ) DECISÃO O e CONCLUSÃO: O: Como t,86 RC ou,86 >,69, Rejeito H 0, isto é,, a 5% de sigificâcia cia posso afirmar que a vida média m da marca é pelo meos 60 horas maior que a marca B. υ tν t Região o de Não N o Rejeiçã ção,86 0 α 5% RC [,69 ; ) H 0 : π π H : π π > π π < π π Neste caso a variável vel teste é: Z P P P ˆσ µ P P P P P P ( P) P( P m ) Z> z c Z< z c Z > z c 4

25 Ode z c é tal que: Φ(z c ) α Φ(z c ) α Φ(z c ) α/ ou Φ(z c ) - α/ A reitoria de uma grade uiversidade etrevistou 600 aluos, 350 mulheres e 50 homes, para colher a opiião sobre a troca do sistema de avaliação da uiversidade. Da amostra 40 mulheres e 5 homes estavam a favor. Teste a 5% se eiste difereça sigificativa de opiião etre homes e mulheres. Hipóteses: H 0 : π π H 0 : π π Dados: 350; m 50 p 40/350 40% p 5/50 46% α 5% ; Trata-se de um teste bilateral para a proporção. A variável vel teste é: P P Z P ( P ) P ( P ) m 0,40 0,46 0 0,40( 0,40 ) 0,46( 0,46 ) ,06, 0,078 O valor crítico z c é tal que: P( Ζ > z c ) α 0,05 5%. Etão z c Φ (0,05) -,96. Assim RC (- ( ; -,96],96] [ [,96; ) DECISÃO O e CONCLUSÃO: O: Como z -, RC ou -, < -,96, Rejeito H 0, isto é,, a 5% de sigificâcia cia posso afirmar que as opiiões diferem etre homes e mulheres. 5

26 , α,5% α,5 % Região o de Não N o Rejeiçã ção RC ( ;,96] [,96; ) H 0 : σ σ σ σ H : > σ σ < σ σ Neste caso a variável vel teste é: F, m S S Y F -,m- > f F f -,m- < F > f ou F f c c -,m- c -,m- < c Ode F -;m é tal que: ;m- P ( F, m - > F c ) α P ( F, m - < F P( F, m- c ) α > Fc ) α/ ou P( F, m- < F ) α/ c 6

27 O desvio padrão de uma dimesão particular de um compoete de metal é satisfatório para a motagem do compoete. Um ovo forecedor está sedo cosiderado e ele será preferível se o desvio padrão é meor do que o do atual forecedor. Uma amostra de 00 ites de cada forecedor é obtido. Forecedor atual: s 0,0058 Novo forecedor: s 0,004 A empresa deve trocar de forecedor se for cosiderado uma sigificâcia de 5%? Hipóteses: H 0 : σ σ H 0 : σ > σ Dados: m 00 s 0,0058 s 0,004 α 5% Trata-se de um teste uilateral à direita para a igualdade de variâcias. F A variável vel teste é: S S Etão: f Que apreseta uma distribuição F com g.l. o umerador e m g.l. o deomiador. s s 0,0058,4 0,004 O valor crítico f c é tal que: P( F > f c ) α 0,05 5%. Etão f c F (0,05),39. Assim RC [,39; ) F -;m- F99; 99 DECISÃO O e CONCLUSÃO: O: Como f,4 RC RC ou,4 <,39, Rejeito H 0, isto é,, a 5% de sigificâcia cia posso afirmar que a variâcia do forecedor atual é maior do que a do ovo forecedor. Região o de Não N o Rejeiçã ção,4 α 5% RC [,39 ; ) 7

28 H 0 : µ D H : µ D > µ D < µ D Neste caso a variável vel teste é: t υ D µ ˆσ D D D S D Ode : d d s i ( d i d ) i d d e v é dado por: m - t - > t c t - < t c t - > t c Ode t c é tal que: P(t - < t c ) α P(t - < t c ) α P(t - < t c ) α/ ou P(t - > t c ) α/ (teste bilateral/bicaudal) 8

29 Um laboratório possui dois equipametos de precisão. O diretor suspeita que eiste uma pequea difereça de calibração etre os dois (ele ão sabe em qual deles) de modo que um tede a dar leituras um pouco maiores do que o outro. Ele propõe testar os dois aparelhos através da leitura de 0 medidas (tabela a próima lâmia) em cada um dos aparelhos. Faça o teste adequado a uma sigificâcia de 5%. Aparelho A,, 0,55 3,33,4 0,30,3 3,7,93,50 Aparelho B,5, 0,57 3,3,47 0,30,36 3,9,9,6 Hipóteses: H 0 : µ D 0 H : µ D 0 Dados: m 0 α 5% Uma vez que as amostras ão são idepedetes, trata-se do teste t para amostras emparelhadas. Ode: s A variável vel teste é: t D µ ˆσ ( d i d ) D D D S D d d i d d i 9

30 A,, 0,55 3,33,4 0,30,3 3,7,93,50 -- B,5, 0,57 3,3,44 0,30,36 3,9,90,6 -- d i 0,30 0,0 0,0-0,0 0,0 0,00 0,04 0,0-0,03 0, 0,56 d i 0,0900 0,000 0,0004 0,0004 0,0004 0,0000 0,006 0,0004 0,0009 0,0 0,6 s Tem-se: A variável vel teste é: t i d d d d 0,56 0 0,0560 D 0, , S D 0,097 0,097 0 i 0,6 0.0, ,097,84 O valor crítico z c é tal que: P( T > t c ) α 0,05 5%. Etão t c T (0,05),6. Assim RC [,6; ] tν t9 DECISÃO O e CONCLUSÃO: O: Como t,84 RC ou,84 <,6, Aceito H 0, isto é,, a 5% de sigificâcia cia ão se pode afirmar que as leituras são s o diferetes. Região o de Não N o Rejeiçã ção,84 RC α 5% [,6 ; ) 30

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

Objetivos. Testes não-paramétricos

Objetivos. Testes não-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 relacionamentos ou modelos (testes não paramétricos).

Leia mais

Prof. Lorí Viali, Dr. Mat2282 Análise Estatística Não Paramétrica

Prof. Lorí Viali, Dr.  Mat2282 Análise Estatística Não Paramétrica Prof. Lorí Viali, Dr. http://www.pucrs.br/~viali/ viali@pucrs.br Objetivos Testar o valor hipotético de um parâmetro (testes paramétricos) ou de relacionamentos ou modelos (testes não paramétricos). Envolvem

Leia mais

Prof. Lorí Viali, Dr.

Prof. Lorí Viali, Dr. Prof. Lorí Viali, Dr. viali@mat.ufrgs.br http://www.ufrgs.br/~viali/ Dependentes Teste t para amostras emparelhadas Variâncias Teste z Conhecidas Independentes Variâncias Desconhecidas Supostas iguais

Leia mais

mat.ufrgs..ufrgs.br br/~viali/ mat.ufrgs..ufrgs.br

mat.ufrgs..ufrgs.br br/~viali/ mat.ufrgs..ufrgs.br Prof. Lorí Viali, Dr. http://www. ://www.mat mat.ufrgs..ufrgs.br br/~viali/ viali@mat mat.ufrgs..ufrgs.br Média Uma amostra Proporção Variância Dependentes Diferença de médias m Duas amostras Independentes

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

Teste de Hipóteses Paramétricos

Teste de Hipóteses Paramétricos Teste de Hipóteses Paramétricos Como costruir testes de hipóteses para difereças etre duas médias. Como costruir testes de hipóteses para difereças etre duas proporções. Como costruir testes de hipóteses

Leia mais

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

Contabilometria. Prof.: Patricia Maria Bortolon, D. Sc. Cotabilometria Prof.: Patricia Maria Bortolo, D. Sc. Teste para Duas Amostras Fote: LEVINE, D. M.; STEPHAN, D. F.; KREHBIEL, T. C.; BERENSON, M. L.; Estatística Teoria e Aplicações, 5a. Edição, Editora

Leia mais

Diferença entre duas médias. Diferença entre duas proporções (π 1 - π 2 = ) Igualdade entre duas variâncias. Prof. Lorí Viali, Dr.

Diferença entre duas médias. Diferença entre duas proporções (π 1 - π 2 = ) Igualdade entre duas variâncias. Prof. Lorí Viali, Dr. Prof. Lorí Viali, Dr. viali@a a.ufrgs..ufrgs.br hp://www.ufrgs. ://www.ufrgs.br br/~viali/ Depedees Idepedees Tese para aosras eparelhadas Variâcias Cohecidas Variâcias Descohecidas Tese z uposas iguais

Leia mais

Estatística: Aplicação ao Sensoriamento Remoto SER ANO Teste de Hipótese

Estatística: Aplicação ao Sensoriamento Remoto SER ANO Teste de Hipótese Estatística: Aplicação ao Sesoriameto Remoto SER 4 - ANO 18 Teste de Hipótese Camilo Daleles Reó camilo@dpi.ipe.br http://www.dpi.ipe.br/~camilo/estatistica/ Estimação de Parâmetros Como já foi visto,

Leia mais

1. Dados: Deve compreender-se a natureza dos dados que formam a base dos procedimentos

1. Dados: Deve compreender-se a natureza dos dados que formam a base dos procedimentos 9. Testes de Hipóteses 9.. Itrodução Uma hipótese pode defiir-se simplesmete como uma afirmação acerca de uma mais populações. Em geral, a hipótese se refere aos parâmetros da população sobre os quais

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

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

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

MOQ-13 PROBABILIDADE E ESTATÍSTICA. Professor: Rodrigo A. Scarpel MOQ-13 PROILIDDE E ESTTÍSTIC Professor: Rodrigo. Scarpel rodrigo@ita.br www.mec.ita.br/~rodrigo Programa do curso: Semaas 1 3 4 5 6 7 8 9 10 11 1 13 14 15 e 16 Itrodução à probabilidade (evetos, espaço

Leia mais

Estatística. Estatística II - Administração. Prof. Dr. Marcelo Tavares. Distribuições de amostragem. Estatística Descritiva X Estatística Inferencial

Estatística. Estatística II - Administração. Prof. Dr. Marcelo Tavares. Distribuições de amostragem. Estatística Descritiva X Estatística Inferencial Estatística II - Admiistração Prof. Dr. Marcelo Tavares Distribuições de amostragem Na iferêcia estatística vamos apresetar os argumetos estatísticos para fazer afirmações sobre as características de uma

Leia mais

Comparação entre duas populações

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

Leia mais

O teste de McNemar. A tabela 2x2. Depois - Antes

O teste de McNemar. A tabela 2x2. Depois - Antes Prof. Lorí Viali, Dr. http://www.pucrs.br/famat/viali/ viali@pucrs.br O teste de McNemar O teste de McNemar para a sigificâcia de mudaças é particularmete aplicável aos experimetos do tipo "ates e depois"

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

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

A finalidade dos testes de hipóteses paramétrico é avaliar afirmações sobre os valores dos parâmetros populacionais.

A finalidade dos testes de hipóteses paramétrico é avaliar afirmações sobre os valores dos parâmetros populacionais. Prof. Jaete Pereira Amador Itrodução Os métodos utilizados para realização de iferêcias a respeito dos parâmetros pertecem a duas categorias. Pode-se estimar ou prever o valor do parâmetro, através da

Leia mais

Testes de Comparação Múltipla

Testes de Comparação Múltipla Testes de Comparação Múltipla Quado a aplicação da aálise de variâcia coduz à reeição da hipótese ula, temos evidêcia de que existem difereças etre as médias populacioais. Mas, etre que médias se registam

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

Lista IC, tamanho de amostra e TH

Lista IC, tamanho de amostra e TH Lista IC, tamaho de amostra e TH 1. Cosidere a amostra abaixo e costrua um itervalo de cofiaça para a média populacioal. Cosidere um ível de cofiaça de 99%. 17 3 19 3 3 1 18 0 13 17 16 Como ão temos o

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

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

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

Capítulo 12 SELECIONADOS PARA ESTUDO PROVA 15/09: Problema 01. (a) (b)

Capítulo 12 SELECIONADOS PARA ESTUDO PROVA 15/09: Problema 01. (a) (b) apítulo ELEIOADO PARA ETUDO PROVA 5/9: -3 5-9 -3 6-7 -8 35-38 Problema (a P(Erro I P(dizer que são de B a 76 75 P Z P( Z 5,87% P(Erro II P(dizer que são de A a 76 77 P Z P( Z 5,87% (b P(Erro I 5% P ( ~

Leia mais

1 Distribuições Amostrais

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

Leia mais

Distribuições Amostrais

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

Leia mais

Teoria da Estimação 1

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

Leia mais

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

Capítulo 12. Problema 01. (a) (b)

Capítulo 12. Problema 01. (a) (b) apítulo Problema (a P(Erro I P(dizer que são de B a 76 75 P Z P( Z P(Erro II 5,87% P(dizer que são de A a 76 77 P Z P( Z 5,87% (b P(Erro I 5% P ( ~ (75; 75,645 verdade são de A P verdade são de B P 76,645

Leia mais

Estatística e Probabilidade, D3, 2019_1. Escolha a alternativa correta e indique no gabarito de respostas

Estatística e Probabilidade, D3, 2019_1. Escolha a alternativa correta e indique no gabarito de respostas Estatística e Probabilidade, D3, 2019_1 Escolha a alterativa correta e idique o gabarito de respostas 1. Uma avaliação é costituída de 20 questões, cada uma delas com cico alterativas, das quais apeas

Leia mais

Distribuições Amostrais

Distribuições Amostrais Distribuições Amostrais O problema da iferêcia estatística: fazer uma afirmação sobre os parâmetros da população θ (média, variâcia, etc) através da amostra. Usaremos uma AAS de elemetos sorteados dessa

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

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

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

n ) uma amostra aleatória da variável aleatória X.

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

Leia mais

6.1 Estimativa de uma média populacional: grandes amostras. Definição: Um estimador é uma característica amostral (como a média amostral

6.1 Estimativa de uma média populacional: grandes amostras. Definição: Um estimador é uma característica amostral (como a média amostral 6 ESTIMAÇÃO 6.1 Estimativa de uma média populacioal: grades amostras Defiição: Um estimador é uma característica amostral (como a média amostral x ) utilizada para obter uma aproximação de um parâmetro

Leia mais

Lista de Exercícios #6 Assunto: Propriedade dos Estimadores e Métodos de Estimação

Lista de Exercícios #6 Assunto: Propriedade dos Estimadores e Métodos de Estimação Assuto: Propriedade dos Estimadores e Métodos de Estimação. ANPEC 08 - Questão 6 Por regulametação, a cocetração de um produto químico ão pode ultrapassar 0 ppm. Uma fábrica utiliza esse produto e sabe

Leia mais

Probabilidades e Estatística

Probabilidades e Estatística Departameto de Matemática Probabilidades e Estatística Primeiro exame/segudo teste 2 o semestre 29/21 Duração: 18/9 miutos Grupo I Justifique coveietemete todas as respostas. 17/6/21 9: horas 1. Com base

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

CONCEITOS BÁSICOS E PRINCÍPIOS DE ESTATÍSTICA

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

Leia mais

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

Teorema do limite central e es/mação da proporção populacional p

Teorema do limite central e es/mação da proporção populacional p Teorema do limite cetral e es/mação da proporção populacioal p 1 RESULTADO 1: Relembrado resultados importates Seja uma amostra aleatória de tamaho de uma variável aleatória X, com média µ e variâcia σ.temos

Leia mais

MAE Introdução à Probabilidade e Estatística II Resolução Lista 3

MAE Introdução à Probabilidade e Estatística II Resolução Lista 3 MAE 229 - Itrodução à robabilidade e Estatística II Resolução Lista rofessor: edro Moretti Exercício 1 a A hipótese ula H 0 é de que a média de vedas µ permaece ialterada, equato que a hipótese alterativa

Leia mais

Distribuições de Estatísticas Amostrais e Teorema Central do Limite

Distribuições de Estatísticas Amostrais e Teorema Central do Limite Distribuições de Estatísticas Amostrais e Teorema Cetral do Limite Vamos começar com um exemplo: A mega-sea de 996 a N 894 úmeros de a 6: Média: m 588 Desvio padrão: 756 49 amostras de 6 elemetos Frequêcia

Leia mais

Obtemos, então, uma amostra aleatória de tamanho n de X, que representamos por X 1, X 2,..., X n.

Obtemos, então, uma amostra aleatória de tamanho n de X, que representamos por X 1, X 2,..., X n. Vamos observar elemetos, extraídos ao acaso e com reposição da população; Para cada elemeto selecioado, observamos o valor da variável X de iteresse. Obtemos, etão, uma amostra aleatória de tamaho de X,

Leia mais

ESTATÍSTICA NÃO-PARAMÉTRICA

ESTATÍSTICA NÃO-PARAMÉTRICA ESTATÍSTICA NÃO-PARAMÉTRICA Prof. Dr. Edmilso Rodrigues Pito Faculdade de Matemática - UFU edmilso@famat.ufu.br 1 Programa Itrodução - Plao de curso, sistema de avaliação - Coceitos básicos de iferêcia

Leia mais

Nosso objetivo agora é estudar a média de uma variável quantitativa X. Denotamos a média desconhecida como E(X)=µ

Nosso objetivo agora é estudar a média de uma variável quantitativa X. Denotamos a média desconhecida como E(X)=µ TESTE DE HIPÓTESES PARA A MÉDIA POPULACIONAL µ Nosso objetivo agora é estudar a média de uma variável quatitativa X. Deotamos a média descohecida como E(X)µ Mais precisamete, estimamos a média µ, costruímos

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

Estimadores de Momentos

Estimadores de Momentos Estimadores de Mometos A média populacioal é um caso particular daquilo que chamamos de mometo. Na realidade, ela é o primeiro mometo. Se X for uma v.a. cotíua, com desidade f(x; θ 1,..., θ r ), depededo

Leia mais

Prof. Fabrício Maciel Gomes Departamento de Engenharia Química Escola de Engenharia de Lorena EEL

Prof. Fabrício Maciel Gomes Departamento de Engenharia Química Escola de Engenharia de Lorena EEL Prof. Fabrício Maciel Gomes Departameto de Egeharia Química Escola de Egeharia de Lorea EEL Referêcias Bibliográficas Sistema de Avaliação Duas Provas teóricas Um Trabalho em Grupo MédiaFial 0,4 P 0,4

Leia mais

Estatística II Licenciatura em Gestão TESTE I

Estatística II Licenciatura em Gestão TESTE I Estatística II Liceciatura em Gestão 1 o semestre 2015/2016 14/01/2016 09:00 Nome N o Espaço reservado a classificações A utilização do telemóvel, em qualquer circustâcia, é motivo suficiete para a aulação

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

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

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

Leia mais

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

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

INFERÊNCIA ESTATÍSTICA: TESTE DE HIPÓTESES

INFERÊNCIA ESTATÍSTICA: TESTE DE HIPÓTESES INFERÊNCIA ESTATÍSTICA: TESTE DE IPÓTESES 2 Teste de hipóteses Exemplo. Uma idústria adquire de um erto fabriate pios uja resistêia média à ruptura é espeifiada em 6 uid. (valor omial da espeifiação).

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

1 Estimação de Parâmetros

1 Estimação de Parâmetros 1 Estimação de arâmetros Vários tipos de estudos tem o objetivo de obter coclusões fazer iferêcias a respeito de parâmetros de uma população. A impossibilidade de avaliar toda a população faz com que a

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

n C) O EMV é igual a i 1

n C) O EMV é igual a i 1 PROVA DE ESTATÍSTICA E PROBABILIDADE SELEÇÃO MESTRADO/UFMG 009 Istruções: a) Cada questão respodida corretamete vale (um) poto. c) Cada questão respodida icorretamete vale - (meos um) poto. b) Cada questão

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 X S pˆ (parâmetros:

Leia mais

7. INTERVALOS DE CONFIANÇA

7. INTERVALOS DE CONFIANÇA 7 INTRVALOS D CONFIANÇA 00 stimação por itervalos,, é uma amostra aleatória de uma variável cuja distribuição depede do parâmetro θ Se L(,, ) e U(,, ) são duas fuções tais que L < U e P(L θ U), o itervalo

Leia mais

Unidade IX Estimação

Unidade IX Estimação Uidade IX Estimação 6/09/07 Itervalos de cofiaça ii. Para a difereça etre médias de duas populações (μ μ ) caso : Variâcias cohecidas Pressupostos: 6/09/07 x - x x - x ; N é - x x ) ( x x x x E ) ( x x

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

Probabilidades e Estatística / Introd. às Probabilidades e Estatística TODOS OS CURSOS

Probabilidades e Estatística / Introd. às Probabilidades e Estatística TODOS OS CURSOS Probabilidades e Estatística / Itrod. às Probabilidades e Estatística TODOS OS CURSOS Exame Época Especial 7/8 3/7/7 9: Duração: 3 horas Justifique coveietemete todas as respostas Grupo I 5 valores. Uma

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

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

1 Teoria da Decisão Estatística

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

Leia mais

Ap A r p e r n e d n i d z i a z ge g m e m Es E t s a t tí t s í t s i t c i a c de d e Dado d s Francisco Carvalho

Ap A r p e r n e d n i d z i a z ge g m e m Es E t s a t tí t s í t s i t c i a c de d e Dado d s Francisco Carvalho Apredizagem Estatística de Dados Fracisco Carvalho Avaliação e Comparação de Classificadores Existem poucos estudos aalíticos sobre o comportameto de algoritmos de apredizagem. A aálise de classificadores

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

TRANSPORTES. Sessão Prática 4 Amostragem de escalares

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

Leia mais

Lista de Exercícios #4 Assunto: Variáveis Aleatórias Contínuas

Lista de Exercícios #4 Assunto: Variáveis Aleatórias Contínuas . ANPEC 8 - Questão Seja x uma variável aleatória com fução desidade de probabilidade dada por: f(x) = x, para x f(x) =, caso cotrário. Podemos afirmar que: () E[x]=; () A mediaa de x é ; () A variâcia

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

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

1. INTRODUÇÃO TIPOS DE TESTES PARAMÉTRICOS...12

1. INTRODUÇÃO TIPOS DE TESTES PARAMÉTRICOS...12 SUMÁRIO. INTRODUÇÃO...3.. GENERALIDADES...3.. METODOLOGIA DO TESTE DE HIPÓTESES...3.3. AS HIPÓTESES...4.4. A ESCOLHA DO TESTE ESTATÍSTICO...5.5. CONCEITOS ADICIONAIS DO TESTE DE HIPÓTESES...5.6. A DISTRIBUIÇÃO

Leia mais

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

Objetivo. Estimar a média de uma variável aleatória X, que representa uma característica de interesse de uma população, a partir de uma amostra. Objetivo Estimar a média de uma variável aleatória X, que represeta uma característica de iteresse de uma população, a partir de uma amostra. Exemplos: : peso médio de homes a faixa etária de 20 a 30 aos,

Leia mais

UNIVERSIDADE FEDERAL DO PARANÁ SETOR DE CIÊNCIAS EXATAS DEPTO. DE ESTATÍSTICA LISTA 4 PROBABILIDADE A (CE068) Prof. Benito Olivares Aguilera

UNIVERSIDADE FEDERAL DO PARANÁ SETOR DE CIÊNCIAS EXATAS DEPTO. DE ESTATÍSTICA LISTA 4 PROBABILIDADE A (CE068) Prof. Benito Olivares Aguilera UNIVERSIDADE FEDERAL DO PARANÁ SETOR DE CIÊNCIAS EATAS DEPTO. DE ESTATÍSTICA LISTA 4 PROBABILIDADE A (CE068) Prof. Beito Olivares Aguilera 2 o Sem./09 1. Das variáveis abaixo descritas, assiale quais são

Leia mais

Testes de Hipóteses Paramétricos

Testes de Hipóteses Paramétricos Testes de Hipóteses Paramétricos Departamento de Matemática Escola Superior de Tecnologia de Viseu (DepMAT ESTV) Testes de Hipóteses Paramétricos 1 / 41 Introdução. Hipóteses Estatísticas. Erro Tipo I

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

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

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

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

INTERVALOS DE CONFIANÇA

INTERVALOS DE CONFIANÇA INTRVALOS D CONFIANÇA 014 stimação por itervalos 1,..., é uma amostra aleatória de uma variável cuja distribuição depede do parâmetro. Se L( 1,..., ) e U( 1,..., ) são duas fuções tais que L < U e P(L

Leia mais

Estimação da média populacional

Estimação da média populacional Estimação da média populacioal 1 MÉTODO ESTATÍSTICO Aálise Descritiva Teoria das Probabilidades Iferêcia Os dados efetivamete observados parecem mostrar que...? Se a distribuição dos dados seguir uma certa

Leia mais

TESTES DE HIPÓTESES. HIPÓTESES: São suposições que fazemos para testar a fixação de decisões, que poderão ser verdadeiras ou não.

TESTES DE HIPÓTESES. HIPÓTESES: São suposições que fazemos para testar a fixação de decisões, que poderão ser verdadeiras ou não. TESTES DE HIPÓTESES HIPÓTESES: São suposições que fazemos para testar a fixação de decisões, que poderão ser verdadeiras ou não. HIPÓTESES ESTATÍSTICA: Hipótese Nula (H 0 ): a ser validada pelo teste.

Leia mais

Universidade Federal de Mato Grosso Probabilidade e Estatística - Curso: Engenharia Civil Introdução à Inferência Estatística - Prof a Eveliny

Universidade Federal de Mato Grosso Probabilidade e Estatística - Curso: Engenharia Civil Introdução à Inferência Estatística - Prof a Eveliny 1 Itrodução Uiversidade Federal de Mato Grosso Probabilidade e Estatística - Curso: Egeharia Civil Itrodução à Iferêcia Estatística - Prof a Eveliy Vimos o iício do curso como resumir descritivamete variáveis

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

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

Probabilidades e Estatística LEE, LEIC-A, LEIC-T, LEMat, LERC, MEBiol, MEBiom, MEEC, MEFT, MEMec, MEQ

Probabilidades e Estatística LEE, LEIC-A, LEIC-T, LEMat, LERC, MEBiol, MEBiom, MEEC, MEFT, MEMec, MEQ Duração: 90 miutos Grupo I Probabilidades e Estatística LEE, LEIC-A, LEIC-T, LEMat, LERC, MEBiol, MEBiom, MEEC, MEFT, MEMec, MEQ Justifique coveietemete todas as respostas 1 o semestre 2017/2018 11/01/2018

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

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

Stela Adami Vayego Estatística II CE003/DEST/UFPR

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

Leia mais

MAE Introdução à Probabilidade e Estatística II Resolução Lista 2

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

Leia mais

Probabilidades e Estatística

Probabilidades e Estatística Departameto de Matemática robabilidades e Estatística LEGM, LEIC-A, LEIC-T, LEMat, MEBiom, MEFT, MEQ 2 o semestre 2011/2012 2 o Teste A 08/06/2012 9:00 Duração: 1 hora e 30 miutos Justifique coveietemete

Leia mais

Exercícios de Intervalos de Confiança para media, variância e proporção

Exercícios de Intervalos de Confiança para media, variância e proporção Exercícios de Itervalos de Cofiaça para media, variâcia e proporção 1. Se uma amostra aleatória =5, tem uma média amostral de 51,3 e uma desvio padrão populacioal de σ=. Costrua o itervalo com 95% de cofiaça

Leia mais

Stela Adami Vayego DEST/UFPR

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

Leia mais