Cap. VI Histogramas e Curvas de Distribuição

Save this PDF as:
 WORD  PNG  TXT  JPG

Tamanho: px
Começar a partir da página:

Download "Cap. VI Histogramas e Curvas de Distribuição"

Transcrição

1 TLF /11 Capítulo VI Histogramas e curvas de distribuição 6.1. Distribuições e histogramas Distribuição limite Sigificado da distribuição limite: frequêcia esperada e probabilidade de um resultado Valor médio e desvio padrão de uma distribuição limite 66 Departameto de Física da FCTUC 59

2 TLF /11 Histogramas e curvas de distribuição 6.1. Distribuições e Histogramas. Uma aálise estatística séria requer, em geral, um úmero apreciável de dados. Quado esse úmero é sigificativo, um modo vatajoso de os apresetar cosiste a costrução de um histograma (ou gráfico de barras). Vejamos um eemplo. uma dada eperiêcia, tedo reduzido a um ível desprezável os erros sistemáticos, medimos um comprimeto várias vezes e obtemos os resultados que se apresetam a tabela 6.1. Tabela 6.1 i resultados de = medidas do comprimeto i (cm) Estes mesmos resultados podem ser orgaizados de acordo com o úmero de vezes que cada resultado acotece, torado a avaliação dos dados mais imediata (Tabela 6.): Tabela 6. resultados do comprimeto ; º de vezes que se obteve o resultado (cm) Tedo em cota esta ova forma de orgaizar os resultados, o seu valor médio pode ser reescrito utilizado os e : i i = =. (6.1) A ova fórmula da média é desigada por média pesada, visto que cada valor é pesado pelo º de vezes que acotece, : ( 4 3) + ( 5 ) + (.6 3) =. ote que = ode é o úmero total de medidas. O º de vezes,, que um dado resultado foi obtido pode ser apresetado como uma fracção do º total de medidas. Este ovo parâmetro é desigado por frequêcia de e defie-se, portato, como: F =, (6.) Departameto de Física da FCTUC 6

3 TLF /11 Em termos de F, a média pode agora reescrever-se como: = F, (6.3) sedo, portato, a soma de todos os diferetes valores, cada um pesado pela sua frequêcia F. O resultado = e a defiição F = implicam que F = 1. (6.4) A codição acima é uma codição de ormalização e a série dos F diz-se ormalizada. A tabela 6.3 completa a tabela 6. com os ovos dados. Tabela 6.3 resultados do comprimeto ; º de vezes que se obteve o resultado ; F frequêcia de cada (cm) = F F As frequêcias F especificam a distribuição de resultados, uma vez que descrevem a forma como as medidas estão distribuídas pelos diferetes valores possíveis. Uma distribuição de resultados pode ser apresetada graficamete um histograma ou gráfico de barras. A figura 6.1 mostra o histograma correspodete aos resultados das medidas do comprimeto (Tabela 6.3).,3 =,5, F,15,,5, (cm) Figura 6.1 Histograma da distribuição de frequêcias do comprimeto. Departameto de Física da FCTUC 61

4 TLF /11 o histograma da figura 6.1, como os valores são iteiros discretos, as frequêcias são represetadas pela altura das lihas em cada poto da abcissa. a verdade, este gráfico seria idêtico (a meos de um factor de escala) ao gráfico que se obteria se a ordeada fossem itroduzidos directamete os valores dos e ão dos F. Cotudo, este caso o gráfico ão estaria ormalizado, o que seria uma desvatagem, como veremos mais tarde. Muitas medidas de gradezas físicas apresetam um itervalo cotíuo de valores (e ão discreto, como o eemplo aterior). Supohamos que se realizam 5 medidas de tempo com um croómetro, a fim de se determiar o tempo de queda de um corpo. Os valores obtidos estão etre.91 s e 1.6 s. Com resultados deste tipo, o melhor procedimeto é dividir o itervalo total de valores obtidos um º coveiete de pequeos itervalos iguais. Para tal procede-se da seguite forma geral (que ilustraremos com o eemplo da medida dos tempos): i) Detecta-se o meor valor (de tempo) medido: (.91 s) ii) Detecta-se o maior valor (de tempo) medido: (1.6 s) iii) Calcula-se a difereça etre os dois valores ateriores: ( =.15s) iv) Divide-se esse itervalo total um º coveiete de itervalos iguais: (tomado 5 itervalos iguais, cada itervalo terá uma largura de.3 s). v) Calculam-se os valores etremos desses itervalos (repare os etremos abertos e fechados): (Δ 1 = [.91,.94[ s Δ = [.94,.97[ s Δ 3 = [.97,1.[ s Δ 4 = [1.,1.3[ s Δ 5 = [1.3,1.6] s.) vi) Cota-se o úmero de valores medidos (do tempo) que caiem em cada um dos itervalos escolhidos: (Tabela 6.4). vii) Fialmete represetam-se os resultados através de um histograma ou gráfico de barras: (Figura 6.). Tabela 6.4 Δ itervalos de valores, com largura.3 s; º de vezes que se obteve um tempo detro do itervalo Δ ; F frequêcia de cada Δ = F Δ (s) [.91,.94[ [.94,.97[ [.97,1.[ [1.,1.3[ [1.3,1.6] F f (s -1 ) este tipo de histograma, a frequêcia de cada itervalo Δ cotiua a ser dada pela razão, mas correspode à área de cada colua, ou seja, F = = f Δ. (6.5) Departameto de Física da FCTUC 6

5 TLF /11 f é a gradeza que surge a ordeada do gráfico e vê-se a partir da equação 6.5 que correspode a f =. Δ = f (s -1 ) 8 6 4,91,94,97 1, 1,3 1,6 Δ κ (s) Figura 6. Histograma da distribuição de frequêcias do tempo de queda de um corpo. Uma ota fial sobre a costrução de histogramas: Se os itervalos são demasiado largos, muitas medidas caem o mesmo itervalo e o histograma acaba por ser um cojuto de rectâgulos sem iteresse. Se os itervalos são demasiado estreitos, vários deles coterão apeas um úico resultado e o histograma resultate será costituído por um cojuto umeroso de rectâgulos estreitos quase todos com a mesma altura. A largura do itervalo deve ser, portato, escolhida de forma a que várias leituras caiam detro de cada itervalo. 6.. Distribuições Limite Em muitas eperiêcias, à medida que o º de medidas da gradeza em causa aumeta, a distribuição das medidas pelos diferetes valores possíveis começa a tomar uma forma simples e defiida. Com a ajuda da figura 6.3 podemos ver o que acotece ao histograma da eperiêcia da medida do tempo quado aumetamos o úmero total de medidas de 5 para 5 e depois para 5. À medida que aumeta, é possível dimiuir a largura dos itervalos Δ e, como se pode verificar, a difereça etre as alturas das coluas vai-se torado meos abrupta e mais regular. A partir do histograma c) podemos atecipar que, se o úmero de medidas cotiuasse a crescer, o padrão do histograma se aproimaria cada vez mais da curva cotíua e simétrica sobreposta. Este comportameto traduz uma importate propriedade de muitas gradezas físicas: à medida que o º de medidas aumeta, a distribuição de frequêcias aproima-se de uma curva cotíua bem defiida. A curva evolvete que seria obtida para um º ifiito de medidas é cohecida por Distribuição Limite. Trata-se, obviamete, de uma costrução teórica, uma vez que uca pode ser verdadeiramete testada eperimetalmete. Só um º ifiito de medidas e itervalos de medida ifiitesimais poderiam gerar a distribuição limite. Cotudo, temos boas razões para crer que a medida eperimetal de muitas gradezas físicas está Departameto de Física da FCTUC 63

6 TLF /11 associada a uma distribuição limite, da qual o histograma se aproima tato mais quato mais medidas forem realizadas = 5 1 = 5 f K (s -1 ) f K (s -1 ) 6 6 4,91,94,97 1, 1,3 1,6 Δ Κ (s) 4,91,95,99 1,3 1,7 Δ Κ (s) a) b) = 5 8 f K (s -1 ) 6 4,91,94,97 1, 1,3 1,6 Δ Κ (s) c) Figura 6.3 Variação da distribuição de frequêcias do tempo de queda de um corpo com o aumeto do º de medidas: a) = 5; b) = 5; c) = Sigificado da distribuição limite: frequêcia esperada e probabilidade de um resultado Desigemos por f() a fução que represeta a distribuição limite associada à gradeza. O sigificado dessa fução será compreedido com a ajuda da figura 6.4. Figura 6.4 Distribuição limite da gradeza : (a) itervalo de largura d; (b) itervalo de largura [a, b]. Como vimos ateriormete, um histograma a área de cada colua é dada pelo produto f Δ e essa área correspode à frequêcia das medidas que caem o itervalo Δ. Com a fução cotíua f(), vamos cosiderar um itervalo ifiitesimal de largura d, ou seja compreedido etre e +d. A frequêcia das medidas que caem esse itervalo Departameto de Física da FCTUC 64

7 TLF /11 ifiitesimal é igual à área f()d sombreada a figura 6.4-a). Ou seja, f ( ) d dá-os a fracção de medidas (frequêcia) que cai o itervalo [, +d]. Etão, geeralizado, a frequêcia das medidas que caem etre dois valores a e b da gradeza é dada pela área do gráfico defiida pela fução f() e compreedida etre = a e = b (área sombreada da figura 6.4-b)). Ora essa área correspode ao itegral de f() etre a e b, como sabemos. Temos assim o importate resultado: b f ( ) d = frequêcia esperada das medidas que caem etre = a e = b. a Usamos o termos frequêcia esperada para lembrar que se trata da frequêcia que esperaríamos obter se realizássemos um º ifiito de medidas! Por outro lado, f ( ) d é também uma forma de avaliar a probabilidade de uma qualquer medida dar um valor que perteça ao itervalo etre e +d. Etão, b f ( ) d a correspode à probabilidade de uma qualquer medida dar um resultado que caia o itervalo etre = a e = b. Podemos assim cocluir que, se fosse cohecida a distribuição limite f() associada à medida de uma certa quatidade, etão também seria cohecida a probabilidade de se obter um qualquer resultado um qualquer itervalo a b. Como a probabilidade total de se obter um valor qualquer etre e + deve ser 1, a distribuição limite f() tem que satisfazer a codição de ormalização: + f ( ) d =1, (6.6) ou seja, f() 1 diz-se ormalizada. 5 Boa precisão f() (s -1 ) 15 5 Baia precisão,91,96 1,1 1,6 1,11 1,16 Figura 6.5 Duas distribuições limite ormalizadas, correspodetes a duas eperiêcias diferetes da medida da mesma gradeza física, permitem comparar a precisão com que foram realizadas as medições os dois casos. t (s) f ( ) d =1 1 Em + valores medidos uma dada eperiêcia (e ão porque se obterão valores desde + até )., os limites ± são usados por descohecermos o itervalo real em que se situarão os Departameto de Física da FCTUC 65

8 TLF /11 A vatagem das distribuições limite serem ormalizadas é que podemos comparar resultados da mesma gradeza física realizadas, por eemplo, com sistemas eperimetais diferetes. A figura 6.5 mostra duas fuções limite resultates de medidas da mesma gradeza. Ambas apresetam o mesmo valor médio, = 1, 6s. Cotudo, o facto de ambas cobrirem a mesma área (porque as duas fuções estão ormalizadas) permite-os cocluir que uma das eperiêcias foi eecutada com razoável precisão (os valores obtidos estarão perto do melhor valor), dado origem a uma curva mais estreita e alta, equato que as medidas da outra eperiêcia foram realizadas com baia precisão. este caso, como a respectiva distribuição limite é larga e achatada, isso sigifica que os valores ecotrados apresetam elevada dispersão Valor médio e desvio padrão de uma distribuição limite Uma vez que a distribuição limite f() das medidas de uma certa quatidade descreve como é que os resultados estariam distribuídos depois de um º ifiito de medidas, etão, se f() fosse cohecida à partida, poderíamos determiar o valor médio que ecotraríamos ao fim de muitas medidas. Vimos que a média de qualquer º de medidas de uma mesma quatidade pode ser avaliada por: = F ode F é a frequêcia de. a distribuição limite f() podemos dividir todo o itervalo de valores em pequeos itervalos d, que vão de a +d. A frequêcia de valores em cada itervalo pode escrever-se como ( ) d F = f. (6.7) o limite, quado todos os itervalos tederem para o itervalo ifiitesimal d, obtemos, etão: + ( ) = f d, (6.8) que correspode ao valor esperado para a média da gradeza se se realizasse um º ifiito de medidas. Quato à variâcia (e, portato, ao desvio padrão), partido da defiição para um º total de medidas, 1 = ( i ), 1 i= 1 substituido os diferetes i por e atededo a que o limite de um º ifiito de medidas perde sigificado a difereça etre e -1, vem, seguido cosiderações semelhates às utilizadas para obter a equação 6.8: = ( ) = F ( ) = ( ) f ( ) d = + ( ) f ( )d, (6.9) que correspode ao valor esperado para a variâcia ) se se realizasse um º ifiito de medidas. (e, a partir dele, para o desvio padrão Departameto de Física da FCTUC 66

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

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

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

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

Capítulo VII: Soluções Numéricas de Equações Diferenciais Ordinárias

Capítulo VII: Soluções Numéricas de Equações Diferenciais Ordinárias Capítulo VII: Soluções Numéricas de Equações Difereciais Ordiárias 0. Itrodução Muitos feómeos as áreas das ciêcias egearias ecoomia etc. são modelados por equações difereciais. Supoa-se que se quer determiar

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

DERIVADAS DE FUNÇÕES11

DERIVADAS DE FUNÇÕES11 DERIVADAS DE FUNÇÕES11 Gil da Costa Marques Fudametos de Matemática I 11.1 O cálculo diferecial 11. Difereças 11.3 Taxa de variação média 11.4 Taxa de variação istatâea e potual 11.5 Primeiros exemplos

Leia mais

lim Px ( ) 35 x 5 ), teremos Px ( ) cada vez mais próximo de 35 (denotaremos isso da forma Px ( ) 35 ). UNIVERSIDADE FEDERAL DA PARAÍBA CAMPUS IV-CCAE

lim Px ( ) 35 x 5 ), teremos Px ( ) cada vez mais próximo de 35 (denotaremos isso da forma Px ( ) 35 ). UNIVERSIDADE FEDERAL DA PARAÍBA CAMPUS IV-CCAE CURSO DISCIPLINA PROFESSOR I) Itrodução ao Limite de uma Fução UNIVERSIDADE FEDERAL DA PARAÍBA CAMPUS IV-CCAE LICENCIATURA EM MATEMÁTICA CÁLCULO DIFERENCIAL E INTEGRAL I Limite de uma Fução José Elias

Leia mais

Função Logarítmica 2 = 2

Função Logarítmica 2 = 2 Itrodução Veja a sequêcia de cálculos aaio: Fução Logarítmica = = 4 = 6 3 = 8 Qual deve ser o valor de esse caso? Como a fução epoecial é estritamete crescete, certamete está etre e 3. Mais adiate veremos

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

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

Prova-Modelo de Matemática

Prova-Modelo de Matemática Prova-Modelo de Matemática PROVA Págias Esio Secudário DURAÇÃO DA PROVA: miutos TOLERÂNCIA: miutos Cotações GRUPO I O quarto úmero de uma certa liha do triâgulo de Pascal é. A soma dos quatro primeiros

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

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

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

DFS Série Discreta de Fourier DFT Transformada Discreta de Fourier Convolução Circular

DFS Série Discreta de Fourier DFT Transformada Discreta de Fourier Convolução Circular Sistemas de Processameto Digital Egeharia de Sistemas e Iformática Ficha 4 5/6 4º Ao/ º Semestre DFS Série Discreta de Fourier DFT Trasformada Discreta de Fourier Covolução Circular Para calcular a DFT,

Leia mais

objetivo Exercícios Meta da aula Pré-requisitos

objetivo Exercícios Meta da aula Pré-requisitos Exercícios A U L A 6 Meta da aula Aplicar o formalismo quâtico estudado as Aulas a 5 deste módulo à resolução de um cojuto de exercícios. objetivo Esperamos que, após o térmio desta aula, você teha cosolidado

Leia mais

Stela Adami Vayego DEST/UFPR

Stela Adami Vayego DEST/UFPR Resumo 3 Resumo dos dados uméricos por meio de úmeros 1. Medidas de Tedêcia Cetral A tedêcia cetral da distribuição de freqüêcias de uma variável em um cojuto de dados é caracterizada pelo valor típico

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

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

MEDIDAS DESCRITIVAS DE POSIÇÃO, TENDÊNCIA CENTRAL E VARIABILIDADE

MEDIDAS DESCRITIVAS DE POSIÇÃO, TENDÊNCIA CENTRAL E VARIABILIDADE MEDIDAS DESCRITIVAS DE POSIÇÃO, TENDÊNCIA CENTRAL E VARIABILIDADE 1 Estatística descritiva (Eploratória) PRIMEIRO PASSO: Tabelas (distribuição de frequêcia) e Gráficos. SEGUNDO PASSO: Cálculo de medidas

Leia mais

CAPÍTULO IV DESENVOLVIMENTOS EM SÉRIE

CAPÍTULO IV DESENVOLVIMENTOS EM SÉRIE CAPÍTUO IV DESENVOVIMENTOS EM SÉRIE Série de Taylor e de Mac-auri Seja f ) uma fução real de variável real com domíio A e seja a um poto iterior desse domíio Supoha-se que a fução admite derivadas fiitas

Leia mais

Fundamentos de Análise Matemática Profª Ana Paula. Números reais

Fundamentos de Análise Matemática Profª Ana Paula. Números reais Fudametos de Aálise Matemática Profª Aa Paula Números reais 1,, 3, cojuto dos úmeros aturais 0,1,,3, cojuto dos úmeros iteiros p q /p e q cojuto dos úmeros racioais a, a 0 a 1 a a, a e a i 0, 1,, 3, 4,

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

Série Trigonométrica de Fourier

Série Trigonométrica de Fourier studo sobre a Série rigoométrica de Fourier Série rigoométrica de Fourier Uma fução periódica f( pode ser decomposta em um somatório de seos e seos eqüivaletes à fução dada f ( o ( ( se ( ) ode: o valor

Leia mais

Cálculo II Sucessões de números reais revisões

Cálculo II Sucessões de números reais revisões Ídice 1 Defiição e exemplos Cálculo II Sucessões de úmeros reais revisões Mestrado Itegrado em Egeharia Aeroáutica Mestrado Itegrado em Egeharia Civil Atóio Beto beto@ubi.pt Departameto de Matemática Uiversidade

Leia mais

11 Aplicações da Integral

11 Aplicações da Integral Aplicações da Itegral Ao itroduzirmos a Itegral Defiida vimos que ela pode ser usada para calcular áreas sob curvas. Veremos este capítulo que existem outras aplicações. Essas aplicações estedem-se aos

Leia mais

F- MÉTODO DE NEWTON-RAPHSON

F- MÉTODO DE NEWTON-RAPHSON Colégio de S. Goçalo - Amarate - F- MÉTODO DE NEWTON-RAPHSON Este método, sob determiadas codições, apreseta vatages sobre os método ateriores: é de covergêcia mais rápida e, para ecotrar as raízes, ão

Leia mais

Preliminares 1. 1 lim sup, lim inf. Medida e Integração. Departamento de Física e Matemática. USP-RP. Prof. Rafael A. Rosales. 8 de março de 2009.

Preliminares 1. 1 lim sup, lim inf. Medida e Integração. Departamento de Física e Matemática. USP-RP. Prof. Rafael A. Rosales. 8 de março de 2009. Medida e Itegração. Departameto de Física e Matemática. USP-RP. Prof. Rafael A. Rosales 8 de março de 2009. 1 lim sup, lim if Prelimiares 1 Seja (x ), N, uma seqüêcia de úmeros reais, e l o limite desta

Leia mais

CAP. I ERROS EM CÁLCULO NUMÉRICO

CAP. I ERROS EM CÁLCULO NUMÉRICO CAP I ERROS EM CÁLCULO NUMÉRICO 0 Itrodução Por método umérico etede-se um método para calcular a solução de um problema realizado apeas uma sequêcia fiita de operações aritméticas A obteção de uma solução

Leia mais

Probabilidade II Aula 9

Probabilidade II Aula 9 Coteúdo Probabilidade II Aula 9 Maio de 9 Môica Barros, D.Sc. Estatísticas de Ordem Distribuição do Máximo e Míimo de uma amostra Uiforme(,) Distribuição do Máximo e Míimo caso geral Distribuição das Estatísticas

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

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

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

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

TRABALHO1 MEDIÇÕES, ALGARISMOS SIGNIFICATIVOS E ERROS.

TRABALHO1 MEDIÇÕES, ALGARISMOS SIGNIFICATIVOS E ERROS. TRABALHO1 MEDIÇÕES, ALGARISMOS SIGNIFICATIVOS E ERROS. 1.1 Objectivos Medir gradezas físicas, utilizado os istrumetos adequados. Apresetar correctamete os resultados das medições, ao ível da utilização

Leia mais

MEDIDAS DE TENDÊNCIA CENTRAL E MEDIDAS DE DISPERSÃO Í N D I C E

MEDIDAS DE TENDÊNCIA CENTRAL E MEDIDAS DE DISPERSÃO Í N D I C E MEDIDAS DE TENDÊNCIA CENTRAL E MEDIDAS DE DISPERSÃO Í N D I C E Medidas de Tedêcia Cetral Itrodução... 1- Média Aritmética... - Moda... 3- Mediaa... Medidas de Dispersão 4- Amplitude Total... 5- Variâcia

Leia mais

Questão 1. Questão 2. Questão 4. Questão 3. alternativa C. alternativa B. alternativa D. alternativa A n 2 n! O valor de log 2. c) n. b) 2n.

Questão 1. Questão 2. Questão 4. Questão 3. alternativa C. alternativa B. alternativa D. alternativa A n 2 n! O valor de log 2. c) n. b) 2n. Questão 4 6 O valor de log :! a). b). c). d) log. e) log. Para iteiro positivo, 4 6 = = ( ) ( ) ( 3) ( ) = = ( 3 ) =! Portato 4 6! log = log!! = = log =. Questão Num determiado local, o litro de combustível,

Leia mais

Fundamentos de Análise Matemática Profª Ana Paula. Sequência Infinitas

Fundamentos de Análise Matemática Profª Ana Paula. Sequência Infinitas Fudametos de Aálise Matemática Profª Aa Paula Sequêcia Ifiitas Defiição 1: Uma sequêcia umérica a 1, a 2, a 3,,a,é uma fução, defiida o cojuto dos úmeros aturais : f : f a Notação: O úmero é chamado de

Leia mais

1. Revisão Matemática

1. Revisão Matemática Sequêcias de Escalares Uma sequêcia { } diz-se uma sequêcia de Cauchy se para qualquer (depedete de ε ) tal que : ε > 0 algum K m < ε para todo K e m K Uma sequêcia { } diz-se ser limitada superiormete

Leia mais

SEQUÊNCIAS IMPORTANTES PARA O LIMITE

SEQUÊNCIAS IMPORTANTES PARA O LIMITE começado a eteder CÁLCULO Volume Um - SEQUÊNCIAS IMPORTANTES PARA O LIMITE Uma sequêcia ifiita de úmeros () é covergete a um úmero o quado () se tora (ou é sempre) igual a o, ou se tora cada vez mais próima

Leia mais

Resposta de Sistemas de 2 a Ordem à Excitação Periódica Não Harmônica

Resposta de Sistemas de 2 a Ordem à Excitação Periódica Não Harmônica Resposta de Sistemas de a Ordem à Excitação Periódica Não Harmôica 1 18 Resposta de Sistemas de a Ordem à Excitação Periódica Não Harmôica 1 INTRODUÇÃO Muitas vezes, a excitação é uma fução periódica,

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

Ajuste de Curvas pelo Método dos Quadrados Mínimos

Ajuste de Curvas pelo Método dos Quadrados Mínimos Notas de aula de Métodos Numéricos. c Departameto de Computação/ICEB/UFOP. Ajuste de Curvas pelo Método dos Quadrados Míimos Marcoe Jamilso Freitas Souza, Departameto de Computação, Istituto de Ciêcias

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

Capítulo 39: Mais Ondas de Matéria

Capítulo 39: Mais Ondas de Matéria Capítulo 39: Mais Odas de Matéria Os elétros da superfície de uma lâmia de Cobre foram cofiados em um curral atômico - uma barreira de 7,3 âgstros de diâmetro, imposta por 48 átomos de Ferro. Os átomos

Leia mais

APROXIMAÇÕES AO FILTRO IDEAL

APROXIMAÇÕES AO FILTRO IDEAL APROXIMAÇÕE AO FILTRO IDEAL INTRODUÇÃO No capítulo estudaram-se vários tipos de fuções de trasferêcia de primeira e de seguda ordem, que são ecessárias para realizar qualquer fução de trasferêcia Neste

Leia mais

Implementação de Planilha de Cálculos Simplificada

Implementação de Planilha de Cálculos Simplificada INF 1620 Estruturas de Dados Semestre 08.2 Primeiro Trabalho Implemetação de Plailha de Cálculos Simplificada Uma plailha de cálculos é um programa muito utilizado em aplicações fiaceiras e aquelas que,

Leia mais

Secção 1. Introdução às equações diferenciais

Secção 1. Introdução às equações diferenciais Secção. Itrodução às equações difereciais (Farlow: Sec..,.) Cosideremos um exemplo simples de um feómeo que pode ser descrito por uma equação diferecial. A velocidade de um corpo é defiida como o espaço

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

( ) 4. Novo Espaço Matemática A 12.º ano Proposta de Teste de Avaliação [maio 2015] GRUPO I. f x

( ) 4. Novo Espaço Matemática A 12.º ano Proposta de Teste de Avaliação [maio 2015] GRUPO I. f x Novo Espaço Matemática A º ao Proposta de Teste de Avaliação [maio 05] Nome: Ao / Turma: Nº: Data: - - GRUPO I Os sete ites deste grupo são de escolha múltipla Em cada um deles, são idicadas quatro opções,

Leia mais

População x Amostra. statística descritiva X inferência estatística. Revisão de Estatística e Probabilidade

População x Amostra. statística descritiva X inferência estatística. Revisão de Estatística e Probabilidade Revisão de Estatística e Probabilidade Magos Martiello Uiversidade Federal do Espírito Sato - UFES Departameto de Iformática DI Laboratório de Pesquisas em Redes Multimidia LPRM statística descritiva X

Leia mais

Estimação por Intervalo (Intervalos de Confiança):

Estimação por Intervalo (Intervalos de Confiança): Estimação por Itervalo (Itervalos de Cofiaça): 1) Itervalo de Cofiaça para a Média Populacioal: Muitas vezes, para obter-se a verdadeira média populacioal ão compesa fazer um levatameto a 100% da população

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

) E X. ) = 0 2 ( 1 p ) p = p. ) E 2 ( X ) = p p 2 = p ( 1 p ) ( ) = i 1 n. ( ) 2 n E( X) = ( ) = 1 p ( ) = p V ( X ) = E ( X 2 E X

) E X. ) = 0 2 ( 1 p ) p = p. ) E 2 ( X ) = p p 2 = p ( 1 p ) ( ) = i 1 n. ( ) 2 n E( X) = ( ) = 1 p ( ) = p V ( X ) = E ( X 2 E X 3.5 A distribuição uiforme discreta Defiição: X tem distribuição uiforme discreta se cada um dos valores possíveis,,,, tiver fução de probabilidade P( X = i ) = e represeta-se por, i =,, 0, c.c. X ~ Uif

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

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

Exercícios de Aprofundamento Matemática Progressão Aritmética e Geométrica

Exercícios de Aprofundamento Matemática Progressão Aritmética e Geométrica Exercícios de Aprofudameto Matemática Progressão Aritmética e b. (Fuvest 05) Dadas as sequêcias a 4 4, b, c a a e d, b defiidas para valores iteiros positivos de, cosidere as seguites afirmações: I. a

Leia mais

Séries e aplicações15

Séries e aplicações15 Séries e aplicações5 Gil da Costa Marques Fudametos de Matemática I 5. Sequêcias 5. Séries 5. Séries especiais 5.4 Arquimedes e a quadratura da parábola 5.5 Sobre a Covergêcia de séries 5.6 Séries de Taylor

Leia mais

Estimativa de Parâmetros

Estimativa de Parâmetros Estimativa de Parâmetros ENG09004 04/ Prof. Alexadre Pedott pedott@producao.ufrgs.br Trabalho em Grupo Primeira Etrega: 7/0/04. Plao de Amostragem - Cotexto - Tipo de dado, frequêcia de coleta, quatidade

Leia mais

Em certas situações particulares é possível operar com raízes quadradas, raízes cúbicas,...

Em certas situações particulares é possível operar com raízes quadradas, raízes cúbicas,... Escola Secudária/, da Sé-Lamego Ficha de Trabalho de Matemática A Ao Lectivo 000/0 Cojuto IR - Operações com radicais, racioalização de deomiadores e equadrametos 0º Ao Nome: Nº: Turma: NÚMEROS IRRACIONAIS

Leia mais

FACULDADE DE CIÊNCIAS E TECNOLOGIA. Redes de Telecomunicações (2006/2007)

FACULDADE DE CIÊNCIAS E TECNOLOGIA. Redes de Telecomunicações (2006/2007) FCULDDE DE CIÊCIS E TECOLOGI Redes de Telecomuicações (6/7) Egª de Sistemas e Iformática Trabalho º4 (ª aula) Título: Modelação de tráfego utilizado o modelo de Poisso Fudametos teóricos (cotiuação) 7.

Leia mais

Uma relação entre sincronização no mapa do círculo e os números racionais

Uma relação entre sincronização no mapa do círculo e os números racionais Uma relação etre sicroização o mapa do círculo e os úmeros racioais Mariaa P. M. A. Baroi Elbert E. N. Macau Laboratório Associado de Computação e Matemática Aplicada Istituto Nacioal de Pesquisas Espaciais

Leia mais

4.2 Numeração de funções computáveis

4.2 Numeração de funções computáveis 4. Numeração de fuções computáveis 4.1 Numeração de programas 4.2 Numeração de fuções computáveis 4.3 O método da diagoal 4.4 O Teorema s-m- Teresa Galvão LEIC - Teoria da Computação I 4.1 4.1 Numeração

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

Professor Mauricio Lutz LIMITES

Professor Mauricio Lutz LIMITES LIMITES ) Noção ituitiva de ites Seja a fução f ( ) +. Vamos dar valores de que se aproimem de, pela sua direita (valores maiores que ) e pela esquerda (valores meores que ) e calcular o valor correspodete

Leia mais

Estatística Descritiva 1

Estatística Descritiva 1 Resumo Estatística Descritiva. O que é Estatística. Tipos de Dados. Processameto Descritivo. Tabelas de requêcia. edidas Resumo Reato Vicete EACH-USP/ Origes William Petty étodo Estatístico - (Reio Uido)

Leia mais

Mas, a situação é diferente quando se considera, por exemplo, a

Mas, a situação é diferente quando se considera, por exemplo, a . NÚMEROS COMPLEXOS Se um corpo umérico uma equação algébrica ão tem raíes, é possível costruir outro corpo umérico, mais eteso, ode a equação se tora resolúvel. Eemplo: ± raíes irracioais Mas, a situação

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

Estatística Aplicada Medidas Resumo Apostila 4 Prof. Fábio Hipólito Aluno(a):

Estatística Aplicada Medidas Resumo Apostila 4 Prof. Fábio Hipólito Aluno(a): Medidas Resumo Apostila 4 Prof. Fábio Hipólito Aluo(a): # Objetivo desta aula: Calcular as medidas de tedêcia cetral: média, moda e mediaa para distribuições de frequêcias potuais e por itervalos de classes.

Leia mais

Um estudo das permutações caóticas

Um estudo das permutações caóticas Um estudo das permutações caóticas Trabalho apresetado como atividade do PIPE a disciplia Matemática Fiita do Curso de Matemática o 1º semestre de 2009 Fabrício Alves de Oliveira Gabriel Gomes Cuha Grégory

Leia mais

Introdução à Física Quântica

Introdução à Física Quântica Itrodução à Física Quâtica A icapacidade da Física clássica em eplicar certos feómeos levou ao desevolvimeto de duas teorias que revolucioaram a Física o iício do século XX: A Teoria da Relatividade de

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

3ª Lista de Exercícios de Programação I

3ª Lista de Exercícios de Programação I 3ª Lista de Exercícios de Programação I Istrução As questões devem ser implemetadas em C. 1. Desevolva um programa que leia dois valores a e b ( a b ) e mostre os seguites resultados: (1) a. Todos os úmeros

Leia mais

Estudando complexidade de algoritmos

Estudando complexidade de algoritmos Estudado complexidade de algoritmos Dailo de Oliveira Domigos wwwdadomicombr Notas de aula de Estrutura de Dados e Aálise de Algoritmos (Professor Adré Bala, mestrado UFABC) Durate os estudos de complexidade

Leia mais

1. Experiência Aleatória. Espaço de resultados. Acontecimentos.

1. Experiência Aleatória. Espaço de resultados. Acontecimentos. Eperiêcia Aleatória Espaço de Resultados Acotecimetos Noção de robabilidade Frequêcia Relativa Arrajos ermutações Combiações Aiomas de robabilidade 5 artição do Espaço Teorema da robabilidade Total robabilidade

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

ESCUTANDO O COEFICIENTE DE RESTITUIÇÃO E A ACELERAÇÃO

ESCUTANDO O COEFICIENTE DE RESTITUIÇÃO E A ACELERAÇÃO ESCUANDO O COEFICIENE DE RESIUIÇÃO E A ACELERAÇÃO GRAVIACIONAL DE UMA BOLA Carlos Eduardo Aguiar [carlos@if.ufrj.br] Fracisco Laudares [f_laudares@hotmail.com] Istituto de Física, Uiversidade Federal do

Leia mais

Prática I GRANDEZAS FÍSICAS E TEORIA DOS ERROS

Prática I GRANDEZAS FÍSICAS E TEORIA DOS ERROS Prática I GRANDEZAS FÍSICAS E TEORIA DOS ERROS INTRODUÇÃO O desevolvimeto do homem deve-se ao fato de que ele procurou observar os acotecimetos ao seu redor. Ao ver os resultados dos diversos evetos, ele

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

Matemática. B) Determine a equação da reta que contém a diagonal BD. C) Encontre as coordenadas do ponto de interseção das diagonais AC e BD.

Matemática. B) Determine a equação da reta que contém a diagonal BD. C) Encontre as coordenadas do ponto de interseção das diagonais AC e BD. Matemática 0. Um losago do plao cartesiao oxy tem vértices A(0,0), B(,0), C(,) e D(,). A) Determie a equação da reta que cotém a diagoal AC. B) Determie a equação da reta que cotém a diagoal BD. C) Ecotre

Leia mais

) E 2 ( X) = p p 2 = p( 1 p) ) = 0 2 ( 1 p) p = p ( ) = ( ) = ( ) = p. F - cara (sucesso) C - coroa (insucesso)

) E 2 ( X) = p p 2 = p( 1 p) ) = 0 2 ( 1 p) p = p ( ) = ( ) = ( ) = p. F - cara (sucesso) C - coroa (insucesso) 3.6 A distribuição biomial Defiição: uma eperiêcia ou prova de Beroulli é uma eperiêcia aleatória só com dois resultados possíveis (um deles chamado "sucesso" e o outro "isucesso"). Seja P(sucesso) = p,

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

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

Capítulo 3. Sucessões e Séries Geométricas

Capítulo 3. Sucessões e Séries Geométricas Capítulo 3 Sucessões e Séries Geométricas SUMÁRIO Defiição de sucessão Mootoia de sucessões Sucessões itadas (majoradas e mioradas) Limites de sucessões Sucessões covergetes e divergetes Resultados sobre

Leia mais

UNIVERSIDADE FEDERAL DO PARANÁ SETOR DE CIÊNCIAS EXATAS DEPTO. DE ESTATÍSTICA LISTA 1-ESTATÍSTICA II (CE003)

UNIVERSIDADE FEDERAL DO PARANÁ SETOR DE CIÊNCIAS EXATAS DEPTO. DE ESTATÍSTICA LISTA 1-ESTATÍSTICA II (CE003) UNIVERSIDADE FEDERAL DO PARANÁ SETOR DE CIÊNCIAS EXATAS DEPTO. DE ESTATÍSTICA LISTA -ESTATÍSTICA II (CE003) Prof. Beito Olivares Aguilera o Sem./6. Usado os dados da Tabela o Aexo (Seção Orçameto da MB),

Leia mais

Sequências, PA e PG material teórico

Sequências, PA e PG material teórico Sequêcias, PA e PG material teórico 1 SEQUÊNCIA ou SUCESSÃO: é todo cojuto ode cosideramos os seus elemetos colocados, ou dispostos, uma certa ordem. Cosiderado a sequêcia (; 3; 5; 7;...), dizemos que:

Leia mais

Seqüências e Séries. Notas de Aula 4º Bimestre/2010 1º ano - Matemática Cálculo Diferencial e Integral I Profª Drª Gilcilene Sanchez de Paulo

Seqüências e Séries. Notas de Aula 4º Bimestre/2010 1º ano - Matemática Cálculo Diferencial e Integral I Profª Drª Gilcilene Sanchez de Paulo Seqüêcias e Séries Notas de Aula 4º Bimestre/200 º ao - Matemática Cálculo Diferecial e Itegral I Profª Drª Gilcilee Sachez de Paulo Seqüêcias e Séries Para x R, podemos em geral, obter sex, e x, lx, arctgx

Leia mais

Material Teórico - Módulo Binômio de Newton e Triangulo de Pascal. Soma de Elementos em Linhas, Colunas e Diagonais. Segundo Ano do Ensino Médio

Material Teórico - Módulo Binômio de Newton e Triangulo de Pascal. Soma de Elementos em Linhas, Colunas e Diagonais. Segundo Ano do Ensino Médio Material Teórico - Módulo Biômio de Newto e Triagulo de Pascal Soma de Elemetos em Lihas, Coluas e Diagoais Segudo Ao do Esio Médio Autor: Prof Fabrício Siqueira Beevides Revisor: Prof Atoio Camiha M Neto

Leia mais

Análise de Regressão Linear Múltipla I

Análise de Regressão Linear Múltipla I Aálise de Regressão Liear Múltipla I Aula 04 Gujarati e Porter, 0 Capítulos 7 e 0 tradução da 5ª ed. Heij et al., 004 Capítulo 3 Wooldridge, 0 Capítulo 3 tradução da 4ª ed. Itrodução Como pode ser visto

Leia mais

Material Teórico - Módulo Binômio de Newton e Triangulo de Pascal. Soma de Elementos em Linhas, Colunas e Diagonais. Segundo Ano do Ensino Médio

Material Teórico - Módulo Binômio de Newton e Triangulo de Pascal. Soma de Elementos em Linhas, Colunas e Diagonais. Segundo Ano do Ensino Médio Material Teórico - Módulo Biômio de Newto e Triagulo de Pascal Soma de Elemetos em Lihas, Coluas e Diagoais Segudo Ao do Esio Médio Autor: Prof Fabrício Siqueira Beevides Revisor: Prof Atoio Camiha M Neto

Leia mais

10 INFERÊNCIA ESTATÍSTICA Testes de Hipóteses Introdução Lógica dos Testes de Hipóteses

10 INFERÊNCIA ESTATÍSTICA Testes de Hipóteses Introdução Lógica dos Testes de Hipóteses INE 700 - Iferêcia Estatística Testes de Hipóteses 0 INFERÊNCIA ESTATÍSTICA Testes de Hipóteses 0. - Itrodução Viu-se ateriormete que uma determiada população pode ser descrita através de um modelo probabilístico,

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

ESTATÍSTICA. para Psicologia Parte 2. 01/06/2011 Bertolo 1

ESTATÍSTICA. para Psicologia Parte 2. 01/06/2011 Bertolo 1 ESTATÍSTICA para Psicologia Parte 2 01/06/2011 Bertolo 1 01/06/2011 Bertolo 2 Cap 02 - Medidas Estatísticas A distribuição de frequêcias permite-os descrever, de modo geral, os grupos de valores (classes)

Leia mais

Exercícios de exames e provas oficiais

Exercícios de exames e provas oficiais limites, cotiuidade, Teorema de Bolzao Eercícios de eames e provas oficiais. Cosidere as sucessões covergetes a e a b de termos gerais e b l e Sejam a e b os úmeros reais tais que a lima e b limb Qual

Leia mais

CONCEITOS FUNDAMENTAIS DA MATEMÁTICA FINANCEIRA

CONCEITOS FUNDAMENTAIS DA MATEMÁTICA FINANCEIRA CONCEITOS FUNDAMENTAIS DA MATEMÁTICA FINANCEIRA Coceito de taxa de juros Taxa de juro é a relação etre o valor dos juros pagos (ou recebidos) o fial de um determiado período de tempo e o valor do capital

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

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

Conjuntos Infinitos. Teorema (Cantor) Se A é conjunto qualquer, #A #P(A). Mais precisamente, qualquer

Conjuntos Infinitos. Teorema (Cantor) Se A é conjunto qualquer, #A #P(A). Mais precisamente, qualquer Cojutos Ifiitos Teorema (Cator) Se A é cojuto qualquer, #A #P(A). Mais precisamete, qualquer f : A P(A) ão é sobrejetora. Cosequêcia. Existe uma herarquia de cojutos ifiitos. Obs. Existe uma bijeção etre

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