ESTATÍSTICA II FORMULÁRIO

Tamanho: px
Começar a partir da página:

Download "ESTATÍSTICA II FORMULÁRIO"

Transcrição

1 Uverdade do Mho Ecola de Egehara ESTATÍSTICA II Ídce Metrado Itegrado em Egehara e Getão Idutral FORMULÁRIO Ao Lectvo Itervalo de Cofaça (uma amotra / dua amotra depedete)... Tete de Hpótee (uma amotra / dua amotra depedete)... Bom Ajute (grade amotra)... Tabela de Cotgêca... Aále da Varâca... 3 Plaeameto Completamete Aleatóro... 3 Plaeameto com Bloco Aleatóro... 3 Plaeameto Factoral com Replcaçõe... 4 Plaeameto... 5 Plaeameto Tete a K Méda (ão paramétrco)... 6 Krukal Wall... 6 Quade... 7 Bom Ajute (pequea amotra)... 7 Kolmogorov... 7 Lllefor para a Normal... 8 Lllefor para a Expoecal... 8 Tete à Dtrbuçõe... 9 Kolmogorov Smrov... 9 Smrov Ulateral... 9 Regreão... 9 Regreão Lear Smple... 9 Regreão Lear Múltpla... 0 Regreão Não Lear... 0 Idepedêca Etocátca... Correlação de Pearo... Correlação de Spearma...

2 FUNÇÕES DE PROBABILIDADE DISCRETAS Dtrbução de Beroull f x x ( x) = θ ( θ ) x = 0, = θ = θ ( θ ) µ Dtrbução Bomal [B(,p)] f x x x ( x) = p ( p) x = 0,,,..., µ = p = p ( p) Dtrbução Poo [P(λ)] f x λ e x! λ ( x) = x = 0,,,..., µ = λ = λ Aproxmação da Bomal à Poo N grade e p muto pequeo λ = p Dtrbução Uforme (dcreta) f ( x) = x = x, x,..., xk k x ( x µ ) µ = = k k CONTÍNUAS Dtrbução Uforme [U(a,b)] f ( x) = b a 0 a < x < b outro ( b ) a b a µ = = Dtrbução Expoecal [EN(/θ)] f ( x) e = θ 0 x θ µ = θ = θ x > 0 outro Dtrbução Normal [N(µ, )] f ( x) = µ = µ = ( x µ ) e π µ Z = X Aproxmação da Bomal à Normal p > 5 Codçõe q > 5 µ = p = pq Correcção de Yate P X x P X < x 0.5 P Y y P Y > y 0.5 ( ) ( ) ( ) ( )

3 INTERVALOS DE CONFIANÇA E TESTES DE HIPÓTESES PARA UMA AMOSTRA Cohece Parâmetro a etmar Tpo de População Dmeão da amotra E.T ~ Dtrbução Itervalo de Cofaça Nota? Méda µ Proporção bomal p Varâca Normal Qualquer Sm x µ Z = ~ N(0,) Qualquer 30 Não Z = x µ ~ N(0,) x µ Normal < 30 Não T = ~ t ( ), ( ), Beroull > 30 () - População Normal Z = pˆ p ~ N(0,) p( p) ( ) Q = x z( α ) < µ < x z z( α ) : quatl da tabela acumulada ( α ) da Normal padrão à equerda x z( α ) < µ < x z( α ) Etmador do devo padrão: () x t α < µ < x t α pˆ( pˆ) pˆ( pˆ) ~ χ pˆ z < p< pˆ z ( ) ( ) < < χ χ ( α ) ( α ) ( α ), ( α ), Etmador da proporção bomal x p pˆ = INTERVALOS DE CONFIANÇA E TESTES DE HIPÓTESES PARA DUAS AMOSTRAS Parâmetro a Tpo de População Dmeão da amotra Cohece? E.T ~ Dtrbução Itervalo de Cofaça Nota etmar ( x x) ( µ µ ) Norma Quaquer e Z = ~ N(0,) ( x ) Sm x ± z( α ) ( x x) ( µ µ ) Quaquer 30 e 30 e Z = ~ N(0,) Etmadore do devo padrão: ( x ) Não x ± z( α ) Dfereça etre a, méda µ µ ( x x) ( µ µ ) GL = e Não T = ~ tgl Norma < 30 e < 30 ( x x ) ± t( α ), GLp ( ) ( ) e = p p = Dfereça de proporçõe p p Norma Amotra depedete < 30 e < 30 e Não Beroull 30 e 30 - Z = D ( µ µ ) T = ~ t D ( pˆ pˆ) ( p p) pˆ ( pˆ ) pˆ ( pˆ ) ( ) ~ N(0,) (3) D D D t( ), α. < µ µ < D t( ), α. ( ˆ ˆ ) ( ) ( ) pˆ pˆ pˆ pˆ p p ± z( α ) D = para D = X X Etmadore da proporçõe boma (4) x x pˆ = ˆ e p = Razão de varâca ν = e ν = Norma Quaquer - F = ~ F ν, ν < < = F( α ), ν, ν F F( α ), ν, ν F ( α ), ν, ν ( α ), ν, ν () O devo padrão, edo decohecdo, é etmado atravé de = ( x x) ; () Proporção para amotra de pequea dmeão eceáro recorrer à olução exacta atravé da dtrbução bomal; (3) e (4) No tete à dfereça = de proporçõe e H 0 : p p = 0, a E.T. paa a er ( pˆ pˆ) x x Z = ~ N(0,), com pˆ =. pˆ( pˆ)

4 Tete do bom ajute do Qu-Quadrado para grade amotra Probabldade completamete epecfcada a hpótee ula H 0 : p = p 0, p = p 0,..., p k = p k0 e p 0 p 0...p k0 =. R.R: Q c com c = χ k,α Probabldade ão totalmete epecfcada a hpótee ula H 0 : a probabldade correpodete da clae provêm de uma dtrbução da famíla... R.R: R.R: Q c com c = χ g.l,α grau de lberdade = o de cela -- o de parâmetro etmado Q = P k (f e ) = e com a frequêca eperada dada por e =.p Tabela de Cotgêca Caracterítca B B B B 3 B b. A f f f 3 f b Caracterítca A f f f 3 f b A A 3 f 3 f 3 f 33 f 3b..... A a f a f a f a3 f ab.j.. Tete de depedêca Hpótee ula: H 0 : p j = p. p.j (a varáve ão depedete), =,..., a e j =,..., b R.R: Q>ccom c = χ (a )(b ),α. Tete de homogeedade Hpótee ula: H 0 : w j = w j =... = w aj (a ubpopulaçõe A ão equvalete) para j =,..., b. R.R: Q>ccom c = χ (a )(b ),α Q = bx j= = ax (f j e j ) com a frequêca eperadada dada por e j =..j e j =,..., a e j =,..., b

5 Plaeameto completamete aleatóro SQT = P k j= j(y.j Y ) SQT = P k STQ = P k P j j= = (y j Y ) STQ = P k SQR = P k j= T.j j= j= j N T.. P j = y j N T.. P j = (y j y.j ) SQR = STQ SQT com N = P k j= j T.j é o total do valore obtdo para o tratameto j ; T.. é o grade total Tedo-e STQ = SQT SQR Modelo populacoal: y j = µ α j e j com =,..., j e j =,...,k e j N(0, ) Tete à dfereça etre o tratameto H 0 : α = α =... = α k =0 (ão extem dfereça etre a méda da k populaçõe). H : o efeto da aplcação do tratameto ão gfcatvo ( ou extem dfereça etre o tratameto). R.R : F>c em que c (Fher) é determado por forma a α = P [F >c; H 0 ] Tabela ANOVA Fotedevaração Soma do quadrado grau de lberdade Méda do quadrado v.a. F Tratameto SQT k- MQT=SQT/(k-) Reíduo SQR Σ j k =SQR/(Σ j k) F= MQT Total STQ Σ j Itervalo de cofaça para dfereça etre pare de méda de tratameto e j com 6= j =,,..., k T = (y. y.j ) (µ µ j ) q t N k SQR N k ( j ) Plaeameto com bloco aleatóro SQT = b P k j= (y.j Y ) SQT = P k b j= T.j kb T.. SQB = k P b P b = T STQ = P b = = (y. Y ) SQB = P k k j= (y j Y ) STQ = P b = P. kb T.. k j= y j kb T SQR = P b P k = j= (y j y. y.j Y ) SQR = STQ SQT SQB T. é o total do valore obtdo para o bloco ; T.j é o total do valore obtdo para otratametoj.. 3

6 Modelo populacoal: y j = µ α j β e j para =,..., b e j =,..., k e j N(0, ) Tete à dfereça etre o tratameto H 0 : α = α =... = α k =0 (ão extem dfereça gfcatva etre o tratameto). H : o efeto da aplcação do tratameto ão gfcatvo ( ou extem dfereça etre o tratameto). R.R : F >cem que c (Fher) é determado a partr de α = P [F,((k ),(b )(k )) >c; H 0 ] e F = MQT Tete à dfereça etre o bloco H 0 : β = β =... = β b =0 (ão extem dfereça gfcatva etre o efeto do bloco) H : extem dfereça etre o efeto do bloco. R.R : F >cem que c (Fher) é determado a partr de α = P [F,((b ),(b )(k )) >c; H 0 ] e F = MQB Tabela ANOVA F. de varação S. do quadrado grau de lberdade Méda do quadrado v.a. F Tratameto SQT k- MQT=SQT/(k-) Bloco SQB b- MQB=SQB/(b-) F= MQT Reíduo SQR (k ).(b ) =SQR/(k ).(b ) F= MQB Total STQ k.b Itervalo de cofaça para dfereça etre pare de méda de tratameto: T = (y j y j ) (µ j µ j ) q( t (b )(k ) b ) Plaeameto factoral com replcaçõe SQF A = qr P p = (y.. Y ) SQF A = SQF B = pr P q SQR = P p j= (y.j. Y ) SQF B = P r k= (y jk y j. ) = P q j= STQ = P p = P q j= P r k= (y jk Y ) P p = T. rq T.. P pqr q j= T.j rp T.. pqr SQR = P jk y jk P j T j STQ = P p P q P r = j= k= y jk T.. pqr SQI AB = STQ SQF A SQF B SQR r T j é a oma da obervaçõe da célula (, j) Modelo populacoal y jk = µ α β j γ j e jk 4

7 para =,..., p, j =,..., q. e k =,..., r e e jk N(0, ) Tete de hpótee Factor A H 0 : α = α =... = α p =0 H : extem dfereça gfcatva etre o íve de A R.R : F >ccom c (Fher) determado de α = Pr[F (p ),pq(r ) >c; H 0 ] ef = MQF A Factor B H 0 : β = β =... = β q =0 H : extem dfereça gfcatva etre o íve de B R.R : F >ccom c (Fher) determado de α = Pr[F (q ),pq(r ) >c; H 0 ] ef = MQF B Iteracção AB H 03 : γ = γ =... = γ =... = γ pq =0 H 3 : extem dfereça gfcatva devdo a teracção R.R : F 3 >ccom c (Fher) determado de α = Pr[F 3(p )(q ),pq(r ) >c; H 03 ] ef 3 = MQI AB Tabela ANOVA Fotedevaração Soma do Quadrado grau de lb. Méda do Quadrado v.a F Factor A SQFA p- MQFA Factor B SQFB q- MQFB F = MQF A Iteracção AxB SQIAB (p-).(q-) MQIAB F = MQF B Reíduo SQR p.q.(r-) F3 = MQI AB Total STQ pqr- Plaeameto tratameto factor A factor B A B obervaçõe méda - - y y... y r y - - y y... y r y y 3 y 3... y 3r y 3 4 y 4 y 4... y 4r y 4 Etmatva do efeto prcpa ee A = (y y )(y 4 y 3 ) SQF A = r (ee A ) ee B = (y 3 y )(y 4 y ) SQF B = r (ee B ) ee AB = (y 4 y 3 )(y y ) SQI AB = r (ee AB ) Varâca redual: = 4 ( 3 4) com = P r j= (yj y ) (r ) Itervalo de cofaça para o efeto devdo ao factore prcpa e à teracção 5

8 T = q ee µ ( r ) t 4(r ) Plaeameto 3 factore teracçõe obervaçõe méda A B C AB AC BC ABC T y y... y r y T y y... y r y T y 3 y 3... y 3r y 3 T T T T T 8 y 8 y 8... y 8r y 8 Efeto etmado: ee = 3 [±y ± y ± y 3 ± y 4 ±... ± y 8 ] A oma do quadrado do efeto de cada factor (ou teracção) pode er calculada a partr de SQ factor ou terac. = r(ee factor ou terac. ) edo o úmero de factore preete o plaeameto e r oúmerodereplcaçõe. Varâca redual: = Itervalo de cofaça para o efeto rea T = ee efeto real q r t 8(r ) Tete de Krukal Wall H0: Não extem dfereça gfcatva etre o efeto do tratameto ou a méda da dtrbuçõe da k populaçõe ão dêtca H: Nem toda ak dtrbuçõe têm méda dêtca. R.R: H c ode c é determado de α = Pr[H c; H 0 ] e H = ( ) [W W... W X k ] 3( )com W = k j= R j =,,..., k Para k>3 ou,,... e/ou > 5, a dtrbução atótca de H éaχ com k grau de lberdade. A etatítca ajutada é H 0 = H P lj= q j (q j ) ( ) em que l é o úmero de cojuto com obervaçõe repetda extete e q j é o úmero de elemeto ee cojuto j (j =,..., l). A etatítca H 0 tem ada uma dtrbução atótca χ k. 6

9 Plaeameto com bloco. Tete de Quade O dado cotem um cojuto de b varáve aleatóra depedete a k dmeõe (y,y,..., y k ),=,...,b, chamada bloco. O cálculo para ete tete devem etar am ordeado: Ampltude do bloco: A Graduaçõe do bloco de acordo Matrz S j A = max j (y j ) m j (y j ) com a ua ampltude: R(A ) S j = R(A )[R(y j ) k ] R(y j ) - graduaçõe da obervaçõe y j, (j =,..., k) S j = P b = S j; SQT = P k b j= S j ; STQ = P b P k = j= S j Se ão extrem obervaçõe repetda, STQ reduz-e a b(b )(b )k(k )(k )/7. Tetedehpótee H0 : Não extem dfereça gfcatva etre o tratameto (ou, o efeto do tratameto ão dêtco) H : Pelo meo um do tratameto tede a coegur valore obervado maore do que um outro tratameto. R.R : T>c ode c é um poto crítco da dtrbução F que correpode ao ível de gfcâca α, com (k ) e (b )(k ) grau de lberdade Comparaçõe do a do (b )SQT T = STQ SQT O tratameto e j ão coderado gfcatvamete dferete e b(stq SQT) S S j >c (b )(k ) edo c o poto crítco da dtrbução t-studet, com (b )(k ) grau de lberdade que correpode a uma regão de rejeção de tamaho α (ível de gfcâca) Tete de ajute de dtrbuçõe Tete do tpo de Kolmogorov para pequea amotra S(x) éafução de dtrbução empírca queédefda como fracção do X 0 (elemeto da amotra) que ão meore ou gua a X, paracadax( <X< ) Dado: F (x) é uma fução dtrbução completamete epecfcada. A. Tete blateral B. Tete ulateral C. Tete ulateral H 0 : F (x) =F (x) x H 0 : F (x) F (x) H 0 : F (x) F (x) H : F (x) 6= F (x) H : F (x) <F (x) H : F (x) >F (x) T = up x F (x) S(x) T = up x [ F (x) S(x) ] T = up x [ S(x) F (x) ] R.R: T (T ou T ) >c com c calculado de α = Prob(Rej H 0 ; H 0 )=Prob(T >c; H 0 de A.). 7

10 O poto crítco da dtrbução de T (T ou T ) correpodem a p = α Tete de Lllefor para a Normal DADOS: O dado cotem uma amotra aleatóra X,X,..., X de tamaho aocada com alguma fução dtrbução decohecda F (x). H0: A amotra aleatóra fo retrada de uma dtrbução ormal, com méda e/ou varâca ão epecfcada. H: A fução dtrbução do X 0 ão é ormal. R.R: T >cedo c opotocrítcodadtrbuçãodet que correpode a p = α P = X= X v u e = t X (X X) = Z = X X, =,,..., T = up z F (z) S(z) Tete de Lllefor para a expoecal DADOS: O dado cotem uma amotra aleatóra X,X,..., X de tamaho aocada com alguma fução dtrbução decohecda F (x). H 0 : A amotra aleatóra egue a dtrbução expoecal: ½ F (x) =F e (x) = x/β, para x>0 0 para x<0 em que β é um parâmetro decohecdo. H : A dtrbução do X 0 ão é expoecal. P = X= X Z = X, =,,..., X ½ F e (z) = z, para z>0 0 para z<0 T = up z F (z) S(z) R.R: T >cedo c opotocrítcodadtrbuçãodet que correpode a p = α. Tete a dua dtrbuçõe. Amotra depedete. Tete de Kolmogorov - Smrov DADOS: O dado cotem em dua amotra aleatóra depedete, uma de tamaho, X,X,..., X e outra de tamaho m, Y,Y,..., Y m retrada de dua populaçõe com dtrbuçõe F (x) e G(y) (ou G(x)) repectvamete. A. Tete blateral B. Tete ulateral C. Tete ulateral H 0 : F (x) =G(x) x H 0 : F (x) G(x) H 0 : F (x) G(x) H : F (x) 6= G(x) H : F (x) >G(x) H : F (x) <G(x) T = up x S (x) S (x) T = up x[ S (x) S (x) ] T = up x[ S (x) S (x) ] 8

11 com S (x) afuçãoempírcabaeadaaamotrax,x,..., X e S (x) afuçãoempírcabaeadaemy,y,..., Y m α. R.R: T (T ou T ) >cedo c opotocrítcodadtrbuçãodaetatítcaquecorrepodeaumíveldegfcâca Tete a k dtrbuçõe. Amotra depedete.tete ulateral de Smrov DADOS: k amotra aleatóra de tamaho gua a. Se a dtrbuçõe empírca forem, repectvamete, S (x),s (x),..., S k (x), e a fuçõe dtrbução F (x), F (x),..., F k (x) repreetam a k populaçõe, decohecda, H 0 : F (x) F (x)... F k (x) para todo o x H : F (x) >F j (x) para algum <jealgumx R.R: T >cedo c o poto crítco, que correpode a p = α, aoíveldegfcâca α. T = up x,<k [ S (x) S (x) ] =,..., k Regreão lear e mple Y N(α βx, ) Y = α βx e com x = X X, =,.., O etmadore de máxma veromlhaça, para o parâmetro α, β e ão P = α = Y P = Y ; β = = (X X)(Y Y ) P = = (X X) P = (X X)Y P = (X X) ; = P ( ) = [Y α β(x X)] Tete de hpótee T = α q α β β t ; T = q t P (X X) H 0 : β =0 H : β>0(ou β 6= 0) R.R: T c com c = t,α (ou α/) Domemomodo,a etatítca T pode er uada para calcular tervalo de cofaça e tete de hpótee relacoado com o parâmetro α Méda e varâca de um valor etmado de Y: E[Y 0 ]=E[ α] (X 0 X)E[ β] =α β(x 0 X) var[y 0 ]= ( (X 0 X) P = (X X) ) 9

12 Regreão lear e múltpla Y = α βx γz e em que x = X X,z = Z Z e e é o erro aleatóro de obervação,ormalmete dtrbuído com méda zero e varâca comum ( =,..., ). E[Y ]=α β(x X)γ(Z Z). α = P = Y = Y ; = P ( 3) = (Y α βx γz ) ½ P = x Y = β P = x γ P = x z P = z Y = β P = x z γ P = z A etatítca T,T e T 3 para tete de hpótee e tervalo de cofaça, em relação, repectvamete, ao parâmetro α, β e γ, ão: T = α q α β β ; T = r ; T 3 = P x (P x z ) P z 3 grau de lberdade. r γ γ P z (P x z ) P x e eguem a dtrbução t-studet com Regreão ão-lear ) E[Y ]=α βx O modelo matemátco geral, é: Y = α βw γw e com w = W W eoe N(0, )( =,..., ). Defe-e X = W e Z = W, o que reduz ete cao à regreão múltpla e lear. ) E[Y ]=X β O modelo matemátco ma geral e comum é: dtrbução, em geral ão métrca e cetrada em. Y = αe βx u. O erro aleatóro u ( =,..., ) têm agora uma Learza-e o modelo paado-e a ter: ly = lα βx lu e aplca-e a aále de regreão lear e mple. Tete de depedêca etocátca Coefcete de correlação da amotra. Tete de Pearo X N(µ, ) e Y N(µ, ) H 0 : ρ =0 H : ρ 6= 0 R.R: R c. O valor dec é determado de α = P r [ R c; H 0 ] R = q ( P P P = X = Y X P = Y = X (P = X ) equeéocoefcete de correlação da amotra de Pearo. )( P = Y (P = Y ) ) 0

13 c; H 0 ]. Avarável T = R R t eotetereume-ea,rejetarh 0 e T c com c determado de α = P r [ T Correlação de Spearma (X,Y ), (X,Y ),..., (X,Y ) amotra aleatóra bvarada, de tamaho R(X ) graduação do valor de X R(Y ) graduação do valor de Y ( =,,..., ) Ameddadecorrelação de Spearma R S édefda por ou R S = P = [R(X ) ][R(Y ) ] ( ) 6T R S = ( ) X com T = [R(X ) R(Y )] = cao ão extam obervaçõe repetda. Extdo repetçõe deve uar-e a expreão: R S = P = R(X )R(Y ) ( ) q P q = R(X P ) ( ). = R(Y ) ( ) A. Tete blateral H0: A varáve X e Y ão depedete. H: (a) Exte uma tedêca para o maore valore de X formarem pare com o maore valore de Y,ou (b) Exte uma tedêca para o meore valore de X formarem pare com o maore valore de Y. R.R: R S >c ou R S <c, edo c o poto crítco que correpode a α e c o poto crítco que correpode a α B. Tete ulateral para correlação potva H0: A varáve X e Y ão depedete. H: Exte uma tedêca para o maore valore de X edey formarem pare. R.R: R S >c,emquec é o poto crítco que correpode a α C. Tete ulateral para correlação egatva H0: A varáve X e Y ão depedete. H: Exte uma tedêca para o meore valore de X formarem pare com o maore valore de Y e vce-vera. R.R: R S <cedo c o poto crítco que correpode a α.

RAD1507 Estatística Aplicada à Administração I Prof. Dr. Evandro Marcos Saidel Ribeiro RESUMO

RAD1507 Estatística Aplicada à Administração I Prof. Dr. Evandro Marcos Saidel Ribeiro RESUMO UNIVERSIDADE DE SÃO PAULO FACULDADE DE ECONOMIA, ADMINISTRAÇÃO E CONTABILIDADE DE RIBEIRÃO PRETO DEPARTAMENTO DE ADMINISTRAÇÃO RAD507 Etatítca Aplcada à Admtração I Prof. Dr. Evadro Marco Sadel Rbero RESUMO

Leia mais

Organização de dados -Dados não agrupados n. Mediana:

Organização de dados -Dados não agrupados n. Mediana: Orgazação de dado -Dado ão agruado Medaa: Poto de ocoameto: Méda: Moda: valor que ocorre com maor freqüêca Méda de Itervalo: + m max + Quartl: (ara j, ou ) j( +) Poto de ocoameto: 4 Méda da Juta: Q + Q

Leia mais

Organização de dados -Dados não agrupados n. Mediana:

Organização de dados -Dados não agrupados n. Mediana: Orgazação de dado -Dado ão agruado Medaa: Poto de ocoameto: Méda: Moda: valor que ocorre com maor freqüêca Méda de Itervalo: + m max + Quartl: (ara j, ou 3) j( +) Poto de ocoameto: 4 Méda da Juta: Q +

Leia mais

REGRESSÃO LINEAR 05/10/2016 REPRESENTAÇAO MATRICIAL. Y i = X 1i + 2 X 2i k X ni + i Y = X + INTRODUÇÃO SIMPLES MÚLTIPLA

REGRESSÃO LINEAR 05/10/2016 REPRESENTAÇAO MATRICIAL. Y i = X 1i + 2 X 2i k X ni + i Y = X + INTRODUÇÃO SIMPLES MÚLTIPLA REGRESSÃO LINEAR CUIABÁ, MT 6/ INTRODUÇÃO Relação dos valores da varável depedete (varável resposta) aos valores de regressoras ou exógeas). SIMPLES MÚLTIPLA (varáves depedetes,... =,,, K=,,, k em que:

Leia mais

Estatística 15 - Comparação entre Duas Populações

Estatística 15 - Comparação entre Duas Populações Etatítca 5 - Comaração etre Da Polaçõe 5- Comaração de Méda de Da Polaçõe µ Méda da olação µ Méda da olação Tete µ - µ µ - µ > µ - µ µ - µ < µ - µ µ - µ. Dado Emarelhado EemloVte cobaa bmetda drate ma

Leia mais

Distribuições Amostrais. Estatística. 8 - Distribuições Amostrais UNESP FEG DPD

Distribuições Amostrais. Estatística. 8 - Distribuições Amostrais UNESP FEG DPD Dstrbuções Amostras Estatístca 8 - Dstrbuções Amostras 08- Dstrbuções Amostras Dstrbução Amostral de Objetvo: Estudar a dstrbução da população costtuída de todos os valores que se pode obter para, em fução

Leia mais

1- Qual a diferença entre amostragem probabilística e não-probabilística? Qual é a mais recomendada?

1- Qual a diferença entre amostragem probabilística e não-probabilística? Qual é a mais recomendada? VIII-AMOSTRAGEM A Etatítca Iferecal ou Iferêca Etatítca tem como objetvo bucar cocluõe robablítca obre oulaçõe com bae o reultado obervado em amotra etraída dea oulaçõe Am, certo cudado báco devem er tomado

Leia mais

RAD1507 Estatística Aplicada à Administração I Prof. Dr. Evandro Marcos Saidel Ribeiro RESUMO

RAD1507 Estatística Aplicada à Administração I Prof. Dr. Evandro Marcos Saidel Ribeiro RESUMO UNIVERIDADE DE ÃO PAULO FACULDADE DE ECONOMIA, ADMINITRAÇÃO E CONTABILIDADE DE RIBEIRÃO PRETO DEPARTAMENTO DE ADMINITRAÇÃO RAD57 Etatítca Aplcaa à Amtração I Prof Dr Evaro Marco ael Rero REUMO REVIÃO DE

Leia mais

Escola Secundária de Jácome Ratton

Escola Secundária de Jácome Ratton Ecola Secudára de Jácome Ratto Ao Lectvo / Matemátca Aplcada à Cêca Soca Na Ecola Secudára do Suceo aualmete é premado o aluo que tver melhor méda a ua clafcaçõe a dferete dcpla. No ao lectvo 9/, o do

Leia mais

Universidade Estadual de Londrina

Universidade Estadual de Londrina Uverdade Etadual de Lodra Programa de Metrado e Doutorado em Cêca Bológca Reumo da atvdade deevolvda em aula Profa. Dra. Aa Verga Lbo Meett LODRIA 06 SUMÁRIO. Aále exploratóra de dado...0. Itervalo de

Leia mais

Grande Conjuntos de Dados. Organização; Resumo; Apresentação. Amostra ou População. Defeitos em uma linha de produção

Grande Conjuntos de Dados. Organização; Resumo; Apresentação. Amostra ou População. Defeitos em uma linha de produção Prof. Lorí Val, Dr. val@pucr.br http://www.pucr.br/~val/ Grade Cojuto de Dado Orgazação; Reumo; Apreetação. Amotra ou População Defeto em uma lha de produção Lacado Deeho Torto Deeho Torto Lacado Torto

Leia mais

TESTES DE PROPORÇÕES TESTE DE UMA PROPORÇÃO POPULACIONAL

TESTES DE PROPORÇÕES TESTE DE UMA PROPORÇÃO POPULACIONAL TESTES DE PROPORÇÕES TESTE DE UMA PROPORÇÃO POPULACIONAL As hpóteses a serem testadas serão: H 0 : p p 0 H : p p 0 p > p 0 p < p 0 Estatístca do Teste: pˆ p0 z c p ( p ) 0 0 EXEMPLOS. Uma máqua está regulada

Leia mais

Modelo de Regressão Simples

Modelo de Regressão Simples Modelo de Regressão Smples Hstora Hstóra Termo regressão fo troduzdo por Fracs Galto (8-9). Estudo sobre altura de pas e flhos. Karl Pearso coletou mas de ml regstros e verfcou a le de regressão uversal

Leia mais

13 ESTIMAÇÃO DE PARÂMETROS E DISTRIBUIÇÃO AMOSTRAL

13 ESTIMAÇÃO DE PARÂMETROS E DISTRIBUIÇÃO AMOSTRAL 3 ESTIMAÇÃO DE PARÂMETROS E DISTRIBUIÇÃO AMOSTRAL Como vto em amotragem o prmero bmetre, etem fatore que fazem com que a obervação de toda uma população em uma pequa eja mpratcável, muta veze em vrtude

Leia mais

Tópicos Extras 2ª parte. Análise de Correlação e Regressão

Tópicos Extras 2ª parte. Análise de Correlação e Regressão Tópcos Extras ª parte Aálse de Correlação e Regressão 1 Defções báscas ANÁLISE DE CORRELAÇÃO Mesurar a força da assocação etre as varáves (geralmete através do cálculo de algum coefcete). ANÁLISE DE REGRESSÃO

Leia mais

Regressão Simples. Parte III: Coeficiente de determinação, regressão na origem e método de máxima verossimilhança

Regressão Simples. Parte III: Coeficiente de determinação, regressão na origem e método de máxima verossimilhança Regressão Smples Parte III: Coefcete de determação, regressão a orgem e método de máxma verossmlhaça Coefcete de determação Proporção da varabldade explcada pelo regressor. R Varação explcada Varação total

Leia mais

MODELOS DE REGRESSÃO NÃO LINEARES

MODELOS DE REGRESSÃO NÃO LINEARES M. Mede de Olvera Excerto da ota peoa obre: MODELOS DE REGRESSÃO NÃO LINEARES Obervação No modelo de regreão dto leare, a varável depedete é exprea como fução lear do coefcete de regreão. É rrelevate,

Leia mais

ESTATÍSTICA Aula 7. Prof. Dr. Marco Antonio Leonel Caetano

ESTATÍSTICA Aula 7. Prof. Dr. Marco Antonio Leonel Caetano ESTATÍSTICA Aula 7 Prof. Dr. Marco Atoo Leoel Caetao Dstrbuções de Probabldade DISCRETAS CONTÍNUAS (Números teros) Bomal Posso Geométrca Hper-Geométrca Pascal (Números reas) Normal t-studet F-Sedecor Gama

Leia mais

= n. Observando a fórmula para a variância, vemos que ela pode ser escrita como, i 2

= n. Observando a fórmula para a variância, vemos que ela pode ser escrita como, i 2 Etatítca II Atoo Roque Aula 4 O Coefcete de Correlação de Pearo O coefcete de correlação de Pearo é baeado a déa de varâca, dada o curo de Etatítca I Como vto aquele curo, quado temo uma amotra compota

Leia mais

NOTAS DE AULA DA DISCIPLINA CE076. ], T 2 = conhecido como T 2 de Hotelling

NOTAS DE AULA DA DISCIPLINA CE076. ], T 2 = conhecido como T 2 de Hotelling 4 INFERÊNCIA SOBRE O VETOR DE MÉDIAS 4. TESTE PARA UM VETOR DE MÉDIAS µ Lembrado o caso uvarado: H : µ = µ H : µ µ Nível de sgfcâca: α Estatístca do teste: X µ t = s/ ~ t Decsão: se t > t - (α/) rejeta-se

Leia mais

Regressao Simples. Parte II: Anova, Estimação Intervalar e Predição

Regressao Simples. Parte II: Anova, Estimação Intervalar e Predição egressao Smples Parte II: Aova, Estmação Itervalar e Predção Aálse de Varâca Nem todos os valores das amostras estão cotdos a reta de regressão, e quato mas afastados estverem por, a reta represetará a

Leia mais

Inferência Estatística e Aplicações I. Edson Zangiacomi Martinez Departamento de Medicina Social FMRP/USP

Inferência Estatística e Aplicações I. Edson Zangiacomi Martinez Departamento de Medicina Social FMRP/USP Iferêca Estatístca e Aplcações I Edso Zagacom Martez Departameto de Medca Socal FMRP/USP edso@fmrp.usp.br Rotero Parte I Escola frequetsta Defções: parâmetros, estmatvas Dstrbuções de probabldade Estmação

Leia mais

Cap. 5. Testes de Hipóteses

Cap. 5. Testes de Hipóteses Cap. 5. Testes de Hpóteses Neste capítulo será estudado o segudo problema da ferêca estatístca: o teste de hpóteses. Um teste de hpóteses cosste em verfcar, a partr das observações de uma amostra, se uma

Leia mais

Estatística: Aplicação ao Sensoriamento Remoto SER ANO Estimação Pontual

Estatística: Aplicação ao Sensoriamento Remoto SER ANO Estimação Pontual Estatístca: Aplcação ao Sesorameto Remoto SER 04 - ANO 08 Estmação Potual Camlo Daleles Reó camlo@dp.pe.br http://www.dp.pe.br/~camlo/estatstca/ Iferêca Estatístca Cosdere o expermeto: retram-se 3 bolas

Leia mais

Regressão Linear e Multilinear

Regressão Linear e Multilinear Regressão Lear e Multlear Deleameto Expermetal Mestrado em Sstemas de Produção em Agrcultura Medterrâca Modelo de Regressão Lear Smples X Varável Idepedete Y Varável Depedete y =β +β x +ε β ordeada a orgem

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 mutos Grupo I Probabldades e Estatístca LEE, LEIC-A, LEIC-T, LEMat, LERC, MEBol, MEBom, MEEC, MEFT, MEMec, MEQ Justfque coveetemete todas as respostas 1 o semestre 018/019 10/01/019 09:00 o

Leia mais

Avaliação da qualidade do ajuste

Avaliação da qualidade do ajuste Avalação da qualdade do ajuste 1 Alguma termologa: Modelo ulo: é o modelo mas smples que pode ser defdo, cotedo um úco parâmetro ( µ) comum a todos os dados; Modelo saturado: é o modelo mas complexo a

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

MEDIDAS DE POSIÇÃO: X = soma dos valores observados. Onde: i 72 X = 12

MEDIDAS DE POSIÇÃO: X = soma dos valores observados. Onde: i 72 X = 12 MEDIDAS DE POSIÇÃO: São meddas que possbltam represetar resumdamete um cojuto de dados relatvos à observação de um determado feômeo, pos oretam quato à posção da dstrbução o exo dos, permtdo a comparação

Leia mais

Etapas para a construção de uma distribuição de frequências por ponto

Etapas para a construção de uma distribuição de frequências por ponto Dtrbuçõe de Frequêca Uma dtrbução de requêca é uma tabela que reúe o cojuto de dado, coorme a requêca ou a repetçõe de eu valore o capítulo ateror, vmo como ão eta ea tabela quado a varável é qualtatva

Leia mais

Probabilidades e Estatística LEGM, LEIC-A, LEIC-T, MA, MEMec

Probabilidades e Estatística LEGM, LEIC-A, LEIC-T, MA, MEMec Duração: 90 mutos Grupo I Probabldades e Estatístca LEGM, LEIC-A, LEIC-T, MA, MEMec Justfque coveetemete todas as respostas 2 o semestre 2017/2018 14/06/2018 11:00 2 o Teste B 10 valores 1. Os dvíduos

Leia mais

Estatística. 2 - Estatística Descritiva

Estatística. 2 - Estatística Descritiva Estatístca - Estatístca Descrtva UNESP FEG DPD Prof. Edgard - 0 0- ESTATÍSTICA DESCRITIVA Possblta descrever as Varáves: DESCRIÇÃO GRÁFICA MEDIDAS DE POSIÇÃO MEDIDAS DE DISPERSÃO MEDIDAS DE ASSIMETRIA

Leia mais

i 2 i= = n Observando a fórmula para a variância, vemos que ela pode ser escrita como, i 2

i 2 i= = n Observando a fórmula para a variância, vemos que ela pode ser escrita como, i 2 O Coefcete de Correlação de Pearo O coefcete de correlação de Pearo é baeado a déa de varâca, dada a aula 6 Como vto aquela aula, quado temo uma amotra compota por dado, a varâca da amotra é dada por,

Leia mais

EAD Métodos Estatísticos de Projeção

EAD Métodos Estatísticos de Projeção EAD 655 - Método Etatítco de Projeção Prof. Cear Aleadre de Souza 2º. Semetre - 207 Modelagem Quattatva em Admtração Na admtração, a matemátca e a etatítca cotrbuem para a cração de modelo para auílo a

Leia mais

NOTA: ESCREVA AS RESPOSTAS COMO FRAÇÕES OU COM 4 CASAS DECIMAIS NOTA 2: O FORMULÁRIO ESTÁ NO FINAL DA PROVA

NOTA: ESCREVA AS RESPOSTAS COMO FRAÇÕES OU COM 4 CASAS DECIMAIS NOTA 2: O FORMULÁRIO ESTÁ NO FINAL DA PROVA IND 5 Iferêca Estatístca Semestre 007.0 Teste 4 //007 Nome: NOTA: ESCREVA AS RESPOSTAS COMO FRAÇÕES OU COM 4 CASAS DECIMAIS NOTA : O FORMULÁRIO ESTÁ NO FINAL DA PROVA PROBLEMA (5 potos) Em cada questão

Leia mais

Prof. Lorí Viali, Dr. PUCRS FAMAT: Departamento de Estatística Prof. Lorí Viali, Dr. PUCRS FAMAT: Departamento de Estatística

Prof. Lorí Viali, Dr. PUCRS FAMAT: Departamento de Estatística Prof. Lorí Viali, Dr. PUCRS FAMAT: Departamento de Estatística Prof. Lorí Val, Dr. http://www.pucrs.br/famat/val/ val@pucrs.br Prof. Lorí Val, Dr. PUCRS FAMAT: Departameto de Estatístca Prof. Lorí Val, Dr. PUCRS FAMAT: Departameto de Estatístca Obetvos A Aálse de

Leia mais

NOTAS DE AULA DA DISCIPLINA CE076 = 2. ], T 2 = conhecido como T 2 de Hotelling

NOTAS DE AULA DA DISCIPLINA CE076 = 2. ], T 2 = conhecido como T 2 de Hotelling NOTAS DE AULA DA DISCIPLINA CE76 4 INFERÊNCIA SOBRE O VETOR DE MÉDIAS 4. TESTE PARA UM VETOR DE MÉDIAS µ Lembrado o caso uvarado: H : µ µ H : µ µ Nível de sfcâca: α Estatístca do teste: t X µ s/ ~ t Decsão:

Leia mais

ESTATÍSTICA Exame Final 1ª Época 3 de Junho de 2002 às 14 horas Duração : 3 horas

ESTATÍSTICA Exame Final 1ª Época 3 de Junho de 2002 às 14 horas Duração : 3 horas Faculdade de cooma Uversdade Nova de Lsboa STTÍSTIC xame Fal ª Época de Juho de 00 às horas Duração : horas teção:. Respoda a cada grupo em folhas separadas. Idetfque todas as folhas.. Todas as respostas

Leia mais

Capítulo III Medidas Estatísticas

Capítulo III Medidas Estatísticas 8 Capítulo III Medda Etatítca III. Medda de Tedêca Cetral A apreetação de dado em tabela e gráco motra a orma da dtrbução. A medda de tedêca cetral dcam o valor do poto em toro do qual o dado e dtrbuem.

Leia mais

INTERVALO DE CONFIANÇA

INTERVALO DE CONFIANÇA INTERVALO DE CONFIANÇA Supoha que etejamo itereado um parâmetro populacioal verdadeiro (ma decohecido) θ. Podemo etimar o parâmetro θ uado iformação de oa amotra. Chamamo o úico úmero que repreeta o valor

Leia mais

DISTRIBUIÇÃO HIPERGEOMÉTRICA

DISTRIBUIÇÃO HIPERGEOMÉTRICA 7 DISTRIBUIÇÃO HIPERGEOMÉTRICA Cosdere-se uma população fta costtuída por N elemetos dstrbuídos por duas categoras eclusvas e eaustvas de dmesões M e N M, respectvamete. Os elemetos da prmera categora

Leia mais

Probabilidades e Estatística

Probabilidades e Estatística Departameto de Matemátca robabldades e Estatístca LEAN, LEE, LEGI, LERC, LMAC, MEAer, MEAmb, MEBol, MEEC, MEMec 2 o semestre 20/202 2 o Teste B 08/06/202 :00 Duração: hora e 30 mutos Justfque coveetemete

Leia mais

Estatística - exestatmeddisper.doc 25/02/09

Estatística - exestatmeddisper.doc 25/02/09 Estatístca - exestatmeddsper.doc 5/0/09 Meddas de Dspersão Itrodução ão meddas estatístcas utlzadas para avalar o grau de varabldade, ou dspersão, dos valores em toro da méda. ervem para medr a represetatvdade

Leia mais

Gonçalo X. Silva Alda Carvalho

Gonçalo X. Silva Alda Carvalho Goçalo X. Slva Alda Carvalho ÍNDICE. ESTATÍSTICA DESCRITIVA..... INTRODUÇÃO..... DEFINIÇÕES..... CLASSIFICAÇÃO DOS DADOS.... CARACTERIZAÇÃO DOS DADOS....5 ESTATÍSTICAS AMOSTRAIS... 0.5.. Medda de localzação...

Leia mais

Construção e Análise de Gráficos

Construção e Análise de Gráficos Costrução e Aálse de Gráfcos Por que fazer gráfcos? Facldade de vsualzação de cojutos de dados Faclta a terpretação de dados Exemplos: Egehara Físca Ecooma Bologa Estatístca Y(udade y) 5 15 1 5 Tabela

Leia mais

7 Análise de covariância (ANCOVA)

7 Análise de covariância (ANCOVA) Plejameto de Expermetos II - Adlso dos Ajos 74 7 Aálse de covarâca (ANCOVA) 7.1 Itrodução Em algus expermetos, pode ser muto dfícl e até mpossível obter udades expermetas semelhtes. Por exemplo, pode-se

Leia mais

Macroeconometria Aula 3 Revisão de estatística e teste de hipótese

Macroeconometria Aula 3 Revisão de estatística e teste de hipótese Macroecoometra 008. Aula 3 Revsão de estatístca e teste de hpótese 3.5. Estmação No estudo das probabldades, o objetvo é calcular a probabldade de evetos préespecfcados. De agora em date o objetvo muda.

Leia mais

a) 1,8 e 4,6. b) 2,0 e 2,2. c) 1,8 e 5,2. d) 2,0 e 4,6. e) 2,0 e 1,9.

a) 1,8 e 4,6. b) 2,0 e 2,2. c) 1,8 e 5,2. d) 2,0 e 4,6. e) 2,0 e 1,9. Questão : As otas de dez aluos, um exame, estão dadas a segur:, 5, 8, 3, 6, 5, 8, 7, 6, 0 O desvo médo e a varâca dessas otas podem ser expressos, respectvamete, por: a),8 e 4,6 b),0 e, c),8 e 5, d),0

Leia mais

HIDROLOGIA E RECURSOS HÍDRICOS. Análise estatística aplicada à hidrologia

HIDROLOGIA E RECURSOS HÍDRICOS. Análise estatística aplicada à hidrologia Aálse estatístca aplcada à hdrologa. Séres hdrológcas oções complemetares HIDROLOGIA E RECURSOS HÍDRICOS Aálse estatístca aplcada à hdrologa O Egehero HIDRÁULICO Echerá? Que população pode abastecer e

Leia mais

CAPÍTULO 3 MEDIDAS DE TENDÊNCIA CENTRAL E VARIABILIDADE PPGEP Medidas de Tendência Central Média Aritmética para Dados Agrupados

CAPÍTULO 3 MEDIDAS DE TENDÊNCIA CENTRAL E VARIABILIDADE PPGEP Medidas de Tendência Central Média Aritmética para Dados Agrupados 3.1. Meddas de Tedêca Cetral CAPÍTULO 3 MEDIDA DE TENDÊNCIA CENTRAL E VARIABILIDADE UFRG 1 Há váras meddas de tedêca cetral. Etre elas ctamos a méda artmétca, a medaa, a méda harmôca, etc. Cada uma dessas

Leia mais

3. TESTES DE QUALIDADE DE AJUSTAMENTO

3. TESTES DE QUALIDADE DE AJUSTAMENTO Testes da qualdade de ajustameto 3 TESTES DE QULIDDE DE JUSTMENTO 3 Itrodução formação sobre o modelo da população dode se extra uma amostra costtu, frequetemete, um problema estatístco forma da dstrbução

Leia mais

É o grau de associação entre duas ou mais variáveis. Pode ser: correlacional ou experimental.

É o grau de associação entre duas ou mais variáveis. Pode ser: correlacional ou experimental. Prof. Lorí Val, Dr. val@mat.ufrgs.br http://www.mat.ufrgs.br/~val/ É o grau de assocação etre duas ou mas varáves. Pode ser: correlacoal ou expermetal. Numa relação expermetal os valores de uma das varáves

Leia mais

Estatística para Economia e Gestão REVISÕES SOBRE VARIÁVEIS ALEATÓRIAS DISCRETAS E CONTÍNUAS

Estatística para Economia e Gestão REVISÕES SOBRE VARIÁVEIS ALEATÓRIAS DISCRETAS E CONTÍNUAS Estatística para Ecoomia e Gestão REVISÕES SOBRE VARIÁVEIS ALEATÓRIAS DISCRETAS E CONTÍNUAS Primavera 008/009 Variável Aleatória: Defiição: uma variável aleatória é uma fução que atribui a cada elemeto

Leia mais

A análise de variância de uma classificação (One-Way ANOVA) verifica se as médias de k amostras independentes (tratamentos) diferem entre si.

A análise de variância de uma classificação (One-Way ANOVA) verifica se as médias de k amostras independentes (tratamentos) diferem entre si. Prof. Lorí Va, Dr. http://www. ufrgs.br/~va/ va@mat.ufrgs.br aáse de varâca de uma cassfcação (Oe-Way NOV) verfca se as médas de amostras depedetes (tratametos) dferem etre s. Um segudo tpo de aáse de

Leia mais

Estatística Descritiva. Medidas estatísticas: Localização, Dispersão

Estatística Descritiva. Medidas estatísticas: Localização, Dispersão Estatístca Descrtva Meddas estatístcas: Localzação, Dspersão Meddas estatístcas Localzação Dspersão Meddas estatístcas - localzação Méda artmétca Dados ão agrupados x x Dados dscretos agrupados x f r x

Leia mais

Probabilidades e Estatística LEAN, LEGI, LEGM, LMAC, MEAer, MEAmbi, MEC

Probabilidades e Estatística LEAN, LEGI, LEGM, LMAC, MEAer, MEAmbi, MEC Duração: 90 mutos Grupo I Probabldades e Estatístca LEAN, LEGI, LEGM, LMAC, MEAer, MEAmb, MEC Justfque coveetemete todas as respostas 1 o semestre 2018/2019 10/01/2019 11:00 2 o teste B 10 valores 1. Cosdere-se

Leia mais

Revisão de Estatística X = X n

Revisão de Estatística X = X n Revsão de Estatístca MÉDIA É medda de tedêca cetral mas comumete usada ara descrever resumdamete uma dstrbução de freqüêca. MÉDIA ARIMÉTICA SIMPLES São utlzados os valores do cojuto com esos guas. + +...

Leia mais

Verificação, Validação e Experimentação com Modelos de Simulação

Verificação, Validação e Experimentação com Modelos de Simulação Boletm Técco: MS: 03/06 em 9/06/006 Verfcação, Valdação e Expermetação com Modelo de ulação Prof. Luí Céar da Slva Emal: lvalc@cca.ufe.br - Webte: www.aga.com A etruturação de modelo para a mulação de

Leia mais

VERIFICAÇÃO E VALIDAÇÃO DE MÉTODOS ANALÍTICOS

VERIFICAÇÃO E VALIDAÇÃO DE MÉTODOS ANALÍTICOS 0 /9. CAMPO DE APLICAÇÃO.. Ete procedmeto e aplca ao Laboratóro Químco de Cotrole da Qualdade.. OBJETIVO.. Verfcar o método aalítco ormalzado, cuja aplcação permaeça detro do ecopo para o qual fo deevolvdo;..

Leia mais

? Isso é, d i= ( x i. . Percebeu que

? Isso é, d i= ( x i. . Percebeu que Estatístca - Desvo Padrão e Varâca Preparado pelo Prof. Atoo Sales,00 Supoha que tehamos acompahado as otas de quatro aluos, com méda 6,0. Aluo A: 4,0; 6,0; 8,0; méda 6,0 Aluo B:,0; 8,0; 8,0; méda 6,0

Leia mais

x n = n ESTATÍSTICA STICA DESCRITIVA Conjunto de dados: Organização; Amostra ou Resumo; Apresentação. População

x n = n ESTATÍSTICA STICA DESCRITIVA Conjunto de dados: Organização; Amostra ou Resumo; Apresentação. População ESTATÍSTICA STICA DESCRITIVA Prof. Lorí Val, Dr. val@mat.ufrgs.br http://.ufrgs.br/~val/ Orgazação; Resumo; Apresetação. Cojuto de dados: Amostra ou População Um cojuto de dados é resumdo de acordo com

Leia mais

Regressão e Correlação

Regressão e Correlação Regressão e Correlação Júlo Osóro Regressão & Correlação: geeraldades Em mutas stuações de pesqusa cetífca, dspomos de uma amostra aleatóra de pares de dados (x, ), resultates da medda cocomtate de duas

Leia mais

NORMAIS HOMOCEDÁSTICOS E HETEROCEDÁSTICOS

NORMAIS HOMOCEDÁSTICOS E HETEROCEDÁSTICOS COMPARAÇÕES Comparaçõe MÚLTIPLAS múltpla bayeaa BAYESIANAS em modelo... EM MODELOS 845 NORMAIS HOMOCEDÁSTICOS E HETEROCEDÁSTICOS Bayea multple comparo omocedatc ad eterocedatc ormal model Paulo Céar de

Leia mais

02/02/2017. Intervalo de Confiança. Bioestatística. Universidade Estadual do Oeste do Paraná - Unioeste. Curso de Nutrição

02/02/2017. Intervalo de Confiança. Bioestatística. Universidade Estadual do Oeste do Paraná - Unioeste. Curso de Nutrição Uiveridade Etadual do Oete do Paraá - Uioete Curo de Nutrição Bioetatítica Profeora Aqui começamo o etudo da etatítica iferecial, que é o egudo maior ramo da etatítica. M.Roebel Tridade Cuha Prate Coite

Leia mais

Parte 3 - Regressão linear simples

Parte 3 - Regressão linear simples Parte 3 - Regressão lear smples Defção do modelo Modelo de regressão empregado para eplcar a relação lear etre duas varáves (ajuste de uma reta). O modelo de regressão lear smples pode ser epresso a forma:

Leia mais

ANÁLISE ESTATÍSTICA DO USO DE UM FILTRO DE KALMAN A UM SISTEMA DE MEDIÇÃO COM RUÍDOS

ANÁLISE ESTATÍSTICA DO USO DE UM FILTRO DE KALMAN A UM SISTEMA DE MEDIÇÃO COM RUÍDOS V CONGRESSO RASILEIRO DE METROLOGIA Metrologa para a compettvdade em área etratégca 9 a 3 de ovembro de 9. Salvador, aha ral. ANÁLISE ESTATÍSTICA DO USO DE UM ILTRO DE KALMAN A UM SISTEMA DE MEDIÇÃO COM

Leia mais

Uma coleção de todos os possíveis elementos, objetos ou medidas de interesse.

Uma coleção de todos os possíveis elementos, objetos ou medidas de interesse. Prof. Lorí Val, Dr. val@mat.ufrg.br http://www.ufrg.br/~val/ Etatítca: uma defção Coleção de úmero etatítca O úmero de carro veddo o paí aumetou em %. A taa de deemprego atge, ete mê, 7,%. A açõe da Telebrá

Leia mais

MÓDULO 8 REVISÃO REVISÃO MÓDULO 1

MÓDULO 8 REVISÃO REVISÃO MÓDULO 1 MÓDULO 8 REVISÃO REVISÃO MÓDULO A Estatístca é uma técca que egloba os métodos cetícos para a coleta, orgazação, apresetação, tratameto e aálse de dados. O objetvo da Estatístca é azer com que dados dspersos

Leia mais

Introdução à Correlação e Regressão Linear

Introdução à Correlação e Regressão Linear Itrodução à Correlação e Regressão Lear Ru Carvalho Olvera rolv@st.utl.pt Estatístca Descrtva amostras bvaradas Amostras bvaradas: cada etdade (dvíduo/objecto é caracterzado por um par de varáves (atrbutos

Leia mais

ESTATÍSTICA APLICADA À ZOOTECNIA

ESTATÍSTICA APLICADA À ZOOTECNIA ESTATÍSTICA APLICADA À ZOOTECNIA Eucldes Braga MALHEIROS *. INTRODUÇÃO.a) Somatóras e Produtóros Sejam,, 3,...,, valores umércos. A soma desses valores (somatóra) pode ser represetada por: = = = =. e o

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

Técnicas Não Paramétricas

Técnicas Não Paramétricas Téccas Não Paramétrcas de Estmação de Desdade Reata Cardoso e Fracsco Carvalho Coteúdo Itrodução 2 Hstograma 3 Estmação da desdade 4 Jaelas de Parze Em mutos problemas prátcos As abordages de estmação

Leia mais

sticas Estatística (divisão) População stica: uma definição Estatística:

sticas Estatística (divisão) População stica: uma definição Estatística: Coleção de úmero etatítca tca O úmero de carro veddo o paí aumetou em 30%. A taa de deemprego atge, ete mê, 7,5%. A açõe da Telebrá ubram R$,5, hoje. Reultado do Caraval o trâto: 45 morto, 430 ferdo. Etatítca:

Leia mais

COEFICIENTES DE CORRELAÇÃO PARA VARIÁVEIS ORDINAIS E DICOTÔMICAS DERIVADOS DO COEFICIENTE LINEAR DE PEARSON

COEFICIENTES DE CORRELAÇÃO PARA VARIÁVEIS ORDINAIS E DICOTÔMICAS DERIVADOS DO COEFICIENTE LINEAR DE PEARSON COEFICIENTES DE CORRELAÇÃO PARA VARIÁVEIS ORDINAIS E DICOTÔMICAS DERIVADOS DO COEFICIENTE LINEAR DE PEARSON CORRELATION COEFFICIENT DERIVED FROM PEARSON LINEAR COEFFICIENT FOR ORDINAL AND DICHOTOMIC VARIABLES

Leia mais

Nas Instituições de Ensino Superior(IES), há uma relação direta entre a qualidade do ensino e a taxa de inadimplência. A taxa de inadimplência das

Nas Instituições de Ensino Superior(IES), há uma relação direta entre a qualidade do ensino e a taxa de inadimplência. A taxa de inadimplência das CORRELAÇÃO Nas Isttuções de Eso Superor(IES), há uma relação dreta etre a qualdade do eso e a taxa de admplêca. A taxa de admplêca das IES que obtveram cocetos A e B o Provão é,%, as que obtveram C é 6%

Leia mais

Estimação pontual, estimação intervalar e tamanho de amostras

Estimação pontual, estimação intervalar e tamanho de amostras Estmação potual, estmação tervalar e tamaho de amostras Iferêca: por meo das amostras, cohecer formações geras da população. Problemas de ferêca, em geral, se dvdem em estmação de parâmetros e testes de

Leia mais

Laboratório de Engenharia Química IV. Programação de Ensaios. M. Gabriela Bernardo Gil

Laboratório de Engenharia Química IV. Programação de Ensaios. M. Gabriela Bernardo Gil Laboratóro de Egehara Químca IV Programação de Eao M. Gabrela Berardo Gl 006/007 ÍNDICE. TEORIA DE ERROS...4.. MEDIÇÃO DE GRANDEZAS...5.. ERROS...6... ERRO ABSOLUTO...6... ERRO RELATIVO...6..3. TIPOS DE

Leia mais

8. INFERÊNCIA PARA DUAS POPULAÇÕES

8. INFERÊNCIA PARA DUAS POPULAÇÕES 8 INFERÊNCIA PARA UA POPULAÇÕE 8 Populações depedetes co dstrbução oral População População, L, Y, L,Y ~ N, σ Y ~ N, σ σ σ Y ~ N, Obs e a dstrbução de e/ou Y ão for oral, os resultados são váldos aproxadaete

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

MEDIDAS DE DISPERSÃO:

MEDIDAS DE DISPERSÃO: MEDID DE DIPERÃO: fução dessas meddas é avalar o quato estão dspersos os valores observados uma dstrbução de freqüêca ou de probabldades, ou seja, o grau de afastameto ou de cocetração etre os valores.

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

MEDIDAS DE TENDÊNCIA CENTRAL I

MEDIDAS DE TENDÊNCIA CENTRAL I Núcleo das Cêcas Bológcas e da Saúde Cursos de Bomedca, Ed. Físca, Efermagem, Farmáca, Fsoterapa, Fooaudologa, edca Veterára, uscoterapa, Odotologa, Pscologa EDIDAS DE TENDÊNCIA CENTRAL I 7 7. EDIDAS DE

Leia mais

Em muitas situações duas ou mais variáveis estão relacionadas e surge então a necessidade de determinar a natureza deste relacionamento.

Em muitas situações duas ou mais variáveis estão relacionadas e surge então a necessidade de determinar a natureza deste relacionamento. Prof. Lorí Val, Dr. val@pucrs.r http://www.pucrs.r/famat/val/ Em mutas stuações duas ou mas varáves estão relacoadas e surge etão a ecessdade de determar a atureza deste relacoameto. A aálse de regressão

Leia mais

Testes não-paramétricos

Testes não-paramétricos Testes não-paramétrcos Prof. Lorí Val, Dr. http://www.mat.ufrgs.br/val/ val@mat.ufrgs.br Um teste não paramétrco testa outras stuações que não parâmetros populaconas. Estas stuações podem ser relaconamentos,

Leia mais

Pedro Alberto Barbetta / Marcelo Menezes Reis / Antonio Cezar Bornia São Paulo: Atlas, 2004

Pedro Alberto Barbetta / Marcelo Menezes Reis / Antonio Cezar Bornia São Paulo: Atlas, 2004 Estatística para Cursos de Egeharia e Iformática Pedro Alberto Barbetta / Marcelo Meezes Reis / Atoio Cezar Boria São Paulo: Atlas, 004 Cap. 7 - DistribuiçõesAmostrais e Estimaçãode deparâmetros APOIO:

Leia mais

Estudo do intervalo de confiança da regressão inversa utilizando o software R

Estudo do intervalo de confiança da regressão inversa utilizando o software R Estudo do tervalo de cofaça da regressão versa utlzado o software R Llae Lopes Cordero João Domgos Scalo. Itrodução Na maora das aplcações evolvedo regressão, determa-se o valor de Y correspodete a um

Leia mais

Distribuição Qui-Quadrado: teste de Hipótese para a Variância Populacional

Distribuição Qui-Quadrado: teste de Hipótese para a Variância Populacional /09/06 Estatístca Aplcada II Dstrbuçã Qu-Quadrad teste de pótese para a Varâca Ppulacal AULA /09/5 Prf a Lla M. Lma Cuha Dstrbuçã Qu-Quadrad testad a varâca -Fazams teste para a méda ps ã checams a cert

Leia mais

PRESSUPOSTOS DO MODELO DE REGRESSÃO

PRESSUPOSTOS DO MODELO DE REGRESSÃO PREUPOTO DO MODELO DE REGREÃO A aplcação do modelo de regressão lnear múltpla (bem como da smples) pressupõe a verfcação de alguns pressupostos que condensamos segudamente.. Os erros E são varáves aleatóras

Leia mais

Estatística Básica - Continuação

Estatística Básica - Continuação Professora Adraa Borsso http://www.cp.utfpr.edu.br/borsso adraaborsso@utfpr.edu.br COEME - Grupo de Matemátca Meddas de Varabldade ou Dspersão Estatístca Básca - Cotuação As meddas de tedêca cetral, descrtas

Leia mais

Distribuições de Probabilidades

Distribuições de Probabilidades Estatístca - aulasestdstrnormal.doc 0/05/06 Dstrbuções de Probabldades Estudamos aterormete as dstrbuções de freqüêcas de amostras. Estudaremos, agora, as dstrbuções de probabldades de populações. A dstrbução

Leia mais

Média. Mediana. Ponto Médio. Moda. Itabira MEDIDAS DE CENTRO. Prof. Msc. Emerson José de Paiva 1 BAC011 - ESTATÍSTICA. BAC Estatística

Média. Mediana. Ponto Médio. Moda. Itabira MEDIDAS DE CENTRO. Prof. Msc. Emerson José de Paiva 1 BAC011 - ESTATÍSTICA. BAC Estatística BAC 0 - Estatístca Uversdade Federal de Itajubá - Campus Itabra BAC0 - ESTATÍSTICA ESTATÍSTICA DESCRITIVA MEDIDAS DE CENTRO Méda Medda de cetro ecotrada pela somatóra de todos os valores de um cojuto,

Leia mais

Econometria: 3 - Regressão Múltipla

Econometria: 3 - Regressão Múltipla Ecoometra: 3 - Regressão Múltpla Prof. Marcelo C. Mederos mcm@eco.puc-ro.br Prof. Marco A.F.H. Cavalcat cavalcat@pea.gov.br Potfíca Uversdade Católca do Ro de Jaero PUC-Ro Sumáro O modelo de regressão

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

Regressão linear simples

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

Leia mais

O delineamento amostral determina os processos de seleção e de inferência do valor da amostra para o valor populacional.

O delineamento amostral determina os processos de seleção e de inferência do valor da amostra para o valor populacional. Curso Aperfeçoameto em Avalação de Programas Socas ª Turma Dscpla: Téccas quattatvas de levatameto de dados: prcpas téccas de amostragem Docete: Claudete Ruas Brasíla, ovembro/005 Pesqusa por amostragem

Leia mais

MAE0229 Introdução à Probabilidade e Estatística II

MAE0229 Introdução à Probabilidade e Estatística II Exercíco Cosdere a dstrbução expoecal com fução de desdade de probabldade dada por f (y; λ) = λe λy, em que y, λ > 0 e E(Y) = /λ Supor que o parâmetro λ pode ser expresso proporcoalmete aos valores de

Leia mais

MQI 2003 ESTATÍSTICA PARA METROLOGIA - SEMESTRE Teste 2 07/07/2008 Nome: PROBLEMA 1 Sejam X e Y v.a. contínuas com densidade conjunta:

MQI 2003 ESTATÍSTICA PARA METROLOGIA - SEMESTRE Teste 2 07/07/2008 Nome: PROBLEMA 1 Sejam X e Y v.a. contínuas com densidade conjunta: MQI 003 ESTATÍSTICA PARA METROLOGIA - SEMESTRE 008.0 Teste 07/07/008 Nome: PROBLEMA Sejam X e Y v.a. cotíuas com desidade cojuta: f xy cy xy x y (, ) = + 3 ode 0 e 0 a) Ecotre a costate c que faz desta

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

8 Programação linear 78

8 Programação linear 78 8 Programação lear 78 8 Programação lear A programação lear cosderou duas fuções objetvo: (a) maxmzação da comercalzação do gás e (b) mmzação das perdas (recetas e multas cotratuas). Foram dealzados dos

Leia mais

Modelos de regressão linear: abordagem clássica

Modelos de regressão linear: abordagem clássica Modelos de regressão lear: abordagem clássca Prof. Marcelo Rubes mrubes@me.uerj.br Depto. Estatístca Aálse de Regressão Objetvo: Determar uma fução matemátca que descreva a relação etre uma varável cotíua

Leia mais