10 - Medidas de Variabilidade ou de Dispersão

Save this PDF as:
 WORD  PNG  TXT  JPG

Tamanho: px
Começar a partir da página:

Download "10 - Medidas de Variabilidade ou de Dispersão"

Transcrição

1 10 - Medidas de Variabilidade ou de Dispersão 10.1 Itrodução Localizado o cetro de uma distribuição de dados, o próximo passo será verificar a dispersão desses dados, buscado uma medida para essa dispersão. As medidas de dispersão servem para idicar o quato os dados se apresetam dispersos em relação ao seu valor médio. Cosideremos os seguites exemplos: Uma fábrica deseja comparar o desempeho de dois empregados, com base a seguite produção diária de determiada peça: Seguda Terça Quarta Quita Sexta Empregado A Empregado B De acordo com os resultados da produção diária em cico dias, verifica-se que o desempeho médio do empregado A é de 70 peças produzidas diariamete, equato que a do empregado B é de 71 peças; observe, etretato, a difereça a variabilidade. A produção de A varia apeas de 69 a 71 peças, ao passo que a de B varia de 60 a 83 peças, o que revela que o desempeho do empregado A é bem mais uiforme do que o empregado B. Um alto grau de uiformidade ou pequea dispersão costuma ser cosiderado com algo de qualidade desejável em um processo produtivo. Muitos bacos costumavam exigir que os clietes formassem filas separadas para os diversos guichês, mas recetemete passaram a adotar fila úica. Qual o motivo dessa modificação? O tempo médio de espera ão se modifica, porque a fila de espera ão afeta a eficiêcia dos caixas. A adoção de fila úica se deveu ao fato de os clietes preferirem tempos de espera mais cosistetes com meor variação. Assim é que milhares de bacos efetuaram uma modificação que resultou em uma variação meor (e clietes mais satisfeitos). Supoha que quatro aluos obtiveram, em cico provas, as otas apresetadas abaixo: Tabela 10.1 Notas de quatro aluos em cico provas Aluos Notas Média Atôio João José Pedro Estatística II...73

2 Todos os aluos obtiveram média igual a 5, mas a dispersão das otas em toro da média ão é a mesma para todos os aluos. A tabela acima mostra claramete que: As otas de Atôio ão variaram (a dispersão é ula). As otas de João variaram meos do que as otas de José (a dispersão das otas de João é meor do que a dispersão das otas de José). As otas de Pedro variaram mais do que as otas de todos os outros (a dispersão das otas de Pedro é a maior). Estas observações serão verificadas através das seguites medidas de variação ou de dispersão: amplitude total, variâcia, desvio-padrão e coeficiete de variação. 10. Amplitude Total Amplitude é a difereça etre o maior e o meor valor observado em um cojuto de dados. Usaremos a otação AT. Para os dados apresetados a Tabela 10.1 a amplitude total será: Aluos AT Atôio AT = 5 5 = 0 João AT = 6 4 = José AT = 10 0 = 10 Pedro AT = 10 0 = 10 A amplitude em sempre capta certas difereças. No caso das otas dos aluos, a amplitude mostra, que as otas de Atôio ão variaram e que as otas de João variaram meos do que as otas de José. Etretato a amplitude ão mostra que as otas de Pedro variaram mais do que as otas de José. A amplitude ão mede bem a dispersão dos dados porque, em seu cálculo, usam-se apeas os valores extremos e ão todos os dados. Etão, dois cojutos de dados podem apresetar a mesma amplitude, mesmo que teham dispersão diferete. Embora fácil de calcular e de iterpretar, ão deve ser usada ormalmete como medida de dispersão. Isto porque a amplitude em sempre distigue cojutos com dispersão diferete. A amplitude é usada pricipalmete como uma idicação rápida e fácil da variabilidade por exemplo, o cotrole permaete sobre matérias-primas ou produtos acabados, observadose e registrado-se a amplitude de pequeas amostras retiradas a itervalos regulares de tempo. Estatística II...74

3 10.3 Variâcia Os dados distribuem-se em toro da média. Etão o grau de dispersão de um cojuto de dados pode ser medido pelos desvios dos valores observados em relação à média. Desvio em relação à média é a difereça etre cada dado e a média do cojuto. Como cada dado tem um desvio em relação à média, para julgar o grau de dispersão de todo o cojuto de dados, com base os desvios, seria preciso observar todos os desvios como medida de dispersão. Não se pode calcular a média dos desvios porque a soma é sempre zero. Para medir a dispersão dos dados em toro da média usa-se, etão, a variâcia, que leva em cosideração o tamaho da amostra. A variâcia pode ser defiida por: Variâcia de Dados Brutos s (x x) i= i = 1 1 Exemplo 1: Calcule a variâcia dos valores 1,, 3, 4 e 5. Cálculos itermediários para a obteção da variâcia Dados (x i ) Desvios (x i - x) Quadrados dos desvios (x i - x) x = 3 ( x x) = 0 (x x) = 10 i=1 i i=1 i e a medida de variabilidade seria s (x x) i= 1 i 10 = 1 4,5 Estatística II...75

4 Variâcia de Dados Tabulados Quado os valores vierem dispostos em uma tabela de freqüêcias, o cálculo da variâcia se fará através de uma das seguites fórmulas: ou, pela fórmula desevolvida, k (x x) f i=1 i i s = 1 k x f i=1 i i s = k x f i i i Desvio-Padrão Como medida de dispersão, a variâcia tem a desvatagem de apresetar uidade de medida igual ao quadrado da uidade de medida dos dados. Por exemplo, se os dados estão em metros, a variâcia fica em metros ao quadrado. O desvio-padrão defiido como a raiz quadrada da variâcia apreseta as propriedades da variâcia e tem a mesma uidade de medida dos dados. O desvio-padrão é represetado por s. Desvio-Padrão de Dados Brutos s = (x x) i=1 i 1 Estatística II...76

5 Exemplo: Para as otas apresetadas a Tabela 10.1 determiar a variâcia e o desvio-padrão. Aluos s s Atôio João José Pedro Desvio-Padrão de Dados Tabulados s = k (x x) f i=1 i i 1 ou, pela fórmula desevolvida, s = k x f i=1 i i k x f i i i 1 1 O desvio-padrão é expresso as mesmas uidades dos dados origiais. Tato o desvio-padrão quato a variâcia, são usados como medidas de variabilidade. Coforme a fialidade, é coveiete o uso de uma ou de outra. Observações: Neste texto usaremos a defiição de variâcia e desvio-padrão que cosiste em dividir por - 1 ao ivés de. Se as amostras são grades, os valores obtidos dividido-se por ou 1 são praticamete iguais. Estatística II...77

6 Exemplo: Os dados abaixo represetam a distribuição do tempo de percurso (em miutos) para o trabalho, de 30 empregados. Calcular a variâcia e o desvio-padrão (utilizar as fórmulas). Classes f i x i x i f i x i f i (x i - x ) f i 10.5 Importâcia Prática do Desvio-Padrão O desvio-padrão amostral será usado pricipalmete para estimar o desvio-padrão populacioal em problemas de iferêcia. Procuraremos aqui atribuir um setido ituitivo ao desvio-padrão. De iício, devemos ter em mete que o desvio-padrão mede a variação etre valores. Valores próximos us dos outros origiam desvios-padrão meores, equato valores muito afastados us dos outros dão um desvio-padrão maior. Um coceito importate para compreedermos e iterpretarmos o valor do desvio-padrão é o teorema de Tchebichev. O teorema se aplica a qualquer cojuto de dados, mas seus resultados são muito aproximados. Teorema de Tchebichev A proporção (ou fração) de qualquer cojuto de dados a meos de K desvios-padrão a cotar da média é sempre ao meos 1 1/ K, ode K é um úmero positivo maior do que 1. Para K = e K = 3, temos os seguites resultados específicos: Ao meos 3/4 (ou 75%) de todos os valores estão o itervalo que vai de desvios-padrão abaixo da média a desvios-padrão acima da média ( x s a x s ). Ao meos 8/9 (ou 89%) de todos os valores estão o itervalo que vai de 3 desvios-padrão abaixo da média até 3 desvios-padrão acima da média ( x 3s a x 3s ). Estatística II...78

7 Outra regra que auxilia a iterpretação do valor de um desvio-padrão é a regra empírica, aplicável somete a cojuto de dados com distribuição aproximadamete em forma de sio. A regra empírica costuma ser desigada abreviadamete como a regra Regra para Dados com Distribuição em Forma de Sio Cerca de 68% dos valores estão a meos de 1 desvio-padrão cotar da média. Cerca de 95% dos valores estão a meos de desvios-padrão cotar da média. Cerca de 99,7% dos valores estão a meos de 3 desvios-padrão cotar da média. Exemplo: Realiza-se uma pesquisa a fim de avaliar o tempo ecessário para a realização de uma certa operação maual em uma fábrica. Esse tempo é medido para cada uma de 40 mulheres. A média e o desvio-padrão obtidos foram 1,8 e 1,7, respectivamete. Para descrever os dados, obtêm-se os itervalos: x s 1,8 1,7 ou 11,1 a 14, 5 x s 1,8 (1,7) ou 9,4 a 16, x 3s 1,8 3(1,7) ou 7,7 a 17, 9 Embora ão se possua qualquer iformação a respeito da distribuição desses dados, é muito provável que eles teham distribuição afilada e que a regra empírica permita uma boa descrição dos dados. De acordo com essa regra, é de se esperar que aproximadamete 68% das medidas perteçam ao itervalo de 11,1 a 14,5, equato 95% estarão cotidas etre 9,4 e 16, e 99,7% de 7,7 a 17,9. Se duvidarmos de essa distribuição ser afilada, podemos utilizar o teorema de Tchebichev. Esse teorema diz que pelo meos 3/4 das medidas estarão cotidas o itervalo de 9,4 e 16, e pelo meos 8/9, o itervalo de 7,7 a 17,9. Estatística II...79

8 10.6 Coeficiete de Variação O coeficiete de variação de Pearso é a razão etre o desvio-padrão e a média. O resultado é multiplicado por 100, para que o coeficiete de variação seja dado em porcetagem. Permite que a variação etre características expressas em uidades diferetes seja comparada. CV = x S. 100 Para eteder como se iterpreta o coeficiete de variação, imagie dois grupos de pessoas. No primeiro grupo, as pessoas têm idades 3, 1 e 5 e o segudo grupo as pessoas têm idades 55, 57 e 53 No primeiro grupo, a média de idade é de 3 aos e, o segudo grupo, a média é de 55 aos. Nos dois grupos a dispersão dos dados é a mesma. Ambos têm desvio-padrão s =. Mas as difereças de dois aos são muito mais importates o primeiro grupo, que tem média 3, do que o segudo grupo, que tem média 55 aos. Agora, veja os coeficietes de variação. No primeiro grupo, o coeficiete de variação é: CV = ,67% 3 e, o segudo grupo, o coeficiete de variação é: CV =.100 3,64% 55 Um coeficiete de variação igual a 66,67% idica que a dispersão dos dados em relação à média é muito grade, ou seja, a dispersão relativa é alta. Já um coeficiete de variação de 3,64% idica que a dispersão dos dados em relação à média é pequea. Em outras palavras, difereças de aos são relativamete mais importates o primeiro grupo, que tem média 3 (o coeficiete de variação é 66,67%) do que o segudo grupo, que tem média 55 (o coeficiete de variação é 3,64%). Etão o coeficiete de variação mede dispersão em relação à média. Observações: Algus aalistas cosideram: Baixa dispersão: CV 15% Média dispersão: 15% < CV < 30% Alta dispersão: CV 30% Estatística II...80

9 Exemplo: Calcule a média, o desvio-padrão e o coeficiete de variação dos dados apresetados abaixo. Comete os resultados. Peso, em quilogramas, e comprimeto, em cetímetros, 10 cães Peso Comprimeto 3,0 104, , 103 1, , , , , , ,5 99 Estatística II...81

10 10.7 Escore Z Na seção aterior vimos como caracterizar a homogeeidade de um grupo relacioado a média e o desvio-padrão. Esta seção também trata de uma forma de relacioar estas duas estatísticas, mas para cada idivíduo. Quase todos ós estamos familiarizados com os QIs, e recohecemos que um QI de 10 é bastate comum, equato um QI de 170 é raro. Esse QI de 10 é bastate comum porque está próximo da média de 100, mas o QI de 170 é raro porque está bem acima de 100. Esta circustâcia pode sugerir uma difereça etre os valores típicos e os valores raros, com base em sua difereça em relação à média. Mas o tamaho dessa difereça depede da escala que estamos utilizado. Com valores de QI, uma difereça de potos é isigificate, mas para médias de otas de uma faculdade uma difereça de potos é altamete sigificativa. Seria melhor utilizar um padrão que ão leve em cota a escala. Com o valor ou escore padroizado, dividimos a difereça etre cada valor e a média do cojuto pelo desvio-padrão para chegarmos a esse resultado. A importâcia dos escores z a estatística reside o fato de que eles permitem distiguir etre valores usuais e valores raros, ou icomus. Cosideramos usuais os valores cujos escores padroizados estão etre e +, e icomus os valores com escore z iferior a ou superior a. O escore padroizado é o úmero de desvios-padrão pelo qual um valor x dista da média. Obtém-se da seguite maeira: Amostra População Z x s x Z x Estatística II...8

11 Exercícios 1. Calcule a variâcia, o desvio-padrão e o coeficiete de variação dos dados apresetados o exercícios, 8 e 9 da págia 64 e 65.. Dois grupos diferetes de uma turma de estatística fazem o mesmo teste surpresa, com as otas relacioadas a seguir. Ache a amplitude e o desvio-padrão para cada grupo. Que coclusões sobre a variação os dois grupos os valores da amplitude sugerem. Que coclusões sobre a variação os dois grupos o desvio-padrão sugere? Grupo I Grupo II Tempos de espera de clietes o Baco A (ode os clietes formam uma fila úica) e o Baco B (ode todos os clietes etram em três filas de guichês diferetes): A 6,5 6,6 6,7 6,8 7,1 7,3 7,4 7,7 7,7 7,7 B 4, 5,4 5,8 6, 6,7 7,7 7,7 8,5 9,3 10,0 Determie a média, a mediaa, a moda, amplitude total e o desvio-padrão para cada uma das duas amostras. 4. Três cadidatos a um emprego fazem testes equivaletes de pesameto crítico. Qual dos escores abaixo correspode à posição relativa mais elevada? Um escore de 37 em um teste para o qual a média é de 8 e desvio-padrão de 6. Um escore de 398 em um teste para o qual a média é de 31 e desvio-padrão de 56. Um escore de 4,10 em um teste para o qual a média é de,75 e desvio-padrão de 0,9. Estatística II...83

12 5. Em uma pesquisa, sobre preços de um determiado produto, realizada em 90 estabelecimetos comerciais (codificados de 01 a 90) foram obtidos os resultados abaixo: Selecioar aleatoriamete uma amostra de tamaho, utilizado as coluas 31 e 3 da tabela de úmeros aleatórios, da esquerda para a direita, de cima para baixo. (Começar a 1ª liha). Agrupar os dados em classes e calcular a média aritmética, a moda, a mediaa, os quartis, a variâcia, o desvio-padrão e o coeficiete de variação dos preços. Iterprete o primeiro quartil. Estatística II...84

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

CAPÍTULO 5 - INTRODUÇÃO À INFERÊNCIA ESTATÍSTICA

CAPÍTULO 5 - INTRODUÇÃO À INFERÊNCIA ESTATÍSTICA CAPÍTULO 5 - INTRODUÇÃO À INFERÊNCIA ESTATÍSTICA 5. INTRODUÇÃO É freqüete ecotrarmos problemas estatísticos do seguite tipo : temos um grade úmero de objetos (população) tais que se fossem tomadas as medidas

Leia mais

Métodos Quantitativos em Contabilidade. Análise da Variância ANOVA. Prof. José Francisco Moreira Pessanha professorjfmp@hotmail.

Métodos Quantitativos em Contabilidade. Análise da Variância ANOVA. Prof. José Francisco Moreira Pessanha professorjfmp@hotmail. Métodos Quatitativos em Cotabilidade Aálise da Variâcia AOVA Prof. José Fracisco Moreira Pessaha professorfmp@hotmail.com Rio de Jaeiro, 8 de setembro de 01 Aálise da Variâcia com um fator (OE WAY AOVA)

Leia mais

Vamos estudar o conceito de variabilidade absoluta considerando o conjunto de notas obtidas por cinco alunos:

Vamos estudar o conceito de variabilidade absoluta considerando o conjunto de notas obtidas por cinco alunos: Medidas de Disperção Itrodução: - Observamos ateriormete que as medidas de tedêcia cetral são usadas para resumir, em um úico úmero, aquele parâmetro que será o represetate do cojuto de dados. Estas medidas

Leia mais

Intervalo de Confiança para uma Média Populacional

Intervalo de Confiança para uma Média Populacional Estatística II Atoio Roque Aula 5 Itervalo de Cofiaça para uma Média Populacioal Um dos objetivos mais importates da estatística é obter iformação sobre a média de uma dada população. A média de uma amostra

Leia mais

PROGRAMA DE PÓS-GRADUAÇÃO EM ENGENHARIA DE TRANSPORTES E GESTÃO TERRITORIAL PPGTG DEPARTAMENTO DE ENGENHARIA CIVIL ECV

PROGRAMA DE PÓS-GRADUAÇÃO EM ENGENHARIA DE TRANSPORTES E GESTÃO TERRITORIAL PPGTG DEPARTAMENTO DE ENGENHARIA CIVIL ECV PROGRAMA DE PÓS-GRADUAÇÃO EM ENGENHARIA DE TRANSPORTES E GESTÃO TERRITORIAL PPGTG DEPARTAMENTO DE ENGENHARIA CIVIL ECV DISCIPLINA: TGT410026 FUNDAMENTOS DE ESTATÍSTICA 8ª AULA: ESTIMAÇÃO POR INTERVALO

Leia mais

O erro da pesquisa é de 3% - o que significa isto? A Matemática das pesquisas eleitorais

O erro da pesquisa é de 3% - o que significa isto? A Matemática das pesquisas eleitorais José Paulo Careiro & Moacyr Alvim O erro da pesquisa é de 3% - o que sigifica isto? A Matemática das pesquisas eleitorais José Paulo Careiro & Moacyr Alvim Itrodução Sempre que se aproxima uma eleição,

Leia mais

Comparação de testes paramétricos e não paramétricos aplicados em delineamentos experimentais

Comparação de testes paramétricos e não paramétricos aplicados em delineamentos experimentais Comparação de testes paramétricos e ão paramétricos aplicados em delieametos experimetais Gustavo Mello Reis (UFV) gustavo_epr@yahoo.com.br José Ivo Ribeiro Júior (UFV) jivo@dpi.ufv.br RESUMO: Para comparar

Leia mais

O QUE SÃO E QUAIS SÃO AS PRINCIPAIS MEDIDAS DE TENDÊNCIA CENTRAL EM ESTATÍSTICA PARTE li

O QUE SÃO E QUAIS SÃO AS PRINCIPAIS MEDIDAS DE TENDÊNCIA CENTRAL EM ESTATÍSTICA PARTE li O QUE SÃO E QUAIS SÃO AS PRINCIPAIS MEDIDAS DE TENDÊNCIA CENTRAL EM ESTATÍSTICA PARTE li Média Aritmética Simples e Poderada Média Geométrica Média Harmôica Mediaa e Moda Fracisco Cavalcate(f_c_a@uol.com.br)

Leia mais

Capítulo 5 Cálculo Diferencial em IR n 5.1 Definição de função de várias variáveis: campos vetoriais e campos escalares.

Capítulo 5 Cálculo Diferencial em IR n 5.1 Definição de função de várias variáveis: campos vetoriais e campos escalares. 5. Defiição de fução de várias variáveis: campos vetoriais e. Uma fução f : D f IR IR m é uma fução de variáveis reais. Se m = f é desigada campo escalar, ode f(,, ) IR. Temos assim f : D f IR IR (,, )

Leia mais

Cap. 5. Testes de Hipóteses

Cap. 5. Testes de Hipóteses Cap. 5. Testes de Hipóteses Neste capítulo será estudado o segudo problema da iferêcia estatística: o teste de hipóteses. Um teste de hipóteses cosiste em verificar, a partir das observações de uma amostra,

Leia mais

APONTAMENTOS DE ÁLGEBRA LINEAR E GEOMETRIA ANALÍTICA

APONTAMENTOS DE ÁLGEBRA LINEAR E GEOMETRIA ANALÍTICA UNIVERSIDADE DO ALGARVE ESCOLA SUPERIOR DE TECNOLOGIA APONTAMENTOS DE ÁLGEBRA LINEAR E GEOMETRIA ANALÍTICA (III ) ÁREA DEPARTAMENTAL DE ENGENHARIA CIVIL Ídice Itrodução Aplicação do cálculo matricial aos

Leia mais

ActivALEA. ative e atualize a sua literacia

ActivALEA. ative e atualize a sua literacia ActivALEA ative e atualize a sua literacia N.º 29 O QUE É UMA SONDAGEM? COMO É TRANSMIITIIDO O RESULTADO DE UMA SONDAGEM? O QUE É UM IINTERVALO DE CONFIIANÇA? Por: Maria Eugéia Graça Martis Departameto

Leia mais

Capítulo 8 Estimativa do Intervalo de Confiança. Statistics for Managers Using Microsoft Excel, 5e 2008 Pearson Prentice-Hall, Inc.

Capítulo 8 Estimativa do Intervalo de Confiança. Statistics for Managers Using Microsoft Excel, 5e 2008 Pearson Prentice-Hall, Inc. Capítulo 8 Estimativa do Itervalo de Cofiaça Statistics for Maagers Usig Microsoft Excel, 5e 2008 Pearso Pretice-Hall, Ic. Chap 8-1 Objetivos: Neste capítulo, você aprederá: Costruir e iterpretar estimativas

Leia mais

DISTRIBUIÇÃO AMOSTRAL DA MÉDIA E PROPORÇÃO ESTATISTICA AVANÇADA

DISTRIBUIÇÃO AMOSTRAL DA MÉDIA E PROPORÇÃO ESTATISTICA AVANÇADA DISTRIBUIÇÃO AMOSTRAL DA MÉDIA E PROPORÇÃO Ferado Mori DISTRIBUIÇÃO AMOSTRAL DA MÉDIA E PROPORÇÃO ESTATISTICA AVANÇADA Resumo [Atraia o leitor com um resumo evolvete, em geral, uma rápida visão geral do

Leia mais

MEDIDAS E INCERTEZAS

MEDIDAS E INCERTEZAS 9//0 MEDIDAS E INCERTEZAS O Que é Medição? É um processo empírico que objetiva a desigação de úmeros a propriedades de objetos ou a evetos do mudo real de forma a descrevêlos quatitativamete. Outra forma

Leia mais

Capítulo 2 Análise Descritiva e Exploratória de Dados

Capítulo 2 Análise Descritiva e Exploratória de Dados UNIVERSIDADE FEDERAL DE SÃO CARLOS C E N T R O D E C I Ê N C I A S E X A T A S E D E T E C N O L O G I A D E P A R T A M E N T O D E E S T A T Í S T I C A INTRODUÇÃO AO PLANEJAMENTO E ANÁLISE ESTATÍSTICA

Leia mais

MAE 116 - Noções de Estatística Grupo A - 1 o semestre de 2014 Lista de exercício 8 - Aula 8 - Estimação para p - CASA

MAE 116 - Noções de Estatística Grupo A - 1 o semestre de 2014 Lista de exercício 8 - Aula 8 - Estimação para p - CASA MAE 116 - Noções de Estatística Grupo A - 1 o semestre de 2014 Lista de exercício 8 - Aula 8 - Estimação para p - CASA 1. (2,5) Um provedor de acesso à iteret está moitorado a duração do tempo das coexões

Leia mais

Jackknife, Bootstrap e outros métodos de reamostragem

Jackknife, Bootstrap e outros métodos de reamostragem Jackkife, Bootstrap e outros métodos de reamostragem Camilo Daleles Reó camilo@dpi.ipe.br Referata Biodiversa (http://www.dpi.ipe.br/referata/idex.html) São José dos Campos, 8 de dezembro de 20 Iferêcia

Leia mais

Testes de Hipóteses 5.1 6 8.8 11.5 4.4 8.4 8 7.5 9.5

Testes de Hipóteses 5.1 6 8.8 11.5 4.4 8.4 8 7.5 9.5 Testes de Hipóteses Supoha que o ível crítico de ifestação por um iseto-praga agrícola é de 10% das platas ifestadas. Você decide fazer um levatameto em ove lotes, selecioados aleatoriamete, de uma área

Leia mais

CAPÍTULO 8 - Noções de técnicas de amostragem

CAPÍTULO 8 - Noções de técnicas de amostragem INF 6 Estatística I JIRibeiro Júior CAPÍTULO 8 - Noções de técicas de amostragem Itrodução A Estatística costitui-se uma excelete ferrameta quado existem problemas de variabilidade a produção É uma ciêcia

Leia mais

Lista 9 - Introdução à Probabilidade e Estatística

Lista 9 - Introdução à Probabilidade e Estatística UNIVERSIDADE FEDERAL DO ABC Lista 9 - Itrodução à Probabilidade e Estatística Desigualdades e Teoremas Limites 1 Um ariro apota a um alvo de 20 cm de raio. Seus disparos atigem o alvo, em média, a 5 cm

Leia mais

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

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

Leia mais

Estatística stica para Metrologia

Estatística stica para Metrologia Estatística stica para Metrologia Aula Môica Barros, D.Sc. Juho de 28 Muitos problemas práticos exigem que a gete decida aceitar ou rejeitar alguma afirmação a respeito de um parâmetro de iteresse. Esta

Leia mais

Caderno de Fórmulas. Debêntures Cetip21

Caderno de Fórmulas. Debêntures Cetip21 Última Atualização: 01/04/2016 E ste Cadero tem por objetivo iformar aos usuários a metodologia e os critérios de precisão dos cálculos implemetados Para Debêtures o Cetip21. São aqui apresetadas fórmulas

Leia mais

CURSO ONLINE REGULAR ESTATÍSTICA BÁSICA PROF. SÉRGIO CARVALHO

CURSO ONLINE REGULAR ESTATÍSTICA BÁSICA PROF. SÉRGIO CARVALHO AULA 14 RESOLUÇÕES FINAIS DA LISTA DE QUESTÕES Olá, amigos! Espero que estejam todos bem! Apreseto-lhes, hoje, as vite e duas últimas resoluções da lista origial do osso Curso! Com elas, cocluímos o osso

Leia mais

UNICAMP - 2004. 2ª Fase MATEMÁTICA BERNOULLI COLÉGIO E PRÉ-VESTIBULAR

UNICAMP - 2004. 2ª Fase MATEMÁTICA BERNOULLI COLÉGIO E PRÉ-VESTIBULAR UNICAMP - 004 ª Fase MATEMÁTICA BERNOULLI COLÉGIO E PRÉ-VESTIBULAR Matemática Questão 01 Em uma sala há uma lâmpada, uma televisão [TV] e um aparelho de ar codicioado [AC]. O cosumo da lâmpada equivale

Leia mais

Métodos Quantitativos Aplicados

Métodos Quantitativos Aplicados Métodos Quatitativos Aplicados Aula 3 http://www.iseg.ulisboa.pt/~vescaria/mqa/ Tópicos apresetação Itrodução aos packages estatísticos: SPSS Aálise Uivariada: Redução de dados e caracterização de distribuições

Leia mais

PUCRS FAMAT DEPTº DE ESTATÍSTICA Estimação e Teste de Hipótese- Prof. Sérgio Kato

PUCRS FAMAT DEPTº DE ESTATÍSTICA Estimação e Teste de Hipótese- Prof. Sérgio Kato 1 PUCRS FAMAT DEPTº DE ESTATÍSTICA Estimação e Teste de Hipótese- Prof. Sérgio Kato 1. Estimação: O objetivo da iferêcia estatística é obter coclusões a respeito de populações através de uma amostra extraída

Leia mais

SISTEMA MÉTRICO DECIMAL

SISTEMA MÉTRICO DECIMAL SISTEMA MÉTRICO DECIMAL UNIDADES DE COMPRIMENTO A uidade fudametal chama-se metro (m). Múltiplos: quilômetro (km), hectômetro (hm) e decâmetro (dam) Submúltiplos: decímetro (dm), cetímetro (cm) e milímetro

Leia mais

Métodos Estatísticos de Previsão MÉTODOS ESTATÍSTICOS DE PREVISÃO. Regressão Linear. Bernardo Almada-Lobo

Métodos Estatísticos de Previsão MÉTODOS ESTATÍSTICOS DE PREVISÃO. Regressão Linear. Bernardo Almada-Lobo MÉTODO ETATÍTICO DE PREVIÃO 8 6 4 98 96 94 9 9 5 5 Regressão Liear Berardo Almada-Lobo Regressão A regressão é uma das técicas estatísticas mais potetes e de utilização mais frequete. É um método matemático

Leia mais

4 HIDROLOGIA ESTATÍSTICA: conceitos e aplicações

4 HIDROLOGIA ESTATÍSTICA: conceitos e aplicações 4 HIDROLOGIA ESTATÍSTICA: coceitos e aplicações 4. Coceitos básicos de Probabilidades Um cojuto de dados hidrológicos ecessita ser previamete aalisado com base em algus idicadores estatísticos básicos

Leia mais

A seguir, uma demonstração do livro. Para adquirir a versão completa em papel, acesse: www.pagina10.com.br

A seguir, uma demonstração do livro. Para adquirir a versão completa em papel, acesse: www.pagina10.com.br A seguir, uma demostração do livro. Para adquirir a versão completa em papel, acesse: www.pagia10.com.br Matemática comercial & fiaceira - 2 4 Juros Compostos Iiciamos o capítulo discorredo sobre como

Leia mais

Introdução ao Estudo de Sistemas Lineares

Introdução ao Estudo de Sistemas Lineares Itrodução ao Estudo de Sistemas Lieares 1. efiições. 1.1 Equação liear é toda seteça aberta, as icógitas x 1, x 2, x 3,..., x, do tipo a1 x1 a2 x2 a3 x3... a x b, em que a 1, a 2, a 3,..., a são os coeficietes

Leia mais

INTERPOLAÇÃO. Interpolação

INTERPOLAÇÃO. Interpolação INTERPOLAÇÃO Profa. Luciaa Motera motera@facom.ufms.br Faculdade de Computação Facom/UFMS Métodos Numéricos Iterpolação Defiição Aplicações Iterpolação Liear Equação da reta Estudo do erro Iterpolação

Leia mais

CURSO ONLINE DE EXERCÍCIOS MATEMÁTICA FINANCEIRA & ESTATÍSTICA AULA 09

CURSO ONLINE DE EXERCÍCIOS MATEMÁTICA FINANCEIRA & ESTATÍSTICA AULA 09 1 AULA 09 Olá, amigos! Chegamos hoje ao osso peúltimo simulado! Com mais esta aula, completaremos 8 (ceto e oito) questões resolvidas e miuciosamete aalisadas (54 de cada matéria). Teho a impressão de

Leia mais

ESTUDO DA SECAGEM DE BANANAS ATRAVÉS DO MODELO DE DIFUSÃO USANDO SOLUÇÕES ANALÍTICAS

ESTUDO DA SECAGEM DE BANANAS ATRAVÉS DO MODELO DE DIFUSÃO USANDO SOLUÇÕES ANALÍTICAS WWWCONVIBRAORG ESTUDO DA SECAGEM DE BANANAS ATRAVÉS DO MODELO DE DIFUSÃO USANDO SOLUÇÕES ANALÍTICAS ANDRÉA F RODRIGUES 1, WILTON P SILVA 2, JOSIVANDA P GOMES 3, CLEIDE M D P S SILVA 4, ÍCARO CARVALHO RAMOS

Leia mais

RESISTORES E RESISTÊNCIAS

RESISTORES E RESISTÊNCIAS ELETICIDADE CAPÍTULO ESISTOES E ESISTÊNCIAS No Capítulo estudamos, detre outras coisas, o coceito de resistêcia elétrica. Vimos que tal costitui a capacidade de um corpo qualquer se opôr a passagem de

Leia mais

O que é Estatística?

O que é Estatística? O que é Estatística? É um método de observação de feômeos coletivos. Ocupa-se da coleta, orgaização, resumo, apresetação e aálise de dados. Objetivo - Obter iformações que permitam uma descrição dos feômeos

Leia mais

Unesp Universidade Estadual Paulista FACULDADE DE ENGENHARIA

Unesp Universidade Estadual Paulista FACULDADE DE ENGENHARIA Uesp Uiversidade Estadual Paulista FACULDADE DE ENGENHARIA CAMPUS DE GUARATINGUETÁ MBA-PRO ESTATÍSTICA PARA A TOMADA DE DECISÃO Prof. Dr. Messias Borges Silva e Prof. M.Sc. Fabricio Maciel Gomes GUARATINGUETÁ,

Leia mais

1.4- Técnicas de Amostragem

1.4- Técnicas de Amostragem 1.4- Técicas de Amostragem É a parte da Teoria Estatística que defie os procedimetos para os plaejametos amostrais e as técicas de estimação utilizadas. As técicas de amostragem, tal como o plaejameto

Leia mais

Análise Combinatória I

Análise Combinatória I Aálise Combiatória I O pricípio fudametal da cotagem ada mais é que a maeira mais simples possível de determiar de quatas maeiras diferetes que um eveto pode acotecer. Se eu, por exemplo, estiver pitado

Leia mais

Estatística II Aula 3. Prof.: Patricia Maria Bortolon, D. Sc.

Estatística II Aula 3. Prof.: Patricia Maria Bortolon, D. Sc. Estatística II Aula 3 Prof.: Patricia Maria Bortolo, D. Sc. Estimação por Itervalo Objetivos Nesta semaa, veremos: Como costruir e iterpretar estimativas por itervalos de cofiaça para a média e a proporção

Leia mais

AMOSTRAGEM. CENSO: Quando é investigada todas (sem exceção) as unidades de uma população.

AMOSTRAGEM. CENSO: Quando é investigada todas (sem exceção) as unidades de uma população. AMOSTRAGEM CENSO X AMOSTRA População: Qualquer cojuto que possui, pelo meos, uma característica em comum. Exemplo: Produção de peças da Idústria X. A população pode ser fiita ou ifiita. População fiita:

Leia mais

CAPÍTULO III ANÁLISE DOS DADOS. Para responder à primeira pergunta, observe os dois gráficos abaixo

CAPÍTULO III ANÁLISE DOS DADOS. Para responder à primeira pergunta, observe os dois gráficos abaixo CAPÍTULO III ANÁLISE DOS DADOS III.5 Idéias básicas sobre gráficos e modelos Modelos são regras matemáticas que permitem reproduzir um cojuto de valores uméricos a partir de outro ao qual correspodem.

Leia mais

Módulo 4 Matemática Financeira

Módulo 4 Matemática Financeira Módulo 4 Matemática Fiaceira I Coceitos Iiciais 1 Juros Juro é a remueração ou aluguel por um capital aplicado ou emprestado, o valor é obtido pela difereça etre dois pagametos, um em cada tempo, de modo

Leia mais

Séries de Potências AULA LIVRO

Séries de Potências AULA LIVRO LIVRO Séries de Potêcias META Apresetar os coceitos e as pricipais propriedades de Séries de Potêcias. Além disso, itroduziremos as primeiras maeiras de escrever uma fução dada como uma série de potêcias.

Leia mais

TESTE DE MANN-WHITNEY

TESTE DE MANN-WHITNEY TESTE DE MANN-WHITNEY A importâcia deste teste é ser a alterativa ão paramétrica ao teste t para a difereça de médias. Sejam (X 1,X,...,X ) e (Y 1,Y,...,Y m ) duas amostras idepedetes, de tamahos e m respectivamete,

Leia mais

SÉRIE: Estatística Básica Texto v: CORRELAÇÃO E REGRESSÃO SUMÁRIO 1. CORRELAÇÃO...2

SÉRIE: Estatística Básica Texto v: CORRELAÇÃO E REGRESSÃO SUMÁRIO 1. CORRELAÇÃO...2 SUMÁRIO 1. CORRELAÇÃO... 1.1. Itrodução... 1.. Padrões de associação... 3 1.3. Idicadores de associação... 3 1.4. O coeficiete de correlação... 5 1.5. Hipóteses básicas... 5 1.6. Defiição... 6 1.7. Distribuição

Leia mais

AULA: Inferência Estatística

AULA: Inferência Estatística AULA: Iferêcia Estatística stica Prof. Víctor Hugo Lachos Dávila Iferêcia Estatística Iferêcia Estatística é um cojuto de técicas que objetiva estudar uma oulação através de evidêcias forecidas or uma

Leia mais

Departamento de Engenharia Civil Nivelação de Terrenos

Departamento de Engenharia Civil Nivelação de Terrenos Departameto de Egeharia Civil Nivelação de Terreos Rosa Marques Satos Coelho Paulo Flores Ribeiro 006 / 007 . Nivelação de Terreos Por ivelação de terreos etede-se o cojuto de operações topográficas que

Leia mais

Instituto de Engenharia de Produção & Gestão

Instituto de Engenharia de Produção & Gestão UNIFEI - Uiversidade Federal de Itajubá Istituto de Egeharia de Produção & Gestão Notas compiladas por PEDRO PAULO BALESTRASSI ANDERSON PAULO DE PAIVA Itajubá/007 CAPÍTULO - ESTATÍSTICA. - Do que trata

Leia mais

Probabilidade e Estatística. Probabilidade e Estatística

Probabilidade e Estatística. Probabilidade e Estatística Probabilidade e Estatística i Sumário 1 Estatística Descritiva 1 1.1 Coceitos Básicos.................................... 1 1.1.1 Defiições importates............................. 1 1.2 Tabelas Estatísticas...................................

Leia mais

SOLUÇÃO DA EQUAÇÃO CARACTERÍSTICA NA ANÁLISE DINÂMICA DE UM PÓRTICO PLANO UTILIZANDO O MÉTODO DE NEWTON RAPHSON

SOLUÇÃO DA EQUAÇÃO CARACTERÍSTICA NA ANÁLISE DINÂMICA DE UM PÓRTICO PLANO UTILIZANDO O MÉTODO DE NEWTON RAPHSON G. A. Aleadri, A. E. Limberger, T. A. Bertuzzo, G. H. Dalposso, R. J. M. Fakhye REEC Revista Eletrôica de Egeharia Civil Vol 6 º (3) SOLUÇÃO DA EQUAÇÃO CARACTERÍSTICA NA ANÁLISE DINÂMICA DE UM PÓRTICO

Leia mais

SUMÁRIO 1. AMOSTRAGEM 4. 1.1. Conceitos básicos 4

SUMÁRIO 1. AMOSTRAGEM 4. 1.1. Conceitos básicos 4 SUMÁRIO 1. AMOSTRAGEM 4 1.1. Coceitos básicos 4 1.. Distribuição amostral dos estimadores 8 1..1. Distribuição amostral da média 8 1... Distribuição amostral da variâcia 11 1..3. Distribuição amostral

Leia mais

Modelos de Regressão Linear Simples - Erro Puro e Falta de Ajuste

Modelos de Regressão Linear Simples - Erro Puro e Falta de Ajuste Modelos de Regressão Linear Simples - Erro Puro e Falta de Ajuste Erica Castilho Rodrigues 2 de Setembro de 2014 Erro Puro 3 Existem dois motivos pelos quais os pontos observados podem não cair na reta

Leia mais

Testes de Hipóteses para a Diferença Entre Duas Médias Populacionais

Testes de Hipóteses para a Diferença Entre Duas Médias Populacionais Estatística II Atoio Roque Aula Testes de Hipóteses para a Difereça Etre Duas Médias Populacioais Vamos cosiderar o seguite problema: Um pesquisador está estudado o efeito da deficiêcia de vitamia E sobre

Leia mais

s =, sendo n= n Uma amostra de 60 indivíduos onde a massa corpórea, em kg, tiver média 42kg e um desvio padrão de 3,5 o Erro Padrão da Média será:

s =, sendo n= n Uma amostra de 60 indivíduos onde a massa corpórea, em kg, tiver média 42kg e um desvio padrão de 3,5 o Erro Padrão da Média será: statística Aplicada Prof. Atoio Sales/ 013 DSVIO PADRÃO RRO PADRÃO DA MÉDIA As iferêcias sobre uma população podem ser baseadas em observações a partir de amostras de populações. Como a amostra, a maior

Leia mais

INTRODUÇÃO A TEORIA DE CONJUNTOS

INTRODUÇÃO A TEORIA DE CONJUNTOS INTRODUÇÃO TEORI DE CONJUNTOS Professora Laura guiar Cojuto dmitiremos que um cojuto seja uma coleção de ojetos chamados elemetos e que cada elemeto é um dos compoetes do cojuto. Geralmete, para dar ome

Leia mais

Revisão 01-2011. Exercícios Lista 01 21/02/2011. Questão 01 UFRJ - 2006

Revisão 01-2011. Exercícios Lista 01 21/02/2011. Questão 01 UFRJ - 2006 Aluo(a): Professor: Chiquiho Revisão 0-20 Exercícios Lista 0 2/02/20 Questão 0 UFRJ - 2006 Dois estados produzem trigo e soja. Os gráficos abaixo represetam a produção relativa de grãos de cada um desses

Leia mais

LAYOUT CONSIDERAÇÕES GERAIS DEFINIÇÃO. Fabrício Quadros Borges*

LAYOUT CONSIDERAÇÕES GERAIS DEFINIÇÃO. Fabrício Quadros Borges* LAYOUT Fabrício Quadros Borges* RESUMO: O texto a seguir fala sobre os layouts que uma empresa pode usar para sua arrumação e por coseguite ajudar em solucioar problemas de produção, posicioameto de máquias,

Leia mais

Unidade V - Desempenho de Sistemas de Controle com Retroação

Unidade V - Desempenho de Sistemas de Controle com Retroação Uidade V - Desempeho de Sistemas de Cotrole com Retroação Itrodução; Siais de etrada para Teste; Desempeho de um Sistemas de Seguda Ordem; Efeitos de um Terceiro Pólo e de um Zero a Resposta Sistemas de

Leia mais

( ) ( ) ( ) ( ) ( ) 3 - INTRODUÇÃO À RESOLUÇÃO DE SISTEMAS NÃO LINEARES. Introdução.

( ) ( ) ( ) ( ) ( ) 3 - INTRODUÇÃO À RESOLUÇÃO DE SISTEMAS NÃO LINEARES. Introdução. 55 3 - INTRODUÇÃO À RESOLUÇÃO DE SISTEMAS NÃO LINEARES. Itrodução. No processo de resolução de um problema prático é reqüete a ecessidade de se obter a solução de um sistema de equações ão lieares. Dada

Leia mais

APLICAÇÃO DO PROBLEMA DO CAIXEIRO VIAJANTE NA OTIMIZAÇÃO DE ROTEIROS

APLICAÇÃO DO PROBLEMA DO CAIXEIRO VIAJANTE NA OTIMIZAÇÃO DE ROTEIROS APLICAÇÃO DO PROBLEMA DO CAIXEIRO VIAJANTE NA OTIMIZAÇÃO DE ROTEIROS Ferado Soares Gomes Taufer (FURG) feradosoares29@hotmail.com Elaie Correa Pereira (FURG) elaiepereira@prolic.furg.br Este artigo apreseta

Leia mais

A TORRE DE HANÓI Carlos Yuzo Shine - Colégio Etapa

A TORRE DE HANÓI Carlos Yuzo Shine - Colégio Etapa A TORRE DE HANÓI Carlos Yuzo Shie - Colégio Etapa Artigo baseado em aula miistrada a IV Semaa Olímpica, Salvador - BA Nível Iiciate. A Torre de Haói é um dos quebra-cabeças matemáticos mais populares.

Leia mais

Neste capítulo, vamos estender o conceito de adição, válido para um número finito de parcelas, à uma soma infinita de parcelas.

Neste capítulo, vamos estender o conceito de adição, válido para um número finito de parcelas, à uma soma infinita de parcelas. 5. SÉRIES NUMÉRICAS Neste capítulo, vamos esteder o coceito de adição, válido para um úmero fiito de parcelas, à uma soma ifiita de parcelas. 5.: Defiição e exemplos: Série geométrica e série de Dirichlet

Leia mais

5- CÁLCULO APROXIMADO DE INTEGRAIS 5.1- INTEGRAÇÃO NUMÉRICA

5- CÁLCULO APROXIMADO DE INTEGRAIS 5.1- INTEGRAÇÃO NUMÉRICA 5- CÁLCULO APROXIMADO DE INTEGRAIS 5.- INTEGRAÇÃO NUMÉRICA Itegrar umericamete uma fução y f() um dado itervalo [a, b] é itegrar um poliômio P () que aproime f() o dado itervalo. Em particular, se y f()

Leia mais

O Índice Preço/Lucro é um Indicador Eficiente? Evidências para o Mercado Brasileiro

O Índice Preço/Lucro é um Indicador Eficiente? Evidências para o Mercado Brasileiro O Ídice Preço/Lucro é um Idicador Eficiete? Evidêcias para o Mercado Brasileiro Kelmara Medes Vieira (UFSM) kelmara@smail.ufsm.br Alexadre Majola Gava (UFRGS) ale.gava@terra.com.br Resumo Este Trabalho

Leia mais

O TESTE DOS POSTOS ORDENADOS DE GALTON: UMA ABORDAGEM GEOMÉTRICA

O TESTE DOS POSTOS ORDENADOS DE GALTON: UMA ABORDAGEM GEOMÉTRICA O TESTE DOS POSTOS ORDENADOS DE GALTON: UMA ABORDAGEM GEOMÉTRICA Paulo César de Resede ANDRADE Lucas Moteiro CHAVES 2 Devail Jaques de SOUZA 2 RESUMO: Este trabalho apreseta a teoria do teste de Galto

Leia mais

M = 4320 CERTO. O montante será

M = 4320 CERTO. O montante será PROVA BANCO DO BRASIL / 008 CESPE Para a veda de otebooks, uma loja de iformática oferece vários plaos de fiaciameto e, em todos eles, a taxa básica de juros é de % compostos ao mês. Nessa situação, julgue

Leia mais

5n 3. 1 nsen(n + 327) e)

5n 3. 1 nsen(n + 327) e) Exercícios 1 Mostre, utilizado a defiição, que as seguites sucessões são limitadas: 2 4 50 a) b) 3 +16 1 5 3 2 c) 1 4( 1) 8 5 d) 100 5 3 2 + 2( 1) 1 4( 1) 8 1 se( + 327) e) f) 5 3 2 4 4 2 2 Mostre, utilizado

Leia mais

CURTOSE. Teremos, portanto, no tocante às situações de Curtose de um conjunto, as seguintes possibilidades:

CURTOSE. Teremos, portanto, no tocante às situações de Curtose de um conjunto, as seguintes possibilidades: CURTOSE O que sigifica aalisar um cojuto quato à Curtose? Sigifica apeas verificar o grau de achatameto da curva. Ou seja, saber se a Curva de Freqüêcia que represeta o cojuto é mais afilada ou mais achatada

Leia mais

MATEMÁTICA FINANCEIRA

MATEMÁTICA FINANCEIRA MATEMÁTICA FINANCEIRA Prof. Gilmar Boratto Material de apoio para o curso de Admiistração. ÍNDICE CONCEITOS BÁSICOS...- 2-1- CONCEITO DE FLUXO DE CAIXA...- 2-2-A MATEMÁTICA FINANCEIRA E SEUS OBJETIVOS...-

Leia mais

Universidade Federal de Ouro Preto UFOP. Instituto de Ciências Exatas e Biológicas ICEB. Departamento de Computação DECOM

Universidade Federal de Ouro Preto UFOP. Instituto de Ciências Exatas e Biológicas ICEB. Departamento de Computação DECOM Programação de Computadores I BCC 701 2012-02 Lista de Exercícios 02 Desvio do Fluxo de Execução - Parte A Exercício 01 Codifique um programa que faça a entrada de um número qualquer pelo teclado. A seguir

Leia mais

1.5 Aritmética de Ponto Flutuante

1.5 Aritmética de Ponto Flutuante .5 Aritmética de Poto Flutuate A represetação em aritmética de poto flutuate é muito utilizada a computação digital. Um exemplo é a caso das calculadoras cietíficas. Exemplo:,597 03. 3 Este úmero represeta:,597.

Leia mais

Curso Mentor. Radicais ( ) www.cursomentor.wordpress.com. Definição. Expoente Fracionário. Extração da Raiz Quadrada. Por definição temos que:

Curso Mentor. Radicais ( ) www.cursomentor.wordpress.com. Definição. Expoente Fracionário. Extração da Raiz Quadrada. Por definição temos que: Curso Metor www.cursometor.wordpress.com Defiição Por defiição temos que: Radicais a b b a, N, Observação : Se é par devemos ter que a é positivo. Observação : Por defiição temos:. 0 0 Observação : Chamamos

Leia mais

Prova 3 Matemática ... GABARITO 1 NOME DO CANDIDATO:

Prova 3 Matemática ... GABARITO 1 NOME DO CANDIDATO: Prova 3 QUESTÕES OBJETIIVAS N ọ DE ORDEM: NOME DO CANDIDATO: N ọ DE INSCRIÇÃO: IINSTRUÇÕES PARA A REALIIZAÇÃO DA PROVA. Cofira os campos N ọ DE ORDEM, N ọ DE INSCRIÇÃO e NOME, que costam da etiqueta fixada

Leia mais

ATIVIDADE DE CÁLCULO, FÍSICA E QUÍMICA ZERO

ATIVIDADE DE CÁLCULO, FÍSICA E QUÍMICA ZERO ATIVIDADE DE CÁLCULO, FÍSICA E QUÍMICA ZERO Rita Moura Fortes proeg.upm@mackezie.com.br Uiversidade Presbiteriaa Mackezie, Escola de Egeharia, Departameto de Propedêutica de Egeharia Rua da Cosolação,

Leia mais

Probabilidades. José Viegas

Probabilidades. José Viegas Probabilidades José Viegas Lisboa 001 1 Teoria das probabilidades Coceito geral de probabilidade Supoha-se que o eveto A pode ocorrer x vezes em, igualmete possíveis. Etão a probabilidade de ocorrêcia

Leia mais

Análise de Projectos ESAPL / IPVC. Critérios de Valorização e Selecção de Investimentos. Métodos Estáticos

Análise de Projectos ESAPL / IPVC. Critérios de Valorização e Selecção de Investimentos. Métodos Estáticos Aálise de Projectos ESAPL / IPVC Critérios de Valorização e Selecção de Ivestimetos. Métodos Estáticos Como escolher ivestimetos? Desde sempre que o homem teve ecessidade de ecotrar métodos racioais para

Leia mais

: 8. log 3 4 : 7 B 6 B C. B D. 1 x. t é o tempo, dado em horas, e

: 8. log 3 4 : 7 B 6 B C. B D. 1 x. t é o tempo, dado em horas, e Eame de Admissão de Matemática Págia de... Simpliicado a epressão. : : tem-se: Simpliicado a epressão p p p Sabedo que p p obtém-se: p p log a etão log será igual a: a a a a pp p p. Para diluir litro de

Leia mais

Pressuposições à ANOVA

Pressuposições à ANOVA UNIVERSIDADE FEDERAL DE RONDÔNIA CAMPUS DE JI-PARANÁ DEPARTAMENTO DE ENGENHARIA AMBIENTAL Estatística II Aula do dia 09.11.010 A análise de variância de um experimento inteiramente ao acaso exige que sejam

Leia mais

Os juros compostos são conhecidos, popularmente, como juros sobre juros.

Os juros compostos são conhecidos, popularmente, como juros sobre juros. Módulo 4 JUROS COMPOSTOS Os juros compostos são cohecidos, popularmete, como juros sobre juros. 1. Itrodução Etedemos por juros compostos quado o fial de cada período de capitalização, os redimetos são

Leia mais

O poço de potencial infinito

O poço de potencial infinito O poço de potecial ifiito A U L A 14 Meta da aula Aplicar o formalismo quâtico ao caso de um potecial V(x) que tem a forma de um poço ifiito: o potecial é ifiito para x < a/ e para x > a/, e tem o valor

Leia mais

4. Inferência Estatística Estimadores Pontuais

4. Inferência Estatística Estimadores Pontuais 4. Iferêcia Estatística Estimadores Potuais 4.1. Itrodução Em lihas gerais, a Iferêcia Estatística objetiva estudar a população através de evidêcias forecidas pela amostra. É a amostra que cotém os elemetos

Leia mais

Desigualdades (por Iuri de Silvio ITA-T11)

Desigualdades (por Iuri de Silvio ITA-T11) Desigualdades (por Iuri de Silvio ITA-T) Apresetação O objetivo desse artigo é apresetar as desigualdades mais importates para quem vai prestar IME/ITA, e mostrar como elas podem ser utilizadas a resolução

Leia mais

5. A nota final será a soma dos pontos (negativos e positivos) de todas as questões

5. A nota final será a soma dos pontos (negativos e positivos) de todas as questões DEPARTAMENTO DE ESTATÍSTICA - UFMG PROVA DE ESTATÍSTICA E PROBABILIDADE SELEÇÃO - MESTRADO/ UFMG - 2013/2014 Istruções: 1. Cada questão respodida corretamete vale 1 (um) poto. 2. Cada questão respodida

Leia mais

AULA 07 Distribuições Discretas de Probabilidade

AULA 07 Distribuições Discretas de Probabilidade 1 AULA 07 Distribuições Discretas de Probabilidade Ernesto F. L. Amaral 31 de agosto de 2010 Metodologia de Pesquisa (DCP 854B) Fonte: Triola, Mario F. 2008. Introdução à estatística. 10 ª ed. Rio de Janeiro:

Leia mais

AULA 19 Análise de Variância

AULA 19 Análise de Variância 1 AULA 19 Análise de Variância Ernesto F. L. Amaral 18 de outubro de 2012 Metodologia de Pesquisa (DCP 854B) Fonte: Triola, Mario F. 2008. Introdução à estatística. 10 ª ed. Rio de Janeiro: LTC. Capítulo

Leia mais

MINISTÉRIO DAS CIDADES, ORDENAMENTO DO TERRITÓRIO E AMBIENTE Instituto do Ambiente PROCEDIMENTOS ESPECÍFICOS DE MEDIÇÃO DE RUÍDO AMBIENTE

MINISTÉRIO DAS CIDADES, ORDENAMENTO DO TERRITÓRIO E AMBIENTE Instituto do Ambiente PROCEDIMENTOS ESPECÍFICOS DE MEDIÇÃO DE RUÍDO AMBIENTE MINISÉRIO DAS CIDADES, ORDENAMENO DO ERRIÓRIO E AMBIENE Istituto do Ambiete PROCEDIMENOS ESPECÍFICOS DE MEDIÇÃO DE RUÍDO AMBIENE Abril 2003 . Equadrameto O presete documeto descreve a metodologia a seguir

Leia mais

J. A. M. Felippe de Souza 9 Diagramas de Bode

J. A. M. Felippe de Souza 9 Diagramas de Bode 9 Diagramas de Bode 9. Itrodução aos diagramas de Bode 3 9. A Fução de rasferêcia 4 9.3 Pólos e zeros da Fução de rasferêcia 8 Equação característica 8 Pólos da Fução de rasferêcia 8 Zeros da Fução de

Leia mais

Pesquisa Operacional

Pesquisa Operacional Faculdade de Egeharia - Campus de Guaratiguetá esquisa Operacioal Livro: Itrodução à esquisa Operacioal Capítulo 6 Teoria de Filas Ferado Maris fmaris@feg.uesp.br Departameto de rodução umário Itrodução

Leia mais

somente um valor da variável y para cada valor de variável x.

somente um valor da variável y para cada valor de variável x. Notas de Aula: Revisão de fuções e geometria aalítica REVISÃO DE FUNÇÕES Fução como regra ou correspodêcia Defiição : Uma fução f é uma regra ou uma correspodêcia que faz associar um e somete um valor

Leia mais

UM NOVO OLHAR PARA O TEOREMA DE EULER

UM NOVO OLHAR PARA O TEOREMA DE EULER X Ecotro Nacioal de Educação Matemática UM NOVO OLHA PAA O TEOEMA DE EULE Iácio Atôio Athayde Oliveira Secretária de Educação do Distrito Federal professoriacio@gmail.com Aa Maria edolfi Gadulfo Uiversidade

Leia mais

Capitulo 6 Resolução de Exercícios

Capitulo 6 Resolução de Exercícios FORMULÁRIO Cojutos Equivaletes o Regime de Juros Simples./Vecimeto Comum. Descoto Racioal ou Por Detro C1 C2 Cm C1 C2 C...... 1 i 1 i 1 i 1 i 1 i 1 i 1 2 m 1 2 m C Ck 1 i 1 i k1 Descoto Por Fora ou Comercial

Leia mais

Medidas de dispersão e assimetria

Medidas de dispersão e assimetria Metodologia de Diagnóstico e Elaboração de Relatório FASHT Medidas de dispersão e assimetria Profª Cesaltina Pires cpires@uevora.pt Plano da Apresentação Medidas de dispersão Variância Desvio padrão Erro

Leia mais

INTERVALOS DE CONFIANÇA ESTATISTICA AVANÇADA

INTERVALOS DE CONFIANÇA ESTATISTICA AVANÇADA INTERVALOS DE CONFIANÇA ESTATISTICA AVANÇADA Resumo Itervalos de Cofiaça ara médias e roorções com alicações a Egeharia. Ferado Mori Prof.fmori@gmail.com Itervallos de Cofiiaça ara Médiias e Proorções

Leia mais

Duas Fases da Estatística

Duas Fases da Estatística Aula 5. Itervalos de Cofiaça Métodos Estadísticos 008 Uiversidade de Averio Profª Gladys Castillo Jordá Duas Fases da Estatística Estatística Descritiva: descrever e estudar uma amostra Estatística Idutiva

Leia mais