7 Teste de Hipóteses

Save this PDF as:
 WORD  PNG  TXT  JPG

Tamanho: px
Começar a partir da página:

Download "7 Teste de Hipóteses"

Transcrição

1 7 Teste de Hipóteses 7-1 Aspectos Gerais 7-2 Fundamentos do Teste de Hipóteses 7-3 Teste de uma Afirmação sobre a Média: Grandes Amostras 7-4 Teste de uma Afirmação sobre a Média : Pequenas Amostras 7-5 Teste de uma Afirmação sobre uma Proporção 1

2 7-1 Aspectos Gerais Definição Hipótese Em Estatística, é uma alegação ou afirmação sobre uma propriedade de uma população 2

3 Regra do Evento Raro para Inferência Estatística Analisar uma amostra para distinguir entre resultados que podem ocorrer facilmente e os que dificilmente ocorrem. A ocorrência de resultados altamente improváveis pode ser explicada pela ocorrência efetiva de um evento raro, ou de que nossa suposição não está correta. 3

4 7-2 Fundamentos do Teste de Hipóteses 4

5 Figura 7-1 Teorema Central do Limite Distribuição Esperada de Médias Amostrais Supondo µ = 98,6 Dados amostrais: z = - 6,64 ou x = 98,20 Médias amostrais prováveis µ x = 98,6 z = - 1,96 ou x = 98,48 z = 1,96 ou x = 98,72 5

6 Componentes de um Teste de Hipóteses Formal 6

7 Hipótese Nula: H 0 Afirmação sobre valor de parâmetro populacional Deve conter a condição de igualdade =,, ou Testar a Hipótese Nula diretamente Rejeitar H 0 ou não rejeitar H 0 7

8 Hipótese Alternativa: H 1 Deve ser verdadeira se H 0 é falsa, <, > oposto da Hipótese Nula. 8

9 Nota sobre a Indicação de suas Próprias Afirmações (Hipóteses) Se você está fazendo uma pesquisa e deseja usar um teste de hipótese para apoiar sua afirmação, esta afirmação deve ser formulada de maneira que se torne a hipótese alternativa (hipótese de pesquisa). 9

10 Nota sobre o Teste de Validade de uma Afirmação Alheia A afirmação original às vezes se torna a hipótese nula (porque contém a igualdade) e por vezes passa a ser a hipótese alternativa (porque não contém a desigualdade). 10

11 Estatística de Teste um valor baseado nos dados amostras que é usado para tomar uma decisão sobre a rejeição da hipótese nula. para grandes amostras, testando afirmações sobre médias populacionais z = x - µ x σ n 11

12 Região Crítica Conjunto de todos os valores da estatística de teste que levam à rejeição da hipótese nula Região Crítica 12

13 Nível de Significância denotado por α é a probabilidade de rejeitar a Hipótese Nula quando ela é verdadeira. são comuns as escolhas 0,05; 0,01 e 0,10. (É tipicamente predeterminado) 13

14 Valores Críticos Valor, ou valores, que separa(m) a região crítica dos valores da estatística de teste que não levam à rejeição da hipótese nula. Rejeita H 0 Não rejeita H 0 Valor Crítico (escore z ) 14

15 Teste Bilateral, Unilateral Esquerdo, Unilateral Direito As caudas em uma distribuição são as regiões extremas delimitadas por valores críticos. 15

16 Teste Bilateral H 0 : µ = 100 H 1 : µ 100 α é dividido igualmente entre as duas caudas da região crítica Significa menor ou maior que Rejeita H 0 Não Rejeita H 0 Rejeita H Valores que são significativamente distantes de

17 Teste Unilateral Direito H 0 : µ 100 H 1 : µ > 100 Pontos à direita Não rejeita H 0 Rejeita H Valores que são significativamente distantes de

18 Teste Unilateral Esquerdo Pontos à Esquerda H 0 : µ 100 H 1 : µ < 100 Rejeita H 0 Não rejeita H 0 Valores que são significativamente distantes de

19 Conclusões no Teste de Hipóteses Testar sempre a hipótese nula 1. Rejeitar a hipótese nula H 0 2. Não rejeitar a hipótese nula H 0 É necessário formular corretamente a conclusão final. Veja Figura

20 FIGURA 7-4 Terminologia das Conclusões Finais Início A afirmação original contém a condição de igualdade? Sim (A afirmação original contém a igualdade e se torna H 0 ) Não (A afirmação original não contém a igualdade e se torna H 1 ) Rejeitar H 0? Sim (Rejeitar H 0 ) Não (Não rejeitar H 0 ) Rejeitar H 0? Sim (Rejeitar H 0 ) Não (Não rejeitar H 0 ) Há evidência suficiente para garantir a rejeição da afirmação de que... (afirmação original). Não há evidência suficiente para garantir a rejeição da afirmação de que... (afirmação original). Os dados amostrais apóiam a afirmação de que...(afirmação original). Não há evidência amostral para apoiar a afirmação de que... (afirmação original). (Único caso em que a afirmação original é rejeitada). (Único caso em que a afirmação original é apoiada 20

21 Aceitar versus Não Rejeitar alguns textos usam aceitar a hipótese nula devemos reconhecer que não estamos provando a hipótese nula estamos dizendo que a evidência amostral não é forte o suficiente para recomendar a rejeição da hipótese nula (tal como um júri decidir que não há evidência suficiente para condenar um acusado) 21

22 Erro Tipo I O erro de rejeitar a hipótese nula quando ela é verdadeira. α (alfa) é usado para representar a probabilidade de um erro tipo I. Exemplo: Rejeitar a afirmação de que a temperatura do corpo é 37ºC, quando aquela média é, de fato, 37ºC. 22

23 Erro Tipo II Erro de não rejeitar a hipótese nula quando ela é falsa. ß (beta) é usado para representar a probabilidade de um erro tipo II. Exemplo: Não rejeitar a afirmação de que a temperatura do corpo é 37ºC, quando aquela é, de fato, falsa (a média não é 37ºC). 23

24 Tabela 7-2 Erros Tipo I e Tipo II Verdadeiro Estado da Natureza A hipótese nula é verdadeira A hipótese nula é falsa Erro tipo I Decisão Decidimos rejeitar a hipótese nula Não rejeitamos a hipótese nula (rejeição de uma H 0 verdadeira) α Decisão correta Decisão correta Erro tipo II (não rejeição de uma H o falsa) β 24

25 Controle dos Erros Tipo I e Tipo II Para α fixo, um aumento do tamanho n da amostra ocasiona uma redução de β. Para um tamanho n, fixo, de amostra, uma diminuição de α acarreta um aumento de β. Reciprocamente, um aumento de α acarreta a diminuição de β. Para reduzir α e β, deve-se aumentar o tamanho da amostra. 25

26 Definição Poder de um Teste de Hipóteses é a probabilidade (1 - β ) de rejeitar um hipótese nula falsa, que é calculada através de um particular nível de significância α e um particular valor de média que é uma alternativa para o valor suposto verdadeiro na hipótese nula. 26

27 7-3 Teste de uma Afirmação sobre uma Média: Grandes Amostras 27

28 Três Métodos Discutidos 1) Método tradicional 2) Método do valor P 3) Intervalos de confiança 28

29 Hipóteses para testar afirmações sobre média populacional 1) A amostra é uma amostra aleatória simples. 2) A amostra é grande (n > 30). a) Aplica-se o Teorema Central do Limite b) Pode-se usar a distribuição normal 3) Se σ é desconhecido, podemos utilizar o desvio-padrão amostral s como uma estimativa para σ. 29

30 Estatística de Teste para Afirmações sobre µ quando n > 30 x - µ x z = σ n O método tradicional (ou clássico) do teste de hipóteses converte uma estatística amostral importante, em uma estatística de teste que é comparada com um valor crítico. 30

31 Método Tradicional (ou Clássico) de Teste de Hipóteses Figura Identificar a afirmação ou hipótese específica a ser testada e colocá-la em forma simbólica. 2. Dar a forma simbólica que deve ser verdadeira quando a afirmação original é falsa. 3. Das 2 expressões simbólicas obtidas até agora, a hipótese nula H0 é a que contém a condição de igualdade. H1 é a outra afirmação. 4. Escolher o nível de significância α com base na gravidade de um erro tipo I. Tomar α pequeno se as conseqüências da rejeição de uma H0 verdadeira são sérias. São muito comuns os valores de 0,05 e 0, Identificar a estatística relevante para este teste e determinar sua distribuição amostral. 6. Determinar a estatística de teste, os valores críticos e a região crítica. Esboçar um gráfico e incluir a estatística de teste, o(s) valor(es) crítico(s) e a região crítica. 7. Rejeitar H0 se a estatística de teste está na região crítica. Não rejeitar H0 se a estatística de teste não está na região crítica. 8. Reformular a decisão precedente em termos simples, não-técnicos. (Ver Figura 7-4) 31

32 Critério de Decisão (Passo 7) Rejeitar a hipótese nula se a estatística de teste está na região crítica Não rejeitar a hipótese nula se a estatística de teste não está na região crítica. 32

33 Método do Valor P para o Teste de Hipóteses Similar ao método tradicional a principal diferença é a maneira pela qual é tomada a decisão para rejeitar a hipótese nula. o procedimento encontra a probabilidade (Valor P) de obter um resultado e rejeita-se a hipótese nula se esta probabilidade é muito baixa. 33

34 Método do Valor P para o Teste de Hipóteses Definição Valor P (ou valor de probabilidade) é a probabilidade de obter um valor da estatística amostral de teste no mínimo tão extremo como o que resulta dos dados amostrais, na suposição de a hipótese nula ser verdadeira. 34

35 Valor P Valores P pequenos (tais como 0,05 ou menor) Interpretação Resultados amostrais incomuns. Diferença significante da hipótese nula. Valores P grandes (acima de 0,05 ) Os resultados amostrais não são incomuns. Não é uma diferença significante da hipótese nula. 35

36 Figura 7-8 Determinação dos Valores P Início Unilateral esquerdo Que tipo de teste? Bilateral Unilateral direito Valor P = área à esquerda da estatística de teste À esquerda Valor P = 2 vezes a área à esquerda da estatística de teste A estatística de teste está à direita ou à esquerda do centro? À direita Valor P = 2 vezes a área à direita da estatística de teste Valor P = área à direita da estatística de teste Valor P Valor P é duas vezes esta área Valor P é duas vezes esta área Valor P µ µ Estatística de teste Estatística de teste µ Estatística de teste µ Estatística de teste 36

37 Procedimento é o mesmo, exceto para os passos 6 e 7 Passo 6: Achar o valor P (como mostrado na Figura 7-8) Passo 7: Reportar o valor P. Rejeitar a hipótese nula se o valor P é no máximo igual ao nível de significância α. Não rejeitar a hipótese nula se o valor P é maior do que o nível de significância α. 37

38 Teste de Afirmações com Intervalos de Confiança Uma estimativa intervalar de um parâmetro populacional contém os valores prováveis daquele parâmetro. Devemos, por conseguinte, rejeitar uma afirmação de que o parâmetro populacional tenha um valor que não está compreendido no intervalo de confiança. 38

39 Razão Subjacente do Teste de Hipóteses Se, sob uma dada suposição observada, a probabilidade de obtermos a amostra é excepcionalmente pequena, concluímos que a suposição provavelmente não é correta. Ao testarmos uma afirmação, fazemos uma suposição (hipótese nula) que contém a igualdade. Comparamos então a suposição com os dados amostrais, e formulamos uma das conclusões seguintes: 39

40 Razão Subjacente do Teste de Hipóteses Se os resultados amostrais podem ocorrer facilmente quando a suposição (hipótese nula) é verdadeira, atribuímos ao acaso a discrepância relativamente pequena entre a suposição e os resultados amostrais. Se os resultados amostrais não são susceptíveis de ocorrer com facilidade quando a suposição (hipótese nula) é verdadeira, explicamos a discrepância relativamente grande entre a suposição e os resultados amostrais concluindo que a suposição não é verdadeira. 40

41 7-4 Teste de uma Afirmação sobre uma Média: Pequenas Amostras 41

42 Hipóteses para testar afirmação sobre média populacional 1) A amostra é uma amostra aleatória simples. 2) A amostra é pequena (n 30). 3) O valor do desvio-padrão populacional σ é desconhecido. 4) A população original tem distribuição essencialmente normal. 42

43 Estatística de Teste para uma Distribuição t- Student t = x -µ x s n Valores tabelados Valores Críticos Graus de liberdade = n -1 Valores t críticos à esquerda da média são negativos. 43

44 Propriedades Importantes da Distribuição t de Student 1. A distribuição t de Student é diferente para cada tamanho de amostra. 2. A distribuição t de Student tem a mesma forma geral de sino da distribuição normal. Sua forma mais aberta reflete a maior variabilidade esperada em pequenas amostras. 3. A distribuição t de Student tem média t = 0 (tal como a distribuição normal padronizada que tem média z = 0). 4. O desvio-padrão da distribuição t de Student varia com o tamanho da amostra, e é maior do que 1 (ao contrário da distribuição normal padronizada, em que σ = 1). 5. À medida que o tamanho n da amostra aumenta, a distribuição t de Student se aproxima da distribuição normal. Para valores de n > 30, as diferenças são tão pequenas que podemos usar os valores críticos z em lugar de elaborar uma tabela muito maior de valores críticos de t. (Os valores na base da Tabela A-3 são iguais aos valores críticos z correspondentes da distribuição normal padronizada.) 44

45 Figura 7-11 Escolha entre a Distribuição Normal e a Distribuição t ao Testar uma Afirmação sobre a Média Populacional µ Início Use a distribuição normal com n > 30? Não Sim x - µ Z = x σ/ n (Se σ é desconhecido, use s.) A distribuição da população é essencialmente normal? (Trace um histograma.) Não Use métodos não-paramétricos, que não exijam uma distribuição normal. Sim σ é conhecido? Não Use a distribuição t de Student com x - µ t x = s/ n Use a distribuição normal com x - µ Z = x σ/ n (Este caso é raro.) 45

46 7-5 Teste de uma Afirmação sobre uma Proporção 46

47 Hipóteses para testar afirmação sobre proporção populacional 1) A amostra é uma amostra aleatória simples. 2) São verificadas as condições para um experimento binomial. 3) As condições np 5 e n(1-p) 5 são ambas satisfeitas, de modo que a distribuição binomial das proporções amostrais pode ser aproximada por uma distribuição normal com µ = np e σ = np(1-p) 47

48 Notação n = número de provas p = x/n (proporção amostral) p = proporção populacional (usada na hipótese nula) q = 1 - p 48

49 Estatística para Teste de uma Afirmação sobre uma Proporção p - p z = pq n 49

50 Método do Valor P Conforme descrito anteriormente Rejeitar a hipótese nula se o valor P é menor ou igual ao nível de significância α. 50

51 p algumas vezes é dado diretamente 10% dos carros esportes observados são vermelhos está expresso como p = 0,10 p algumas vezes deve ser calculado 96 das donas de casa pesquisadas tem TV à cabo e 54 não, é calculado usando x n 96 (96+54) p = = = 0,64 51

52 Estatística para Teste de uma Afirmação sobre uma Proporção z = p - p pq n x np x - µ x - np z = = = n n = p - p σ npq npq pq n n 52

53 8 Inferências com Base em Duas Amostras 8-1 Aspectos Gerais 8-2 Inferências sobre Duas Médias: Amostras Independentes e Grandes 8-3 Inferências sobre Duas Médias: Amostras Dependentes 53

54 8-1 Aspectos Gerais Há muitas situações importantes em que se faz necessário comparar dois conjuntos de dados amostrais. 54

55 8-2 Inferências sobre Duas Médias: Amostras Independentes e Grandes 55

56 Definições Duas Amostras: Independentes Os valores amostrais escolhidos de uma população não tem qualquer relação com os valores amostrais extraídos da outra população. Se os valores de uma amostra estão relacionados com os valores de outra amostra, as amostras são dependentes. Estas amostras são freqüentemente chamadas amostras ligadas ou amostras emparelhadas. 56

57 Suposições 1. As duas amostras são independentes. 2. Os tamanhos das duas amostras são grandes. Ou seja, n 1 > 30 e n 2 > Ambas as amostras são amostras aleatórias simples. 57

58 Teste de Hipóteses Estatística de Teste para Duas Médias: Amostras Independentes e Grandes z = (x 1 - x 2 ) - (µ 1 -µ 2 ) σ2. σ n n

59 Teste de Hipóteses Estatística de Teste para Duas Médias: Amostras Independentes e Grandes σ 1 e σ 2 : P-valor: Se σ 1 e σ 2 não são conhecidos, utilizar em seu seu lugar s 1 e s 2 desde que ambas as amostras sejam grandes. Usar o valor calculado da estatística de teste z, e determinar o P-valor através do mesmo procedimento resumido na Figura 7-8. Valores críticos: Baseado no nível de significância α, determinar os valores críticos através do processo apresentado na Seção

60 Coca versus Pepsi Conjunto de dados fornece pesos (em libras) de amostras de Coca e Pepsi (regulares). As estatísticas amostrais estão mostradas abaixo. Use o nível de significância de 0,01 para testar a afirmação que o peso médio da Coca regular é diferente do peso médio da Pepsi regular. Coca Pepsi n x 0, ,82410 s 0, ,

61 Coca Versus Pepsi 61

62 Afirmação: µ 1 µ 2 H o : µ 1 = µ 2 H 1 : µ 1 µ 2 Coca Versus Pepsi α = 0,01 Rejeitar H 0 Não rejeitar H 0 Rejeitar H 0 Z = - 2,575 Z = 2,575 µ 1 - µ 2 = 0 ou Z = 0 62

63 Coca Versus Pepsi Estatística de Teste para Duas Médias: Amostras Independentes e Grandes z = (0, ,82410) - 0 0, , = - 4,63 63

64 Afirmação: µ 1 µ 2 Coca Versus Pepsi H o : µ 1 = µ 2 H 1 : µ 1 µ 2 α = 0,01 Há evidência significativa para apoiar a afirmação que há uma diferença entre os pesos médios da Coca e da Pepsi. Rejeita H 0 Não rejeita H 0 Rejeita H 0 Rejeita-se a Hipótese Nula Dados amostrais: z = - 4,63 Z = - 2,575 Z = 2,575 µ 1 - µ 2 = 0 ou Z = 0 64

65 Intervalos de Confiança (x 1 - x 2 ) - E < (µ 1 -µ 2 ) < (x 1 - x 2 ) + E onde E = z α/ 2 σ2 σ n n

66 8-3 Inferências sobre Duas Médias: Amostras Dependentes 66

67 Suposições 1. Os dados amostrais consistem de amostras emparelhadas (amostras dependentes de duas populações). 2. As amostras são amostras aleatórias simples. 3. Se o número de pares de dados amostrais é pequeno (n 30), então a população de diferenças dos valores pareados deve ser aproximadamente normalmente distribuídas. 67

68 Notação para Amostras Dependentes µ d = média das diferenças d para a população de dados emparelhados d s d n = valor médio das diferenças d para os dados amostrais emparelhados (igual à média dos valores de x - y ) = desvio-padrão das diferenças d para os dados amostrais emparelhados. = número de pares de dados. 68

69 Estatística de Teste para Dados Amostrais EmparelhadosTest Statistic for Matched Pairs of Sample Data t = d - µ d s d n onde graus de liberdade = n

70 Valores Críticos Se n 30, os valores críticos são determinados através da Tabela A-3 (distribuição t de student). Se n > 30, os valores críticos são determinados através da Tabela A- 2 (distribuição normal). 70

71 Intervalos de Confiança d - E < µ d < d + E onde E = t α/ 2 s d n graus de liberdade = n -1 71

72 Quanto Estudantes de Estatística (homens) Exageram sua Altura? Usando os dados amostrais da Tabela 8-1 (com o outlier excluído), construir uma estimativa de um intervalo de 95% de confiança de µ d, que é a média das diferenças entre as alturas relatadas pelos alunos(homens) e suas alturas medidas. 72

73 Tabela 8-1 Alturas Relatadas e Medidas (em polegadas) de Estudantes de Estatística Estudante A B C D E F G H I J K L Altura ,25 66, Relatada Altura 66,8 73,9 74,3 66,1 67,2 67,9 69,4 69,9 68,6 67,9 67,6 68,8 Medida Diferença 1,2 0,1 7,95 0,4 1,8 0,1 1,6 0,1 1,4-0,9 0,4 1,2 outlier 73

74 Quanto Estudantes de Estatística (homens) Exageram em sua Altura? d = 0, s = 0, n = 11 t α/2 = 2,228 (determinado através da Tabela A-3 com 10 graus de liberdade e 0,05 bilateral) 74

75 Quanto Estudantes de Estatística (homens) Exageram sua Altura? E = t α/ 2 s d n 0, (2,228)( ) E = 11 = 0,

76 Quanto Estudantes de Estatística (homens) Exageram sua Altura? 0,12 < µ d < 1,23 A longo prazo, 95% de tais amostras levarão a limites do intervalo de confiança que contêm efetivamente a verdadeira média populacional das diferenças. Note que os limites do intervalo de confiança não contém 0, o que indica que o verdadeiro valor de µ d é significativamente diferente de. Há evidência suficiente para apoiar a afirmação de que há diferença entre as alturas relatadas e as alturas medidas de estudantes do sexo masculino. 76

Testes de Hipóteses Estatísticas

Testes de Hipóteses Estatísticas Capítulo 5 Slide 1 Testes de Hipóteses Estatísticas Resenha Hipótese nula e hipótese alternativa Erros de 1ª e 2ª espécie; potência do teste Teste a uma proporção; testes ao valor médio de uma v.a.: σ

Leia mais

Probabilidade e Estatística

Probabilidade e Estatística Probabilidade e Estatística TESTES DE HIPÓTESES (ou Testes de Significância) Estimação e Teste de Hipóteses Estimação e teste de hipóteses (ou significância) são os aspectos principais da Inferência Estatística

Leia mais

Distribuição Normal de Probabilidade

Distribuição Normal de Probabilidade Distribuição Normal de Probabilidade 1 Aspectos Gerais 2 A Distribuição Normal Padronizada 3 Determinação de Probabilidades 4 Cálculo de Valores 5 Teorema Central do Limite 1 1 Aspectos Gerais Variável

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

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

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

DISTRIBUIÇÕES ESPECIAIS DE PROBABILIDADE DISCRETAS

DISTRIBUIÇÕES ESPECIAIS DE PROBABILIDADE DISCRETAS VARIÁVEIS ALEATÓRIAS E DISTRIBUIÇÕES DE PROBABILIDADES 1 1. VARIÁVEIS ALEATÓRIAS Muitas situações cotidianas podem ser usadas como experimento que dão resultados correspondentes a algum valor, e tais situações

Leia mais

Teste de Hipótese e Intervalo de Confiança. Parte 2

Teste de Hipótese e Intervalo de Confiança. Parte 2 Teste de Hipótese e Intervalo de Confiança Parte 2 Questões para discutirmos em sala: O que é uma hipótese estatística? O que é um teste de hipótese? Quem são as hipóteses nula e alternativa? Quando devemos

Leia mais

Estimação. Como definir um estimador. Como obter estimativas pontuais. Como construir intervalos de confiança

Estimação. Como definir um estimador. Como obter estimativas pontuais. Como construir intervalos de confiança Estimação Como definir um estimador. Como obter estimativas pontuais. Como construir intervalos de confiança Motivação A partir da média de uma a amostra em uma colheita recente, o conselho de qualidade

Leia mais

Capítulo 4 Inferência Estatística

Capítulo 4 Inferência Estatística Capítulo 4 Inferência Estatística Slide 1 Resenha Intervalo de Confiança para uma proporção Intervalo de Confiança para o valor médio de uma variável aleatória Intervalo de Confiança para a variância de

Leia mais

Estatística Analítica

Estatística Analítica Teste de Hipótese Testes Estatísticos 2 Teste de Hipótese Testes Estatísticos 3 1 Teste de Hipótese Testes Estatísticos 4 Principais Testes: Teste Qui-quadrado Teste T de Student Teste ANOVA Teste de Correlação

Leia mais

Consideremos os seguintes exemplos de hipóteses cuja veracidade interessa avaliar:

Consideremos os seguintes exemplos de hipóteses cuja veracidade interessa avaliar: Consideremos os seguintes exemplos de hipóteses cuja veracidade interessa avaliar: o tempo médio de efeito de dois analgésicos não é o mesmo; a popularidade de determinado partido político aumentou; uma

Leia mais

Métodos Estatísticos Avançados em Epidemiologia

Métodos Estatísticos Avançados em Epidemiologia Métodos Estatísticos Avançados em Epidemiologia Análise de Variância - ANOVA Cap. 12 - Pagano e Gauvreau (2004) - p.254 Enrico A. Colosimo/UFMG Depto. Estatística - ICEx - UFMG 1 / 39 Introdução Existem

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

Probabilidade. Evento (E) é o acontecimento que deve ser analisado.

Probabilidade. Evento (E) é o acontecimento que deve ser analisado. Probabilidade Definição: Probabilidade é uma razão(divisão) entre a quantidade de eventos e a quantidade de amostras. Amostra ou espaço amostral é o conjunto formado por todos os elementos que estão incluídos

Leia mais

PESQUISA OPERACIONAL -PROGRAMAÇÃO LINEAR. Prof. Angelo Augusto Frozza, M.Sc.

PESQUISA OPERACIONAL -PROGRAMAÇÃO LINEAR. Prof. Angelo Augusto Frozza, M.Sc. PESQUISA OPERACIONAL -PROGRAMAÇÃO LINEAR Prof. Angelo Augusto Frozza, M.Sc. ROTEIRO Esta aula tem por base o Capítulo 2 do livro de Taha (2008): Introdução O modelo de PL de duas variáveis Propriedades

Leia mais

AULA 11 Experimentos Multinomiais e Tabelas de Contingência

AULA 11 Experimentos Multinomiais e Tabelas de Contingência 1 AULA 11 Experimentos Multinomiais e Tabelas de Contingência Ernesto F. L. Amaral 24 de setembro de 2012 Faculdade de Filosofia e Ciências Humanas (FAFICH) Universidade Federal de Minas Gerais (UFMG)

Leia mais

Probabilidade. Luiz Carlos Terra

Probabilidade. Luiz Carlos Terra Luiz Carlos Terra Nesta aula, você conhecerá os conceitos básicos de probabilidade que é a base de toda inferência estatística, ou seja, a estimativa de parâmetros populacionais com base em dados amostrais.

Leia mais

Aula 8. Teste Binomial a uma proporção p

Aula 8. Teste Binomial a uma proporção p Aula 8. Teste Binomial a uma proporção p Métodos Estadísticos 2008 Universidade de Averio Profª Gladys Castillo Jordán Teste Binomial a uma Proporção p Seja p ˆ = X n a proporção de indivíduos com uma

Leia mais

P R O G R A M A TERCEIRA FASE. DISCIPLINA: Estatística Aplicada à Pesquisa Educacional Código: 3EAPE Carga Horária: 54h/a (crédito 03)

P R O G R A M A TERCEIRA FASE. DISCIPLINA: Estatística Aplicada à Pesquisa Educacional Código: 3EAPE Carga Horária: 54h/a (crédito 03) UNIVERSIDADE DO ESTADO DE SANTA CATARINA - UDESC CENTRO DE CIÊNCIAS DA SAÚDE E DO ESPORTE - CEFID DEPARTAMENTO DE EDUCAÇÃO FÍSICA - DEF CURSO: LICENCIATURA EM EDUCAÇÃO FÍSICA CURRÍCULO: 2008/2 P R O G

Leia mais

MOQ-14 Projeto e Análise de Experimentos

MOQ-14 Projeto e Análise de Experimentos Instituto Tecnológico de Aeronáutica Divisão de Engenharia Mecânica-Aeronáutica MOQ-14 Projeto e Análise de Experimentos Profa. Denise Beatriz Ferrari www.mec.ita.br/ denise denise@ita.br Regressão Linear

Leia mais

Técnicas de Contagem I II III IV V VI

Técnicas de Contagem I II III IV V VI Técnicas de Contagem Exemplo Para a Copa do Mundo 24 países são divididos em seis grupos, com 4 países cada um. Supondo que a escolha do grupo de cada país é feita ao acaso, calcular a probabilidade de

Leia mais

Inferência sobre duas proporções

Inferência sobre duas proporções Teste para duas populações duas populações Amostra :,,,, alor comum para delta 0 Amostra 2:,,,, Tamanho Tamanho Média amostral x Média amostral x Desvio-padrão Desvio-padrão Teste para duas populações

Leia mais

MAE116 - Noções de Estatística

MAE116 - Noções de Estatística MAE116 - Noções de Estatística Grupo A - 1 semestre de 2015 Gabarito da Lista de exercícios 10 - Introdução à Estatística Descritiva - CASA Exercício 1. (2 pontos) Sabe-se que, historicamente, 18% dos

Leia mais

Cap. II EVENTOS MUTUAMENTE EXCLUSIVOS E EVENTOS NÃO- EXCLUSIVOS

Cap. II EVENTOS MUTUAMENTE EXCLUSIVOS E EVENTOS NÃO- EXCLUSIVOS Cap. II EVENTOS MUTUAMENTE EXCLUSIVOS E EVENTOS NÃO- EXCLUSIVOS Dois ou mais eventos são mutuamente exclusivos, ou disjuntos, se os mesmos não podem ocorrer simultaneamente. Isto é, a ocorrência de um

Leia mais

Análise estatística. Aula de Bioestatística. 17/9/2008 (2.ª Parte) Paulo Nogueira

Análise estatística. Aula de Bioestatística. 17/9/2008 (2.ª Parte) Paulo Nogueira Análise estatística Aula de Bioestatística 17/9/2008 (2.ª Parte) Paulo Nogueira Testes de Hipóteses Hipótese Estatística de teste Distribuição da estatística de teste Decisão H 0 : Não existe efeito vs.

Leia mais

Modelos de Probabilidade e Inferência Estatística

Modelos de Probabilidade e Inferência Estatística Modelos de Probabilidade e Inferência Estatística Departamento de Estatística Universidade Federal da Paraíba Prof. Tarciana Liberal (UFPB) Aula Distribuições Qui-quadrado, t-student e F de Snedecor 04/14

Leia mais

Modelos Lineares Generalizados - Verificação do Ajuste do Modelo

Modelos Lineares Generalizados - Verificação do Ajuste do Modelo Modelos Lineares Generalizados - Verificação do Ajuste do Modelo Erica Castilho Rodrigues 21 de Junho de 2013 3 Uma outra medida usada para verificar o ajuste do modelo. Essa estatística é dada por X

Leia mais

A dependência entre a inflação cabo-verdiana e a portuguesa: uma abordagem de copulas.

A dependência entre a inflação cabo-verdiana e a portuguesa: uma abordagem de copulas. A dependência entre a inflação cabo-verdiana e a portuguesa: uma abordagem de copulas. Jailson da Conceição Teixeira Oliveira 1 Murilo Massaru da Silva 2 Robson Oliveira Lima 3 Resumo: Cabo Verde é um

Leia mais

Pós-Graduação em Computação Distribuída e Ubíqua

Pós-Graduação em Computação Distribuída e Ubíqua Pós-Graduação em Computação Distribuída e Ubíqua INF612 - Aspectos Avançados em Engenharia de Software Engenharia de Software Experimental [Head First Statistics] Capítulos 10, 11, 12 e 13 [Experimentation

Leia mais

Os dados quantitativos também podem ser de natureza discreta ou contínua.

Os dados quantitativos também podem ser de natureza discreta ou contínua. Natureza dos Dados Às informações obtidas acerca das características de um conjunto dá-se o nome de dado estatístico. Os dados estatísticos podem ser de dois tipos: qualitativos ou quantitativos. Dado

Leia mais

GUIA DE FUNCIONAMENTO DA UNIDADE CURRICULAR

GUIA DE FUNCIONAMENTO DA UNIDADE CURRICULAR GUIA DE FUNCIONAMENTO DA UNIDADE CURRICULAR Estatística Biologia Ano lectivo: 2011 /2012 Docentes Responsável Júri Vogal Vogal Responsável pela pauta Docentes que leccionam a UC Ana Maria Caeiro Lebre

Leia mais

Introdução. Ou seja, de certo modo esperamos que haja uma certa

Introdução. Ou seja, de certo modo esperamos que haja uma certa UNIVERSIDADE FEDERAL DA PARAÍBA Teste de Independência Luiz Medeiros de Araujo Lima Filho Departamento de Estatística Introdução Um dos principais objetivos de se construir uma tabela de contingência,

Leia mais

Prof. Daniela Barreiro Claro

Prof. Daniela Barreiro Claro O volume de dados está crescendo sem parar Gigabytes, Petabytes, etc. Dificuldade na descoberta do conhecimento Dados disponíveis x Análise dos Dados Dados disponíveis Analisar e compreender os dados 2

Leia mais

3º Ano do Ensino Médio. Aula nº06

3º Ano do Ensino Médio. Aula nº06 Nome: Ano: º Ano do E.M. Escola: Data: / / 3º Ano do Ensino Médio Aula nº06 Assunto: Noções de Estatística 1. Conceitos básicos Definição: A estatística é a ciência que recolhe, organiza, classifica, apresenta

Leia mais

Probabilidade e Estatística, 2009/2

Probabilidade e Estatística, 2009/2 Probabilidade e Estatística, 2009/2 CCT - UDESC Prof. Fernando Deeke Sasse Problemas Resolvidos - Testes de Hipóteses 1. Uma empresa de manufatura têxtil está testando rolos de fio que o fornecedor afirma

Leia mais

Estatística II Aula 4. Prof.: Patricia Maria Bortolon, D. Sc.

Estatística II Aula 4. Prof.: Patricia Maria Bortolon, D. Sc. Estatística II Aula 4 Prof.: Patricia Maria Bortolon, D. Sc. Fundamentos do Teste de Hipóteses Teste de Hipóteses - Definições É uma regra de decisão para aceitar, ou rejeitar, uma hipótese estatística

Leia mais

WWW.RENOVAVEIS.TECNOPT.COM

WWW.RENOVAVEIS.TECNOPT.COM Energia produzida Para a industria eólica é muito importante a discrição da variação da velocidade do vento. Os projetistas de turbinas necessitam da informação para otimizar o desenho de seus geradores,

Leia mais

Uso de escalas logaritmicas e linearização

Uso de escalas logaritmicas e linearização Uso de escalas logaritmicas e linearização Notas: Rodrigo Ramos 1 o. sem. 2015 Versão 1.0 Obs: Esse é um texto de matemática, você deve acompanhá-lo com atenção, com lápis e papel, e ir fazendo as coisas

Leia mais

IND 1115 Inferência Estatística Aula 8

IND 1115 Inferência Estatística Aula 8 Conteúdo IND 5 Inferência Estatística Aula 8 Setembro 4 Mônica Barros O - aproximação da Binomial pela Este teorema é apenas um caso particular do teorema central do limite, pois uma variável aleatória

Leia mais

UNIVERSIDADE FEDERAL DA BAHIA ESCOLA POLITÉCNICA DEPARTAMENTO DE ENGENHARIA QUÍMICA ENG 008 Fenômenos de Transporte I A Profª Fátima Lopes

UNIVERSIDADE FEDERAL DA BAHIA ESCOLA POLITÉCNICA DEPARTAMENTO DE ENGENHARIA QUÍMICA ENG 008 Fenômenos de Transporte I A Profª Fátima Lopes Equações básicas Uma análise de qualquer problema em Mecânica dos Fluidos, necessariamente se inicia, quer diretamente ou indiretamente, com a definição das leis básicas que governam o movimento do fluido.

Leia mais

1331 Velocidade do som em líquidos Velocidade de fase e de grupo

1331 Velocidade do som em líquidos Velocidade de fase e de grupo 1 Roteiro elaborado com base na documentação que acompanha o conjunto por: Osvaldo Guimarães PUC-SP Tópicos Relacionados Ondas longitudinais, velocidade do som em líquidos, comprimento de onda, freqüência,

Leia mais

Teste de hipótese em modelos normais lineares: ANOVA

Teste de hipótese em modelos normais lineares: ANOVA Teste de hipótese em modelos normais lineares: ANOVA Prof Caio Azevedo Prof Caio Azevedo Exemplo 1 No primeiro modelo, o interesse primário, de certa forma, é testar se a carga não contribui para explicar

Leia mais

A Estatística e a Engenharia

A Estatística e a Engenharia Causarum Cognitio - Stanza della Segnatura, Palácio do Vaticano 1 Uma definição de engenharia: Um engenheiro é alguém que resolve problemas que interessam à sociedade pela aplicação eficiente de princípios

Leia mais

Custo de Oportunidade do Capital

Custo de Oportunidade do Capital Custo de Oportunidade do Capital É o custo de oportunidade de uso do fator de produção capital ajustado ao risco do empreendimento. Pode ser definido também como a taxa esperada de rentabilidade oferecida

Leia mais

ANOVA. (Analysis of Variance) Prof. Dr. Guanis de Barros Vilela Junior

ANOVA. (Analysis of Variance) Prof. Dr. Guanis de Barros Vilela Junior ANOVA (Analysis of Variance) Prof. Dr. Guanis de Barros Vilela Junior Para que serve a ANOVA? Para comparar três ou mais variáveis ou amostras. Por exemplo, queremos testar os efeitos cardiorrespiratórios

Leia mais

FÍSICA EXPERIMENTAL 3001

FÍSICA EXPERIMENTAL 3001 FÍSICA EXPERIMENTAL 3001 EXPERIÊNCIA 1 CIRCUITO RLC EM CORRENTE ALTERNADA 1. OBJETIOS 1.1. Objetivo Geral Apresentar aos acadêmicos um circuito elétrico ressonante, o qual apresenta um máximo de corrente

Leia mais

SITUAÇÃO DE APRENDIZAGEM 4 PROBABILIDADE E GEOMETRIA

SITUAÇÃO DE APRENDIZAGEM 4 PROBABILIDADE E GEOMETRIA SITUAÇÃO DE APRENDIZAGEM 4 PROBABILIDADE E GEOMETRIA Leitura e Análise de Texto O π e a agulha de Buffon O estudo da probabilidade, aparentemente, não tem uma ligação direta com a Geometria. A probabilidade

Leia mais

Comandos de Eletropneumática Exercícios Comentados para Elaboração, Montagem e Ensaios

Comandos de Eletropneumática Exercícios Comentados para Elaboração, Montagem e Ensaios Comandos de Eletropneumática Exercícios Comentados para Elaboração, Montagem e Ensaios O Método Intuitivo de elaboração de circuitos: As técnicas de elaboração de circuitos eletropneumáticos fazem parte

Leia mais

AULA 12 Inferência a Partir de Duas Amostras

AULA 12 Inferência a Partir de Duas Amostras 1 AULA 12 Inferência a Partir de Duas Amostras Ernesto F. L. Amaral 15 de setembro de 2011 Metodologia de Pesquisa (DCP 854B) Fonte: Triola, Mario F. 2008. Introdução à estatística. 10 ª ed. Rio de Janeiro:

Leia mais

PRINCÍPIOS DA MULTIPLICAÇÃO, DA ADIÇÃO E DA INCLUSÃO-

PRINCÍPIOS DA MULTIPLICAÇÃO, DA ADIÇÃO E DA INCLUSÃO- Matemática Discreta 2009.10 Exercícios CAP2 pg 1 PRINCÍPIOS DA MULTIPLICAÇÃO, DA ADIÇÃO E DA INCLUSÃO- EXCLUSÃO 1. Quantas sequências com 5 letras podem ser escritas usando as letras A,B,C? 2. Quantos

Leia mais

Análise e Projeto de Sistemas

Análise e Projeto de Sistemas Análise e Projeto de Sistemas Gerenciamento de Projetos Conteúdo: Gerenciamento de Riscos Aula: II Prof.: Eude Lacerda E-mail: eude.lacerda@ifnmg.edu.br Apresentação Nesta aula você conhecerá o gerenciamento

Leia mais

UM JOGO BINOMIAL 1. INTRODUÇÃO

UM JOGO BINOMIAL 1. INTRODUÇÃO 1. INTRODUÇÃO UM JOGO BINOMIAL São muitos os casos de aplicação, no cotidiano de cada um de nós, dos conceitos de probabilidade. Afinal, o mundo é probabilístico, não determinístico; a natureza acontece

Leia mais

Arquitecturas de Software Enunciado de Projecto 2007 2008

Arquitecturas de Software Enunciado de Projecto 2007 2008 UNIVERSIDADE TÉCNICA DE LISBOA INSTITUTO SUPERIOR TÉCNICO Arquitecturas de Software Enunciado de Projecto 2007 2008 1 Introdução Na primeira metade da década de 90 começaram a ser desenvolvidas as primeiras

Leia mais

Métodos Estatísticos Avançados em Epidemiologia

Métodos Estatísticos Avançados em Epidemiologia Métodos Estatísticos Avançados em Epidemiologia Análise de Sobrevivência - Conceitos Básicos Enrico A. Colosimo Departamento de Estatística Universidade Federal de Minas Gerais http://www.est.ufmg.br/

Leia mais

INTRODUÇÃO À INFERÊNCIA ESTATÍSTICA. Prof. Anderson Rodrigo da Silva anderson.silva@ifgoiano.edu.br

INTRODUÇÃO À INFERÊNCIA ESTATÍSTICA. Prof. Anderson Rodrigo da Silva anderson.silva@ifgoiano.edu.br INTRODUÇÃO À INFERÊNCIA ESTATÍSTICA Prof. Anderson Rodrigo da Silva anderson.silva@ifgoiano.edu.br Tipos de Pesquisa Censo: é o levantamento de toda população. Aqui não se faz inferência e sim uma descrição

Leia mais

Conteúdo programático por disciplina Matemática 6 o ano

Conteúdo programático por disciplina Matemática 6 o ano 60 Conteúdo programático por disciplina Matemática 6 o ano Caderno 1 UNIDADE 1 Significados das operações (adição e subtração) Capítulo 1 Números naturais O uso dos números naturais Seqüência dos números

Leia mais

Ficha Prática 5: Cap 3.Princípios Elementares de Contagem

Ficha Prática 5: Cap 3.Princípios Elementares de Contagem Matemática Discreta - 2010/11 Cursos: Engenharia Informática, Informática de Gestão DEPARTAMENTO de MATEMÁTICA ESCOLA SUPERIOR de TECNOLOGIA e de GESTÃO - INSTITUTO POLITÉCNICO de BRAGANÇA Ficha Prática

Leia mais

GIL, Antonio Carlos. Como elaborar projetos de pesquisa. São Paulo, Editora Atlas, 2002....

GIL, Antonio Carlos. Como elaborar projetos de pesquisa. São Paulo, Editora Atlas, 2002.... GIL, Antonio Carlos. Como elaborar projetos de pesquisa. São Paulo, Editora Atlas, 2002.... 1 Como encaminhar uma Pesquisa? A pesquisa é um projeto racional e sistemático com objetivo de proporcionar respostas

Leia mais

Inteligência Artificial

Inteligência Artificial Inteligência Artificial Aula 7 Programação Genética M.e Guylerme Velasco Programação Genética De que modo computadores podem resolver problemas, sem que tenham que ser explicitamente programados para isso?

Leia mais

A vida sem reflexão não merece ser vivida Sócrates Disciplina: ESTATÍSTICA e PROBABILIDADE

A vida sem reflexão não merece ser vivida Sócrates Disciplina: ESTATÍSTICA e PROBABILIDADE Notas de aula 07 1 A vida sem reflexão não merece ser vivida Sócrates Disciplina: ESTATÍSTICA e PROBABILIDADE 1. Medidas de Forma: Assimetria e Curtose. A medida de assimetria indica o grau de distorção

Leia mais

MBA em Gerenciamento de Projetos. Teoria Geral do Planejamento. Professora: Maria Erileuza do Nascimento de Paula

MBA em Gerenciamento de Projetos. Teoria Geral do Planejamento. Professora: Maria Erileuza do Nascimento de Paula MBA em Gerenciamento de Projetos Teoria Geral do Planejamento Professora: Maria Erileuza do Nascimento de Paula SOBRAL - CE 2014 O que é Planejamento É um processo contínuo e dinâmico que consiste em um

Leia mais

Teste de Hipótese para uma Amostra Única

Teste de Hipótese para uma Amostra Única Teste de Hipótese para uma Amostra Única OBJETIVOS DE APRENDIZAGEM Depois de um cuidadoso estudo deste capítulo, você deve ser capaz de: 1.Estruturar problemas de engenharia de tomada de decisão, como

Leia mais

AVALIAÇÃO DE UM TANQUE DE DECANTAÇÃO DE SÓLIDOS UTILIZANDO FLUIDODINÂMICA COMPUTACIONAL

AVALIAÇÃO DE UM TANQUE DE DECANTAÇÃO DE SÓLIDOS UTILIZANDO FLUIDODINÂMICA COMPUTACIONAL AVALIAÇÃO DE UM TANQUE DE DECANTAÇÃO DE SÓLIDOS UTILIZANDO FLUIDODINÂMICA COMPUTACIONAL E. F. S. PEREIRA e L. M. N de Gois Universidade Federal da Bahia, Escola Politécnica, Departamento de Engenharia

Leia mais

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

FACULDADE DE CIÊNCIAS E TECNOLOGIA. Redes de Telecomunicações (2006/2007) FACULDADE DE CIÊNCIAS E TECNOLOGIA Redes de Telecomunicações (2006/2007) Engª de Sistemas e Informática Trabalho nº4 (1ª aula) Título: Modelação de tráfego utilizando o modelo de Poisson Fundamentos teóricos

Leia mais

Engenharia de Software II

Engenharia de Software II Engenharia de Software II Aula 26 http://www.ic.uff.br/~bianca/engsoft2/ Aula 26-21/07/2006 1 Ementa Processos de desenvolvimento de software Estratégias e técnicas de teste de software Métricas para software

Leia mais

Graphing Basic no Excel 2007

Graphing Basic no Excel 2007 Graphing Basic no Excel 2007 Tabela de Conteúdos 1. Inserindo e formatando os dados no Excel 2. Criando o gráfico de dispersão inicial 3. Criando um gráfico de dispersão de dados de titulação 4. Adicionando

Leia mais

Modelo Lógico: Tabelas, Chaves Primárias e Estrangeiras

Modelo Lógico: Tabelas, Chaves Primárias e Estrangeiras Modelo Lógico: Tabelas, Chaves Primárias e Estrangeiras Apresentar a próxima etapa da modelagem de dados: o modelo lógico e os conceitos de tabelas, chaves primárias e estrangeiras e como o banco de dados

Leia mais

Módulo de Equações do Segundo Grau. Equações do Segundo Grau: Resultados Básicos. Nono Ano

Módulo de Equações do Segundo Grau. Equações do Segundo Grau: Resultados Básicos. Nono Ano Módulo de Equações do Segundo Grau Equações do Segundo Grau: Resultados Básicos. Nono Ano Equações do o grau: Resultados Básicos. 1 Exercícios Introdutórios Exercício 1. A equação ax + bx + c = 0, com

Leia mais

Experiência 01: CONECTORIZAÇÃO DO CABEAMENTO METÁLICO

Experiência 01: CONECTORIZAÇÃO DO CABEAMENTO METÁLICO ( ) Prova ( ) Prova Semestral ( ) Exercícios ( ) Prova Modular ( ) Segunda Chamada ( ) Exame Final ( ) Prática de Laboratório ( ) Aproveitamento Extraordinário de Estudos Nota: Disciplina: Turma: Aluno

Leia mais

Hipótese Estatística:

Hipótese Estatística: 1 PUCRS FAMAT DEPTº DE ESTATÍSTICA TESTE DE HIPÓTESE SÉRGIO KATO Trata-se de uma técnica para se fazer inferência estatística. Ou seja, a partir de um teste de hipóteses, realizado com os dados amostrais,

Leia mais

Resolução da Lista de Exercício 6

Resolução da Lista de Exercício 6 Teoria da Organização e Contratos - TOC / MFEE Professor: Jefferson Bertolai Fundação Getulio Vargas / EPGE Monitor: William Michon Jr 10 de novembro de 01 Exercícios referentes à aula 7 e 8. Resolução

Leia mais

Estudo sobre a dependência espacial da dengue em Salvador no ano de 2002: Uma aplicação do Índice de Moran

Estudo sobre a dependência espacial da dengue em Salvador no ano de 2002: Uma aplicação do Índice de Moran Estudo sobre a dependência espacial da dengue em Salvador no ano de 2002: Uma aplicação do Índice de Moran Camila Gomes de Souza Andrade 1 Denise Nunes Viola 2 Alexandro Teles de Oliveira 2 Florisneide

Leia mais

Métodos de Estudo & Investigação Científica. Elaborando um projeto de pesquisa

Métodos de Estudo & Investigação Científica. Elaborando um projeto de pesquisa Elaborando um projeto de pesquisa A pesquisa é a realização concreta de uma investigação planeada, desenvolvido e redigida de acordo com as normas das metodologias consagradas pela ciência; Requerida quando

Leia mais

Revisão Diagrama de Caso de Uso. Rodolfo Adamshuk Silva 30/08/2013

Revisão Diagrama de Caso de Uso. Rodolfo Adamshuk Silva 30/08/2013 Revisão Diagrama de Caso de Uso Rodolfo Adamshuk Silva 30/08/2013 Processo Unificado (PU) É um modelo de processo de software baseado no modelo incremental, visando a construção de software orientado a

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 26 A FREQUÊNCIIA RELATIIVA PARA ESTIIMAR A PROBABIILIIDADE Por: Maria Eugénia Graça Martins Departamento de Estatística e Investigação Operacional da FCUL

Leia mais

Ferramenta 5W2H. ferramentas apresentadas. Definir: 10/03/2011

Ferramenta 5W2H. ferramentas apresentadas. Definir: 10/03/2011 ferramentas apresentadas 1. Brainstorming 2. Estratificação 3. Folha de Verificação 4. Diagrama de Pareto 5. Gráfico sequencial / carta de tendência 6. Diagrama de causa e feito 7. Diagrama de Dispersão

Leia mais

Fundamentos de Bancos de Dados 3 a Prova Caderno de Questões

Fundamentos de Bancos de Dados 3 a Prova Caderno de Questões Fundamentos de Bancos de Dados 3 a Prova Caderno de Questões Prof. Carlos A. Heuser Dezembro de 2009 Duração: 2 horas Prova com consulta Questão 1 (Construção de modelo ER) Deseja-se projetar a base de

Leia mais

Capítulo1 Tensão Normal

Capítulo1 Tensão Normal - UNIVERSIDADE FEDERAL FLUMINENSE ESCOLA DE ENGENHARIA INDUSTRIAL METALÚRGICA DE VOLTA REDONDA PROFESSORA: SALETE SOUZA DE OLIVEIRA BUFFONI DISCIPLINA: RESISTÊNCIA DOS MATERIAIS Referências Bibliográficas:

Leia mais

Tópicos em Inferência Estatística. Frases. Roteiro. 1. Introdução

Tópicos em Inferência Estatística. Frases. Roteiro. 1. Introdução Tópicos em Inferência Estatística Frases Torture os dados por um tempo suficiente, e eles contam tudo! fonte: mcrsoft@aimnet.com (Barry Fetter) Um homem com um relógio sabe a hora certa. Um homem com dois

Leia mais

Adaptação com Base na Comunidade Lista de Controlo do Plano de Implementação do Projecto

Adaptação com Base na Comunidade Lista de Controlo do Plano de Implementação do Projecto Adaptação com Base na Comunidade Lista de Controlo do Plano de Implementação do Projecto Contexto do Projecto Contexto Ambiental Descrever as calamidades climáticas presentes (eventos e condições) afectando

Leia mais

Aula de Exercícios - Teorema de Bayes

Aula de Exercícios - Teorema de Bayes Aula de Exercícios - Teorema de Bayes Organização: Rafael Tovar Digitação: Guilherme Ludwig Primeiro Exemplo - Estagiários Três pessoas serão selecionadas aleatóriamente de um grupo de dez estagiários

Leia mais

Aula 5. Uma partícula evolui na reta. A trajetória é uma função que dá a sua posição em função do tempo:

Aula 5. Uma partícula evolui na reta. A trajetória é uma função que dá a sua posição em função do tempo: Aula 5 5. Funções O conceito de função será o principal assunto tratado neste curso. Neste capítulo daremos algumas definições elementares, e consideraremos algumas das funções mais usadas na prática,

Leia mais

Faculdade de Economia, Administração e Contabilidade de Ribeirão Preto USP Departamento de Economia

Faculdade de Economia, Administração e Contabilidade de Ribeirão Preto USP Departamento de Economia Pobreza e Desigualdade 1) Que é pobreza? Inicio dos anos 1970: percepção de que as desigualdades sociais e a pobreza não estavam sendo equacionadas como resultado do crescimento econômico. Países ricos:

Leia mais

Condução. t x. Grupo de Ensino de Física da Universidade Federal de Santa Maria

Condução. t x. Grupo de Ensino de Física da Universidade Federal de Santa Maria Condução A transferência de energia de um ponto a outro, por efeito de uma diferença de temperatura, pode se dar por condução, convecção e radiação. Condução é o processo de transferência de energia através

Leia mais

LORATADINA Hypermarcas S/A Comprimido 10mg

LORATADINA Hypermarcas S/A Comprimido 10mg LORATADINA Hypermarcas S/A Comprimido 10mg I - IDENTIFICAÇÃO DO MEDICAMENTO: LORATADINA Medicamento genérico Lei nº 9.787, de 1999 APRESENTAÇÃO Comprimido de 10mg em embalagens contendo 12 comprimidos.

Leia mais

ANOVA (Analysis of Variance)

ANOVA (Analysis of Variance) Tópicos Avançados em Avaliação e Desempenho de Sistemas ANOVA (Analysis of Variance) Aleciano Júnior aflj@cin.ufpe.br Carlos Melo casm3@cin.ufpe.br Charles Bezerra cbm3@cin.ufpe.br Tópicos Introdução História,

Leia mais

Gerenciamento do Escopo do Projeto (PMBoK 5ª ed.)

Gerenciamento do Escopo do Projeto (PMBoK 5ª ed.) Gerenciamento do Escopo do Projeto (PMBoK 5ª ed.) De acordo com o PMBok 5ª ed., o escopo é a soma dos produtos, serviços e resultados a serem fornecidos na forma de projeto. Sendo ele referindo-se a: Escopo

Leia mais

Coeficiente de Assimetria e Curtose. Rinaldo Artes. Padronização., tem as seguintes propriedades: Momentos

Coeficiente de Assimetria e Curtose. Rinaldo Artes. Padronização., tem as seguintes propriedades: Momentos Coeficiente de Assimetria e Curtose Rinaldo Artes 2014 Padronização Seja X uma variável aleatória com E(X)=µ e Var(X)=σ 2. Então a variável aleatória Z, definida como =, tem as seguintes propriedades:

Leia mais

AULA 4 DELINEAMENTO EM QUADRADO LATINO (DQL)

AULA 4 DELINEAMENTO EM QUADRADO LATINO (DQL) AULA 4 DELINEAMENTO EM QUADRADO LATINO (DQL) Características Utiliza-se de três princípios básicos da experimentação: repetição, casualização e controle local. Possui um controle local mais eficiente que

Leia mais

DEPARTAMENTO DE MATEMÁTICA

DEPARTAMENTO DE MATEMÁTICA FACULDADE DE CIÊNCIAS NATURAIS E MATEMÁTICA DEPARTAMENTO DE MATEMÁTICA Campus de Lhanguene, Av. de Moçambique, km 1, Tel: +258 21401078, Fax: +258 21401082, Maputo Cursos de Licenciatura em Ensino de Matemática

Leia mais

UMA ANÁLISE BAYESIANA DO PERFIL COR/RAÇA DOS INDIVÍDUOS QUE TEM CURSO SUPERIOR NO BRASIL

UMA ANÁLISE BAYESIANA DO PERFIL COR/RAÇA DOS INDIVÍDUOS QUE TEM CURSO SUPERIOR NO BRASIL ISSN 2175-6295 Rio de Janeiro- Brasil, 08 e 09 novembro de 2007. SPOLM 2007 UMA ANÁLISE BAYESIANA DO PERFIL COR/RAÇA DOS INDIVÍDUOS QUE TEM CURSO SUPERIOR NO BRASIL Giovani Glaucio de Oliveira Costa Universidade

Leia mais

Modelo Relacional Normalização Diagramas E-R e Tabelas Originadas

Modelo Relacional Normalização Diagramas E-R e Tabelas Originadas Informática II Modelo Relacional Normalização Diagramas E-R e Tabelas Originadas (TÓPICOS ABORDADOS NAS AULAS DE INFORMÁTICA II) Por: Artur Sousa / Jorge Loureiro Conceitos de entidade e atributo Tipos

Leia mais

Análise Qualitativa no Gerenciamento de Riscos de Projetos

Análise Qualitativa no Gerenciamento de Riscos de Projetos Análise Qualitativa no Gerenciamento de Riscos de Projetos Olá Gerente de Projeto. Nos artigos anteriores descrevemos um breve histórico sobre a história e contextualização dos riscos, tanto na vida real

Leia mais

Adotada Total / Parcial. Fundamento da não adoção. Recomendação. Não adotada. 1. Princípios Gerais

Adotada Total / Parcial. Fundamento da não adoção. Recomendação. Não adotada. 1. Princípios Gerais / 1. Princípios Gerais As instituições devem adotar uma política de remuneração consistente com uma gestão e controlo de riscos eficaz que evite uma excessiva exposição ao risco, que evite potenciais conflitos

Leia mais

Capítulo 5. Inferência no Modelo de Regressão Simples: Estimação de Intervalos, Teste de Hipóteses e Previsão

Capítulo 5. Inferência no Modelo de Regressão Simples: Estimação de Intervalos, Teste de Hipóteses e Previsão Capítulo 5 Inferência no Modelo de Regressão Simples: Estimação de Intervalos, Teste de Hipóteses e Previsão Hipóteses do Modelo de Regressão Linear Simples RS1. y x e t 1 t t RS. RS3. RS4. RS5. RS6. Ee

Leia mais

Aula 6 Propagação de erros

Aula 6 Propagação de erros Aula 6 Propagação de erros Conteúdo da aula: Como estimar incertezas de uma medida indireta Como realizar propagação de erros? Exemplo: medimos A e B e suas incertezas. Com calcular a incerteza de C, se

Leia mais

Aula 12 Teste de hipótese sobre proporções amostras grandes

Aula 12 Teste de hipótese sobre proporções amostras grandes Aula 12 Teste de hipótese sobre proporções amostras grandes Objetivos Na aula anterior, você aprendeu a construir testes de hipóteses sobre a média de uma população normal com variância σ 2 conhecida.

Leia mais

Teste de hipóteses com duas amostras. Estatística Aplicada Larson Farber

Teste de hipóteses com duas amostras. Estatística Aplicada Larson Farber 8 Teste de hipóteses com duas amostras Estatística Aplicada Larson Farber Seção 8.1 Testando a diferença entre duas médias (amostras grandes e independentes) Visão geral Para testar o efeito benéfico de

Leia mais