Teoria elementar de probabilidade

Tamanho: px
Começar a partir da página:

Download "Teoria elementar de probabilidade"

Transcrição

1 Prof. Dr. Cláudo S. Sartor Boestatístca Dstrbuções Estatístcas Teora elemetar de robabldade A robabldade de ocorrêca de um eveto E, ue ossa ocorrer de h maeras dferetes em um total de modos ossíves gualmete rováves é dada or: Pr{ E} h A robabldade de Nao ocorrêca do eveto (), deomado sucesso, é dada or: h h Pr{ ão E} O eveto "ão E" é deotado or ~ E, E ou ~ E. Eemlo - Admta ue o eveto E seja a ocorrêca dos úmeros ou, em um úco laçameto de um dado. Há ses maeras segudo as uas o dado ode car, e ue resultam os úmeros,,,, e 6. Se o dado é "hoesto", (ão vcado), ode-se suor ue as ses maeras sejam gualmete rováves. Como E ode ocorrer de duas destas maeras, teremos: Pr{E} 6 Eemlo - A robabldade de ão ter cosegudo um ou um, sto é, de ter cosegudo {,,,6} é: Pr{E} Note-se ue a robabldade de um eveto é um úmero comreeddo etre e. Se um eveto ão ode ocorrer, sua robabldade é. Se ele deve ocorrer, sto é, se sua ocorrêca é certa, sua robabldade é. Se é a robabldade de ue um eveto ocorra, a vatagem a favor de seu acotecmeto é : (lea: ara ), a vatagem cotra seu acotecmeto é :. Defção de robabldade como freuêca relatva. Da defção ateror, o termo "gualmete rovável" é vago, os estamos defdo essecalmete a robabldade em seus róros termos. Por esta razão, algus autores têm estabelecdo uma defção estatístca de robabldade. De acordo com sso, a robabldade avalada ou a robabldade emírca de um dado eveto é cosderada como a freuêca relatva de sua ocorrêca, uado o úmero de observações é muto grade. A robabldade roramete dta é o lmte da freuêca relatva uado o úmero de observações cresce defdamete. A defção estatístca é útl a rátca; orém areseta dfculdades do oto de vsta matemátco, vsto ue um úmero lmte real ode ão estr. Por essa razão, desevolveu-se aomatcamete uma teora modera, a ual a robabldade é um coceto defdo, como oto e lha são defdos em geometra. Eemlo - Se em laces de uma moeda resultam 9 caras, a freuêca relatva dessas caras é 9/=,9. Se em outros laces resultam 9 caras, a freuêca relatva o total dos laces é de (9+9)/=,. De acordo com a defção estatístca, rossegudose dessa maera, oder-se-á falmete chegar cada vez mas rómo de um úmero ue será deomado robabldade de ocorrer cara em um úco lace de uma moeda. De acordo com os resultados até agora, ela será de, com um algarsmo sgfcatvo. Para obter outros algarsmos sgfcatvos, deveram-se ser fetas outras observações adcoas. Probabldade Codcoal: Evetos deedetes e deedetes. Se E e E são dos evetos, a robabldade de E ocorrer, deos de E ter acotecdo é defda or: Pr{E E } Ou robabldade de E dado E e é deomada de robabldade codcoal de E deos de E ter ocorrdo. Se a ocorrêca ou ão de E ão afetar a robabldade da ocorrêca de E, etão: Pr{E E }=Pr{E } e dz-se ue E e E são evetos deedetes; caso cotráro, eles são evetos deedetes. Se se reresetar or E e E a ocorrêca de ambos os evetos, etão: Pr{E E }=Pr{E }Pr{E } Eemlo - A determação do seo a raça humaa é feta através dos coromossomos X e Y. Há a célula humaa ormalmete ares de cromossomos. A mulher ossu o ar XX e o homem XY. Sedo assm, ual a robabldade de ascer meo e ual a robabldade de ascer mea a raça humaa? Temos robabldade de % homes e % mulheres:

2 Prof. Dr. Cláudo S. Sartor Boestatístca Dstrbuções Estatístcas Seo Cromossomos Homem XY XX XX Mulher XX XY XY Observações: em cada. ascmetos ocorre a Sídrome de Dow (mogolsmo ou trsoma ). A chace de ascer craças com mogolsmo aumeta com a dade da mãe. Caracterza-se or haver 7 cromossomos (o ormal é 6 cromossomos a célula humaa ( ares)). Há cerca de % de chace de uma craça ser afetada uado a mãe ossu dade sueror a aos. A Sídrome de Turer ocorre uado há ausêca do segudo cromossomo X ou do Y e causa o ascmeto de essoas baas e estéres. Eemlo - Sabe-se hoje ue há cerca de 7 gees comodo o cromossomo de uma célula humaa. Os tos saguíeos são defdos or gees deomados I A, I B e. Os gees I A e I B são domates em relação ao gee. Há uatro tos de sague: To O (), to A (I A I A ou I A ), to B (I B I B ou I B ) e to AB (I A I B ). Se um home I A casa-se com uma mulher I B, ual as robabldades da craça: a) Nascer com sague to O. (%) b) Nascer com sague to A. (%) c) Nascer com sague to B. (%) d) Nascer com sague to AB. (%) Gees Saguíeos Homem I A I A I B I A Mulher I B I B Eemlo 7 - Qual a robabldade de se retrar ás em um baralho de cartas? Estem ases esse baralho. Logo P=/=/ Eemlo 8 - Uso da robabldade a Mecâca Quâtca - Trata- se os feômeos de movmeto e eulíbro do mudo macroscóco com a mecâca Newtoaa. Já o mudo mcroscóco, a Mecâca Quâtca, cuja teora fo desevolvda or város cetstas, como Ma Plack, Este, Nels Bohr e De Brogle, elca os feômeos ue evolvem artículas de eueas dmesões, como or eemlo, o estudo da correte elétrca (movmetos dos elétros) em um dodo. Nesse estudo, o cálculo de robabldade é fudametal. Há uma "barrera" de otecal atural ao movmeto dos elétros. Este a robabldade do elétro "atravessar" essa barrera e se roagar o mesmo setdo, ão refletdo seu movmeto. Isso é verfcado uado se calcula a desdade de robabldade, ode rereseta o estado uâtco do elétro. A fgura abao lustra a barrera de otecal e a desdade, ambas em fução de (osção do elétro). Curva de desdade de robabldade, muto usada em físca uâtca. Eemlo 6 - A NASA gasta cerca de dos mlhões de dólares or ao a detfcação de asteródes com mas de km de dâmetro. A tabela a segur dca a freüêca em fução do temo ara cada dâmetro de determado asteróde. Dâmetro Freuêca cm Todos os das a m A cada meses a m A cada aos km A cada. aos a km A cada mlhões de aos A robabldade de car um asteróde de km de dâmetro é da ordem de / A robabldade dele car os oceaos é cerca de 7%.Elue.

3 Prof. Dr. Cláudo S. Sartor Boestatístca Dstrbuções Estatístcas Eemlo 9 - O "gato de Schrödger". Em 9, o físco austríaco Erw Schrödger dealzou um eermeto hotétco ara demostrar seu descotetameto com a recém crada mecâca uâtca. Seu vrtual "gato de Schrödger" é um felo arsoado em uma caa hermetcamete fechada, com um sstema erverso: um vdro com gás mortal, acoado or um detetor de radatvdade e um átomo radatvo. O átomo tera % de chace de emtr uma artícula radatva em um certo tervalo de temo. Se sso ocorressem, o martelo, sob a ação do detetor, uebrara o vdro com veeo e o amal morrera. Para Schrödger, o aradoo estava a mossbldade de a teora determar se o gato estara vvo ou morto, os o átomo tera outros % de chace de ão emtr radatvdade, evtado o acoameto do martelo. O gato de Schrödger ermaecera este estado "msto"(vvo/morto) até ue alguém resolvesse abrr a caa ara verfcar. Eercícos. Determar a robabldade de: a) Aarecer um úmero ímar em um úco lace de um dado hoesto. b) De ocorrer elo meos uma cara em dos laces de uma moeda hoesta. c) De surgr um ás, um dez de ouros ou um dos de esadas a retrada de uma úca carta de um baralho, bem embaralhado, de cartas. d) De aarecer o total 7 em um úco laçameto de dos dados. e) De aarecer uma coroa, o rómo lace de uma moeda, se, o total de laces, 6 são caras..uma eerêca cosste em laçar uma moeda e um dado. Se E é o eveto corresodete ao aarecmeto de uma "cara" o laçameto de uma moeda e E o de ocorrer ""ou "6"o lace do dado, eor em alavras o sgfcado de cada otação. a)e b)e c)e E d)pr{e E } e)pr{e E } f)pr{e + E }.Uma bola é retrada ao acaso de uma ura ue cotém 6 vermelhas, bracas e azus. Determar a robabldade dela: a) ser vermelha b) ser braca c) ser azul d) ão ser vermelha e) ser vermelha ou braca.um dado hoesto é laçado duas vezes. Determar a robabldade de ocorrer um, ou 6 o rmero lace e,, ou o segudo lace. Dstrbução de robabldade dscreta. Se uma varável X ode assumr um cojuto dscreto de valores, X,X,X k com as robabldades + + k = ; dz-se ue está defda uma dstrbução de robabldade dscreta de X. A fução (X) ue assume os valores ara X=X ;X=X ; X=X k é deomada fução de robabldade ou de freuêca X. Como X ode assumr valores com certas robabldades, ele é deomado de varável aleatóra dscreta. A varável aleatóra é deomada também varável casual ou estocástca. A dstrbução de robabldade ode ser reresetada grafcamete, medate o gráfco de (X) versus X (X,(X)), da mesma forma ue a dstrbução é deomada de fução de dstrbução de robabldade. Dstrbução de robabldade cotíua Pode-se esteder os cocetos aterores ara o caso em ue a varável X assume um cojuto cotíuo de valores. O hstograma corresodete ao caso ateror tora-se uma curva cotíua. P(X) é deomada de fução de desdade de robabldade, ou fução de desdade e uado é dada uma fução desta atureza, dz-se ue fo defda uma dstrbução de robabldade ara P(X). A varável X é deomada de varável aleatóra reduzda. Veremos as dversas dstrbuções estatístcas; orém, recordaremos os cocetos da aálse combatóra. Aálse Combatóra. Para a obteção de robabldade de evetos comleos, a eumeração é freuetemete dfícl, e ara facltar os cálculos há ecessdade do auílo da aálse combatóra. Fatoral: Defmos como fatoral de zero:!= e fatoral de como!= e fatoral de escrevemos como! dado or:! ( )( )...!

4 Prof. Dr. Cláudo S. Sartor Boestatístca Dstrbuções Estatístcas Arrajo : Uma ermutação de objetos dferetes, tomados de cada vez, é uma escolha de objetos, ão se levado em cosderação a ordem de sua dsosção: A, (! )! Combação : Uma combação de objetos dferetes, tomados de cada vez, é uma escolha dos objetos, ão se levado em cosderação a ordem de sua dsosção: C, (! )!! A,! ( )!! 6! ! 6! Eemlo - De uatas maeras dferetes uma comssao de essoas ode ser escolhda etre 9? C 9, 9! (9 )!! 9!!! !!...! Eemlo - Use a aromação de Strlg ara calcular! Eemlo - Smlfue:!/(!-!)! e S e!!!!.!!!!.( ) Eemlo - Dadas as letras A, B e C ecotre:a, e determe C, elctado seus valores: A,! ( )!!!..!! São: A,B, A,C, C,A, C,B, B,A, B,C!!..! C, ( )!!!!!.! São: A,B, A,C, C,B Aromação de Strlg ara!. Para grade,! tora-se mratcavel. Assm, usa-se a aromação devda a Strlg.! e Au e.788 é a base dos logarítmos aturas ou eeraos. Eemlo - De uatas maeras dferetes odem ser dsostas uma fla de edaços de mámore de cores dferetes?!...! Eemlo - De uatas maeras dferetes essoas odem setar em um baco se houver aeas lugares? 6 Também chamamos: C, ode é (! )!! deomado de umero Bomal, ou bomal de,. A segur dscutremos sua alcação o Trâgulo de Pascal. Eercícos. Determe : a)! ( )! b)! ( )! ( )! 87! 86! 8 87!!!! c)! d). Determe a robabldade de obter flhos com to de sague O uado o a tem sague AB e a mãe ossu sague B (I B ).. Determe a robabldade de obter flhos com to de sague A uado o a tem sague AB e a mãe ossu sague B (I B ).

5 Prof. Dr. Cláudo S. Sartor Boestatístca Dstrbuções Estatístcas. Determe a robabldade de obter flhos com to de sague B uado o a tem sague AB e a mãe ossu sague B (I B ).. Determe a robabldade de obter flhos com to de sague AB uado o a tem sague AB e a mãe ossu sague B (I B ). 6. Qual a robabldade de se gahar a lotera somete com jogos smles? 7. Qual a robabldade de se gahar a loto? 8. Um dado hoesto é laçado duas vezes. Determe a robabldade de ocorrer um, ou 6 o rmero lace e,, ou o segudo lace. 9. Uma bola é retrada de uma ura ao acaso. A ura cotém 6 bolas vermelhas, bracas e azus. Determe a robabldade dela: a) Ser vermelha. b) Ser azul. c) Ser braca. d) Não ser vermelha. e) Ser vermelha ou braca.. Em uma ura há bolas retas e azus. Retra-se bolas sem reosção. Determe a robabldade das duas bolas serem retas ou das duas bolas serem azus.. Laça-se uma moeda hoesta vezes. Costrua o esaço de todas as ossbldades.

6 Prof. Dr. Cláudo S. Sartor Boestatístca Dstrbuções Estatístcas 6 6 Trâgulo de Pascal Desevolvedo os termos: ) ( ) ( ) ( ) ( Se dsormos os coefcetes a forma de um trâgulo, obteremos 6 Pode-se escrever também: Assm, ode-se afrmar ue: N N N Deomado de Bômo de Newto. Algumas roredades dos úmeros bomas: Blase Pascal (6-66) Blase Pascal (etraído de htt:// Nascdo em Clermot-Ferrad, a 9 de juho de 6, Blase Pascal era flho de Étee Pascal, resdete da Corte de Aelação, e de Atoette Bégo. Segudo sua rmã e bógrafa, Glberte Pérer, Pascal revelou desde cedo um esírto etraordáro, ão só elas resostas ue dava a certas uestões, mas, sobretudo elas uestões ue ele róro levatava a reseto da atureza das cosas. Perdeu a mãe aos três aos de dade; era o úco flho do seo masculo. Assm, o a aegouse muto a ele e ecarregou-se de sua strução, uca o evado a colégos. Mesmo uado, em 6, a famíla Pascal mudou-se ara Pars, a educação de Blase ermaeceu ao ecargo do a. A rmã Glberte escreverá mas tarde: "A máma dessa

7 Prof. Dr. Cláudo S. Sartor Boestatístca Dstrbuções Estatístcas 7 educação cossta em mater a craça acma das tarefas ue lhe eram mostas; or esse motvo só deou ue aredesse latm aos doze aos, ara ue aredesse com maor facldade. Durate esse tervalo ão o deou ocoso, os o ocuava com todas as cosas de ue o julgava caaz. Mostrava-lhe de um modo geral o ue eram as líguas; esou-lhe como havam sdo reduzdas as gramátcas sob certas regras, ue tas regras tham eceções assaladas com cudade, e ue or esses meos todas as líguas havam oddo ser comucadas de um aís ara outro. Essa déa geral esclareca-lhe o esírto e faza-o comreeder o motvo das regras da gramátca, de sorte ue uado veo a aredê-las saba o ue faza e dedcava-se aos asectos ue lhe egam maor dedcação". Além das líguas, Étee Pascal esava outras cosas ao flho: dava-lhe rudmetos sobre as les da atureza e sobre as téccas humaas. Tudo sso aguçava ada mas a curosdade do meo, ue uera saber a razão de todas as cosas e ão se satsfaza date de elcações comletas ou suerfcas. Date de uma elcação sufcete, assava a esusar or cota róra até ecotrar uma resosta satsfatóra e, uado se defrotava com um roblema, ão o largava até resolvê-lo leamete. Aos oze aos, suas eerêcas sobre os sos levaram-o a escrever um eueo tratado, cosderado muto bom ara sua dade. Étee Pascal era matemátco e sua casa era muto freüetada or geômetras. Como uera ue Blase estudasse líguas e, sabedo como a matemátca é aaoate e absorvete, evtou or muto temo ue o flho a cohecesse, rometedo-lhe ue a esara uado ele já soubesse grego e latm. Essa recaução servu aeas ara aumetar a curosdade de Blase, ue assou a se dvertr com as fguras geométrcas ue o a lhe hava mostrado. Procurava tracá-las corretamete; deos assou a buscar as roorções etre elas e, afal, deos de roor aomas relatvos às fguras, dedcou-se a fazer demostrações eatas. Com sso chegou até a ª roosção do lvro I de Eucldes. Estarrecdo, o a verfcou ue o flho descobrra sozho a matemátca. A artr de etão, Blase recebeu os lvros dos Elemetos de Eucldes e ôde dedcar-se à votade ao estudo da geometra. Os avaços foram rádos: aos dezesses aos escreveu Tratado Sobre as Côcas, ue, o etato, or sua róra votade, ão fo mresso a éoca.. Calcule: Eercícos: a) 7! b) 8! c)!/!d) 7!/!. Smlfue:! ( )! a) b) c) ( )!! 7! 7! 76 d)!!7! 7! a) ( b)! )! ( )!! c) 76 d)! 7! 7!!7! 7!. Quatos aagramas odem ser formados com os caracteres: a) ESTA b)ovo c) HO d) PALADAR e) SOCIOLÓGICAS. Calcule: a) 6 b) c) d) 6. Eadr e smlfcar : a) y b) y 7. Numa classe há ove raazes e moças. a) De uatas maeras o rofessor ode escolher uma comssão de essoas? b) Quatos oderão ter ao meos uma moça? c) Quatos oderão ter eatamete uma moça? 8. Um dado é laçado. Se o úmero é ímar, ual a robabldade de ele ser rmo? 9. três moedas são laçadas. Se ocorrerem coroas e caras, determe a robabldade de ocorrer eatamete uma cara.. Uma bolsa cotém bolas bracas e duas retas. Outras cotém bracas e retas. Se for retrada bola de cada bolsa, ual a robabldade de : a) Ambas serem bracas. b) Ambas serem retas. c) Serem uma braca e uma reta.. Uma bola é retrada ao acaso de uma ura ue cotém 6 bolas vermelhas, bracas e azus. Determe a robabldade dela : a) Ser vermelha. b) Ser braca. c) Ser azul. d) Não ser vermelha. e) Ser vermelha ou braca.. Calcular: a)! b) C 9, c) A 9, d) C 8, A9, 6. Smlfue: 7

8 P(X) P(X) P(X) P*X) Prof. Dr. Cláudo S. Sartor Boestatístca Dstrbuções Estatístcas 8 A dstrbução Bomal ou de Beroull: Se é a robabldade de um eveto ocorrer em uma úca tetatva (deomada robabldade de sucesso) e = - é a de ue o eveto ão ocorra (deomada robabldade de sucesso), etão a robabldade do eveto ocorrer eatamete vêzes, em N tetatvas, sto é, ue haja sucessos e N - sucessos é dada or:, N ( ) CN, N! N () ( N )!! N N A méda ara a dstrbução bomal e o desvo adrão são dados abao: Dstrbução Bomal Méda =N Varâca Desvo Padrão Coefcete de smetra N N N Eemlo - Em laces de uma moeda, a méda do úmero de caras é =N= e o desvo adrão é N A segur mostramos os dados de dstrbução de robabldade de Beroull ara N laçametos de uma moeda hoesta (=/=),,,,,,,,,,,,,,,,,,,,,,,, N = N = N = ; (+) ; ( caras, cara e corôa, corôas) N = ; (+) ; ( caras, caras e corôa, cara e corôas, corôas) N =, N=,,,,,,,, N = ; (+) ; ( caras, caras e corôa, caras e corôas, cara e corôas, corôas), N = ; (+) ; ( cara ou corôa) 8

9 P(X) Prof. Dr. Cláudo S. Sartor Boestatístca Dstrbuções Estatístcas 9,,,,,, N= Eemlo Ecotre a dstrbução de Beroull ara =, e N =. Determe também sua méda e seu desvo adrão. Acessado Itervalo de Cofaça Dstrbução de Beroull, serdo N= e =, as corresodetes caas e clcado os botões ara gerar os arâmetros Solctados, teremos:, 6 N = ; (+) ; ( caras, caras e corôa, caras e corôas, caras e corôas, cara e corôas, corôas) Fgura Dstrbução de Beroull gerada elo DPA. Veja ue udo as etremdades do hstograma, à medda ue o valor de N cresce defdamete (N tede a fto, ou N ) o caso dscreto tede a um caso cotíuo. A dstrbução Bomal é chamada de Beroull or ter sdo descoberta or James Beroull em fs do século XVII. Jacob Beroull (6-78) - As rmeras cotrbuções mortates de Jacob Beroull fo sobre lógca e álgebra ublcado em 68, robabldade e geometra em 687. O resultado de seu trabalho em geometra gerou um método de costrução ara dvdr todo trâgulo em uatro orções guas com duas lhas eredculares. O trabalho mas orgal de Jacob Beroull fo Ars Cojectad ublcado a Baslea em 7, oto aos aós sua morte. O trabalho estava a éoca de sua morte, mesmo assm é cosderado o mas mortate a teora da robabldade. No lvro, Beroull revu o trabalho de outros autores em robabldade, Schoote, Lebz, e Prestet. Os úmeros de Beroull aarecem o lvro em uma dscussão da sére eoecal. Mutos eemlos são dados em uato se eserara gahar jogar o jogo de ossbldade. Em 689 ublcou um trabalho mortate sobre sére fta e sobre teora de robabldade: a terretação da robabldade como a freüêca relatva, uma eerêca ue ocorre grade úmero de reetções. Sua le é uma terretação matemátca deste resultado. Jacob Beroull ublcou trabalhos em séres ftas etre 68 e 7. Em mao 69 ublcou o acta Erudtorum. O ael de Jacob Beroull fo mortate ara a hstora do cálculo, e em 696 resolveu uma euação a Mecâca dos Fludos, hoje chamada "a euação de Beroull". 9

10 Prof. Dr. Cláudo S. Sartor Boestatístca Dstrbuções Estatístcas A dstrbução de Posso Outra dstrbução dscreta mortate, ue é uma aromação da dstrbução bomal uado N >> e << é a dstrbução de Posso. Sméo Des Posso - (78 em Pthvers, Frace - Arl 8 em Sceau Frace) Teve como rofessores Lalace e Lagrage ue o rocaram seus taletos matemátcos. Aos 8, atrau a ateção Legedre. Posso ecotrou essa geometra descrtva, um tóco mortate o École Polytechue. Escreveu um trabalho de teora de Bézout, e este era de tal ualdade ue fo ermtdo se graduar em 8 sem fazer eame de admssão, fato comum os a maora dos matemátcos suerores tveram ue servr as rovícas ates de retorar a Pars. Posso fo omeado rofessor École Polytechue em 8, uma osção ue redeu até 86. Posso teve ouco temo ara a olítca ara suas eergas teras fo drgdo arduamete ara suortar a matemátca, a cêca, a strução e o École Polytechue. Durate este eríodo Posso estudou os roblemas ue relacoam-se às euações dferecas ordáras e euações dferecas arcas; estudou alcações a um úmero de roblemas físcos tas como o êdulo em um meo resstvo e a teora do som. Seus estudos eram uramete teórcos. Em 8 ublcou seu Traté de mécaue, de dos volumes ue era um tratameto ececoalmete desobstruído baseou em suas otas do curso o École Polytechue. Dstrbução de Posso Méda =N Varâca N( ) Desvo Padrão N ( ) Coefcete de ' smetra N Eemlo Ecotre a dstrbução de Posso ara =, e N =. Determe também sua méda e seu desvo adrão. Acessado Itervalo de Cofaça Dstrbução de Posso, e comletado o valor de N e de as caas corresodetes, teremos aós clcar o botão dstrbução : Fgura Dstrbução de Posso gerada elo DPA. É dada or: P ( )! e Note ue a medda ue N e =,, a dstrbução de Beroull aromará da dstrbução Gaussaa.

11 Prof. Dr. Cláudo S. Sartor Boestatístca Dstrbuções Estatístcas A dstrbução Normal ou de Gauss: Veja ue a medda ue N tede a fto, o caso dscreto da dstrbução de Beroull ou Bomal, tede a se aromar defdamete de uma curva cotíua, deomada curva de Gauss. Essa curva é reresetada or uma fução ue tem como base o úmero e, deomado úmero de Naer. A tabela a segur mostra a orgem desse úmero, descoberto or Joh Naer (&). Ilustração de lm e,,976,7889,7699,789686, ,788696, , E+9,7888 E+,78879 E+,7887 (&) Joh Naer - (Edburgh:Scottsh ( - 67)) -Although the terretato of Revelato was Naer's major tellectual edeavor, he was terested mathematcs from a early age. A early MS, ublshed oly 8, De arte logstca, would have cotrbuted serously to algebra had t bee ublshed at the tme. Mrfc logarthmorum caos descrto, 6, ad Mrfc logarthmorum caos costructo,69, set forth the cocet of logarthms ad ublshed the frst table of them. I elag logs, he also systematzed shercal trgoometry. Naer made systematc use of decmal otato ad was a mortat aget ts accetace. Naer was aaretly reuted to be a magca hs ow age. (&&) Carl Fredrch Gauss (777-8), Bruswck, Germay From the outsde, Gauss' lfe was very smle. Before hs th brthday, he was already famous for hs work mathematcs ad astroomy. Whe he became he wet to Göttge to become drector of the observatory. He rarely left the cty ecet o scetfc busess. From there, he worked for 7 years utl hs death at almost 78. I cotrast to hs eteral smlcty, Gauss' ersoal lfe was tragc ad comlcated. Due to the Frech Revoluto, Naoleoc erod ad the democratc revolutos Germay, he suffered from oltcal turmol ad facal securty. Gauss ket a amazgly rch scetfc actvty. A early asso for umbers ad calculatos eteded frst to the theory of umbers, to algebra, aalyss, geometry, robablty, ad the theory of errors. At the same tme, he carred o tesve emrcal ad theoretcal research may braches of scece, cludg observatoal astroomy, celestal mechacs, surveyg, geodesy, callarty, geomagetsm,electromagetsm, mechasm otcs, actuaral scece. Hs ublcatos, abudat corresodece, otes, ad mauscrts show hm to have bee oe of the greatest scetfc vrtuosos of all tme. It s sad, that wthout ay hel, Gauss was able to calculate before he could eve talk. He taught hmself to read, ad must have cotued hs arthmetcal eermetato tesvely, because hs frst arthmetc class at the age of eght, he astoshed hs teacher by statly solvg a busywork roblem: to fd the sum of the frst hudred tegers. ((+)/) Podemos trabalhar com a varável deomada de varável reduzda z: z Nesse caso, a dstrbução Normal ou Gaussaa fca: Y z Esta ºe uma eressão mas smlfcada, cujo gráfco está dado a segur: e Fo Gauss (&&) uem deduzu a eressão ara a chamada dstrbução Gaussaa ou Normal: Y e

12 Y P(X) Y Prof. Dr. Cláudo S. Sartor Boestatístca Dstrbuções Estatístcas Veja ue há uma área sob a curva de. Quado o se ecotra o tervalo de ( -, + ), a área sob a curva é de 68,7%; já uado se ecotra o tervalo ( -, + ) a área já é de 9% ou.9. A dstrbução de Beroull b(n,x,) se aroma da dstrbução ormal ou gaussaa uado é grade e em e em se aromam de. Z é chamado de ormalmete dstrbuído, com méda e varâca. Dstrbução Normal ou Gaussaa Méda Varâca A segur veja a varação da forma da curva com o desvo adrão :,,, = = = Desvo Padrão Coefcete de smetra Observe ue a curva Gaussaa ou Normal é uma curva smétrca em relação ao eo Oy, tedo % de área à esuerda e a dreta do eo Oy. Veja como se aroma da dstrbução Normal um resultado ara N=8 ara um eemlo de laçameto de moeda ) =. = :,, Z, N = 8; = / = / = =,,,,,,, 6 8 X,,, 68,7%, 9,%, - - Z

13 Prof. Dr. Cláudo S. Sartor Boestatístca Dstrbuções Estatístcas A área sob a curva Normal adrão está dada a tabela a segur. (Área de a z). z ,,,,8,,6,99,9,79,9,9,,98,8,78,7,7,96,66,67,7,7,,79,8,87,9,98,987,6,6,,,,79,7,,9,,68,6,,8,7,,,9,68,66,7,76,77,88,8,879,,9,9,98,9,,88,,7,9,,6,8,9,,7,89,,,86,8,9,7,8,6,6,67,7,7,76,79,8,8,8,88,9,99,967,996,,,78,6,,9,9,86,,8,6,89,,,6,89,,,8,6,8,8,,,77,99,6,,6,66,686,78,79,79,77,79,8,8,,89,869,888,97,9,9,96,98,997,,,,9,66,8,99,,,7,6,77,,9,7,,6,,6,79,9,6,9,,,,7,7,8,9,6,8,9,,6,,6,7,8,9,,,,,,7,,6,7,8,9,99,68,66,6,6,8,6,69,66,66,67,678,686,69,699,76,9,7,79,76,7,78,7,7,76,76,767,,77,778,78,788,79,798,8,88,8,87,,8,86,8,8,88,8,86,8,8,87,,86,86,868,87,87,878,88,88,887,89,,89,896,898,9,9,96,99,9,9,96,,98,9,9,9,97,99,9,9,9,96,,98,9,9,9,9,96,98,99,9,9,6,9,9,96,97,99,96,96,96,96,96,7,96,966,967,968,969,97,97,97,97,97,8,97,97,976,977,977,978,979,979,98,98,9,98,98,98,98,98,98,98,98,986,986,,987,987,987,988,988,989,989,989,99,99,,99,99,99,99,99,99,99,99,99,99,,99,99,99,99,99,99,99,99,99,99,,99,99,99,996,996,996,996,996,996,997,,997,997,997,997,997,997,997,997,997,998,,998,998,998,998,998,998,998,998,998,998,6,998,998,998,999,999,999,999,999,999,999,7,999,999,999,999,999,999,999,999,999,999,8,999,999,999,999,999,999,999,999,999,999,9,,,,,,,,,,

14 Prof. Dr. Cláudo S. Sartor Boestatístca Dstrbuções Estatístcas Eercícos Dstrbução de Beroull e Dstrbução Gaussaa. Calcular: a)! b) C 6, c) C 8, d) C 7, e) C 7, f) C, g) C,. Determar a robabldade de, ao laçar três vezes uma moeda hoesta, aarecerem: a) Três caras b) caras e uma coroa c) coroas e uma cara d) coroas. Determar a robabldade de, em laces de um dado hoesto, aarecer um : a) ehuma vez b) uma vez c) duas vezes d) três vezes e) uatro vezes f) cco vezes. Escrever os desevolvmetos dos bômos: a) (+) 6 b) (+) 9. Determar a robabldade de uma famíla de craças haver: a) elo meos um meo b) elo meos um meo e uma mea.

Distribuições de Probabilidades

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

Leia mais

Teoria das Comunicações

Teoria das Comunicações Teora das Comucações.6ª Revsão de robabldade rof. dré Noll arreto rcíos de Comucação robabldade Cocetos áscos Eermeto aleatóro com dversos resultados ossíves Eemlo: rolar um dado Evetos são cojutos de

Leia mais

Revisão de Estatística X = X n

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

Leia mais

4- Método de Diferenças Finitas Aplicado às Equações Diferenciais Parciais.

4- Método de Diferenças Finitas Aplicado às Equações Diferenciais Parciais. MÉTODOS NUMÉRICOS PARA EQUAÇÕES DIFERENCIAIS PARCIAIS 4- Método de Dereças Ftas Alcado às Equações Derecas Parcas. 4.- Aromação de Fuções. 4..- Aromação or Polômos: Iterolação. 4..- Ajuste de Dados: Mímos

Leia mais

CEDEPLAR - UFMG Nivelamento em Estatística 2013 Prof a Sueli Moro. Variáveis aleatórias

CEDEPLAR - UFMG Nivelamento em Estatística 2013 Prof a Sueli Moro. Variáveis aleatórias CEDEPLAR - UFMG Nvelameto em Estatístca 3 Prof a Suel Moro Varáves aleatóras Varável aleatóra resultado ou produto de um epermeto aleatóro com um resultado úco. Varável resultado = Espaço amostral cojuto

Leia mais

ESTATÍSTICA MÓDULO 3 MEDIDAS DE TENDÊNCIA CENTRAL

ESTATÍSTICA MÓDULO 3 MEDIDAS DE TENDÊNCIA CENTRAL ESTATÍSTICA MÓDULO 3 MEDIDAS DE TEDÊCIA CETRAL Ídce. Meddas de Tedêca Cetral...3 2. A Méda Artmétca Smles ( μ, )...3 3. A Méda Artmétca Poderada...6 Estatístca Módulo 3: Meddas de Tedêca Cetral 2 . MEDIDAS

Leia mais

CAP. V AJUSTE DE CURVAS PELO MÉTODO DOS MÍNIMOS QUADRADOS

CAP. V AJUSTE DE CURVAS PELO MÉTODO DOS MÍNIMOS QUADRADOS CAP. V AJUSTE DE CURVAS PELO MÉTODO DOS MÍNIMOS QUADRADOS No caítulo ateror estudamos uma forma de ldar com fuções matemátcas defdas or taelas de valores. Frequetemete, estas taelas são otdas com ase em

Leia mais

Métodos tipo quadratura de Gauss

Métodos tipo quadratura de Gauss COQ-86 Métodos Numércos ara Sstemas Algébrcos e Dferecas Métodos to quadratura de Gauss Cosderado a tegração: Método de quadratura de Gauss com otos teros I f d a ser comutada com a maor recsão ossível

Leia mais

Hidrologia, Ambiente e Recursos Hídricos 2009 / Rodrigo Proença de Oliveira

Hidrologia, Ambiente e Recursos Hídricos 2009 / Rodrigo Proença de Oliveira Hdrologa, Ambete e Recursos Hídrcos 009 / 00 Rodrgo roeça de Olvera Aálse estatístca IST: Hdrologa, Ambete e Recursos Hídrcos Rodrgo roeça de Olvera, 009 Cocetos base Varável aleatóra oulação Fução de

Leia mais

? Isso é, d i= ( x i. . Percebeu que

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

Leia mais

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

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

Leia mais

Cap. 5. Testes de Hipóteses

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

Leia mais

CAP. V AJUSTE DE CURVAS PELO MÉTODO DOS MÍNIMOS QUADRADOS

CAP. V AJUSTE DE CURVAS PELO MÉTODO DOS MÍNIMOS QUADRADOS CAP. V AJUSTE DE CURVAS PELO MÉTODO DOS MÍNIMOS QUADRADOS No caítulo IV, Iterolação Polomal, estudamos uma forma de ldar com fuções matemátcas defdas or taelas de valores. Frequetemete, estas taelas são

Leia mais

Estatística - exestatmeddisper.doc 25/02/09

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

Leia mais

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

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

Leia mais

Prof. Janete Pereira Amador 1

Prof. Janete Pereira Amador 1 Prof. Jaete Perera Amador 1 1 Itrodução Mutas stuações cotdaas podem ser usadas como expermeto que dão resultados correspodetes a algum valor, e tas stuações podem ser descrtas por uma varável aleatóra.

Leia mais

Construção e Análise de Gráficos

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

Leia mais

MAE 5776 ANÁLISE MULTIVARIADA. Júlia M Pavan Soler

MAE 5776 ANÁLISE MULTIVARIADA. Júlia M Pavan Soler MAE 5776 ANÁLISE MULTIVARIADA Júla M Pava Soler ava@me.us.br º Semestre IME/09 Baco de Dados: Dados Multvarados Varáves Udades Amostras j j j j j j : Matrz de Dados resosta do -ésmo dvíduo a j-ésma varável

Leia mais

1 (0,8 ln0,8+0,2 ln0,2) 0,512 0,512 0, , , , , , , , , ,

1 (0,8 ln0,8+0,2 ln0,2) 0,512 0,512 0, , , , , , , , , , GABARITO DA TERCEIRA LISTA DE EXERCÍCIOS DE PTC-3 TEORIA DA INFORMAÇÃO E CODIFICAÇÃO Questão Uma fote de formações dscreta e sem memóra emte símbolos A e B com robabldades P(A =,8 e P(B =,. a calcule a

Leia mais

Departamento de Informática. Modelagem Analítica do Desempenho de Sistemas de Computação. Modelagem Analítica. Disciplina:

Departamento de Informática. Modelagem Analítica do Desempenho de Sistemas de Computação. Modelagem Analítica. Disciplina: Deartameto de Iformátca Dscla: do Desemeho de Sstemas de Comutação Processos de ascmeto e Morte Prof. Sérgo Colcher colcher@f.uc-ro.br Processos de ascmeto e Morte CMTC Homogêea a ual trasções acotecem

Leia mais

DISTRIBUIÇÃO HIPERGEOMÉTRICA

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

Leia mais

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

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

Leia mais

Teoria Elementar da Probabilidade. a) Cada experiência poderá ser repetida indefinidamente sob condições essencialmente inalteradas.

Teoria Elementar da Probabilidade. a) Cada experiência poderá ser repetida indefinidamente sob condições essencialmente inalteradas. Estatístca 47 Estatístca 48 Teora Elemetar da Probabldade SPECTOS PERTINENTES À CRCTERIZÇÃO DE UM EXPERIÊNCI LETÓRI MODELOS MTEMÁTICOS DETERMINÍSTICOS PROBBILÍSTICOS PROCESSO (FENÓMENO) LETÓRIO - Quado

Leia mais

CÁLCULO DE RAÍZES DE EQUAÇÕES NÃO LINEARES

CÁLCULO DE RAÍZES DE EQUAÇÕES NÃO LINEARES CÁLCULO DE RAÍZES DE EQUAÇÕES NÃO LINEARES Itrodução Em dversos camos da Egehara é comum a ecessdade da determação de raízes de equações ão leares. Em algus casos artculares, como o caso de olômo, que

Leia mais

50 Logo, Número de erros de impressão

50 Logo, Número de erros de impressão Capítulo 3 Problema. (a) Sedo o úmero médo de erros por pága, tem-se: 5 + + 3 + 3 + 4 33,66 5 5 Represetado o úmero medao de erros por md, tem-se, pela ordeação dos valores observados, que os valores de

Leia mais

Tabela 1 Números de acidentes /mês no Cruzamento X em CG/07. N de acidentes / mês fi f

Tabela 1 Números de acidentes /mês no Cruzamento X em CG/07. N de acidentes / mês fi f Lsta de exercícos Gabarto e chave de respostas Estatístca Prof.: Nelse 1) Calcule 1, e para o segute cojuto de valores. A,1,8,0,11,,7,8,6,,9, 1 O úmero que correspode a 5% do rol é o valor. O úmero que

Leia mais

Faculdade de Tecnologia de Catanduva CURSO SUPERIOR DE TECNOLOGIA EM AUTOMAÇÃO INDUSTRIAL

Faculdade de Tecnologia de Catanduva CURSO SUPERIOR DE TECNOLOGIA EM AUTOMAÇÃO INDUSTRIAL Faculdade de Tecologa de Cataduva CURSO SUPERIOR DE TECNOLOGIA EM AUTOMAÇÃO INDUSTRIAL 5. Meddas de Posção cetral ou Meddas de Tedêca Cetral Meddas de posção cetral preocupam-se com a caracterzação e a

Leia mais

1. Conceito de variável aleatória Podemos estudar, por exemplo, algumas características dos alunos do Curso de estatística.

1. Conceito de variável aleatória Podemos estudar, por exemplo, algumas características dos alunos do Curso de estatística. CAPÍTULO 7 VARIÁVEL ALEATÓRIA A probabldade teve íco com os jogos de azar (século XVII) com Cavalero de Nere, Fermat e Pascal, porém, coube a Beroull (73) laçar as bases da probabldade e a segur Laplace

Leia mais

tica ou tica como Rui Vilela Mendes CMAF, ICC, CFN dos TPC s

tica ou tica como Rui Vilela Mendes CMAF, ICC, CFN dos TPC s O oder da matemátca tca ou A matemátca tca como metáfora Ru Vlela Medes CMAF, ICC, CFN Soluções dos TPC s Curso o Mestrado de Comlexdade,, ISCTE, Ivero 007 07-03 03-007 TPC Dados ( I(I(,,, N ( I(/N, /N,,,

Leia mais

Estatística: Aplicação ao Sensoriamento Remoto SER ANO Estimação Pontual

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

Leia mais

Estatística. 2 - Estatística Descritiva

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

Leia mais

Professor Mauricio Lutz REGRESSÃO LINEAR SIMPLES. Vamos, então, calcular os valores dos parâmetros a e b com a ajuda das formulas: ö ; ø.

Professor Mauricio Lutz REGRESSÃO LINEAR SIMPLES. Vamos, então, calcular os valores dos parâmetros a e b com a ajuda das formulas: ö ; ø. Professor Maurco Lutz 1 EGESSÃO LINEA SIMPLES A correlação lear é uma correlação etre duas varáves, cujo gráfco aproma-se de uma lha. O gráfco cartesao que represeta essa lha é deomado dagrama de dspersão.

Leia mais

HIDROLOGIA E RECURSOS HÍDRICOS. Análise estatística aplicada à hidrologia

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

Leia mais

ANÁLISE DE ERROS. Todas as medidas das grandezas físicas deverão estar sempre acompanhadas da sua dimensão (unidades)! ERROS

ANÁLISE DE ERROS. Todas as medidas das grandezas físicas deverão estar sempre acompanhadas da sua dimensão (unidades)! ERROS ANÁLISE DE ERROS A oservação de um feómeo físco ão é completa se ão pudermos quatfcá-lo. Para é sso é ecessáro medr uma propredade físca. O processo de medda cosste em atrur um úmero a uma propredade físca;

Leia mais

Mecânica Estatística. - Leis da Física Macroscópica - Propriedades dos sistemas macroscópicos

Mecânica Estatística. - Leis da Física Macroscópica - Propriedades dos sistemas macroscópicos Mecâca Estatístca Tal como a Termodâmca Clássca, também a Mecâca Estatístca se dedca ao estudo das propredades físcas dos sstemas macroscópcos. Tratase de sstemas com um úmero muto elevado de partículas

Leia mais

d s F = m dt Trabalho Trabalho

d s F = m dt Trabalho Trabalho UNIVERSIDADE DO ESTADO DE MATO GROSSO CAMPUS UNIVERSITÁRIO DE SINOP FACULDADE DE CIÊNCIAS EXATAS E TECNOLÓGICAS CURSO DE ENGENHARIA CIVIL DISCIPLINA: CÁLCULO DIFERENCIAL E INTEGRAL I Trabalho 1. Itrodução

Leia mais

MEDIDAS DE TENDÊNCIA CENTRAL I

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

Leia mais

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

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

Leia mais

1. Conceitos básicos de estatística descritiva 1.3. Noção de extracção aleatória e de probabilidade

1. Conceitos básicos de estatística descritiva 1.3. Noção de extracção aleatória e de probabilidade Sumáro (3ª aula). Cocetos báscos de estatístca descrtva.3. Noção de etracção aleatóra e de probabldade.4 Meddas de tedêca cetral.4. Méda artmétca smples.4. Méda artmétca poderada.4.3 Méda artmétca calculada

Leia mais

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

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

Leia mais

( k) Tema 02 Risco e Retorno 1. Conceitos Básicos

( k) Tema 02 Risco e Retorno 1. Conceitos Básicos FEA -USP Graduação Cêcas Cotábes EAC05 04_0 Profa. Joaíla Ca. Rsco e Retoro. Cocetos Báscos Rotero BE-cap.6 Tema 0 Rsco e Retoro. Cocetos Báscos I. O que é Retoro? II. Qual é o Rsco de um Atvo Idvdual

Leia mais

Interpolação. Exemplo de Interpolação Linear. Exemplo de Interpolação Polinomial de grau superior a 1.

Interpolação. Exemplo de Interpolação Linear. Exemplo de Interpolação Polinomial de grau superior a 1. Iterpolação Iterpolação é um método que permte costrur um ovo cojuto de dados a partr de um cojuto dscreto de dados potuas cohecdos. Em egehara e cêcas, dspõese habtualmete de dados potuas, obtdos a partr

Leia mais

FÍSICA MODERNA I AULA 15

FÍSICA MODERNA I AULA 15 Uversdde de São ulo Isttuto de Físc FÍSIC MODERN I U 5 rof. Márc de lmed Rzzutto elletro sl 0 rzzutto@f.us.br o. Semestre de 08 ág do curso: htts:edscls.us.brcoursevew.h?d=695 0008 OERDORES OBSERVÁVEIS

Leia mais

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

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

Leia mais

NOTA BREVE SOBRE O CONCEITO DE MÉDIA 1

NOTA BREVE SOBRE O CONCEITO DE MÉDIA 1 NOTA BREVE SOBRE O CONCEITO DE MÉDIA O coceto de méda surge de modo abudate a dscla de Métodos Estatístcos, resete em mutos cursos de lcecatura de sttuções de eso sueror. Surge, de gual modo, em domíos

Leia mais

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

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

Leia mais

6. Inferência para Duas Populações USP-ICMC-SME 2013

6. Inferência para Duas Populações USP-ICMC-SME 2013 6. Iferêca ara Duas Poulações UP-ICMC-ME 3 8.. Poulações deedetes co dstrbução oral Poulação Poulação,,,, ~ N, ~ N, ~ N, Obs. e a dstrbução de e/ou ão for oral, os resultados são váldos aroxadaete. Testes

Leia mais

MÓDULO 8 REVISÃO REVISÃO MÓDULO 1

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

Leia mais

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

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

Leia mais

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

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

Leia mais

Estatística Descritiva

Estatística Descritiva Estatístca Descrtva Cocetos Báscos Poulação ou Uverso Estatístco: coj. de elemetos sobre o qual cde o estudo estatístco; Característca Estatístca ou Atrbuto: a característca que se observa os elemetos

Leia mais

Estatística Descritiva. Medidas estatísticas: Localização, Dispersão

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

Leia mais

Proposta de resolução do Exame Nacional de Matemática A 2016 (2 ạ fase) GRUPO I (Versão 1) Logo, P(A B) = = = Opção (A)

Proposta de resolução do Exame Nacional de Matemática A 2016 (2 ạ fase) GRUPO I (Versão 1) Logo, P(A B) = = = Opção (A) Proosta de resolução do Eame Naconal de Matemátca A 0 ( ạ fase) GRUPO I (Versão ). P( A B) 0, P(A B) 0, P(A B) 0, P(A B) 0,4 P(A) + P(B) P(A B) 0,4 Como P(A) 0, e P(B) 0,, vem que: 0, + 0, P(A B) 0,4 P(A

Leia mais

MEDIDAS DE DISPERSÃO:

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

Leia mais

ESTATÍSTICA APLICADA À ZOOTECNIA

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

Leia mais

Capítulo 5: Ajuste de curvas pelo método dos mínimos quadrados

Capítulo 5: Ajuste de curvas pelo método dos mínimos quadrados Capítulo : Ajuste de curvas pelo método dos mímos quadrados. agrama de dspersão No capítulo ateror estudamos uma forma de ldar com fuções matemátcas defdas por uma taela de valores. Frequetemete o etato

Leia mais

PROCESSOS ESTOCÁSTICOS

PROCESSOS ESTOCÁSTICOS UIVERIDADE FEDERAL DO RIO GRADE DO ORE CERO DE CIÊCIA EXAA E DA ERRA DEARAEO DE EAÍICA DICILIA: E ROCEO EOCÁICO ROCEO EOCÁICO ª EAA ROFEOR: FERADO CÉAR DE IRADA AAL/R EADO ABORVEE Defção. Um estado de

Leia mais

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

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

Leia mais

Sumário. Mecânica. Sistemas de partículas

Sumário. Mecânica. Sistemas de partículas umáro Udade I MECÂNICA 2- Cetro de massa e mometo lear de um sstema de partículas - stemas de partículas e corpo rígdo. - Cetro de massa. - Como determar o cetro de massa dum sstema de partículas. - Vetor

Leia mais

Macroeconometria Aula 3 Revisão de estatística e teste de hipótese

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

Leia mais

Avaliação da qualidade do ajuste

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

Leia mais

Estatística Descritiva

Estatística Descritiva Estatístca Descrtva Cocetos Báscos Poulação ou Uverso Estatístco: coj. de elemetos sobre o qual cde o estudo estatístco; Característca Estatístca ou Atrbuto: a característca que se observa os elemetos

Leia mais

Noções Básicas de Medidas e Algarismos Significativos

Noções Básicas de Medidas e Algarismos Significativos Noções Báscas de Meddas e Algarsmos Sgfcatvos Prof. Theo Z. Pava Departameto de Físca - Faculdade de Flosofa, Cêcas e Letras de Rberão Preto-USP Físca Acústca Motvações Quas são os padrões de meddas? Podemos

Leia mais

Métodos iterativos. Capítulo O Método de Jacobi

Métodos iterativos. Capítulo O Método de Jacobi Capítulo 4 Métodos teratvos 41 O Método de Jacob O Método de Jacob é um procedmeto teratvo para a resolução de sstemas leares Tem a vatagem de ser mas smples de se mplemetar o computador do que o Método

Leia mais

Introdução à Teoria dos Números Notas 1 Os Princípios da Boa Ordem e de Indução Finita Prof Carlos Alberto S Soares

Introdução à Teoria dos Números Notas 1 Os Princípios da Boa Ordem e de Indução Finita Prof Carlos Alberto S Soares Itrodução à Teora dos Números 018 - Notas 1 Os Prcípos da Boa Ordem e de Idução Fta Prof Carlos Alberto S Soares 1 Prelmares Neste curso, prortaramete, estaremos trabalhado com úmeros teros mas, quado

Leia mais

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

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

Leia mais

Capítulo 9 Problema 01 Problema 03 Problema 04

Capítulo 9 Problema 01 Problema 03 Problema 04 Bssab&Morett Caítlo Problema mod, orqe + mod, orqe + Problema a, m m, ( ) mod mod, ( ) mod mod, ( ) mod mod,...,,,,..., Portato, o eríodo esse caso é h. Problema a, m, m ( ) mod mod, ( ) mod mod, ( ) mod

Leia mais

Organização; Resumo; Apresentação.

Organização; Resumo; Apresentação. Prof. Lorí Val, Dr. val@ufrgs.br http://www.ufrgs.br/~val/ Grade Cojutos de Dados Orgazação; Resumo; Apresetação. Amostra ou População Defetos em uma lha de produção Lascado Deseho Torto Deseho Torto Lascado

Leia mais

Universidade Federal do Rio Grande FURG. Instituto de Matemática, Estatística e Física IMEF Edital 15 CAPES INTERPOLAÇÃO

Universidade Federal do Rio Grande FURG. Instituto de Matemática, Estatística e Física IMEF Edital 15 CAPES INTERPOLAÇÃO Uversdade Federal do Ro Grade FURG Isttuto de Matemátca, Estatístca e Físca IMEF Edtal CAPES INTERPOLAÇÃO Pro. Atôo Mauríco Mederos Alves Proª Dese Mara Varella Martez Matemátca Básca ara Cêcas Socas II

Leia mais

Bioestatística Curso de Saúde. Linha Reta 2 Parábola ou curva do segundo grau. terceiro grau curva do quarto. grau curva de grau n Hipérbole

Bioestatística Curso de Saúde. Linha Reta 2 Parábola ou curva do segundo grau. terceiro grau curva do quarto. grau curva de grau n Hipérbole Teora da Correlação: Probleas relatvos à correlação são aqueles que procura estabelecer quão be ua relação lear ou de outra espéce descreve ou eplca a relação etre duas varáves. Se todos os valores as

Leia mais

Difusão entre Dois Compartimentos

Difusão entre Dois Compartimentos 59087 Bofísca II FFCLRP USP Prof. Atôo Roque Aula 4 Dfusão etre Dos Compartmetos A le de Fck para membraas (equação 4 da aula passada) mplca que a permeabldade de uma membraa a um soluto é dada pela razão

Leia mais

Critérios de correção e orientações de resposta exame

Critérios de correção e orientações de resposta exame Mstéro da Cêca, Tecologa e Eso Superor U.C. 1037 Elemetos de Probabldade e Estatístca 1 de Juho de 011 Crtéros de correção e oretações de resposta eame Neste relatóro apresetam-se os crtéros e um eemplo

Leia mais

Confiabilidade Estrutural

Confiabilidade Estrutural Professor Uversdade de Brasíla Departameto de Egehara Mecâca Programa de Pós graduação em Itegrdade Estrutural Algortmo para a Estmatva do Idce de Cofabldade de Hasofer-Ld Cofabldade Estrutural Jorge Luz

Leia mais

Prof. Alvaro Vannucci

Prof. Alvaro Vannucci Pro. Alvaro Vaucc Lebreos o roblea dos sucessvos deslocaetos aleatóros rado - DRUNK - walk Cosderaos cada deslocaeto asso dado ela essoa coo tedo sere o eso coreto L. Chaaos de a robabldade de asso ara

Leia mais

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

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

Leia mais

ESTATÍSTICA MÓDULO 2 OS RAMOS DA ESTATÍSTICA

ESTATÍSTICA MÓDULO 2 OS RAMOS DA ESTATÍSTICA ESTATÍSTICA MÓDULO OS RAMOS DA ESTATÍSTICA Ídce. Os Ramos da Estatístca...3.. Dados Estatístcos...3.. Formas Icas de Tratameto dos Dados....3. Notação por Ídces...5.. Notação Sgma ()...5 Estatístca Módulo

Leia mais

Relatório 2ª Atividade Formativa UC ECS

Relatório 2ª Atividade Formativa UC ECS Relatóro 2ª Atvdade Formatva Eercíco I. Quado a dstrbução de dados é smétrca ou apromadamete smétrca, as meddas de localzação méda e medaa, cocdem ou são muto semelhates. O mesmo ão acotece quado a dstrbução

Leia mais

Cursos de Licenciatura em Ensino de Matemática e de EGI. Teoria de Probabilidade

Cursos de Licenciatura em Ensino de Matemática e de EGI. Teoria de Probabilidade Celso Albo FACULDADE DE CIÊNCIAS NATURAIS E MATEMÁTICA DEPARTAMENTO DE MATEMÁTICA Campus de Lhaguee, Av. de Moçambque, km, Tel: +258 240078, Fax: +258 240082, Maputo Cursos de Lcecatura em Eso de Matemátca

Leia mais

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

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

Leia mais

Apostila de Introdução Aos Métodos Numéricos

Apostila de Introdução Aos Métodos Numéricos Apostla de Itrodução Aos Métodos Numércos PARTE III o Semestre - Pro a. Salete Souza de Olvera Buo Ídce INTERPOAÇÃO POINOMIA...3 INTRODUÇÃO...3 FORMA DE AGRANGE... 4 Iterpolação para potos (+) - ajuste

Leia mais

pertencente a um plano e um vetor n ( a, do plano [obviamente que P é ortogonal [normal] a qualquer vetor pertencente ao plano.

pertencente a um plano e um vetor n ( a, do plano [obviamente que P é ortogonal [normal] a qualquer vetor pertencente ao plano. ESTUDO DO PLNO NO ESPÇO R 3 euação de um lao [o R 3 ] ode ser escrita de várias formas, sedo ue cada uma delas tem suas vatages uato à sua escolha e alicação. São elas: Euação Geral do Plao Euação Segmetária

Leia mais

Organização de dados -Dados não agrupados n. Mediana:

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

Leia mais

TRABALHO DE COMPENSAÇÃO DE FALTAS - DP

TRABALHO DE COMPENSAÇÃO DE FALTAS - DP Cotrole do Proº Compesou as Faltas Não Compesou as Faltas TRABALHO DE COMPENSAÇÃO DE FALTAS - DP (De acordo coma s ormas da Isttução) CURSO: CIÊNCIAS CONTÁBEIS DISCIPLINA: INTRODUÇÃO À ESTATÍSTICA 2º ANO

Leia mais

(1) no domínio : 0 x < 1, : constante não negativa. Sujeita às condições de contorno: (2-a) (2-b) CC2: 0

(1) no domínio : 0 x < 1, : constante não negativa. Sujeita às condições de contorno: (2-a) (2-b) CC2: 0 EXEMPLO MOTIVADO II EXEMPLO MOTIVADO II Método da Apromação Polomal Aplcado a Problemas Udrecoas sem Smetra. Equações Dferecas Ordáras Problemas de Valores o otoro Estrutura Geral do Problema: dy() d y()

Leia mais

7 Análise de covariância (ANCOVA)

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

Leia mais

Probabilidade e Estatística I Antonio Roque Aula 4. Resumos Numéricos de Distribuições

Probabilidade e Estatística I Antonio Roque Aula 4. Resumos Numéricos de Distribuições Probabldade e Estatístca I Antono Roque Aula Resumos umércos de Dstrbuções As representações tabulares e grácas de dados são muto útes, mas mutas vezes é desejável termos meddas numércas quanttatvas para

Leia mais

Aula 9. Aula de hoje. Aula passada. Self-normalized Importance Sampling Gerando amostras complicadas Variância amostral Simulação

Aula 9. Aula de hoje. Aula passada. Self-normalized Importance Sampling Gerando amostras complicadas Variância amostral Simulação Aula 9 Aula passada Método da rejeção (rejecto samplg) Exemplos Importace Samplg Exemplos Geeralzação Aula de hoje Self-ormalzed Importace Samplg Gerado amostras complcadas Varâca amostral Smulação Importace

Leia mais

Atividades Práticas Supervisionadas (APS)

Atividades Práticas Supervisionadas (APS) Uversdade Tecológca Federal do Paraá Prof: Lauro Cesar Galvão Campus Curtba Departameto Acadêmco de Matemátca Cálculo Numérco Etrega: juto com a a parcal DATA DE ENTREGA: da da a PROVA (em sala de aula

Leia mais

Análise de Correspondência

Análise de Correspondência MA 0330 ANÁS MUTVARAA AOS Aálse de orresodêca úla M Pava Soler ava@me.us.br Sem/016 Obetvos: Aálse de orresodêca Varável olua u.a. / Varável ha 1 1 Y 11 Y 1 Y 1 Y 1 Y 1 Y Y Y Y 1 Y Y Y Y 1 Y Y Y detfcar

Leia mais

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

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

Leia mais

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

Probabilidades e Estatística LEE, LEIC-A, LEIC-T, LEMat, LERC, MEBiol, MEBiom, MEEC, MEFT, MEMec, MEQ Duração: 90 mutos Grupo I Probabldades e Estatístca LEE, LEIC-A, LEIC-T, LEMat, LERC, MEBol, MEBom, MEEC, MEFT, MEMec, MEQ Justfque coveetemete todas as respostas 1 o semestre 018/019 10/01/019 09:00 o

Leia mais

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

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

Leia mais

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

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

Leia mais

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

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

Leia mais

Estabilidade no Domínio da Freqüência

Estabilidade no Domínio da Freqüência Establdade o Domío da Freqüêca Itrodução; apeameto de Cotoros o Plao s; Crtéro de Nyqust; Establdade Relatva; Crtéro de Desempeho o Domío do Tempo Especfcado o Domío da Freqüêca; Bada Passate de Sstema;

Leia mais

Análise Descritiva. Tipos de Variáveis. Análise descritiva. Exercício 1. HEP Material de aula

Análise Descritiva. Tipos de Variáveis. Análise descritiva. Exercício 1. HEP Material de aula Aálse Descrtva Iformações sobre a preseça de doeça coroaraa, dade (aos), sexo, prátca regular de exercícos (em horas/semaa), úmero de flhos, obesdade, IMC (kg/m ) e pressão arteral sstólca (em mmhg) após

Leia mais

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

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

Leia mais

Descritiva. Francisco Cysneiros DE - UFPE

Descritiva. Francisco Cysneiros DE - UFPE Noções de Estatístca Descrtva Dr. Fracsco Cyseros Profº. Adjuto do Departameto de Estatístca-CCEN/UFPE E-mal: cyseros@de.ufpe.br web-page: www.de.ufpe.br/~cyseros/dscpla/farmaca/farmaca.htm Foe: (8) 6

Leia mais

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

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

Leia mais

Francisco de Assis Amaral Bastos

Francisco de Assis Amaral Bastos Fracsco de sss maral astos Estatístca e robabldade umáro arte - robabldade... 9 Caítulo O ambete das robabldades Itrodução.... Eermetos leatóros.... Esaço mostral.... Evetos... Caítulo robabldade. robabldade.

Leia mais