O PERT PROBABILÍSTICO.
|
|
|
- Juan Aurélio Imperial Fernandes
- 8 Há anos
- Visualizações:
Transcrição
1 8.1 Os tempos no PERT. 8 O PERT PROBABILÍSTICO. Como comentado anteriormente, a metodologia utilizada no estudo das redes tanto no método PERT como no CPM é a mesma. A diferença existente entre os dois métodos é quanto à abordagem adotada no estabelecimento do atributo tempo de cada atividade. Sob a abordagem do CPM, admite-se que a estimativa de duração de qualquer atividade seja efetuada por experiência. Ou seja, de modo determinístico. Há o entendimento de que, ao se planejar programas cujas atividades apresentem duração bem conhecida ou dominada, a estimativa baseada em experiência pode ser adotada, sem causar expressivo erro de avaliação quanto à duração total do projeto. No método do PERT, admite-se ser difícil estimar, com precisão aceitável, a duração de uma atividade, mormente quando o projeto é composto por um conjunto de serviços tecnologicamente não dominados ou inusitados. Visando contornar tal limitação, a metodologia do PERT considera que o atributo tempo possa ocorrer sob diversas possibilidades de duração. Em decorrência desse fato é possível deduzir a probabilidade do tempo de ocorrência de cada evento integrante de uma rede, a partir da definição da estimativa de duração de cada atividade. Assim sendo, o atributo tempo das atividades de uma rede, dos respectivos eventos e a duração total de um programa pode ser definido de forma probabilística, fato que permite estimar probabilisticamente e definir percentualmente a duração total de um programa. 8. O Método da função BETA. A função Beta permite, com facilidade, estimar o atributo tempo de qualquer alternativa ao utilizar três estimativas visando a determinação do seu tempo de duração As estimativas de tempo. O método em questão estabelece a definição de três estimativas para a duração de cada atividade, nomeadas de duração otimista; mais provável e pessimista, a saber: a) Estimativa Otimista é definida como o tempo de menor duração, considerando uma combinação de recursos de forma favorável. Isto é, não ocorrerá falta e em condições favoráveis, dos PlnjArq~aula8~PRBLT 133
2 recursos de pessoal, mão de obra, insumos e equipamentos. No método a ser apresentado, essa alternativa é notada a. b) Estimativa Mais Provável é definida como o tempo mais provável de ocorrer a execução da alternativa, pois baseado em condições consideradas normais. No método em pauta essa alternativa é notada m. c) Estimativa Pessimista é definida como a estimativa de tempo de maior duração, dado a possível ocorrência de uma conjugação de acontecimentos desfavoráveis para a execução da atividade. No presente caso essa alternativa é notado b. O estabelecimento dos tempos acima definidos pode ser efetuado por um grupo de especialistas no assunto ou, em havendo a disponibilidade de dados relativos a serviços similares, empregada a própria experiência acumulada. 8.. Hipóteses. Para passar das três alternativas, a; m; b, para a estimativa de tempo esperado e a definição da variância, são adotadas duas hipóteses: 1ª Hipótese: O desvio padrão,, deve ser igual a um sexto (1/6) do intervalo da variação da variável aleatória. Isto porque, a partir do intervalo de 3, a própria Distribuição Normal apresenta distorções. ª Hipótese: Para que a distribuição de probabilidade seja uma distribuição Beta, deve-se ter: m = o valor da moda, estatisticamente falando; a = limite inferior da distribuição; b = limite superior da distribuição. t e = tempo esperado de cada atividade A Função Beta. Considerando ser o tempo total de um programa definido pelo caminho crítico, somente são consideradas no calculo da estimativa de duração do mesmo os tempos das atividades dele integrantes. Deste modo, são calculadas as variâncias e desvios padrão, apenas, das atividades integrantes do caminho crítico, pois ocorrendo atraso em qualquer delas, decorre em atraso no evento final. Associando a cada uma das durações das atividades uma função de variável aleatória estatisticamente independente, cujas somas sigam uma distribuição normal de probabilidade, é possível caracterizar uma função de probabilidade denominada de função BETA. Então, associando a cada t ek VE ( t ek ) t ea t eb... t ek Fig. 9.1 Tempos Esperados = t e (k) PlnjArq~aula8~PRBLT 134
3 Da teoria da probabilidade sabe-se que: a) O Valor Esperado, VE, de uma soma de variáveis aleatórias estatisticamente independentes é igual à soma dos Valores Esperados das variáveis. VE ( t ea + t eb + L+ t ek ) = VE( t ea ) + VE( t eb ) + L + VE ( t ek ) b) A Variância de uma soma de variáveis aleatórias estatisticamente independentes é igual à soma das variâncias dessas variáveis. ( A+ B+ L + k) = A + B + L+ k A função Beta permite definir o Tempo Médio Estimado de cada atividade, a variância e o desvio padrão segundo o modelo: Considerando uma distribuição normal de probabilidade, a probabilidade de um evento ocorrer dentro de um Tempo Esperado é obtida utilizando a área sob a curva de distribuição normal. Do desenho abaixo, t e corresponde ao tempo médio estimado de ocorrência de um evento. Isto é, o tempo calculado conforme o item c, acima. O objetivo, então, é conhecer a probabilidade de ocorrência de um evento a ocorrer dentro do tempo Ts. Para tanto, é utilizada uma tabela que forneça a área sob a curva normal, área esta que expressa a probabilidade desejada. Considerando o desenho, a área a ser determinada e que expressa porcentagem é aquela definida como S 1. c) Tempo Médio Estimado: a + 4m + b t e (k) = 6 d) A Variância S e) O Desvio Padrão - s(k) = K = b a = 6 b a s(k) = 6 f) Probabilidade da Ocorrência de um Evento. Exprimindo a distância (Ts-te) em relação ao desvio padrão, obté-se a variável z, denominada de variável padronizada. PlnjArq~aula8~PRBLT 135 0,5 S 1 t e =0 Ts z Fig.9. Área sob a curva normal. Tempo(z)
4 Então: Ts z = Calculado o valor de z e disponível uma tabela que apresenta a área sob a curva normal, obtém-se o valor de probabilidade, representado graficamente pela área S 1. Ver na ultima página desate Capítulo a Tab.5.4 Área sob a Curva Normal (%). A probabilidade de ocorrer um evento dentro do tempo Ts é dada por: T e P ( z Ts ) = 0,5 + S Comentários sobre a Função Beta. A adequação da função Beta para o calculo das probabilidades considerando a adoção de três possíveis alternativas para o atributo tempo é justificada dado as suas seguintes características: º - É possível que a curva seja assimétrica para ambos o lado da média, situação comum em projetos de engenharia quando se efetuam varias estimativas de tempo; 8.3. Precisão das Informações. O parâmetro estatístico que define a precisão da informação sobre o atributo tempo é dado pela variância da variável aleatória - s. Assim: 1º - Quanto maior for a variância, maior a dispersão dos dados e, conseqüentemente, menor a precisão das informações; º - Quanto menor for a variância, menor é a dispersão dos dados, em decorrência de haverá maior a precisão das informações. MODA MODA Forma da Curva. 1º - Sendo os extremos perfeitamente definidos e, conseqüentemente, não sendo assintótica ao eixo das abscissas ou dos tempos, fica perfeitamente caracterizado o intervalo de variação da função; a t e b a t e b PlnjArq~aula8~PRBLT 136
5 MODA MODA 0,5 K 1 t e = 500 Ts=515 dias a t e b a t e b Variância - s Quanto Maior Quanto Menor Segurança Maior Dispersão dos Dados; Menor precisão nas informações. Menor Dispersão dos Dados; Maior precisão nas informações. Sendo, z = 0,94, da tabela tem-se: K 1 = 0,364 P ( t = 515 ) = 0,5 + K 1 P ( t = 515 ) = 0,5 + 0,364 P( t = 515 ) = 0,864 ou, P( t = 515 ) = 8,64% 8.4 Exemplo de Cálculo de Probabilidade. 8.5 O Método do PERT. Dado o evento final de um programa cujo tempo mais cedo de fim foi calculado em 500 dias, estabelecer qual a probabilidade de que ele ocorra antes de 515 dias? É conhecida a variância do evento s = 56. z = Ts T e = = = 0, 94 A aplicação do método PERT segue a seguinte marcha: 1º Passo Estimar os três possíveis tempos de execução para cada atividades. a = tempo otimista ou de menor duração; b = tempo pessimista ou de maior duração; m = tempo mais provável de ocorrer ou moda. PlnjArq~aula8~PRBLT 137
6 º Passo - Calcular o Tempo Médio Esperado e a Variância de cada Atividade. O estabelecimento da probabilidade de conclusão de um projeto dentro de espaço de tempo pré-determinado, é função da variância conexa ao tempo total do programa. Para tanto, calcula-se a variância de cada nó (evento) integrante do Caminho Critico, após ter sido obtida a variância das atividades dele integrantes. Deste modo, a variância correlacionada ao tempo total de duração de um projeto é equivalente à soma das variâncias das atividades componentes do caminho crítico. s = Σ REDE s k caminhocritico a + 4m + b t e (k) = 6 s = Σ REDE s k caminhocritico Volta-se a ressaltar que o calculo da variância da rede deve ser efetuada utilizando as variâncias das atividades integrantes do caminho crítico, pois ocorrendo atraso em qualquer delas, decorre em atraso no evento final. 5º Passo Calcular a Probabilidade de Ocorrência do Evento Final. Ts z = Tendo z e dispondo de uma tabela que forneça a área sob a Curva Normal, obtêm-se k 1, coeficiente que estabelece a probabilidade de ocorrência ou de cumprimento do projeto dentro do tempo desejado, T s. T e s(k) = = b a 6 3º Passo - Determinação do Caminho Crítico. Nesta etapa, definir os TCI e TTI de cada evento da rede, considerando os tempos estimados das atividades, t e (k). 4º Passo - Calcular a Variância dos Nós e da Rede. PlnjArq~aula8~PRBLT 138
7 8.6 Exemplo de Aplicação. Dado o projeto abaixo, representado pelo conjunto de suas atividades, calcular a probabilidade dos serviços serem executados num prazo inferior a 100 dias. Para tanto, preencher e indicar os valores dos tempos e da variância correlacionados a cada nó da figura indicada. Atividade Evento a Estimativas m b t e s A ,33 1 B A C ,67 1 D E ,33 9 F ,5 0 1,5 0 0,5 1 3 A A C E o 4 5 B D F º Passo Calcular a Média e a Variância das Atividades t e (A) = = 10, 33dias 6 b a s(a) = ( ) = ( ) = ( ) = º Passo Cálculo do Tempo Esperado 3º Passo - Determinação do Caminho Crítico. PlnjArq~aula8~PRBLT 133
8 Nó t e(k) s (k) , = ,67 5 = = ,5 =14+0,5 Obs: é mais crítica a tarefa que apresentar a maior variância. Nó Tempo Mais Cedo Tempo Mais Tarde , ,67 39, º Passo Calcular a Variância dos Nós e da Rede. 5º Passo Calculo da Probabilidade. 0,5 O,3554 t e = 96 Ts=100 dias Neste caso, adota-se o tempo mais cedo das atividades integrantes do Caminho Crítico. ( A+ B+ L + F) = A + B + L + F z = Ts t e REDE = 14, 5 = 4 3, 77 = 106, PlnjArq~aula8~PRBLT 134
9 Sendo, z = 1,06, da tabela obtém-se K 1 = 0,3554, que corresponde a área da curva de probabilidade entre os valores 96 e 100 dias. Então: P (z < 100) = 0,5 + 0,3554 = 0,8554 ou, P (z < 100) = 85,54% 8.7 Exercício. a) Probabilidade de Ocorrência. Partindo do problema anterior, item 7.5, determinar o tempo total de execução para que ele ocorra com uma probabilidade de cumprimento de 90%. P(rede) = 90% P ( 0,50 + 0,40 ) Considerando que K 1 = 0,40, da tabela obtém-se: z = 1,8. Ts T Sendo: z = e Ts 96 Então, 18, = Ts 100 dias 3, 77 Logo, o tempo estimado para executar o referido projeto considerando uma probabilidade de êxito de 90% é de 100 dias. - A probabilidade de o programa ser executado com 90% de certeza. Atividade Dependência Previsão Previsão Mais Previsão Otimista Provável Pessimista A B C A D B E A F B G C,D Atividade TCI Variância Desvio A B C D E F G Variância da Rede Para o calculo da variância da rede só considerar atividades integrantes do caminho critico. b) Dado o projeto representado pelo seu rol de atividades, definir: - Projeto da rede; - Caminho Critico; - A duração total do programa; PlnjArq~aula8~PRBLT 135
10 PlnjArq~aula8~PRBLT 136
11 c) Dado o projeto representado por suas atividades, informar: O tempo de execução para ser realizado com uma confiabilidade de 90%; A probabilidade de que seja realizado em 47 tempos. PlnjArq~aula8~PRBLT 137
12 Eng.º Civil Antonio Victorino Avila, MSc. Planejamento Atividade Dependência Tempo Otimista Tempo Médio Tempo Pessimista A B C D A E B F C G D;B H E I I J F;B K G;H L E M I;J N K P M R N;P;L Tempo Estimado s²(k) s(k) Obs: para o calculo da variância da rede, somente considerar atividades integrantes do caminho critico. PlnjArq~aula8~PRBLT 138
13 Eng.º Civil Antonio Victorino Avila, MSc. Planejamento z Tab.5.4 Área sob a Curva Normal (%) PlnjArq~aula8~PRBLT 139
PERT PERT PERT PERT PERT PERT. O CPM assume que as estimativas de tempo para um projeto são certas (determinísticas);
O CPM assume que as estimativas de tempo para um projeto são certas (determinísticas); A duração de cada atividade na prática, contudo, pode ser diferente daquela prevista no projeto; Existem muitos fatores
Capitulo 6 Viabilidade Econômica em Situação de Incerteza
1 Capitulo 6 Viabilidade Econômica em Situação de Incerteza Nos capítulos anteriores, ao construir o fluxo de caixa de um projeto de investimento, supusemos que os valores eram conhecidos com certeza.
Métodos de Estimação. Roteiro. 1. Three-point Estimation 2. Julgamento de Especialistas 3. Referências. Three-Point Estimation
Métodos de Estimação Roteiro 1. Three-point Estimation. Julgamento de Especialistas 3. Referências Three-Point Estimation 1 Three-Point Estimation Pert original: A duração da atividade segue uma distribuição
CEULJI ULBRA Sistemas de Informação Disciplina Gestão de Projetos 1 semestre de 2016 Primeiro Semestre. Lista de exercícios 01
CEULJI ULBRA Sistemas de Informação Disciplina Gestão de Projetos 1 semestre de 2016 Primeiro Semestre Lista de exercícios 01 DEFINIÇÃO DE CONTROLE DE PROJETO PERT & CPM Listas de exercícios - Lista de
( x) = a. f X. = para x I. Algumas Distribuições de Probabilidade Contínuas
Probabilidade e Estatística I Antonio Roque Aula Algumas Distribuições de Probabilidade Contínuas Vamos agora estudar algumas importantes distribuições de probabilidades para variáveis contínuas. Distribuição
PESQUISA OPERACIONAL II MÉTODO DO CAMINHO CRÍTICO PERT/CPM
PESQUISA OPERACIONAL II MÉTODO DO CAMINHO CRÍTICO PERT/CPM Prof. Dr. Daniel Caetano 219-1 Objetivos Compreender o Problema do Caminho Crítico (CPM) e as folgas Compreender o método de solução CPM Compreender
FÍSICA EXPERIMENTAL C ( )
FÍSICA EXPERIMENTAL C (4323301) REPRESENTAÇÃO DE INCERTEZAS EM RESULTADOS EXPERIMENTAIS Medida, erro e incerteza Qualquer medida física possui sempre um valor verdadeiro, que é sempre desconhecido, e um
Cap. 4 - Estimação por Intervalo
Cap. 4 - Estimação por Intervalo Amostragem e inferência estatística População: consiste na totalidade das observações em que estamos interessados. Nº de observações na população é denominado tamanho=n.
Unidade: Risco e Retorno. Unidade I:
Unidade I: 0 Unidade: Risco e Retorno A análise de investimentos está baseada nas estimativas dos fluxos de caixa de um projeto. Nem sempre essas previsões de fluxo de caixa coincidem com os resultados
Simulação Monte Carlo
Simulação Monte Carlo Nome do Prof. Fernando Saba Arbache Email do prof. [email protected] Definição Análise de risco faz parte da tomada de decisão Surgem constantemente incertezas, ambiguidades e
AULA 09 Regressão. Ernesto F. L. Amaral. 17 de setembro de 2012
1 AULA 09 Regressão Ernesto F. L. Amaral 17 de setembro de 2012 Faculdade de Filosofia e Ciências Humanas (FAFICH) Universidade Federal de Minas Gerais (UFMG) Fonte: Triola, Mario F. 2008. Introdução à
1 Que é Estatística?, 1. 2 Séries Estatísticas, 9. 3 Medidas Descritivas, 27
Prefácio, xiii 1 Que é Estatística?, 1 1.1 Introdução, 1 1.2 Desenvolvimento da estatística, 1 1.2.1 Estatística descritiva, 2 1.2.2 Estatística inferencial, 2 1.3 Sobre os softwares estatísticos, 2 1.4
Capítulo 3: Elementos de Estatística e Probabilidades aplicados à Hidrologia
Departamento de Engenharia Civil Prof. Dr. Doalcey Antunes Ramos Capítulo 3: Elementos de Estatística e Probabilidades aplicados à Hidrologia 3.1 - Objetivos Séries de variáveis hidrológicas como precipitações,
Preparatório CEA. Módulo 6 Fundamentos de Estatística
Preparatório CEA Módulo 6 Fundamentos de Estatística Medidas de posição central Média As medidas de posição central buscam representar uma série de dados. Por exemplo: em média na Suiça cada pessoa come
Unidade I ESTATÍSTICA APLICADA. Prof. Mauricio Fanno
Unidade I ESTATÍSTICA APLICADA Prof. Mauricio Fanno Estatística indutiva Estatística descritiva Dados no passado ou no presente e em pequena quantidade, portanto, reais e coletáveis. Campo de trabalho:
Tratamento de dados e representação das incertezas em resultados experimentais
Tratamento de dados e representação das incertezas em resultados experimentais Medida, erro e incerteza Qualquer medida física sempre possui um valor verdadeiro, que é sempre desconhecido e um valor medido.
HIDROLOGIA. Aula vazões mínimas de referência. Prof. Enoque
HIDROLOGIA Aula vazões mínimas de referência Prof. Enoque CRITÉRIOS PARA DEFINIÇÃO DA VAZÃO A SER OUTORGADA A vazão mínima é caracterizada pela sua duração e freqüência, sendo utilizada para os seguintes
ESTATÍSTICA. x(s) W Domínio. Contradomínio
Variáveis Aleatórias Variáveis Aleatórias são funções matemáticas que associam números reais aos resultados de um Espaço Amostral. Uma variável quantitativa geralmente agrega mais informação que uma qualitativa.
PERT Custo Introdução. As razões que demandam esse estudo, comumente, são:
9.1 Introdução. 9 PERT Custo - O PERT Custo é uma extensão do modelo PERT/CPM destinado à análise conjunta dos atributos tempo e custo. O objetivo do método é permitir uma análise do comportamento dos
Medidas de Dispersão ou variabilidade
Medidas de Dispersão ou variabilidade A média - ainda que considerada como um número que tem a faculdade de representar uma série de valores - não pode, por si mesma, destacar o grau de homogeneidade ou
Estatística Aplicada II. } Revisão: Probabilidade } Propriedades da Média Amostral
Estatística Aplicada II } Revisão: Probabilidade } Propriedades da Média Amostral 1 Aula de hoje } Tópicos } Revisão: } Distribuição de probabilidade } Variáveis aleatórias } Distribuição normal } Propriedades
Risco x Retorno. Fundamentos de Risco e Retorno: Fundamentos de Risco e Retorno. Risco de um Ativo Individual. Risco de uma Carteira de Ativos.
Risco x Retorno Fundamentos de Risco e Retorno. Risco de um Ativo Individual. Risco de uma Carteira de Ativos. Fundamentos de Risco e Retorno: Em administração e finanças, risco é a possibilidade de perda
Métodos Estatísticos
Métodos Estatísticos 5 - Distribuição Normal Referencia: Estatística Aplicada às Ciências Sociais, Cap. 7 Pedro Alberto Barbetta. Ed. UFSC, 5ª Edição, 2002. Distribuição de Probabilidades A distribuição
Análise Exploratória e Estimação PARA COMPUTAÇÃO
Análise Exploratória e Estimação MONITORIA DE ESTATÍSTICA E PROBABILIDADE PARA COMPUTAÇÃO Médias Média Aritmética (valor médio de uma distribuição) n x = 1 n i=1 x i = 1 n x 1 + + x n Média Aritmética
Estatística Descritiva
C E N T R O D E M A T E M Á T I C A, C O M P U T A Ç Ã O E C O G N I Ç Ã O UFABC Estatística Descritiva Centro de Matemática, Computação e Cognição March 17, 2013 Slide 1/52 1 Definições Básicas Estatística
Caros Alunos, segue a resolução das questões de Estatística aplicadas na prova para o cargo de Auditor Fiscal da Receita Municipal de Teresina.
Caros Alunos, segue a resolução das questões de Estatística aplicadas na prova para o cargo de Auditor Fiscal da Receita Municipal de Teresina. De forma geral, a prova manteve o padrão das questões da
Medidas de Posição ou Tendência Central
Medidas de Posição ou Tendência Central Medidas de Posição ou Tendência Central Fornece medidas que podem caracterizar o comportamento dos elementos de uma série; Possibilitando determinar se um valor
Gestão de Projectos. Projectos como redes de actividades Determinação do caminho crítico Método de PERT Método CPM Exercício Links
Gestão de Projectos Gestão de Projectos Projectos como redes de actividades Determinação do caminho crítico Método de PERT Método CPM Exercício Links Projectos como redes de actividades Projectos são conjuntos
Estatística. O que é Estatística? Estatística pode ser: Estatística Descritiva. Ivonete Melo de Carvalho. Conteúdo
Estatística Estatística Descritiva Ivonete Melo de Carvalho Conteúdo Definições; Tabelas e Gráficos; Medidas de tendência central; Medidas de dispersão. Objetivos Diferenciar população e amostra. Elaborar
RACIOCÍNIO LÓGICO-QUANTITATIVO Prova comentada ANAC / ANALISTA / 2016 Professor Josimar Padilha
RACIOCÍNIO LÓGICO-QUANTITATIVO Prova comentada ANAC / ANALISTA / 2016 Professor Josimar Padilha 1. A negação da proposição se choveu, então o voo vai atrasar pode ser logicamente descrita por: a. não choveu
Exercícios. Finanças Benjamin M. Tabak
Exercícios Finanças Benjamin M. Tabak ESAF BACEN - 2002 Uma carteira de ações é formada pelos seguintes ativos: Ações Retorno esperado Desvio Padrão Beta A 18% 16% 1,10 B 22% 15% 0,90 Também se sabe que
étodos uméricos AJUSTE DE FUNÇÕES Prof. Erivelton Geraldo Nepomuceno PROGRAMA DE PÓS-GRADUAÇÃO EM ENGENHARIA ELÉTRICA
étodos uméricos AJUSTE DE FUNÇÕES Prof. Erivelton Geraldo Nepomuceno PROGRAMA DE PÓS-GRADUAÇÃO EM ENGENHARIA ELÉTRICA UNIVERSIDADE DE JOÃO DEL-REI PRÓ-REITORIA DE PESQUISA CENTRO FEDERAL DE EDUCAÇÃO TECNOLÓGICA
Medidas de Dispersão. Introdução Amplitude Variância Desvio Padrão Coeficiente de Variação
Medidas de Dispersão Introdução Amplitude Variância Desvio Padrão Coeficiente de Variação Introdução Estudo de medidas que mostram a dispersão dos dados em torno da tendência central Analisaremos as seguintes
Distribuições de Probabilidade
Distribuições de Probabilidade 7 6 5 4 3 2 1 0 Normal 1 2 3 4 5 6 7 8 9 10 11 Exemplos: Temperatura do ar 20 18 16 14 12 10 8 6 4 2 0 Assimetrica Positiva 1 2 3 4 5 6 7 8 9 10 11 Exemplos: Precipitação
MÉTODOS QUANTITATIVOS PARA CIÊNCIA DA COMPUTAÇÃO EXPERIMENTAL
MÉTODOS QUANTITATIVOS PARA CIÊNCIA DA COMPUTAÇÃO EXPERIMENTAL Pedro Henrique Bragioni Las Casas [email protected] Apresentação baseada nos slides originais de Jussara Almeida e Virgílio Almeida
14. Distribuição de Probabilidade para Variáveis Aleatórias Contínuas
4. Distribuição de Probabilidade para Variáveis Aleatórias Contínuas Os valores assumidos por uma variável aleatória contínua podem ser associados com medidas em uma escala contínua como, por exemplo,
Aula 8 : Estimação de parâmetros
UNIVERSIDADE FEDERAL DA BAHIA ESCOLA POLITÉCNICA MEAU- MESTRADO EM ENGENHARIA AMBIENTAL URBANA ENG C 18 Métodos de Pesquisa Quantitativos e Qualitativos Aula 8 : Estimação de parâmetros DOCENTE:CIRA SOUZA
Unidade III ESTATÍSTICA. Prof. Fernando Rodrigues
Unidade III ESTATÍSTICA Prof. Fernando Rodrigues Medidas de dispersão Estudamos na unidade anterior as medidas de tendência central, que fornecem importantes informações sobre uma sequência numérica. Entretanto,
Variáveis Aleatórias. Esperança e Variância. Prof. Luiz Medeiros Departamento de Estatística - UFPB
Variáveis Aleatórias Esperança e Variância Prof. Luiz Medeiros Departamento de Estatística - UFPB ESPERANÇA E VARIÂNCIA Nos modelos matemáticos aleatórios parâmetros podem ser empregados para caracterizar
CE001 - BIOESTATÍSTICA TESTE DO QUI-QUADRADO
CE001 - BIOESTATÍSTICA TESTE DO QUI-QUADRADO Ana Paula Araujo Correa Eder Queiroz Newton Trevisan DEFINIÇÃO É um teste de hipóteses que se destina a encontrar um valor da dispersão para duas variáveis
Cálculo das Probabilidades e Estatística I
Cálculo das Probabilidades e Estatística I Prof a. Juliana Freitas Pires Departamento de Estatística Universidade Federal da Paraíba - UFPB [email protected] Distribuição Normal Motivação: Distribuição
VERIFICAÇÃO DA ADEQUAÇÃO DO MODELO DE ANÁLISE DE VARIÂNCIA ANÁLISE DE RESÍDUOS
VERIFICAÇÃO DA ADEQUAÇÃO DO MODELO DE ANÁLISE DE VARIÂNCIA ANÁLISE DE RESÍDUOS Conforme foi apresentado anteriormente, o modelo de análise de variância assume que as observações são independentes e normalmente
Métodos de Apoio à Elaboração de Cronogramas
Universidade Federal do Espírito Santo Centro Tecnológico Departamento de Informática Disciplina: Gerência de Projetos Prof.: ([email protected]) 1. Gráfico de Gantt 2. PERT/CPM 1 1. Gráfico de Gantt
Distribuição Normal. Prof a Dr a Alcione Miranda dos Santos. Abril, 2011
Distribuição Normal Prof a Dr a Alcione Miranda dos Santos Universidade Federal do Maranhão Programa de Pós-Graduação em Saúde Coletiva email:[email protected] Abril, 2011 1 / 18 Sumário Introdução
Estatística I Aula 8. Prof.: Patricia Maria Bortolon, D. Sc.
Estatística I Aula 8 Prof.: Patricia Maria Bortolon, D. Sc. MODELOS PROBABILÍSTICOS MAIS COMUNS VARIÁVEIS ALEATÓRIAS CONTÍNUAS Lembram o que vimos sobre V.A. contínua na Aula 6? Definição: uma variável
Decisões de Financiamentos e Estrutura de Capital. Professor: Francisco Tavares
Decisões de Financiamentos e Estrutura de Capital Professor: Francisco Tavares RISCO E RETORNO Definição de risco Em administração e finanças, risco é a possibilidade de perda financeira. Os ativos (reais
Introdução às Medidas em Física a Aula. Nemitala Added Prédio novo do Linac, sala 204, r. 6824
Introdução às Medidas em Física 4300152 3 a Aula Nemitala Added [email protected] Prédio novo do Linac, sala 204, r. 6824 Experiência I: Medidas de Tempo e o Pêndulo Simples Objetivos: Realizar medidas
ESTIMAÇÃO DE PARÂMETROS
ESTIMAÇÃO DE PARÂMETROS Um dos principais objetivos da estatística inferencial consiste em estimar os valores de parâmetros populacionais desconhecidos (estimação de parâmetros) utilizando dados amostrais.
MEDIDAS DE DISPERSÃO. Os dados a seguir referem-se ao índice pluviométrico de três cidades no Estado de São Paulo, em 3 diferentes ocasiões
MEDIDAS DE DISPERSÃO Os dados a seguir referem-se ao índice pluviométrico de três cidades no Estado de São Paulo, em 3 diferentes ocasiões Cidade A: 185, 185, 185 x 185mm Cidade B: 18, 184, 189 x 185mm
Aula de hoje. administração. São Paulo: Ática, 2007, Cap. 3. ! Tópicos. ! Referências. ! Distribuição de probabilidades! Variáveis aleatórias
Aula de hoje! Tópicos! Distribuição de probabilidades! Variáveis aleatórias! Variáveis discretas! Variáveis contínuas! Distribuição binomial! Distribuição normal! Referências! Barrow, M. Estatística para
Estimação parâmetros e teste de hipóteses. Prof. Dr. Alberto Franke (48)
Estimação parâmetros e teste de hipóteses Prof. Dr. Alberto Franke (48) 91471041 Intervalo de confiança para média É um intervalo em que haja probabilidade do verdadeiro valor desconhecido do parâmetro
Estatística 1. Resumo Teórico
Estatística 1 Resumo Teórico Conceitos do Curso 1. Tipos de Variáveis e Representações Gráficas a. Tipos de Variáveis b. Distribuição de Frequências c. Histograma 2. Estatística Descritiva Medidas Estatísticas
ANÁLISE DE RISCO E RETORNO DE INVESTIMENTO USO DAS MEDIDAS DE DISPERSÃO
ANÁLISE DE RISCO E RETORNO DE INVESTIMENTO USO DAS MEDIDAS DE DISPERSÃO Luiz Fernando Stringhini 1 Na tentativa de mostrar as possibilidades de uso das ferramentas da estatística dentro da contabilidade,
Universidade Tecnológica Federal do Paraná. CC54Z - Hidrologia. Introdução a hidrologia estatística. Prof. Fernando Andrade Curitiba, 2014
Universidade Tecnológica Federal do Paraná CC54Z - Hidrologia Introdução a hidrologia estatística Prof. Fernando Andrade Curitiba, 2014 Objetivos da aula Revisar estatística básica aplicada a hidrologia
Coeficiente de Assimetria
Coeficiente de Assimetria Rinaldo Artes Insper Nesta etapa do curso estudaremos medidas associadas à forma de uma distribuição de dados, em particular, os coeficientes de assimetria e curtose. Tais medidas
O MÉTODO DO PERT - CUSTO
O MÉTODO DO PERT - CUSTO Introdução. O PERT CUSTO é uma extensão do modelo PERT/CPM destinado à análise conjunta dos atributos tempo e custo. O principal objetivo do método é apresentar uma abordagem que
Distribuições Amostrais e Estimação Pontual de Parâmetros
Distribuições Amostrais e Estimação Pontual de Parâmetros ESQUEMA DO CAPÍTULO 7.1 INTRODUÇÃO 7.2 DISTRIBUIÇÕES AMOSTRAIS E TEOREMA DO LIMITE CENTRAL 7.3 CONCEITOS GERAIS DE ESTIMAÇÃO PONTUAL 7.3.1 Estimadores
Física Geral - Laboratório. Aula 2: Organização e descrição de dados e parâmetros de dispersão e correlação
Física Geral - Laboratório Aula 2: Organização e descrição de dados e parâmetros de dispersão e correlação 1 Física Geral - Objetivos Ao final do período, o aluno deverá ser capaz de compreender as principais
Análise de Aderência e de Associação
Análise de Aderência e de Associação Capítulo 14, Estatística Básica (Bussab & Morettin, 8a Edição) Capítulo 8, Introdução Computacional à Probabilidade e Estatística (Pedrosa & Gama, Porto Editora) 8a
A alocação de recursos - 10
1.1. Introdução. A alocação de recursos - 1 A Alocação de Recursos é uma metodologia destinada à distribuição temporal dos recursos disponíveis para a realização de qualquer projeto. Seu objetivo é efetuar
Medidas de Dispersão 1
Curso: Logística e Transportes Disciplina: Estatística Profa. Eliane Cabariti Medidas de Dispersão 1 Introdução Uma breve reflexão sobre as medidas de tendência central permite-nos concluir que elas não
Prof. Francisco Crisóstomo
Unidade II ESTATÍSTICA BÁSICA Prof. Francisco Crisóstomo Unidade II Medidas de posição Medidas de posição Tem como característica definir um valor que representa um conjunto de valores (rol), ou seja,
AULA 03 Estimativas e tamanhos amostrais
1 AULA 03 Estimativas e tamanhos amostrais Ernesto F. L. Amaral 03 de outubro de 2013 Centro de Pesquisas Quantitativas em Ciências Sociais (CPEQS) Faculdade de Filosofia e Ciências Humanas (FAFICH) Universidade
Professora conteudista: Maria Ester Domingues de Oliveira. Revisor: Francisco Roberto Crisóstomo
Estatística Básica Professora conteudista: Maria Ester Domingues de Oliveira Revisor: Francisco Roberto Crisóstomo Sumário Estatística Básica Unidade I 1 CICLO SEMPRE CRESCENTE...2 2 ESTATÍSTICA: CIÊNCIA
Conceito de Estatística
Conceito de Estatística Estatística Técnicas destinadas ao estudo quantitativo de fenômenos coletivos, observáveis. Unidade Estatística um fenômeno individual é uma unidade no conjunto que irá constituir
Engenharia e Tecnologia Espaciais ETE Engenharia e Gerenciamento de Sistemas Espaciais. CSE Métodos e Processos na Área Espacial
Engenharia e Tecnologia Espaciais ETE Engenharia e Gerenciamento de Sistemas Espaciais CSE-300-4 Métodos e Processos na Área Espacial L.F. Perondi 10.08.2009 SUMÁRIO 1. Processos de Gerenciamento de Projetos.
Mais Aplicações sobre cálculo de probabilidades
Mais Aplicações sobre cálculo de probabilidades Prof. Hemílio Fernandes Campos Coêlho Departamento de Estatística - Universidade Federal da Paraíba - UFPB Noções de Epidemiologia Em algumas aplicações
Administração Geral e Pública para concursos públicos
Assunto da videoaula: Gestão de Projetos PERTxCPM PERT x CPM Desenvolver cronograma Técnicas Ferramentas Método do Caminho Crítico CPM PERT CPM Método do caminho crítico (CPM) / Critical Path Method (CPM):
4 ABORDAGENS METROLÓGICAS
4 4 ABORDAGENS METROLÓGICAS Neste capitulo são apresentados os termos metrológicos utilizados neste documento. Estes conceitos foram selecionados do Vocabulário Internacional de termos fundamentais e gerais
4.1. ESPERANÇA x =, x=1
4.1. ESPERANÇA 139 4.1 Esperança Certamente um dos conceitos mais conhecidos na teoria das probabilidade é a esperança de uma variável aleatória, mas não com esse nome e sim com os nomes de média ou valor
SUMÁRIO. 1.1 Introdução, Conceitos Fundamentais, 2
SUMÁRIO 1 CONCEITOS BÁSICOS, 1 1.1 Introdução, 1 1.2 Conceitos Fundamentais, 2 1.2.1 Objetivo, 2 1.2.2 População e amostra, 2 1.3 Processos estatísticos de abordagem, 2 1.4 Dados estatísticos, 3 1.5 Estatística
Distribuições Contínuas Prof. Walter Sousa
Estatística Distribuições Contínuas Prof. Walter Sousa DISTRIBUIÇÕES CONTÍNUAS Uma variável aleatória XX é contínua se assumir um número infinito não numerável de valores. Assim, fica definida uma função,
Os problemas de decisão e a Teoria da Decisão
Os problemas de decisão e a Teoria da Decisão p. 1/23 Para que um problema seja caracterizado, é preciso que o tomador de decisão tenha, diante de si, mais de uma alternativa. A Teoria da Decisão é um
Como praticamente vivemos sobre bacias hidrográfica (bacias de drenagem) é fundamental que saibamos analisar, tanto o período de retorno como a
Como praticamente vivemos sobre bacias hidrográfica (bacias de drenagem) é fundamental que saibamos analisar, tanto o período de retorno como a frequência dos totais precipitados, isto porque a precipitação,
)XQGDPHQWRVGHSUREDELOLGDGHHHVWDWtVWLFD
)XQGDPHQWRVGHUREDELOLGDGHHHVWDWtVWLFD,QWURGXomR A história da estatística pode ser dividida em três fases. De acordo com PEANHA (00), a estatística inicialmente não mantinha nenhuma relação com a probabilidade,
Estatística Indutiva
Estatística Indutiva MÓDULO 7: INTERVALOS DE CONFIANÇA 7.1 Conceitos básicos 7.1.1 Parâmetro e estatística Parâmetro é a descrição numérica de uma característica da população. Estatística é a descrição
Variáveis Aleatórias Contínuas
Variáveis Aleatórias Contínuas Bacharelado em Administração - FEA - Noturno 2 o Semestre 2017 MAE0219 (IME-USP) Variáveis Aleatórias Contínuas 2 o Semestre 2017 1 / 35 Objetivos da Aula Sumário 1 Objetivos
Estatística - Análise de Regressão Linear Simples. Professor José Alberto - (11) sosestatistica.com.br
Estatística - Análise de Regressão Linear Simples Professor José Alberto - (11 9.7525-3343 sosestatistica.com.br 1 Estatística - Análise de Regressão Linear Simples 1 MODELO DE REGRESSÃO LINEAR SIMPLES
Inferência. 1 Estimativa pontual de uma média 2 Estimativa intervalar de uma média. Renata Souza
Inferência 1 Estimativa pontual de uma média 2 Estimativa intervalar de uma média Renata Souza Aspectos Gerais A estatística descritiva tem por objetivo resumir ou descrever características importantes
1. Construção das Fundações de um Muro de Suporte
! " #$% - & #! '( % )* + 1. Construção das Fundações de um Muro de Suporte a) As fundações de um muro de suporte vão ser realizadas sequencialmente em quatro secções adjacentes. Em cada secção, há que
HIDROLOGIA AULA 14 HIDROLOGIA ESTATÍSTICA. 5 semestre - Engenharia Civil. Profª. Priscila Pini
HIDROLOGIA AULA 14 5 semestre - Engenharia Civil HIDROLOGIA ESTATÍSTICA Profª. Priscila Pini [email protected] INTRODUÇÃO Chuva e vazão Grande variabilidade no tempo! Estatística em Hidrologia:
Universidade Federal de Lavras Departamento de Estatística Prof. Daniel Furtado Ferreira 4 a Aula Prática Medidas de Dispersão
Universidade Federal de Lavras Departamento de Estatística Prof. Daniel Furtado Ferreira 4 a Aula Prática Medidas de Dispersão 1) Os dados apresentados a seguir referem-se ao levantamento dos intervalos
MAE Introdução à Probabilidade e Estatística II Resolução Lista 5
MAE 229 - Introdução à Probabilidade e Estatística II Resolução Lista 5 Professor: Pedro Morettin e Profa. Chang Chian Exercício 1 (a) De uma forma geral, o desvio padrão é usado para medir a dispersão
Universidade Federal de Lavras Departamento de Ciências Exatas Prof. Daniel Furtado Ferreira 4 a Aula Prática Medidas de Dispersão
Universidade Federal de Lavras Departamento de Ciências Exatas Prof. Daniel Furtado Ferreira 4 a Aula Prática Medidas de Dispersão 1) Os dados apresentados a seguir referem-se ao levantamento dos intervalos
VERIFICAÇÃO DOS RECURSOS NECESSÁRIOS. Capítulo 1 VARIÁVEIS E AMOSTRAS 1
PREFÁCIO VERIFICAÇÃO DOS RECURSOS NECESSÁRIOS xiii DO EXCEL... xv Capítulo 1 VARIÁVEIS E AMOSTRAS 1 VARIÁ VEIS 4 NÚMERO DE VARIÁVEIS 5 CLASSIFICAÇÃO DAS VARIÁVEIS 6 ESCALA DE MEDIÇÃO DAS VARIÁVEIS 7 POPULAÇÃO
Aula 2 Regressão e Correlação Linear
1 ESTATÍSTICA E PROBABILIDADE Aula Regressão e Correlação Linear Professor Luciano Nóbrega Regressão e Correlação Quando consideramos a observação de duas ou mais variáveis, surge um novo problema: -as
