Testes de Hipóteses. Henrique Dantas Neder
|
|
- Kevin Galvão Meneses
- 6 Há anos
- Visualizações:
Transcrição
1 Testes de Hipóteses Henrique Dantas Neder
2 Vimos no capítulo anterior como construir intervalos de conança para parâmetros da população. Um outro procedimento muito utilizado em inferência é o estabelecimento de um teste de hipóteses referente ao valor de um dado parâmetro. Da mesma forma como quando contruimos um intervalo de conança para o valor do parâmetro, quando fazemos um teste de hipóteses a respeito do valor do parâmetro, jamais saberemos o valor verdadeiro deste parâmetro. Um teste de hipóteses refere-se a uma determinada armativa (hipótese) a respeito do parâmetro. Por exemplo, queremos testar a hipótese de que o valor do parâmetro média populacional µ é igual a 50 (µ = 50). Quando testamos o valor deste parâmetro, podemos aceitar uma hipótese central ou rejeitá-la. Desta forma um teste de hipóteses será realizado com base em uma regra de decisão. O primeiro passo em um teste de hipóteses é o da formulação das hipóteses. Sempre trabalhamos com uma hipótese central (ou hipótese nula) e uma hipótese alternativa.
3 Quando aceitamos a hipótese nula (de acordo com a nossa regra de decisão) automaticamente rejeitamos a hipótese alternativa e vice-versa (as duas hipóteses são excludentes e opostas). Vejamos um exemplo: suponhamos que queiramos testar (para uma dada população) a hipótese de que sua média é igual a 50. A hipótese nula será: H 0 {µ X = 50 A hipótese alternativa será H a {µ X 50 Para testar estas hipóteses selecionamos aleatoriamente (amostra aleatória simples) uma amostra da população e calculamos sua média amostral e seu desvio padrão amostral: X = n i=1 X i/n e s = n i=1 (X i X 2 ) n 1 Suponhamos que após os cálculos (baseados nos valores amostrais de X) uma amostra de tamanho n = 40 produziu os seguintes resultados: X = 53 e s = 10
4 Sabemos que X µ 0 s/ tem distribuição normal padrão (z) onde n µ 0 é o valor considerado na hipótese nula (no caso deste exemplo 50). Devemos denir um nível de signicância para o nosso teste de hipóteses. Por exemplo, denimos α = 0.05 (um nível de signicância de 5%). Estabelecemos uma regra decisão: se z > 1, 96 e z < 1, 96 aceitamos a hipótese nula e em caso contrário rejeitamos a hipótese nula e aceitamos a hipótese alternativa. Calculamos o valor da estatística de teste: z = X µ 0 s/ = n 10/ = Neste caso, como z cai dentro da região de aceitação da hipótese nula ( 1.96 < z < 1.96) aceitamos esta hipótese ou seja aformamos que µ = 50. Desta forma para realizar um teste de hipóteses temos que seguir os seguintes passos: 1. Primeiro etapa: Denir as hipóteses
5 2. Segunda etapa: Escolher uma estatística de teste (no caso do exemplo, a estatística de teste é X que através da padronização se transforma na estatística z. 3. Denir uma regra de decisão: criar as regiões de aceitação de H 0 (ou rejeição de H a ) e de rejeição de H 0 (ou de aceitação de H a ). 4. Selecionar uma amostra e calcular o valor da estatística de teste (no exemplo anterior X ). 5. Comparar o valor da estatística de teste com as regiões de aceitação e de rejeição de H o e tomar uma decisão (aceitar ou rejeitar H 0 ). Um teste de hipóteses é semelhante a decisão de um juri em um tribunal: o juri pode condenar ou inocentar o reu. Suponhamos que a hipótese nula do julgamento (H 0 ) seja {o reu é inocente}. Então rejeitar a hipótese nula signica declar o reu inocente e a hipótese alternativa signica que o juri toma a decisão de declarar o reu culpado.
6 O juri pode cometer dois tipos de erro: decidir que o reu é culpado quando na verdade o reu é inocente ou decidir que o reu é inocente quando na verdade o reu é culpado. Da mesma forma em um teste de hipóteses estatístico podemos também cometer dois tipos de erro: rejeitar H 0 quando H 0 é verdadeira (chamado de erro tipo I) ou aceitar H 0 quando H 0 é falsa. A probabilidade de cometer um erro tipo I é chamada de nível de signicância (α) do teste de hipóteses. No exemplo anterior aceitamos a hipótese nula ao nível de signicância (α) de 5 % (ou 0.05). Isto porque determinamos as regiões de aceitação e de rejeição de H 0 com base neste valor de signicância. Mas se deníssemos um nível de signicância α = 0.10 para o teste decidiriamos aceitar H 0 caso < z < Como o valor de z calculado = caimos fora da região de aceitação de H 0. Isto quer dizer que ao nível de signicância α = 0.10 rejeitamos a hipótese nula.
7 Neste caso poderíamos estar cometendo o erro tipo I (ao rejeitar H 0 quando na verdade H 0 é verdadeira). Qual seria a probabilidade exata de estarmos cometendo erro tipo I quando rejeitamos a hipótese nula? Esta probabilidade seria igual a P(z < z > ) = 2 φ( ) = Esta seria a probabilidade exata de estarmos cometendo um erro tipo I ao rejeitarmos H 0 quando o valor de z calculado = ou (o que é o mesmo) quando o valor de X = 53. Exemplo: Os empregados de uma determinada empresa deveriam trabalhar, em média, 8h diárias. De forma a investigar se os empregados estão a trabalhar mais do que as horas previstas, o sindicato registou o número de horas que 150 trabalhadores (escolhidos ao acaso) trabalharam num dia qualquer, tendo obtido os seguintes resultados: 150 i=1 X i = e i=1 (X i X ) 2 = 1000 a) Teste ao nível de signicância de 5%, se a empresa deverá ser punida por exigir que os seus empregados trabalhem mais do que
8 deviam. b) Qual o tipo de erro que pode cometer relativamente à decisão que tomou? Solução: H 0 {µ X = 8 H a {µ X > 8 Este é um caso de teste unilateral porque estamos considerando como hipótese alternativa apenas uma das caudas (a cauda direita) da distribuição. Caso a hipótese alternativa fosse H a {µ X 8 teriamos uma situação de teste bilateral. Isto inuencia a determinação das regiões de aceitação e de rejeição de H 0 : no caso do teste unilateral consideramos todo o valor do nível de signicância em uma das caudas somente e assim denimos a seguinte regra de decisão: Se z < z crítico = φ 1 (.95) = aceitamos H 0 e em caso contrário z > rejeitamos H 0 De acordo com os valores dados temos: z calculado = X µ 0 = X µ 0 s X s x / = (1260/150) 8 n 1000/149/ = Neste caso rejeitamos H 0 ao nível de signicância de 5% pois o
9 valor de z calculado cai na região de rejeição de H 0. Mas podemos estar cometendo um erro tipo I. Qual é a probabilidade exata de estarmos cometendo este tipo de erro? Podemos calcular esta probabilidade como: P(erro tipo I ) = P(z > H 0 é verdadeiro) = P(z > ) = 1 φ(1.8910) = A conclusão é que devemos tomar a decisão de rejeitar H 0 mas estando cientes de que podemos estar cometendo um erro tipo I (rejeitar H 0 quando H 0 é verdadeira) com uma probabilidade exata de 2,93%. Como esta probabilidade é relativamente baixa, podemos rejeitar H 0. Esta probabilidade exata é chamada de p value do teste. É o valor do menor nível de signicância para o qual podemos rejeitar H 0. Exemplo: Numa determinada empresa pensa-se importar um grande lote de instrumentos de precisão, para os quais o fabricante garante um peso médio igual a 100 gr. Sendo o peso uma característica importante para a qualidade do produto, resolveu-se testar a veracidade da armação do fabricante. Para tal, o departamento técnico da empresa importadora obteve uma amostra
10 de 15 instrumentos, através da qual se obtiveram os seguintes valores: 15 i=1 X i = e i=1 (X i X ) 2 = 1674 Admitindo a normalidade dos pesos, qual a sua opinião, ao nível de signicância de 1%, relativamente à armação do fabricante. Solução: Denição das hipóteses: H 0 {µ X = 100 contra H a {µ X 100 Como a amostra é pequena (n < 30) não podemos utilizar a distribuição normal padrão z. Temos que usar a distribuição t de Student porque sabemos que a distribuição de X na população é normal. O valor crítico de t ao nível de signicância de 0.01 e para um número de graus de liberdade n 1 = 14 é igual a Este valor pode ser obtido através do comando Stata disp invttail(14,.005) ou por uma tabela para a t de Student. Colocamos no argumento da probabilidade porque devemos considerar que as duas caudas da distribuição somam 1%. As regiões de aceitação e de rejeição de H 0 são denidas como: Aceitar H 0 se < t calculado <
11 Rejeitar H 0 se t calculado ou t calculado O valor de t calculado, de acordo com os resultados da amostra, pode ser obtido como: t calculado = X µ 0 s X = (1407/15) / 15 = Caimos na região de aceitação de H 0. Exemplo:Suponha que determinado canal de televisão deseja saber qual tinha sido a percentagem de pessoas que viram determinado programa. Para tal, realizou uma sondagem tendo sido inquiridas 220 pessoas, das quais 132 disseram ter visto o referido programa. a) Determine um intervalo de conança de nível 95% para percentagem de pessoas em toda a população que viu esse programa. b) Qual deveria ser o número de pessoas inquiridas para se obter um intervalo de conança de nível 95% com metade da amplitude do anterior? (Admita que a proporção das pessoas que viram o programa se mantém.) c) Poder-se-á armar, ao nível de 5%, que mais de metade das pessoas viram o programa? Solução: a) P(ˆp z 1.05/2 σˆp < p <ˆp + z 1.05/2 σˆp ) = 0.95
12 P( (1 220 ) < p < z ( /2 ) ) = P(.5352 < p <.6647) = 0.95 b) amplitude = ( )/2 = erro de amostragem = amplitude/2 = Utilizamos a expressão: e = z 1 α/2 σˆp = z 1 α/2 Para isolar n, temos: e 2 = (z 1 α/2 ) 2 ˆp (1 ˆp) n n = (z 1 α/2) 2 ˆp (1 ˆp) = e c) Formulação das hipóteses: ( ) = ˆp (1 ˆp) H 0 {p = 0.50 contra H a {p >.50 (o teste é unilateral ou unicaudal) Denição da região de aceitaçao e de rejeição de H 0 : Aceita-se H 0 se z calculado for menor do que z crítico = φ 1 (0.95) = Observe que jogamos todo o valor do nível de signicância do teste em apenas uma das caudas da distribuição porque o teste é unilateral. Se o teste fosse bilateral teriamos que calcular φ 1 (.975): teriamos que distribuir igualmente o nível de n
13 signicância nas duas caudas da distribuição. Cálculo do valor de z calculado : z calculado = ˆp p 0 σˆp = ( ) 220 = Rejeitamos H 0 ao nível de signicância de 5%. Exemplo: Admita que a direcção comercial de uma determinada empresa pretende lançar um novo serviço de telecomunicações. De acordo com critérios empresariais, o serviço só deverá ser lançado no mercado se houver mais de 80% de potenciais compradores. Assim, para averiguar o eventual lançamento do serviço, a empresa decidiu efectuar um inquérito a 400 grandes clientes, tendo 340 sido favoráveis à aquisição do novo serviço. a) Para um nível signicância de 5%, poder-se-á concluir que a empresa opta pelo lançamento do serviço? E para um nível de signicância de 1%? b) Determine o valor p do teste e interprete-o. Solução: a) Denição das hipóteses: H 0 {p 0.8 contra H a {p > 0.8 Determinação das regiões de aceitação e de rejeição de H 0 :
14 Como o teste é unilateral z crítico para um nível de signicância de 5% é calculado como φ 1 (.95) = Aceita-se H 0 se z calculado < z crítico = z calculado = ( ) 400 = Rejeitamos H 0 ao nível de signicância de 5% Ao nível de 1% de signicância o valor de z críticoé φ 1 (.99) = Neste caso também rejeitamos H 0 ao nível de signicância de 1% pois z calculado > z crítico. b) O valor p do teste é calculado como:p = 1 φ(2.8) = Existe uma chance exata de 0.255% de cometermos o chamado erro tipo I, ao rejeitarmos H 0. Exemplo: Admita que uma amostra aleatória de 400 domicílios de uma determinada cidade revelou que 8% destes são casas de aluguel, enquanto que, numa outra cidade, uma amostra de 270 domicílios revelou que 37 eram casas de aluguel. a) Construa um intervalo de conança de nível 99% para a percentagem de casas de aluguel em cada cidade. b) Suponha que os intervalos de conança, obtidos na alínea anterior, sejam considerados pouco precisos. Qual
15 deverá ser o tamanho das amostras para que o erro de estimativa não exceda 2%? c) Poderá armar estatisticamente, ao nível de 5%, que há maior percentagem de casas de aluguel em alguma das duas cidades? Justique. Solução: a) primeira cidade: ˆp z 1.01/2 σˆp < p < ˆp + z 1.01/2 σˆp 0.08 (1 0.08) < p < < p < segunda cidade: ˆp z 1.01/2 σˆp < p < ˆp + z 1.01/2 σˆp < p < b) primeira cidade n = (z 1 α/2) 2 ˆp (1 ˆp) e 2 ( ) 270 < p < = (1.08) n = (z 1 α/2) 2 ˆp (1 ˆp) = (1 e ).02 2 = (1 0.08) 400 ( ) 270 = c) esta pergunta se refere a um teste de diferença de proporções. H a {p A = p B contra H a {p a p b ou H a {p A p B = 0 contra
16 H a {p a p b 0 A estatística de teste é a diferença de proporções das duas amostras ˆp a ˆp b = = A variância de ˆp a ˆp b será dado por ˆp a(1 ˆp a) n a + ˆp b(1 ˆp b ) n b =.08 (1.08) ( ) = O erro padrão de ˆp a ˆp b é igual a =.0249 Então o valor de z calculado será z calculado = ˆpa ˆp 37 b = = σˆpa ˆp.0249 b Para um nível de signicância a região de aceitação de H 0 é 1.96 < z calculado < 1.96 Portanto rejeitamos H 0 ao nível de signicância de 5 %. O p-value deste teste pode ser calculado ocmo sendo igual a φ( ) 2 = Multiplicamos por 2 porque o teste é bilateral e temos que considerar a área das duas caudas da distribuição. Interpretação do p-value: 2,20% é o nível de siginicância exato do teste - ao rejeitarmos H 0 existe uma probabilidade exata de estarmos rejeitando quando na verdade H 0 é verdadeira.
Testes de Hipóteses Estatísticas
Capítulo 5 Slide 1 Testes de Hipóteses Estatísticas Resenha Hipótese nula e hipótese alternativa Erros de 1ª e 2ª espécie; potência do teste Teste a uma proporção; testes ao valor médio de uma v.a.: σ
Leia maisActivALEA. ative e atualize a sua literacia
ActivALEA ative e atualize a sua literacia N.º 26 A FREQUÊNCIIA RELATIIVA PARA ESTIIMAR A PROBABIILIIDADE Por: Maria Eugénia Graça Martins Departamento de Estatística e Investigação Operacional da FCUL
Leia maisProbabilidade e Estatística
Probabilidade e Estatística TESTES DE HIPÓTESES (ou Testes de Significância) Estimação e Teste de Hipóteses Estimação e teste de hipóteses (ou significância) são os aspectos principais da Inferência Estatística
Leia maisConsideremos os seguintes exemplos de hipóteses cuja veracidade interessa avaliar:
Consideremos os seguintes exemplos de hipóteses cuja veracidade interessa avaliar: o tempo médio de efeito de dois analgésicos não é o mesmo; a popularidade de determinado partido político aumentou; uma
Leia mais3º Ano do Ensino Médio. Aula nº06
Nome: Ano: º Ano do E.M. Escola: Data: / / 3º Ano do Ensino Médio Aula nº06 Assunto: Noções de Estatística 1. Conceitos básicos Definição: A estatística é a ciência que recolhe, organiza, classifica, apresenta
Leia maisAULA 19 Análise de Variância
1 AULA 19 Análise de Variância Ernesto F. L. Amaral 18 de outubro de 2012 Metodologia de Pesquisa (DCP 854B) Fonte: Triola, Mario F. 2008. Introdução à estatística. 10 ª ed. Rio de Janeiro: LTC. Capítulo
Leia maisTeste de Hipótese e Intervalo de Confiança. Parte 2
Teste de Hipótese e Intervalo de Confiança Parte 2 Questões para discutirmos em sala: O que é uma hipótese estatística? O que é um teste de hipótese? Quem são as hipóteses nula e alternativa? Quando devemos
Leia maisMétodos Estatísticos Avançados em Epidemiologia
Métodos Estatísticos Avançados em Epidemiologia Análise de Variância - ANOVA Cap. 12 - Pagano e Gauvreau (2004) - p.254 Enrico A. Colosimo/UFMG Depto. Estatística - ICEx - UFMG 1 / 39 Introdução Existem
Leia maisDistribuição Normal de Probabilidade
Distribuição Normal de Probabilidade 1 Aspectos Gerais 2 A Distribuição Normal Padronizada 3 Determinação de Probabilidades 4 Cálculo de Valores 5 Teorema Central do Limite 1 1 Aspectos Gerais Variável
Leia maisProbabilidade. Luiz Carlos Terra
Luiz Carlos Terra Nesta aula, você conhecerá os conceitos básicos de probabilidade que é a base de toda inferência estatística, ou seja, a estimativa de parâmetros populacionais com base em dados amostrais.
Leia maisDISTRIBUIÇÕES ESPECIAIS DE PROBABILIDADE DISCRETAS
VARIÁVEIS ALEATÓRIAS E DISTRIBUIÇÕES DE PROBABILIDADES 1 1. VARIÁVEIS ALEATÓRIAS Muitas situações cotidianas podem ser usadas como experimento que dão resultados correspondentes a algum valor, e tais situações
Leia maisEstatística II Aula 4. Prof.: Patricia Maria Bortolon, D. Sc.
Estatística II Aula 4 Prof.: Patricia Maria Bortolon, D. Sc. Fundamentos do Teste de Hipóteses Teste de Hipóteses - Definições É uma regra de decisão para aceitar, ou rejeitar, uma hipótese estatística
Leia maisAULA 07 Distribuições Discretas de Probabilidade
1 AULA 07 Distribuições Discretas de Probabilidade Ernesto F. L. Amaral 31 de agosto de 2010 Metodologia de Pesquisa (DCP 854B) Fonte: Triola, Mario F. 2008. Introdução à estatística. 10 ª ed. Rio de Janeiro:
Leia maisMAE116 - Noções de Estatística
MAE116 - Noções de Estatística Grupo A - 1 semestre de 2015 Gabarito da Lista de exercícios 10 - Introdução à Estatística Descritiva - CASA Exercício 1. (2 pontos) Sabe-se que, historicamente, 18% dos
Leia maisModelos de Regressão Linear Simples - Erro Puro e Falta de Ajuste
Modelos de Regressão Linear Simples - Erro Puro e Falta de Ajuste Erica Castilho Rodrigues 2 de Setembro de 2014 Erro Puro 3 Existem dois motivos pelos quais os pontos observados podem não cair na reta
Leia maisPressuposições à ANOVA
UNIVERSIDADE FEDERAL DE RONDÔNIA CAMPUS DE JI-PARANÁ DEPARTAMENTO DE ENGENHARIA AMBIENTAL Estatística II Aula do dia 09.11.010 A análise de variância de um experimento inteiramente ao acaso exige que sejam
Leia maisEXAME DE MACS 2º FASE 2014/2015 = 193
EXAME DE MACS 2º FASE 2014/2015 1. Divisor Padrão: 00+560+80+240 200 = 190 = 19 200 20 Filiais A B C D Quota Padrão 1,088 58,01 86,010 24,870 L 1 58 86 24 L(L + 1) 1,496 58,498 86,499 24,495 Quota Padrão
Leia maisOPERAÇÕES COM FRAÇÕES
OPERAÇÕES COM FRAÇÕES Adição A soma ou adição de frações requer que todas as frações envolvidas possuam o mesmo denominador. Se inicialmente todas as frações já possuírem um denominador comum, basta que
Leia maisTécnicas de Contagem I II III IV V VI
Técnicas de Contagem Exemplo Para a Copa do Mundo 24 países são divididos em seis grupos, com 4 países cada um. Supondo que a escolha do grupo de cada país é feita ao acaso, calcular a probabilidade de
Leia maisCapítulo 5. Inferência no Modelo de Regressão Simples: Estimação de Intervalos, Teste de Hipóteses e Previsão
Capítulo 5 Inferência no Modelo de Regressão Simples: Estimação de Intervalos, Teste de Hipóteses e Previsão Hipóteses do Modelo de Regressão Linear Simples RS1. y x e t 1 t t RS. RS3. RS4. RS5. RS6. Ee
Leia maisProbabilidade. Evento (E) é o acontecimento que deve ser analisado.
Probabilidade Definição: Probabilidade é uma razão(divisão) entre a quantidade de eventos e a quantidade de amostras. Amostra ou espaço amostral é o conjunto formado por todos os elementos que estão incluídos
Leia maisISEG - ESTATÍSTICA I - EN, Economia/Finanças - 1 de Junho de 2010 Tópicos de correcção. 1ª Parte. > 0. Justifique a igualdade: P(( A B)
ISEG - ESTATÍSTICA I - EN, Economia/Finanças - de Junho de 00 Tópicos de correcção ª Parte. Sejam os acontecimentos A, B, C tais que P ( A B) > 0. Justifique a igualdade: ( A B) C) = B A). A). C ( A B)).
Leia maisMétodos Estatísticos Avançados em Epidemiologia
Métodos Estatísticos Avançados em Epidemiologia Análise de Sobrevivência - Conceitos Básicos Enrico A. Colosimo Departamento de Estatística Universidade Federal de Minas Gerais http://www.est.ufmg.br/
Leia maisModelos Lineares Generalizados - Verificação do Ajuste do Modelo
Modelos Lineares Generalizados - Verificação do Ajuste do Modelo Erica Castilho Rodrigues 21 de Junho de 2013 3 Uma outra medida usada para verificar o ajuste do modelo. Essa estatística é dada por X
Leia maisAula 8. Teste Binomial a uma proporção p
Aula 8. Teste Binomial a uma proporção p Métodos Estadísticos 2008 Universidade de Averio Profª Gladys Castillo Jordán Teste Binomial a uma Proporção p Seja p ˆ = X n a proporção de indivíduos com uma
Leia maisEstimação. Como definir um estimador. Como obter estimativas pontuais. Como construir intervalos de confiança
Estimação Como definir um estimador. Como obter estimativas pontuais. Como construir intervalos de confiança Motivação A partir da média de uma a amostra em uma colheita recente, o conselho de qualidade
Leia maisASPECTOS CONSTRUTIVOS DE ROBÔS
ASPECTOS CONSTRUTIVOS DE ROBÔS Tipos de robôs Classificação de robôs Definições importantes: O arranjo das hastes e juntas em um braço manipulador tem um importante efeito nos graus de liberdade da ferramenta
Leia maisProbabilidade e Estatística 2008/2. Regras de adicão, probabilidade condicional, multiplicação e probabilidade total.
Probabilidade e Estatística 2008/2 Prof. Fernando Deeke Sasse Problemas Resolvidos Regras de adicão, probabilidade condicional, multiplicação e probabilidade total. 1. Um fabricante de lâmpadas para faróis
Leia maisA 'BC' e, com uma régua, obteve estas medidas:
1 Um estudante tinha de calcular a área do triângulo ABC, mas um pedaço da folha do caderno rasgou-se. Ele, então, traçou o segmento A 'C' paralelo a AC, a altura C' H do triângulo A 'BC' e, com uma régua,
Leia maisAula 03. Processadores. Prof. Ricardo Palma
Aula 03 Processadores Prof. Ricardo Palma Definição O processador é a parte mais fundamental para o funcionamento de um computador. Processadores são circuitos digitais que realizam operações como: cópia
Leia maisP R O G R A M A TERCEIRA FASE. DISCIPLINA: Estatística Aplicada à Pesquisa Educacional Código: 3EAPE Carga Horária: 54h/a (crédito 03)
UNIVERSIDADE DO ESTADO DE SANTA CATARINA - UDESC CENTRO DE CIÊNCIAS DA SAÚDE E DO ESPORTE - CEFID DEPARTAMENTO DE EDUCAÇÃO FÍSICA - DEF CURSO: LICENCIATURA EM EDUCAÇÃO FÍSICA CURRÍCULO: 2008/2 P R O G
Leia maisWWW.RENOVAVEIS.TECNOPT.COM
Energia produzida Para a industria eólica é muito importante a discrição da variação da velocidade do vento. Os projetistas de turbinas necessitam da informação para otimizar o desenho de seus geradores,
Leia maisMBA em Gerenciamento de Projetos. Teoria Geral do Planejamento. Professora: Maria Erileuza do Nascimento de Paula
MBA em Gerenciamento de Projetos Teoria Geral do Planejamento Professora: Maria Erileuza do Nascimento de Paula SOBRAL - CE 2014 O que é Planejamento É um processo contínuo e dinâmico que consiste em um
Leia maisMOQ-14 Projeto e Análise de Experimentos
Instituto Tecnológico de Aeronáutica Divisão de Engenharia Mecânica-Aeronáutica MOQ-14 Projeto e Análise de Experimentos Profa. Denise Beatriz Ferrari www.mec.ita.br/ denise denise@ita.br Regressão Linear
Leia maisFACULDADE DE CIÊNCIAS E TECNOLOGIA. Redes de Telecomunicações (2006/2007)
FACULDADE DE CIÊNCIAS E TECNOLOGIA Redes de Telecomunicações (2006/2007) Engª de Sistemas e Informática Trabalho nº4 (1ª aula) Título: Modelação de tráfego utilizando o modelo de Poisson Fundamentos teóricos
Leia maisA dependência entre a inflação cabo-verdiana e a portuguesa: uma abordagem de copulas.
A dependência entre a inflação cabo-verdiana e a portuguesa: uma abordagem de copulas. Jailson da Conceição Teixeira Oliveira 1 Murilo Massaru da Silva 2 Robson Oliveira Lima 3 Resumo: Cabo Verde é um
Leia maisTESTES SOCIOMÉTRICOS
TESTES SOCIOMÉTRICOS Docente: Mestre Mª João Marques da Silva Picão Oliveira TESTES SOCIOMÉTRICOS * O Teste Sociométrico ajuda-nos a avaliar o grau de integração duma criança/jovem no grupo; a descobrir
Leia maisUM JOGO BINOMIAL 1. INTRODUÇÃO
1. INTRODUÇÃO UM JOGO BINOMIAL São muitos os casos de aplicação, no cotidiano de cada um de nós, dos conceitos de probabilidade. Afinal, o mundo é probabilístico, não determinístico; a natureza acontece
Leia maisInteligência Artificial
Inteligência Artificial Aula 7 Programação Genética M.e Guylerme Velasco Programação Genética De que modo computadores podem resolver problemas, sem que tenham que ser explicitamente programados para isso?
Leia maisTestes de Hipóteses 5.1 6 8.8 11.5 4.4 8.4 8 7.5 9.5
Testes de Hipóteses Supoha que o ível crítico de ifestação por um iseto-praga agrícola é de 10% das platas ifestadas. Você decide fazer um levatameto em ove lotes, selecioados aleatoriamete, de uma área
Leia maisAnálise e Resolução da prova de Agente de Polícia Federal Disciplina: Raciocínio Lógico Professor: Custódio Nascimento
Análise e Resolução da prova de Agente de Polícia Federal Disciplina: Professor: Custódio Nascimento 1- Análise da prova Análise e Resolução da prova de Agente / PF Neste artigo, farei a análise das questões
Leia maisQUESTÕES PARA A 3ª SÉRIE ENSINO MÉDIO MATEMÁTICA 2º BIMESTE SUGESTÕES DE RESOLUÇÕES
QUESTÕES PARA A 3ª SÉRIE ENSINO MÉDIO MATEMÁTICA 2º BIMESTE QUESTÃO 01 SUGESTÕES DE RESOLUÇÕES Descritor 11 Resolver problema envolvendo o cálculo de perímetro de figuras planas. Os itens referentes a
Leia maisEGEA ESAPL - IPVC. Resolução de Problemas de Programação Linear, com recurso ao Excel
EGEA ESAPL - IPVC Resolução de Problemas de Programação Linear, com recurso ao Excel Os Suplementos do Excel Em primeiro lugar deverá certificar-se que tem o Excel preparado para resolver problemas de
Leia maisPESQUISA OPERACIONAL -PROGRAMAÇÃO LINEAR. Prof. Angelo Augusto Frozza, M.Sc.
PESQUISA OPERACIONAL -PROGRAMAÇÃO LINEAR Prof. Angelo Augusto Frozza, M.Sc. ROTEIRO Esta aula tem por base o Capítulo 2 do livro de Taha (2008): Introdução O modelo de PL de duas variáveis Propriedades
Leia maisSeu pé direito nas melhores Faculdades
10 Insper 01/11/009 Seu pé direito nas melhores Faculdades análise quantitativa 40. No campeonato brasileiro de futebol, cada equipe realiza 38 jogos, recebendo, em cada partida, 3 pontos em caso de vitória,
Leia maisCapítulo 4 Inferência Estatística
Capítulo 4 Inferência Estatística Slide 1 Resenha Intervalo de Confiança para uma proporção Intervalo de Confiança para o valor médio de uma variável aleatória Intervalo de Confiança para a variância de
Leia maisFundamentos de Bancos de Dados 3 a Prova Caderno de Questões
Fundamentos de Bancos de Dados 3 a Prova Caderno de Questões Prof. Carlos A. Heuser Dezembro de 2009 Duração: 2 horas Prova com consulta Questão 1 (Construção de modelo ER) Deseja-se projetar a base de
Leia maisAula 6 Medidas de Tendência Central
1 Estatística e Probabilidade Aula 6 Medidas de Tendência Central Professor Luciano Nóbrega Somatório Quando queremos representar uma soma de valores que obedecem à uma sequência, podemos codificá-la através
Leia maisM =C J, fórmula do montante
1 Ciências Contábeis 8ª. Fase Profa. Dra. Cristiane Fernandes Matemática Financeira 1º Sem/2009 Unidade I Fundamentos A Matemática Financeira visa estudar o valor do dinheiro no tempo, nas aplicações e
Leia maisAula 3 MODALIDADES DO CONTRATO DE TRABALHO
Aula 3 MODALIDADES DO CONTRATO DE TRABALHO Prazo indeterminado: O contrato de trabalho comum. Não há prazo para seu encerramento. Prazo determinado: Contrato de trabalho com tempo determinado para sua
Leia maisEstatística Analítica
Teste de Hipótese Testes Estatísticos 2 Teste de Hipótese Testes Estatísticos 3 1 Teste de Hipótese Testes Estatísticos 4 Principais Testes: Teste Qui-quadrado Teste T de Student Teste ANOVA Teste de Correlação
Leia maisAnálise de Variância (ANOVA)
Análise de Variância (ANOVA) A Regressão Linear visa modelar uma variável resposta numérica (quantitativa), à custa de uma ou mais variáveis preditoras, igualmente numéricas. Mas uma variável resposta
Leia maisCap. II EVENTOS MUTUAMENTE EXCLUSIVOS E EVENTOS NÃO- EXCLUSIVOS
Cap. II EVENTOS MUTUAMENTE EXCLUSIVOS E EVENTOS NÃO- EXCLUSIVOS Dois ou mais eventos são mutuamente exclusivos, ou disjuntos, se os mesmos não podem ocorrer simultaneamente. Isto é, a ocorrência de um
Leia maisPós-Graduação em Computação Distribuída e Ubíqua
Pós-Graduação em Computação Distribuída e Ubíqua INF612 - Aspectos Avançados em Engenharia de Software Engenharia de Software Experimental [Head First Statistics] Capítulos 10, 11, 12 e 13 [Experimentation
Leia maisModelos de Probabilidade e Inferência Estatística
Modelos de Probabilidade e Inferência Estatística Departamento de Estatística Universidade Federal da Paraíba Prof. Tarciana Liberal (UFPB) Aula Distribuições Qui-quadrado, t-student e F de Snedecor 04/14
Leia maisComandos de Eletropneumática Exercícios Comentados para Elaboração, Montagem e Ensaios
Comandos de Eletropneumática Exercícios Comentados para Elaboração, Montagem e Ensaios O Método Intuitivo de elaboração de circuitos: As técnicas de elaboração de circuitos eletropneumáticos fazem parte
Leia maisIntrodução. Ou seja, de certo modo esperamos que haja uma certa
UNIVERSIDADE FEDERAL DA PARAÍBA Teste de Independência Luiz Medeiros de Araujo Lima Filho Departamento de Estatística Introdução Um dos principais objetivos de se construir uma tabela de contingência,
Leia maisPlano da Apresentação. Correlação e Regressão linear simples. Correlação linear. Associação entre hábitos leitura e escolaridade.
Metodologia de Diagnóstico e Elaboração de Relatório FASHT Correlação e Plano da Apresentação Correlação linear Diagrama de dispersão Covariância Coeficiente de correlação de Pearson Teste de correlação
Leia maisCorrelação e Regressão linear simples
Metodologia de Diagnóstico e Elaboração de Relatório FASHT Correlação e Regressão linear simples Prof. Cesaltina Pires cpires@uevora.pt Plano da Apresentação Correlação linear Diagrama de dispersão Covariância
Leia maisMEDIDAS DE DISPERSÃO. o grau de variabilidade, ou dispersão, dos valores em torno da média.
UNIVERSIDADE FEDERAL DA PARAÍBA MEDIDAS DESCRITIVAS Departamento de Estatística Tarciana Liberal As medidas de posição apresentadas fornecem a informação dos dados apenas a nível pontual, sem ilustrar
Leia maisGIL, Antonio Carlos. Como elaborar projetos de pesquisa. São Paulo, Editora Atlas, 2002....
GIL, Antonio Carlos. Como elaborar projetos de pesquisa. São Paulo, Editora Atlas, 2002.... 1 Como encaminhar uma Pesquisa? A pesquisa é um projeto racional e sistemático com objetivo de proporcionar respostas
Leia maisAula 12 Teste de hipótese sobre proporções amostras grandes
Aula 12 Teste de hipótese sobre proporções amostras grandes Objetivos Na aula anterior, você aprendeu a construir testes de hipóteses sobre a média de uma população normal com variância σ 2 conhecida.
Leia maisManual de preenchimento da planilha de cálculo do índice de nacionalização
Manual de preenchimento da planilha de cálculo do índice de nacionalização Atualizado em 02/07/15 Pág.: 1/9 SUMÁRIO Introdução... 3 1. Índice de nacionalização... 3 2. Objetivo da planilha... 4 3. O preenchimento
Leia mais1 Visão Geral. 2 Instalação e Primeira Utilização. Manual de Instalação do Gold Pedido
Manual de Instalação do Gold Pedido 1 Visão Geral Programa completo para enviar pedidos e ficha cadastral de clientes pela internet sem usar fax e interurbano. Reduz a conta telefônica e tempo. Importa
Leia maisINTRODUÇÃO À INFERÊNCIA ESTATÍSTICA. Prof. Anderson Rodrigo da Silva anderson.silva@ifgoiano.edu.br
INTRODUÇÃO À INFERÊNCIA ESTATÍSTICA Prof. Anderson Rodrigo da Silva anderson.silva@ifgoiano.edu.br Tipos de Pesquisa Censo: é o levantamento de toda população. Aqui não se faz inferência e sim uma descrição
Leia maisAMEI Escolar Matemática 9º Ano Probabilidades e Estatística
AMEI Escolar Matemática 9º Ano Probabilidades e Estatística A linguagem das probabilidades As experiências podem ser consideradas: - aleatórias ou casuais: quando é impossível calcular o resultado à partida;
Leia maisGraphing Basic no Excel 2007
Graphing Basic no Excel 2007 Tabela de Conteúdos 1. Inserindo e formatando os dados no Excel 2. Criando o gráfico de dispersão inicial 3. Criando um gráfico de dispersão de dados de titulação 4. Adicionando
Leia maisMódulo de Equações do Segundo Grau. Equações do Segundo Grau: Resultados Básicos. Nono Ano
Módulo de Equações do Segundo Grau Equações do Segundo Grau: Resultados Básicos. Nono Ano Equações do o grau: Resultados Básicos. 1 Exercícios Introdutórios Exercício 1. A equação ax + bx + c = 0, com
Leia maisAo considerar o impacto ambiental das empilhadeiras, observe toda cadeia de suprimentos, da fonte de energia ao ponto de uso
Energia limpa Ao considerar o impacto ambiental das empilhadeiras, observe toda cadeia de suprimentos, da fonte de energia ao ponto de uso Empilhadeira movida a hidrogênio H oje, quando se trata de escolher
Leia maisResolução da Lista de Exercício 6
Teoria da Organização e Contratos - TOC / MFEE Professor: Jefferson Bertolai Fundação Getulio Vargas / EPGE Monitor: William Michon Jr 10 de novembro de 01 Exercícios referentes à aula 7 e 8. Resolução
Leia maisPROGRAMAÇÃO DE COMPUTADORES
PROGRAMAÇÃO DE COMPUTADORES COMANDOS E FORMATOS DE ENTRADA E SAÍDA 1 COMANDOS E FORMATOS DE ENTRADA E SAÍDA Os comandos de entrada e saída, na sua forma mais simplificada, possuem a seguinte estrutura:
Leia maisDisciplina: Álgebra Linear - Engenharias ], C = Basta adicionar elemento a elemento de A e B que ocupam a mesma posição na matriz.
Universidade Federal de Goiás Campus Catalão Departamento de Matemática Disciplina: Álgebra Linear - Engenharias Professor: André Luiz Galdino Gabarito da 1 a Lista de Exercícios 1. Sejam Encontre: [ 1
Leia maisModelo Lógico: Tabelas, Chaves Primárias e Estrangeiras
Modelo Lógico: Tabelas, Chaves Primárias e Estrangeiras Apresentar a próxima etapa da modelagem de dados: o modelo lógico e os conceitos de tabelas, chaves primárias e estrangeiras e como o banco de dados
Leia mais2 Workshop processamento de artigos em serviços de saúde Recolhimento de artigos esterilizados: é possível evitar?
2 Workshop processamento de artigos em serviços de saúde Recolhimento de artigos esterilizados: é possível evitar? 3 Farm. André Cabral Contagem, 19 de Maio de 2010 Rastreabilidade É definida como a habilidade
Leia maisCATEGORIA 2 INICIATIVAS DE INOVAÇÃO
ESAF Escola de Administração Fazendária CATEGORIA 2 INICIATIVAS DE INOVAÇÃO 3º Lugar 020I FERNANDO VENANCIO PINHEIRO* 26 Anos RIO DE JANEIRO - RJ SKYLOGS - Aplicativo Para Diário de Bordo Eletrônico *
Leia maisRelatório do Experimento 1 Sistema Massa - Mola. Fernando Henrique Ferraz Pereira da Rosa
FEP0111 - Física I Relatório do Experimento 1 Sistema Massa - Mola Fernando Henrique Ferraz Pereira da Rosa 4 de novembro de 2005 Sumário 1 Introdução 2 2 Objetivos 2 3 Procedimento experimental 2 3.1
Leia maisMétricas de Software
Métricas de Software Plácido Antônio de Souza Neto 1 1 Gerência Educacional de Tecnologia da Informação Centro Federal de Educação Tecnologia do Rio Grande do Norte 2006.1 - Planejamento e Gerência de
Leia maisAvaliação Econômica Projeto de Inclusão Digital. Naercio Aquino Menezes Filho Centro de Políticas Públicas Insper FEA-USP e Fundação Itaú Social
Avaliação Econômica Projeto de Inclusão Digital Naercio Aquino Menezes Filho Centro de Políticas Públicas Insper FEA-USP e Fundação Itaú Social Estrutura da Apresentação 1) O que é a Avaliação Econômica?
Leia maisCONTRIBUTO E PROPOSTAS DE ALTERAÇÃO À LEI DO CINEMA PELA ASSOCIAÇÃO DE PRODUTORES DE CINEMA
NOTA PRÉVIA ESTE CONTRIBUTO DA APC É COMPLEMENTAR DO QUE ESTA ASSOCIAÇÃO SUBSCREVEU EM CONJUNTO COM OUTRAS ASSOCIAÇÕES E NÃO SE TRATA DE UMA PROPOSTA DE LEI NOVA MAS SIM UMA ANÁLISE À PROPOSTA DE LEI DA
Leia maisDEPARTAMENTO DE MATEMÁTICA
FACULDADE DE CIÊNCIAS NATURAIS E MATEMÁTICA DEPARTAMENTO DE MATEMÁTICA Campus de Lhanguene, Av. de Moçambique, km 1, Tel: +258 21401078, Fax: +258 21401082, Maputo Cursos de Licenciatura em Ensino de Matemática
Leia maisMINERAÇÃO DE DADOS. Thiago Marzagão MINERAÇÃO DE TEXTOS. marzagao.1@osu.edu. Thiago Marzagão (UnB) MINERAÇÃO DE DADOS 1/2016 1 / 25
MINERAÇÃO DE DADOS Thiago Marzagão marzagao.1@osu.edu MINERAÇÃO DE TEXTOS Thiago Marzagão (UnB) MINERAÇÃO DE DADOS 1/2016 1 / 25 transformando textos em dados Documento 1: "Não trabalho para ter clientes;
Leia maisÍndice. Conteúdo. Planilha Profissional Para Cálculo de Preços de Artesanato
Índice Conteúdo Índice... 2 A Importância do Preço Correto... 3 Como chegar ao preço de venda adequado do meu produto?... 3 Como calcular o preço de venda lucro... 5 Como vender meus produtos pela internet...
Leia maisTeste de hipótese em modelos normais lineares: ANOVA
Teste de hipótese em modelos normais lineares: ANOVA Prof Caio Azevedo Prof Caio Azevedo Exemplo 1 No primeiro modelo, o interesse primário, de certa forma, é testar se a carga não contribui para explicar
Leia maisResolução da Prova de Raciocínio Lógico do TRE/MT, aplicada em 13/12/2015.
de Raciocínio Lógico do TRE/MT, aplicada em 13/12/2015. Raciocínio Lógico p/ TRE-MT Analista Judiciário QUESTÃO 19 Um grupo de 300 soldados deve ser vacinado contra febre amarela e malária. Sabendo-se
Leia maisTítulo do Case: Categoria: Temática: Resumo: Introdução:
Título do Case: Diagnóstico Empresarial - Vendendo e Satisfazendo Mais Categoria: Prática Interna. Temática: Mercado Resumo: Na busca por uma ferramenta capaz de auxiliar na venda de mais consultorias
Leia maisTópicos Avançados em Banco de Dados Dependências sobre regime e controle de objetos em Banco de Dados. Prof. Hugo Souza
Tópicos Avançados em Banco de Dados Dependências sobre regime e controle de objetos em Banco de Dados Prof. Hugo Souza Após vermos uma breve contextualização sobre esquemas para bases dados e aprendermos
Leia maisBUSCA DE FIDELIZACÃO DOS CLIENTES ATRAVES DA QUALIDADE NO ATENDIMENTO
BUSCA DE FIDELIZACÃO DOS CLIENTES ATRAVES DA QUALIDADE NO ATENDIMENTO Taynná BECKER 1 Priscila GUIDINI 2 RESUMO: O artigo apresenta a importância da fidelização de clientes para as empresas, e como a qualidade
Leia maisCONFIGURAçÃO E GERAÇÃO DO LALUR. Parâmetros
CONFIGURAçÃO E GERAÇÃO DO LALUR Parâmetros *O campo Limite para compensação de prejuízos anteriores, é utilizado pelas empresas que em um determinado período de apuração, obtiveram prejuízo, e sobre esse
Leia maisInstruções para o cadastramento da Operação de Transporte e geração do Código Identificador da Operação de Transporte CIOT.
Instruções para o cadastramento da Operação de Transporte e geração do Código Identificador da Operação de Transporte CIOT. Versão: 16/03/12 As instruções abaixo aplicam-se a todas as Operações de Transportes
Leia maisTeoria da Firma. Capítulo VI. Introdução. Introdução. Medição de custos: quais custos considerar?
Introdução Teoria da Firma A tecnologia de produção representa a relação entre os insumos e a produção. Dada a tecnologia de produção, os administradores da empresa devem decidir como produzir. Capítulo
Leia maisHAVE A SILCA COPY COPY HAVE A SILCA COPY. Duplicadoras Electrónicas HAVE A SILCA COPY HAVE A SILCA COPY HAVE A SILCA COPY HAVE A COPY
HAVE A HAVE SILCA A SILCA COPY COPY HAVE A COPY HAVE A SILCA C A SILCA COPY HAVE A COPY HAVE A HAVE SILCACOPY A COPY HAVE A COPY HAVE HAVE A SILCA A SILCA COPY COPY Duplicadoras Electrónicas O MUNDO SILCA
Leia maisSISTEMAS DE EQUAÇÕES DO 1º GRAU
SISTEMAS DE EQUAÇÕES DO 1º GRAU I INTRODUÇÃO: Os sistemas de equação são ferramentas muito comuns na resolução de problemas em várias áreas ( matemática, química, física, engenharia,...) e aparecem sempre
Leia maisConceitos Básicos de Probabilidade
Conceitos Básicos de Probabilidade Como identificar o espaço amostral de um experimento. Como distinguir as probabilidades Como identificar e usar as propriedades da probabilidade Motivação Uma empresa
Leia maisUTILIZAÇÃO DE RECURSOS AVANÇADOS DO EXCEL EM FINANÇAS (PARTE III): GERENCIAMENTO DE CENÁRIOS
UTILIZAÇÃO DE RECURSOS AVANÇADOS DO EXCEL EM FINANÇAS (PARTE III): GERENCIAMENTO DE CENÁRIOS! Criando cenários a partir do Solver! Planilha entregue para a resolução de exercícios! Como alterar rapidamente
Leia maisPERMUTAÇÃO, ARRANJO E COMBINAÇÃO Monitora Juliana
PERMUTAÇÃO, ARRANJO E COMBINAÇÃO Monitora Juliana PERMUTAÇÕES SIMPLES Uma permutação de se denominarmos objetos distintos é qualquer agrupamento ordenado desses objetos, de modo que, o número das permutações
Leia maisESTRUTURA DO CURSO 08:00-10:00 RTQ-R
Método de Simulação Edifícios residenciais Roberto Lamberts, PhD Veridiana A. Scalco, Dra Gabriel Iwamoto Rogério Versage, MSc Apoio: Márcio Sorgato, Carolina Carvalho e Mariana G. Bottamedi Rio de Janeiro,
Leia maisEstruturas de Repetição
Estruturas de Repetição Lista de Exercícios - 04 Algoritmos e Linguagens de Programação Professor: Edwar Saliba Júnior Estruturas de Repetição O que são e para que servem? São comandos que são utilizados
Leia mais