ESPECIALIDADE. Com base nesta informação há como valor para constante K e como valor da esperança da variável.

Tamanho: px
Começar a partir da página:

Download "ESPECIALIDADE. Com base nesta informação há como valor para constante K e como valor da esperança da variável."

Transcrição

1 ESPECIALIDADE ) Preecha as lacuas abaio e, em seguida, assiale a alterativa correta. Uma variável aleatória discreta tem a seguite fução de probabilidade P( ) K 0 se 0 < 8 caso cotrário Com base esta iformação há como valor para costate K e como valor da esperaça da variável. a) 6 / b) 6 / c) 6 / d) 6 / 7 7 JUSTIFICATIVA DA ALTERNATIVA CORRETA: (LETRA B) Para P() ser fução de probabilidade deve satisfazer os aiomas de probabilidade (Moretti pág 0 a ) em especial temos que verificar que: i Logo K 6 K 6 P( i) etão temos: P( 0< 8) P( ) K K Para calcular a esperaça da fução de distribuição devemos utilizar o seguite cálculo (Moretti, pág 5 e 6) realizado abaio: E ( ). P( ) ) Uma classe de 0 aluos de certo curso de formação de oficiais apresetou um diagrama de dispersão com as otas das disciplias de Português e Matemática, como mostrado a seguir: - - Gabarito Cometado EA EAOT 0 Estatística Versão A (Notas variado de 0 (zero) a 00 (cem) potos) Com base este gráfico, aalise as assertivas. I. A mediaa das otas de português é maior do que a mediaa das otas de matemática.

2 II. As otas de português estão mais dispersas do que as otas de matemática. III. A amplitude iterquartílica (difereça etre o terceiro quartil e primeiro quartil) das otas de português é meor do que 0 potos. IV. A ota míima de português é maior do que a ota mediaa de matemática. Estão corretas somete as assertivas a) I, II e III. b) I, II e IV. c) I, III e IV. d) II, III e IV. Para resolução das assertivas apresetadas devemos levar em cosideração a aálise de um gráfico de dispersão (Triola, 008 pág. ), oções de escala em gráficos (Triola, 008 pág.), cálculos acerca de medidas de cetro da média e mediaa (Triola, 008 pág.6, 6 e coceitos básicos de variação e amplitude (Triola, 008 pág.76) e medidas de dispersão de quartis e percetis e itervalo ou amplitude iterquatílica (Triola, 008 pág 0 a ). I. Certo. Mediaa Nota Português 8,5 > Mediaa Nota Matemática (<75) II. Errado. (80<Nota Português <00) Amplitude Total 0 < (55<Nota Matemática<5) Amplitude Total 0 III. Certo. Q () Q (86,5) 6,5 <0 IV. Certo. Míimo Nota Português (8) > Mediaa Nota Matemática (< 75) As questões, e 5 referem-se ao teto a seguir. Um estudo logitudial foi realizado em 00 áreas de risco de eposição à degue em 0 regiões metropolitaas do Brasil os aos de 00 e 00, para avaliar as políticas destas regiões em relação ao combate à degue. Níveis de Risco: Risco 00 : Baio ao : Alto Total Total Risco 00 ) Iforme se é verdadeiro (V) ou falso (F) sobre as afirmativas relacioadas com a situação-problema. A seguir, idique a opção com a sequêcia correta. ( ) O risco médio estimado de 00 caiu em relação ao risco médio de 00. ( ) A moda do risco de 00 e 00 são iguais a. ( ) O risco mediao estimado de 00 é igual ao de 00. ( ) A amplitude iterquartílica (difereça etre o terceiro quartil e o primeiro quartil) do risco é a mesma para o ao de 00 e 00. a) V F V V b) F V V V c) V V F V d) F V V F JUSTIFICATIVA DA ALTERNATIVA CORRETA: (LETRA A) Para resolução das assertivas apresetadas devemos utilizar cohecimetos sobre variáveis bidimesioais (Magalhães e Lima 00 pág. 5 a 8) em combiação de cálculos de medidas de cetro de média e mediaa (Triola 008 pág.6 e 6) e coceitos básicos de variação e amplitude (Triola, 008 pág.76) e medidas de dispersão de quartis e percetis e itervalo ou amplitude iterquatílica (Triola, 008 pág. 0 a ). I. Verdadeiro Média Risco 00,575 < Média Risco 00,75 II. Falso. Moda 00 / Moda 00 III. Verdadeiro. Mediaa Risco 00 Mediaa Risco 00 IV. Verdadeiro. Q Rico 00 () Q Risco 00 () Q Rico 00 () Q Risco 00 () - - Gabarito Cometado EA EAOT 0 Estatística Versão A

3 ) Preecha as lacuas abaio e, em seguida, assiale a alterativa correta. Em das áreas estudadas o ível de risco ão se modificou do ao de 00 para 00. Observa-se também áreas em que o ível de risco caiu pelo meos potos. a) 5,5% / 60 b) 5,5% / 0 c) 6,0% / 60 d) 6,0% / 0 JUSTIFICATIVA DA ALTERNATIVA CORRETA: (LETRA B) Devemos utilizar cohecimetos sobre variáveis bidimesioais (Magalhães e Lima, 00 pág. 5 a 8) em combiação com cálculos de fução de probabilidade cojuta para este tipo de variável (Magalhães e Lima, 00 pág.8 a ). Baseado estes coceitos é feito o cálculo dos ites para a questão. I. Soma de Níveis Risco 00 Níveis Risco 00 dividido por 00 áreas eistetes , II. Dado Nível Risco 00, Nível Risco 00 tivemos 0 áreas. Dado Nível Risco 00, Nível Risco 00 tivemos 0 áreas. Dado Nível Risco 00, Nível Risco 00 tivemos 60 áreas. Assim o total de áreas com redução de ível de risco em pelo meos potos foi de áreas. 5) Aida com relação à situação problema, cosidere a tabela como uma distribuição cojuta de duas variáveis, da qual o risco 00 será represetado pela variável e o risco 00 pela variável y. Aalise as probabilidades de cada item. A P( < ) B P(y > ) C P( /y > ) D P(y > ) De acordo com as probabilidades apresetadas por cada item acima, qual alterativa cotém as probabilidades ordeadas em ordem crescete? a) A C D B b) C A D B c) C A B D d) A C B D JUSTIFICATIVA DA ALTERNATIVA CORRETA: (LETRA A) Devemos utilizar cohecimetos sobre cálculos de fução de probabilidade cojuta para variável bidimesioal (Magalhães e Lima, 00 pág.8 a ) j A: P < ) P( ) 0, ( i j, j 0 B: P ( Y> ) PY ( ) i, i, j 0, 00 C: Logo: A < C < D < B - - Gabarito Cometado EA EAOT 0 Estatística Versão A i, j i i j i, i i j ( P( IY ) P / Y> ) P( / Y ) PY ( ) 0 D: P ( Y> ) i, j i, j 0, i j i+ i j i i, i j i, j i, j 0 0,

4 6) Cosidere a variável aleatória cotíua com a seguite fução de desidade de probabilidade f () ( ) 0 se < < caso cotrário O valor da esperaça da variável é dado por a) b). 5. c) d).. 5 JUSTIFICATIVA DA ALTERNATIVA CORRETA: (LETRA B) Para calcular a esperaça da variável aleatória cotíua devemos itegrar a variável multiplicada por sua respectiva fução de desidade de probabilidade (Moretti, pág.) E ( ). f( ) d. ( ) ) Iforme se é verdadeiro (V) ou falso (F) sobre as afirmativas relacioadas com a situação-problema. A seguir, idique a opção com a sequêcia correta. Uma amostra aleatória simples de tamaho, estimadores para a média amostral: T + T ( ) O estimador T é ão viesado. ( ) O estimador T é ão viesado. ( ) O estimador T é o úico viesado. ( ) Os estimadores T e T são os úicos ão viesados. a) V F V V b) F V V V c) V F F V d) V V V F Um estimador é ão viesado pra média se E [ T] µ Dado que +, é retirada de uma população com média µ. São propostos T 5 T. é a estimativa ão viesada do parâmetro média aritmética µ. Uma amostra de tamaho tem combiações possíveis: (, ), (, ), (, ) e (, ) Para o estimador ão ser viesado à média (esperaça) de todas amostras possíveis, tem que ser igual ao parâmetro (Moretti 000 pág. e ), e este cálculo pode ser epresso através da esperaça de todas as amostras possíveis (Hoffma, 8), etão temos: [ ] ET E [ T ] Gabarito Cometado EA EAOT 0 Estatística Versão A

5 [ ] ET [ ] ( ) ET I. Verdadeiro. II. Falso. III. Falso. IV. Verdadeiro. As questões 8, e 0 referem-se ao teto a seguir. Foi realizado um estudo para aalisar a obesidade em aluos de uma determiada escola através do Ídice de Massa Corporal (IMC). Iicialmete, decidiu-se realizar um estudo piloto em aluos do º ao do esio fudametal, a fim de testar duas técicas de amostragem sobre a melhor técica que poderia ser aplicada o estudo maior. O º ao do esio fudametal desta escola cotiha classes (ºA 0; ºB0; ºC0), totalizado 00 aluos. Decidiu-se fazer uma amostragem de 0 aluos por Amostragem Aleatória Simples com Reposição (AASc) e uma Amostragem Estratificada (AE) coforme a tabela abaio. Tamaho da Média Variâcia Amostra IMC Amostral AASc - º 0 60 AE - ºA 6 88 AE - ºB 5 0 AE - ºC 8) Preecha as lacuas abaio e, em seguida, assiale a alterativa correta. Com base as iformações da situação-problema, observa-se que a média geral das Amostrages Estratificadas é igual a e variâcia do estimador média amostral para Amostragem Aleatória Simples com reposição é. a),8 /, b),8 /,5 c), /,50 d), /,5 Para o cálculo da Esperaça Amostragem Estratificada deve-se cosiderar a proporção de cada estrato e sua respectiva esperaça (Bolfarie e Bussab, 000 pág.6 e ) E ( ) E ( ) + E ( ) + E ( ), A B C Para cálculo da Variâcia AASc (Bolfarie e Bussab, 000 pág.8): var σ 60 0 ( ), 5 ) Aalisado a Amostragem Estratificada, há variâcia do estimador em que a média amostral é dada por a),0. b),5. c),0. d),5. JUSTIFICATIVA DA ALTERNATIVA CORRETA: (LETRA B) Para o cálculo da Variâcia da Amostragem Estratificada (Bolfarie e Bussab, 000 pág. ) temos Var ( ) Ni N k i W i i σ i Gabarito Cometado EA EAOT 0 Estatística Versão A

6 Var ( ) 0 00 Var ( ) (0,6).(0,88).(0,78).(0,8),5. Var 5 ( ) + Var 0 ( ) + Var 0 A B c ( ) 0) O Efeito do Plao Amostral (EPA) é uma ferrameta importate para avaliar a eficiêcia de plaos amostrais, comparado a variâcia de um estimador sob um plao amostral com a variâcia deste mesmo estimador sob outro plao amostral dito com padrão. Cosiderado o plao Amostral Aleatório Simples (AASc) como padrão para aalisar o estimador média do plao amostral estratificado, assiale a alterativa correta. a) EPA 0,67. b) EPA 0,8. c) EPA,00. d) EPA,67. Para o cálculo do efeito do plao amostral devemos calcular a razão das variâcias do plao amostral a ser testado com um plao amostral dito como padrão, coforme apresetado (Bolfarie e Bussab, 000 pág.6) temos: AE Var EPA AASc Var AE AASc ( ),5 ( ),5 ) Seja,,..., uma amostra aleatória de uma distribuição ormal com média µ e variâcia σ descohecida. Tais dados são obtidos em uma Amostra Aleatória de tamaho desta população, calculou-se sua média e variâcia amostral S. De acordo com estas iformações, o valor de P ( > µ + ( s / )) é a) meor que %. b) etre % e 5%. c) etre 5% e 0%. d) maior que 0%. JUSTIFICATIVA DA ALTERNATIVA CORRETA: (LETRA D) A variâcia e desvio padrão da média amostral são dados pelos seguites cálculos (Moretti, 000 pág. 5) σ Temos que Var( ) etão: DP( ) σ σ O objetivo é calcular a probabilidade de a média amostral ser maior que a média populacioal mais um terço do desvio padrão da média populacioal, ou seja: P σ > µ + Para fazermos iferêcia sobre uma amostra temos que a variável padroizada segue o seguite modelo: (Casella e Berger, 00 pág. 0) Z α ( testesobremédia) µ σ Com isto temos o cálculo da probabilidade que se apreseta da seguite forma: σ µ + σ µ µ + σ µ σ P µ + P Zα > P Zα > P Zα > PZ σ σ σ > α ( > ) 0, Gabarito Cometado EA EAOT 0 Estatística Versão A

7 ) Fucioários de uma empresa de trasporte tiveram a seguite evolução salarial: o ao de 005, eles recebiam a importâcia de R$.000,00 com ídice de preços relativo-local de,5. Em 00, os fucioários recebiam a importâcia de R$.700,00 com ídice de preços relativo-local de,50. Com base estes dados, o reajuste real dos fucioários o período de 005 a 00 foi de a) 0%. b) 0%. c),5%. d) 5%. Deve-se utilizar para resolução desta questão coceitos de preço relativo (Hoffma, 8 pág.0 e ) e ídice simples de preços agregados (Hoffma, 8 pág. a ) Em 000: R$.000,00 - ídice de preços,5 etão Em 005: R$.700,00 - ídice de preços, ,50, 0,,5,5,5 0,, Reajuste Bruto,5 0, 5 Reajuste de Preços Reajuste Relativo 5 ) Seja,,..., uma amostra aleatória de uma distribuição qualquer cotíua. Ao realizar um histograma da variável amostrada otou-se que a distribuição dos dados se apresetava de forma assimétrica egativa. Deotado: média amostral, ~ Mediaa Amostral e M Moda. Com base estas iformações, a ordeação correta das estatísticas é ~ a) < M <. ~ b) < M <. c) M < ~ <. d) < ~ < M. JUSTIFICATIVA DA ALTERNATIVA CORRETA: (LETRA D) Cosiderado uma distribuição assimétrica egativa (à esquerda) (Hoffma, 8 pág. e ) (Triola, 008 pág.70) temos que a moda da distribuição é maior que a mediaa e essa é maior que a média, sedo a ordeação da distribuição referida,,..., < ~ < ) Seja uma amostra aleatória de uma fução distribuição de probabilidade dada por e se > 0 F(, ) 0 caso cotrário Com base esta iformação, aalise as afirmativas. I. O estimador para pelo método de máima verossimilhaça é a média amostral. II. O valor do mometo de primeira ordem cetrado em zero é a média amostral. III. O valor da média e desvio padrão são iguais se estimados pelo método de mometos. Estão corretas somete as afirmativas: a) I e II. b) I e III. c) II e III. d) I, II e III Gabarito Cometado EA EAOT 0 Estatística Versão A M

8 JUSTIFICATIVA DA ALTERNATIVA CORRETA: (LETRA B) Para respoder este item temos que otar a fução referete à distribuição acumulada de uma variável aleatória epoecial (Ross, pág.) e com esta iformação temos que a fução de desidade de probabilidade é a derivada da fução de distribuição acumulada, logo temos:. e se> 0 F (, ) f (, ) 0 caso cotrário Para o item I utilizaremos coceito a respeito de Estimadores de Máima Verossimilhaça (Casella e Berger, 00 pág. 5 e 6). L i e I. Correto. ( ) i l ( L( ) ) 0 ( ( )) ( i) l L l. e l ( L( )).l( ) i Gabarito Cometado EA EAOT 0 Estatística Versão A i i 0 Para o item II e III utilizaremos coceito a respeito de Fuções Geradoras de Mometos (Ross, pág. 5 e 5) para distribuição epoecial: II. Icorreto. M ( t) para t< t var( ) E( ) E( ) III. Correto. ( ) M '( t) M '(0) t ( t) ( ) M ''( t) M ''(0) E( var( ) E( ) ( E( ) ) dp( ) var( ) E M '(0) E dado que ( ) As questões de 5 e 6 referem-se ao teto a seguir. Supoha que uma variável aleatória cuja fução geradora de mometos é M ( t) para < t t 5) Preecha as lacuas abaio e, em seguida, assiale a alterativa correta. Acerca da fução geradora apresetada, pode-se afirmar que o mometo de primeira ordem cetrado em zero é e o mometo de seguda ordem cetrado em zero é. a) b) c) / / / d) / + JUSTIFICATIVA DA ALTERNATIVA CORRETA: (LETRA B) Utilizaremos coceitos a respeito de Fuções Geradoras de Mometos (Ross, pág. 5) para distribuição epoecial para resolução dos ites solicitados. I II M ( t) para t< M '( t) M '(0) t t M ''( t) M ''(0) t ( ) ( ) )

9 6) Aida aalisado a fução geradora de mometos, pode-se afirmar que a variâcia desta distribuição é dada por a). b). c). d). JUSTIFICATIVA DA ALTERNATIVA CORRETA: (LETRA D) Utilizaremos coceitos a respeito de Fuções Geradoras de Mometos (Ross, pág. 5), com os mometos ecotrados a questão aterior temos: ( E( ) ) M ( 0) ( 0) Var ( ) E( ) M 7) Em um teste para seleção de estagiário de uma empresa foram apresetados modelos de regressão e gráficos origiados deles. A B C I. Y 0, + 0, 00 II. Y 0, , 08 III. Y, 8 + 0, 0 IV. Y, + 0, 50 Relacioe os gráficos com as equações e assiale a alterativa que apreseta a sequêcia correta. a) I A, II B, III C, IV D b) I D, II A, III C, IV B c) I C, II D, III A, IV B d) I C, II B, III A, IV D Aálise visual das escalas dos gráficos de regressão utilizado associação dos coeficietes β 0 e β com equações de regressão estimadas graficamete, observado as escalas dos gráficos (Draper e Smith, 8 pág.0 a 8). Podemos relacioar o gráfico apresetado com a equação substituido valores máimos e míimos da variável e verificado se esta é a mesma variação verificada em Y. D - - Gabarito Cometado EA EAOT 0 Estatística Versão A

10 Gráfico A: ma 00 e mi 500 ode a variação de Y a reta é de aproimadamete a, substituido ma e mi as equações temos: I Y ma 88, 8 e Y mi 5, II Y ma, e Y mi 7, III Y ma e Y mi, IV Y ma 0, 7 e Y mi 5, 7 De acordo com os resultados apresetados o Gráfico A relacioa-se com equação III. Gráfico B: ma 5 e mi 5 ode a variação de Y a reta é de aproimadamete a, substituido ma e mi as equações temos: I Y ma, 77 e Y mi 0, 87 II Y ma, 68 e Y mi 0, 7 III Y ma, 6 e Y mi, 0 IV Y ma, 8 e Y mi, De acordo com os resultados apresetados o Gráfico B relacioa-se com equação IV. Gráfico C: ma 7 e mi 5, 5 ode a variação de Y a reta é de aproimadamete 0,6 a 0,, substituido ma e mi as equações temos: I Y ma 0, e Y mi 0, 5 II Y ma 0, 8 e Y mi 0, III Y ma, 06 e Y mi, IV Y ma, e Y mi, De acordo com os resultados apresetados o Gráfico C relacioa-se com equação I. Gráfico D: ma 7 e mi ode a variação de Y a reta é de aproimadamete 0, a 0,, substituido ma e mi as equações temos: I Y ma 0, 6 e Y mi 0, 8 II Y ma 0, e Y mi 0, III Y ma, e Y mi, 85 IV Y ma, 6 e Y mi, De acordo com os resultados apresetados o Gráfico A relacioa-se com equação II. As questões 8 e referem-se ao teto a seguir. Uma equipe de estudates deseja participar de uma competição esportiva. Para etrar esta competição devem ter redimeto acadêmico maior ou igual a 7,5 potos. A distribuição de otas desta turma está apresetada abaio. Observe. Nº de Aluos Nota ) Quatos aluos com redimeto acadêmico (ota) devem etrar a equipe para que a mediaa das otas seja 7,5? a) 7. b) 8. c). d) Gabarito Cometado EA EAOT 0 Estatística Versão A

11 JUSTIFICATIVA DA ALTERNATIVA CORRETA: (LETRA D) O cálculo da mediaa de um cojuto de valores (Triola, 008 pág.6) é apresetado ode a mediaa é a média, dois valores cetrais do rol de dados são ordeados para o caso do úmero de dados ser par e a posição cetral para o caso do úmero de dados ser ímpar. O valor da mediaa atual (7) é a média dos valores da posição e 0 dos dados ordeados (com N iicial 8). Para o valor de a mediaa ser 7,5 e dado a etrada de aluos somete com ota, os dois valores cetrais da distribuição dos dados ordeados tem que ser 7 e 8, para isto olhado a distribuição atual dos dados ordeados seria a posição e 5 e dado o cálculo da posição cetral da mediaa como - - Gabarito Cometado EA EAOT 0 Estatística Versão A N N pos + pos + Me, etão o valor de N fial 8, logo o úmero de aluos iseridos com ota teria de ser: N iserido N fial N iicial ) Quatos aluos com redimeto acadêmico (ota) devem etrar a equipe para que a média seja 7,5? a) 7. b) 8. c). d) 0. JUSTIFICATIVA DA ALTERNATIVA CORRETA: (LETRA B) O cálculo da média de um cojuto de valores (Triola, 008 pág.6) é apresetado como a soma de valores deste cojuto dividido pelo úmero de valores, etão o valor da média atual é dado por i i 8 O valor da média esperada devemos adaptar ao cálculo da média, ode devemos acrescer idivíduos com ota e + i 8+ i icluí-lo a divisão da seguite forma: passe 7, 5 i 7,5i 5,5i i 8 As questões 50 e 5 referem-se ao teto a seguir. 7,5*( 8+ i) + i Um estudo revelou que a probabilidade de uma pessoa ter cotraído AIDS é de %. Mostrou que se a pessoa cotraiu AIDS, um determiado eame detecta o resultado positivo em 0% dos casos, e se a pessoa ão cotraiu, o eame detecta o resultado egativo em 60% dos casos. 50) Iforme se é verdadeiro (V) ou falso (F) sobre as afirmativas relacioadas com a situação-problema. A seguir, idique a opção com a sequêcia correta. ( ) A probabilidade do eame acertar um resultado qualquer é maior que 65%. ( ) Se o eame der positivo, a proporção de pessoas com a doeça é de /5. ( ) Se o eame der egativo, a probabilidade de a pessoa ter a doeça é de /55. ( ) Se a pessoa cotraiu AIDS, a probabilidade de fazer eames de forma idepedete e todos apresetarem resultado egativo acotecerá em mais de 0% das vezes. a) V V V V b) F V V F c) V F F V d) F F F F JUSTIFICATIVA DA ALTERNATIVA CORRETA: (LETRA B) Probabilidade de ter Aids P ( A) 0, 0 Probabilidade Eame Positivo P (E) Probabilidade Eame Negativo P (E ) P ( E / A) 0, P ( E / A) 0,6

12 Para respoder o item I utilizaremos coceitos de Probabilidade Codicioada e o Teorema da Probabilidade Total (Moretti, pág. ). I U I P( E / A). P( A) U P( E / A). P( A) 0,.0,0+ 0,6 *0, 0,00+ 0,5 0, 60 I P( E A) P( E A) Para respoder os ites de II e III utilizaremos coceitos de Probabilidade Codicioada, Teorema de Bayes e Teorema da Probabilidade Total p. a Moretti () II P( A E) III P( A E) ( AIE) P( E) ( E / A). P( A) P P 0,.0,0 0,00 / 0,0... P P( A) 0,.0,0+ 0,.0, 0,05 ( AIE) P( ( E / A). P( A) + P( E / A). P( E / A). P( A) ( E / A). P( A) + P( E / A). P 0,.0,0 0,00 / 0, P P( A) 0,.0,0+ 0,6.0, 0,55 Para o Item IV vamos utilizar coceitos de Evetos Idepedetes (Moretti, pág. e 0) e cálculo de Probabilidade de Distribuição Biomial (Ross, pág.6) IV Dado ser uma variável aleatória ode uma pessoa doete apreseta resultado egativo temos que P() P ( ) P( E / A) sedo uma variável aleatória biomial (Ross, pág.6) ode a probabilidade de evetos desta v.a. é demostrada abaio: P ( ) ( 0,6).( 0,) 0, 6 5) Preecha as lacuas abaio e, em seguida, assiale a alterativa correta. A combiação de teste é uma ferrameta importate para melhorar a qualidade de um eame. Ao realizar 5 testes em paralelo, desejado-se ecotrar ou mais resultados positivos para cosiderar o eame como positivo, haverá uma probabilidade do resultado positivo se adequar a uma distribuição. a) biomial b) geométrica c) hipergeométrica d) multiomial O modelo de probabilidade proposto ode uma população de tamaho N com m elemetos desta população com uma determiada característica k, ode é feita uma amostragem de tamaho sem reposição ode se deseja ecotrar i idivíduos com determiada característica k segue um modelo de distribuição de probabilidade Hipergeométrico. (Ross, pág.7) 5) Seja,,..., uma amostra aleatória de uma fução distribuição de probabilidade dada por P (, θ ) θ.( θ ) Com base esta iformação, o estimador de máima verossimilhaça para θˆ é dado por a) b) c) d) i i ( ) i i + ( i ) + i ( i ) + i - - Gabarito Cometado EA EAOT 0 Estatística Versão A

13 JUSTIFICATIVA DA ALTERNATIVA CORRETA: (LETRA B) Utilizado procedimetos para estimação de um parâmetro através de uma fução de máima verossimilhaça (Casella e Berger, 00 pág.5 e 6) temos: ( ) ( ) θ. θ l( L( )) lθ. ( θ) i l( L( )).l( θ) + l( θ). L i l ( L( ) ) 0 θ ( ) - - Gabarito Cometado EA EAOT 0 Estatística Versão A i 0 i i i i 0 θ. ( θ) θ ( θ) θ. + θ θ i i + i + i ( ) i i i θ 5) Sejam A e B evetos de um dado espaço amostral com as seguites características P ( A) P( B) P( A/ B) 0, 5 i i i Assiale a alterativa em que as características ão podem ser atribuídas a estes cojutos. a) Idepedetes. b) Mutuamete ecludetes. c) Apresetam itersecção ão ula. d) Represetam distribuições de probabilidade. JUSTIFICATIVA DA ALTERNATIVA CORRETA: (LETRA B) Para respoder as características ieretes aos cojutos A e B utilizaremos coceitos de Probabilidade Codicioada, Teorema de Bayes e Teorema da Probabilidade Total (Moretti, pág a ) e (Magalhães e Lima, 00 pág. a 8). Sobre Idepedêcia: P( AI B) P( A). P( B) 0,5 se A e B idepedetes P ( A / B) P( A) se A e B idepedetes P( AIB) P( A / B) P( AIB) P( A / B). PB 0,5. 0,5 0, PB ( ) ( ) 5 Isto é, podem ou ão ser idepedetes, pois a hipótese de idepedêcia ão foi descartada. Sobre Itersecção Nula e Mutuamete Ecludetes: ( A / B). P( ) 0,5.0,5 0,5 0 P( AI B) P B ão tem itersecção ula e ão são mutualmete ecludetes Sobre a possibilidade de Represetarem uma Distribuição de Probabilidade: Por defiição podem represetar distribuições de probabilidade, pois todas as probabilidades estão o itervalo 0 p 5) Preecha as lacuas abaio e, em seguida, assiale a alterativa correta. O preço de um determiado produto apresetou um coeficiete de variação de. Seja dado que o produto teve uma redução de 0% em seu preço, o ovo coeficiete de variação é dado por 0 u.m.. a), u.m. b) u.m. c) 0 u.m. d) 7,5 u.m. A costrução do coeficiete de variação euciado por Triola (008) pág. 8 coforme abaio: s CV

14 Cosiderado propriedades de Esperaça Matemática euciadas por Moretti () pág. 8 e propriedades da variâcia euciadas por Moretti () pág. 5 e 5 temos: Se Y a Aplicado propriedades de Esperaça Matemática E ( Y ) ae. ( ) Aplicado propriedades de Variâcia Var ( Y ) a. Var( ) DP ( Y ) Var( Y ) a. Var( ) adp. ( ) Temos: Y a > Y 0,8 Seja i média de preços iicial, preços fial. f 0,8. i e s f 0,8. si f média de preços fial, s i desvio padrão de preços iicial, s f desvio padrão de s 0,8. s i f i CV i e CV f i f 0,8. i Etão CVi CVf 0u. m. s si i 55) Com relação à Teoria da Amostragem, assiale a afirmativa icorreta. a) Na Amostragem Sistemática, a seleção do primeiro idivíduo é feita por Amostragem Aleatória Simples. b) Na Amostragem Estratificada, a população é divida em subpopulações com estratos mutuamete ecludetes. c) Na Amostragem Coglomerados, a população é dividida em subpopulações com coglomeros homogêeos. d) Na Amostragem Aleatória Simples, todas as uidades amostrais têm a mesma probabilidade de serem escolhidas. Por defiição os coceitos de amostragem defiidos por Bolfarie e Bussab (000) pág. 57 e Moretti (000) pág. a 6 e aalisamos abaio cada alterativa sobre os tipos de amostragem: Amostragem Aleatória Simples: De acordo com Bolfarie e Bussab (000) pág.77 e 78 e defiições supra citadas a Amostragem Aleatória Simples se caracteriza por dar a todos o elemetos amostra a mesma probabilidade a cada uidade amostral. Afirmação sobre o tipo de amostragem CORRETA. Amostragem Sistemática: De acordo com Bolfarie e Bussab (000) pág. e e defiições supra citadas a Amostragem Sistemática a seleção do primeiro elemeto é selecioado aleatoriamete segudo uma Amostragem aleatória simples. Afirmação sobre o tipo de amostragem CORRETA. Amostragem por Coglomerados: De acordo com Bolfarie e Bussab (000) pág. 87 o procedimeto amostral aalisado são costruídos através de coglomeros heterogêeos sedo uma micro represetação da população. Afirmação sobre o tipo de amostragem INCORRETA Amostragem Estratificada: De acordo com Bolfarie e Bussab (000) pág. a 7 a população é subdividida em parcelas bem defiidas, cada estrado tem sua subpopulação e isto caracteriza que as populações são mutuamete eclusivos (coceito apresetado por Magalhães e Lima (00) pág. 7). Afirmação sobre o tipo de amostragem CORRETA. As questões 56 e 57 referem-se ao teto a seguir. Um estudo sobre as características de plaos amostrais levatou iformações acerca de um plao amostral baseado em Amostragem Aleatória Simples com Reposição (AASc) e um plao amostral baseado em Amostragem Aleatória Simples sem Reposição (AASs), listado, a seguir, Estimadores ão viesados para a variâcia do estimador da média amostral deomiado como. Para > temos ( AASc) σ Var / - - Gabarito Cometado EA EAOT 0 Estatística Versão A

15 ( ) s Var( AASs) N Ode N é o tamaho da população; é o tamaho da amostra; s é a variâcia da amostra; σ é a variâcia populacioal. 56) Aalise as afirmativas com plaos amostrais apresetados. I. De acordo com as propriedades do efeito do plao amostral EPA, a AASs apreseta melhor eficiêcia que a AASc. meor a variâcia de uma AASs. II. Quato maior a proporção da amostra ( ) III. s é sempre maior que Estão corretas somete as afirmativas a) I e II. b) I e III. c) II e III. d) I, II e III. N σ em um plao amostral de AASc. JUSTIFICATIVA DA ALTERNATIVA CORRETA: (LETRA A) Para resolução do item I utilizaremos a comparação dos plaos amostrais AASs e AASc (Bolfarie e Bussab, 000 pág.06) I. Verdadeiro. Var Var ( AASs) ( AASc) N < N EPA para N > Para resolução do item II utilizaremos propriedades de uma AASs e costruiremos o estimador de variâcia (Bolfarie e Bussab, 000 pág.6) II. Verdadeiro. Observamos uma relação iversa etre variâcia e fração amostral por defiição: Var s. N ( AASs) Para resolução do item III utilizaremos os resultados de cálculo referete à distribuição amostral de s (Bolfarie e Bussab, 000 pág.86) III. Falso. Por defiição, há possibilidade de uma variâcia amostral ser meor que a variâcia amostral como eemplificado por Bolfarie e Bussab a distribuição amostral de s. Var 57) O resultado da razão etre Var a) b) N. N N. N N c). N N d). N ( AASs) ( AASc) resulta em JUSTIFICATIVA DA ALTERNATIVA CORRETA: (LETRA A) Para resolução desta questão utilizaremos a comparação dos plaos amostrais AASs e AASc (Bolfarie e Bussab, 000 pág.06) Gabarito Cometado EA EAOT 0 Estatística Versão A

16 58) Certa empresa deseja fazer uma pesquisa com seus clietes sobre a aceitação de uma ova liha de produtos; admite um erro máimo de ± potos percetuais para a estimativa da proporção ecotrada. Cosiderado que o tamaho é de 65 clietes, qual é o ível de cofiaça aproimado deste plao amostral? a),%. b),7%. c) 68,%. d) 5,%. O cálculo do tamaho da amostra é dado por: (Magalhães e Lima, 00 pág.) Z. pˆ.( pˆ) e α eq. Sedo a proporção estimada descohecida é cosiderado 5 00 pág.). Substituido esta proporção em eq. temos: Z p ˆ 0,, pois 0,5 maimiza pˆ.( pˆ ) 0,5. 0, Z. α Zα Z e.(0,0) 65 α α (Magalhães e Lima, pˆ segue uma distribuição ormal para grade (>0) (Magalhães e Lima, 00 pág. e ), etão podemos descrever o ível de cofiaça como sedo: P( Z ) α < Z < Zα P( < Z < ) 0,68 5) A cidade de Atares está sofredo com o ivero rigoroso o ao de 0, cujas temperaturas os últimos 5 dias foram em média de ºC, com variâcia de 00ºC. Uma outra cidade, Metrópolis, também registrou temperaturas baias o mesmo período, com média de ºF e desvio padrão ºF. Dado que para trasformar a temperatura de Fahreheit (ºF) em Celsius (ºC): 5 TC ( TF ). Ode TC Temperatura em ºC e TF Temperatura em ºF. Preecha com A se a iformação está relacioada com a cidade de Atares e M se a iformação está relacioada com a cidade de Metrópolis. Em seguida, assiale a alterativa que apreseta a sequêcia correta. ( ) A meor média da temperatura. ( ) A meor variâcia da temperatura. ( ) O meor coeficiete de variação da temperatura. a) A M M b) M A M c) M A A d) A M A JUSTIFICATIVA DA ALTERNATIVA CORRETA: (LETRA A) Se Y a + b Propriedades de Esperaça Matemática (Moretti, pág.8) Propriedades da Variâcia (Moretti, pág.5 e 5) E ( Y ) ae. ( ) + b Var ( Y ) a. Var( ) DP ( Y ) Var( Y ) a. Var( ) adp. ( ) Utilizado propriedades de Esperaça para resolução do Item I Gabarito Cometado EA EAOT 0 Estatística Versão A

17 5 I E [ TC] E ( TF ) ETF [ ]. E[ TF] E[A] ºC E[M] 5ºF E[A]<E[M] 5 60 Utilizado propriedades de Variâcia para resolução do Item II II Var [ TC] Var ( TF ) Var[ TF ]. Var[ TF] Var[A] 00ºC Var[M] ( ) Var[A]>Var[M] 8ºF Utilizado coceitos para costrução do coeficiete de variação (Triola, 008 pág.8) para resolução do Item III. III - DPTC [ ] CV [ TC] ETC [ ] Var[ TC] ETC [ ] 00 8 CV[A] 5 [M ] 5 CV[A]>CV[M] CV,8 60) Seja,,..., uma variável aleatória que represeta o redimeto acadêmico de um aluo; tal variável segue uma distribuição ormal com média 6 e variâcia. Em um grupo de pessoas, qual é a probabilidade aproimada da soma destas otas ser meor que 0? a) 0,77. b) 0,866. c) 0,. d) 0,7. µ 6 e σ Y Temos que: e dadas propriedades de Esperaça e Variâcia Moretti () pág. 8 a 5. E ( Y) E( ) ( Y) Var( ) 6 Var cosiderado s idepedetes Dado Y t 0 temos e utilizado técicas para calculo de população ormais Magalhães e Lima (00) pág.8 e 8. Z c y µ y 0,5 σ P α y ( Z < Z ) P( Z <,5) 0,5+ 0, 0, 6) O ciclo PDCA (do iglês: Pla [plaejameto], Do [eecução], Check [verificação], Actio [atuação corretiva]) é um método de gereciameto pertecete a técica de estatística de plaejameto e aálise de eperimetos. Qual das alterativas abaio ão faz parte dos pricípios básicos do plaejameto de eperimetos? a) Réplica. b) Aleatorização. c) Seleção de íveis. d) Formação de blocos Gabarito Cometado EA EAOT 0 Estatística Versão A

18 Para realização de um plaejameto de eperimetos temos três básicos, que são Réplica, Aleatorização e Formação de Blocos. (Werkema e Aguiar, 6 pág.8) 6) Um parâmetro chamado Ψ pertece a uma determiada população. São elaborados estimadores ψ ˆ, ψ ˆ e ψ ˆ com as seguites características E ( ψ ˆ) ψ ( ψˆ ) < E( ψˆ ) E( ψˆ ) ( ψˆ ) < Var( ψˆ ) Var( ψ ) E Var < ˆ Com base estas iformações, aalise as afirmativas. I. O estimador ψ ˆ é mais eficiete que os demais para estimar o parâmetro Ψ. II. O estimador ψ ˆ é mais preciso que os demais estimadores. III. O estimador ψ ˆ é mais eficiete que o estimador ψ ˆ para estimar o parâmetro Ψ. IV. Os estimadores ψ ˆ e ψ ˆ tem a mesma eficiêcia para estimar o parâmetroψ. Estão corretas somete as afirmativas a) I e IV. b) I, III e IV. c) II e III. d) II, III e IV Gabarito Cometado EA EAOT 0 Estatística Versão A Para resolução dos ites de I a IV utilizaremos técicas de avaliação de Estimadores de Cosistêcia (Casella e Berger, 00 pág. 67 a 70) e Eficiêcia (Cassela e Berger, pág. 70 a 7). I. Falso. Na classe de estimadores ão viesados o estimador mais eficiete deve ter meor variâcia. II. Verdadeiro. Pois ψ ˆ é o de meor variâcia. III. Verdadeiro. ψ ˆ e ψ ˆ são estimadores ão viesados, ode ψ ˆ tem meor variâcia que ψ ˆ, etão ψ ˆ é mais eficiete. IV. Falso. O estimador ψ ˆ ão pode ser cosiderado o mais eficiete pois descohecemos a magitude do seu viés e para estimadores viesados a eficiêcia é medida pelo Erro Quadrático Médio, sedo Var ψ ˆ + Viés EQM ( ) 6) Preecha as lacuas abaio e, em seguida, assiale a alterativa correta. Sejam e Y variáveis aleatórias idepedetes, ode represeta o úmero de caras em 0 laçametos de uma moeda viciada, cujo úmero de caras é 50% maior do que o úmero de coroas e Y, uma variável aleatória, que segue Poisso com média igual a uidades de medida. Cria-se uma ova variável a partir da seguite relação: Z Y + 5 ode é o valor da esperaça de Z e é o valor da variâcia de Z. a) 8 / 8,6 b) 8 /,6 c) / 8,6 d) /,6 JUSTIFICATIVA DA ALTERNATIVA CORRETA: (LETRA D) Dadas as propriedades de Esperaça e Variâcia (Moretti, pág.8 a 5) para resolução dos Ites I e II temos: tem distribuição biomial com parâmetros e p ode: 0; p,5.pe ode pe é a probabilidade de coroas.,5. pe ( pe),5pe pe 0, etão p 0,6 A distribuição de apreseta as características (Ross, pág.6 e 5) que serão utilizadas para resolução do item I. I E [ ]. p 0.0,6 6 E [ Y]

19 E [ Z] E[ Y + 5]. E[ ] EY [ ] E[5] + 5 Y tem distribuição de poiso com parâmetro lambida igual a e apresetam características ieretes a esta distribuição e jutamete com o euciado acima para o item I podemos desevolver o item II. (Ross, pág.57,5 e 60) II Var [ ]. p.( p) 0.0,6.0,, Var [ Y] E[ Y ] Var[ Z] Var Y + ] Var[ Y ] [ Var[ ] + Var[ Y] Cov[, Y] Cov [, Y ], etão.,+, Se idepedete 0 Var [ Z] 6 6) Seja,,..., uma variável aleatória discreta com a fução de desidade de probabilidade epressa abaio. A variâcia desta distribuição é dada por a) /. b) 5/. c) /5. d) 5/. JUSTIFICATIVA DA ALTERNATIVA CORRETA: (LETRA B) Ecotrar primeiramete a equação da fução os lugares em que f() tem desidade ão ula e em cada itervalo ecotrar a equação da reta (Bojoro et al, ) logo temos: até (-)/ até / até (-)/ O cálculo da esperaça de uma fução aleatória cotíua (Ross, pág.0) é aplicado abaio: b ( ) ( ) E[ ]. f ( ) d d d d a d d d , Para o cálculo da esperaça de (Ross, pág.06) ode aplicamos este cálculo abaio em ossa fução: b ( ) ( ) [ ]. f ( ) d. d+. d+. d E a + + d d d Gabarito Cometado EA EAOT 0 Estatística Versão A

20 O cálculo da Variâcia de (Ross, pág.05) é uma operação algébrica, por isso utilizamos o cálculo abaio: Var [ ] E[ ] E[ ] Gabarito Cometado EA EAOT 0 Estatística Versão A ) O modelo de regressão liear é ajustado Y ˆ a i + bi com o coeficiete de determiação 8% e o gráfico de resíduos apreseta heterocedástico do erro. Assim, pode-se afirmar que a) o coeficiete a o modelo ão é sigificativo. b) a estatística de teste t do modelo de regressão ão é válida. c) o coeficiete a estimado por míimos quadrados é viesado. d) ão é possível verificar heterocedasticidade do erro por gráficos de resíduos. JUSTIFICATIVA DA ALTERNATIVA CORRETA: (LETRA B) A) Icorreto: O coeficiete a isoladamete pode ser sigificativo está diretamete relacioado com a formulação do coeficiete de determiação. (Draper e Smith, 8 pág.) B) Correto: Para uma estatística t ser válida para um modelo de regressão devem ser satisfeitas hipóteses básicas relacioadas aos resíduos gerados pelos modelos: Normalidade, Idepedêcia, Média Zero e Variâcia Costate. Dado que a heterocedasticidade é observada quado ão há variâcia costate o valor da estatística de teste t para o modelo ão é válida. (Draper e Smith, 8 pág.60) C) Icorreto: Dado a esperaça do erro igual a zero e a variabilidade ierete a y a esperaça do estimador de míimos quadrados de a é ão viesado. (Draper e Smith, 8 pág. 8 e 0) D) Icorreto: Mostra que a heterocedasticidade é verificada o gráfico de resíduos versus ordem. (Draper e Smith, 8 pág.6 e 6) As questões 66, 67 e 68 referem-se ao teto a seguir. Deseja-se comparar o cosumo médio de combustível etre fabricates de motores para equipar um ovo jato de certo fabricate de aeroaves. Foram selecioados 5 motores de cada fabricate e apresetadas as duas estimativas a seguir. Quadrado Médio Etre Grupos QME Soma de Quadrados Detro dos Grupos SQD 8 66) Iforme se é verdadeiro (V) ou falso (F) sobre as afirmativas relacioadas com a situação-problema. A seguir, idique a opção com a sequêcia correta. ( ) O úmero de graus de liberdade detro dos grupos é de. ( ) O úmero de graus de liberdade etre os grupos é de. ( ) A soma de quadrados detro dos grupos é maior que etre os grupos. ( ) É possível estimar a variâcia amostral de todos os dados através da tabela Aova. a) V F F F b) F V F V c) V V V F d) F V V V JUSTIFICATIVA DA ALTERNATIVA CORRETA: (LETRA D) A costrução da tabela Aova (Draper e Smith, 8 pág. 75) ode é apresetada a relação da soma de quadrados e aálise de variâcia. Com base esta iformação da Tabela Aova respoderemos todos os ites euciados abaio: I. Falso. Número de graus de liberdade Detro do Grupo é a difereça do úmero de elemetos (0) pelo úmero de grupos () 6 5

21 II. Verdadeiro. Número de graus de liberdade Etre Grupos é determiado pelo úmero de grupos - grau de liberdade III. Verdadeiro. SQE QME * gle * 6 e SQD 8 etão SQD > SQE IV. Verdadeiro. Pois s SQT / 67) Preecha as lacuas abaio e, em seguida, assiale a alterativa correta. Através da tabela Aova pode-se calcular o valor do quadrado médio detro dos grupos de e, por coseguite, o valor da estatística F em. a) / b) / c) / d) / JUSTIFICATIVA DA ALTERNATIVA CORRETA: (LETRA B) (Draper e Smith, 8 pág. 75) Utilizaremos o cálculo do quadrado médio detro do grupo QMD e a estatística de teste F, sedo abaio utilizada para resposta do subitem I e II: I. QMD SQD / gld 8 /6 QME F QMD II. 68) Dados que o valor da estatística F com os graus de liberdade apresetados a tabela Aova é de,, pode-se afirmar que a) há difereça etre as médias o cosumo de combustível dos motores aalisados, pois o valor estimado é maior que o tabelado. b) há difereça etre as médias o cosumo de combustível dos motores aalisados, pois o valor estimado é meor que o tabelado. c) ão há difereça etre as médias o cosumo de combustível dos motores aalisados, pois o valor estimado é meor que o tabelado. d) ão há difereça etre as médias o cosumo de combustível dos motores aalisados, pois o valor estimado é maior que o tabelado. JUSTIFICATIVA DA ALTERNATIVA CORRETA: (LETRA A) (Draper e Smith, 8 pág. 75 e 76) a estatística de teste F é dada por: F > F, e por defiição rejeita-se a hipótese de igualdade etre as médias. cal tab As questões 6 e 70 referem-se ao teto a seguir. Um treiameto de tiro é realizado em um alvo circular com círculos cocêtricos (círculos com o mesmo cetro) com 8 cm e 0 cm de diâmetro. Supõe-se que a probabilidade de um soldado acertar um tiro o alvo é de 80%, que todos os potos deste alvo sejam equiprováveis e que os disparos realizados por este soldado sejam idepedetes etre si. 6) Iforme se é verdadeiro (V) ou falso (F) sobre as afirmativas relacioadas com a situação-problema. A seguir, idique a opção com a sequêcia correta. ( ) A probabilidade do soldado, em um disparo, acertar o tiro o círculo de maior diâmetro é maior que 60%. ( ) A probabilidade do soldado, em um disparo, acertar o tiro o círculo de meor diâmetro é meor que 5%. ( ) A probabilidade de se acertar o círculo de maior diâmetro é 6,5 vezes maior do que acertar o círculo meor. ( ) A probabilidade de se acertar o círculo de maior diâmetro é 5,5 vezes maior do que acertar o círculo meor. a) V F V F b) F F V F c) V V F V d) V V V F - - Gabarito Cometado EA EAOT 0 Estatística Versão A

22 Descrevedo os cojutos: A Acertar o Alvo. Acertar o Círculo Meor Y Acertar o Círculo Maior r 8/ cm r y 0/ 0 cm Para Calcular as probabilidades solicitadas primeiramete devemos utilizar coceitos descritos (Casella e Berger, 00 pág.7 a ) a respeito de defiição de probabilidades: P ( A) 0, 8 Área de Área de Y π. r π. 6π y cm π. r A π.0 6π 8π A + A y 6 π + 8π 00π cm etão: 6 π /00π 6% A A y 8 π /00π 8% - - Gabarito Cometado EA EAOT 0 Estatística Versão A cm Para solução dos ites I e II temos que utilizar coceitos de probabilidade codicioal (Casella e Berger, 00 pág.0 a ) Item I Verdadeiro ( Y A) PY ( / A). P( A) 0,8. 0,8 0, 67 Item II Verdadeiro ( A) P( / A). P( A) 0,6. 0,8 0, 8 P I P I Para solucioar os ites III e IV temos que utilizar os valores ecotrados os ites I e II e calcular a seguite razão: Razão Y/ 0,67/0,8 5,5 Item III Falso Item IV Verdadeiro 70) Em um determiado treiameto, a acurácia pede que o soldado acerte um tiro o círculo de meor diâmetro e, em seguida, realize disparos até que destes tiros teha até cm de distâcia do primeiro. Dado que o soldado da situação-problema irá realizar este procedimeto, a esperaça do úmero de disparos realizados para eecutar a tarefa é a) 5. b) 50. c) 00. d) 5. JUSTIFICATIVA DA ALTERNATIVA CORRETA: (LETRA D) Tc Tiro certeiro A Tc Área Alvo A y 8π cm. Tc π r π. π cm Para calcular as probabilidades solicitadas primeiramete devemos utilizar coceitos descritos a respeito de defiição de probabilidades: (Casella e Berger, 00 pág. 7 a ) P ( A) 0, 8 Área de Área de Y π. r π. 6π y π. r A π.0 6π 8π A + A y 6 π + 8π 00π etão: π / 00π % A Tc Para solução deste quesito devemos utilizar coceitos de probabilidade codicioal (Casella e Berger, 00 pág.0 a ) P ( T A) PT ( / A). P( A) 0,0,. 0,8 0, 008 c I Acerto certeiro A c c T c I A

23 P ( A ) PT ( A) 0, 008 c c I A c é uma distribuição geométrica com esperaça dada por /p. (Casella e Berger, 00 pág.7) Etão E(A c ) /0, ) Aalise as afirmativas a seguir sobre o teste de hipótese. I. O poder de um teste é o complemetar da probabilidade do erro tipo II. II. O erro tipo II é a probabilidade de rejeitar a hipótese ula dado que ela é falsa. III. O erro tipo I é a probabilidade de rejeitar a hipótese ula dado que ela é verdadeira. IV. O poder do teste é igual à probabilidade de rejeitar a hipótese ula, dado um valor qualquer para o parâmetro, especificado ou ão pela hipótese alterativa. Estão corretas somete as afirmativas a) I e III. b) II e III. c) I, III e IV. d) II, III e IV. Para resolução dos ites I a IV devemos utilizar o coceito de Erros de Decisão (Moretti, 000 pág.75 a 77) ode: ( Erro TipoI) P( rejeitarh0 H Verdadeiro) α ( Erro TipoII) P( ão rejeitarh0 H Falso) β ( PoderTeste) P( rejeitarh H ) β P 0 P 0 P 0 0Falso I. Verdadeiro. De acordo com as probabilidades acima euciadas. II. Falso. O erro tipo II é defiido como P( ão rejeitarh H0Falso) III. Verdadeiro. O erro tipo I é defiido como ( rejeitarh H Falso) P IV. Verdadeiro. De acordo com as probabilidades acima euciadas. 7) A seguir, os gráficos de autocorrelação e autocorrelação parcial de um modelo Bo-Jekis ARMA, com o erro aleatório sedo um ruído braco e o módulo dos coeficietes da defasagem da série meor que. Com base as iformações dos gráficos, aalise as afirmativas. I. Represetam modelos autorregressivos. II. Represetam modelos de médias móveis. III. Represetam modelos estacioários. IV. Represetam modelos ivertíveis. Estão corretas somete as afirmativas a) I e III. b) I e IV. c) II e III. d) II e IV. - - Gabarito Cometado EA EAOT 0 Estatística Versão A

24 Utilizado técicas para idetificar modelos ARMA (Moretti e Toloi, 006 pág.50 e 5) observado os gráficos de FAC e FACP, os modelos ARMA a que se referem é um ARMA(0,) ou Média Móveis de Ordem. O modelo MA() é sempre estacioário, mas é ivertível somete quado os coeficietes de defasagem forem meor que. (Moretti e Toloi, 006 pág.) 7) Em um determiado posto de atedimeto de coleta de sague, o úmero de coletas realizadas por dia segue o modelo de distribuição de Poisso, com média de / coleta/hora. Com base estas iformações, o desvio-padrão é igual a a) 0,5. b) 0,5. c). d). JUSTIFICATIVA DA ALTERNATIVA CORRETA: (LETRA A) Utilizado características da distribuição Poisso (Ross, pág.5 e 60), e cosiderado uma variável aleatória que segue uma distribuição Poisso com parâmetro, temos as seguites propriedades: E ( ) e Var ( ). Com base isto o desvio padrão da variável apresetada é: DP ( ) Var( ) 0,5 0, 5 7) Num determiado aeroporto, o tempo gasto para se fazer um check-i apresetação do passageiro à compahia aérea segue uma distribuição uiforme, com o itervalo de 0 a 0 miutos. Qual a probabilidade do tempo gasto por um passageiro ser maior que a média mais do desvio-padrão? ( ) a) ( ) 5 b) ( ) c) 6 ( ) 5 d) 5 Utilizado características da distribuição Uiforme Cotíua (Ross, pág. 07 e 08) e cosiderado uma variável aleatória que segue esta distribuição temos: a+ b Se segue uma distribuição Uiforme (a, b) com E( ) e Var( ) Utilizado as propriedades da distribuição do euciado acima temos que: E a+ b 0 ( ) 5 DP ( ) Var( ) ( b a) ( b a) ( 0 0) A partir deste resultado calculamos a probabilidade solicitada: P > P > ( b a). ( ) Gabarito Cometado EA EAOT 0 Estatística Versão A

25 As questões 75 e 76 referem-se ao teto a seguir. Uma ura cotém bolas amarelas, bolas bracas e bolas pretas e retiram-se bolas com reposição. Sejam e Y variáveis aleatórias ode: se a primeira bola retirada for Amarela e 0 caso cotrário e Y se a seguda bola retirada for Braca, Y se a seguda bola retirada for Preta e Y 0 caso cotrário. 75) Preecha as lacuas abaio e, em seguida, assiale a alterativa correta. As variáveis e Y represetam uma distribuição cojuta da qual o valor da esperaça margial de vale e variâcia margial de Y vale. a) 8/ /8 b) 8/ 8/8 c) / /8 d) / 50/8 A partir dos dados forecidos podemos defiir a distribuição cojuta de e Y como: Y 0 Total 0 / / / 8/7 /7 / /7 /7 / Total / / Para resolução dos ites utilizaremos os cálculos da probabilidade margial das variáveis e Y (Moretti, pág. 55 e 56) e o cálculo de esperaça e variâcia (Moretti, pág.5 e 50). Var I. E [ ] II. E [ Y] E [ Y ] [ Y] EY [ ] E[ Y] ) Relacioe as coluas e marque a alterativa que apreseta a sequêcia correta. (Algumas letras ão serão usadas.) (A) / (B) 0 (C) / (D) 6/8 (E) 8/ (F) 6/8 (G) 6/8 ( ) Esperaça de. ( ) Variâcia de Y. ( ) Variâcia de + Y. ( ) Correlação etre e Y. a) C D D B b) A F D G c) C F A G d) E G B F JUSTIFICATIVA DA ALTERNATIVA CORRETA: (LETRA A) Para resolução do item I utilizaremos o cálculo de esperaça (Moretti, pág. 5) utilizado a probabilidade margial de. I. E [ ] Gabarito Cometado EA EAOT 0 Estatística Versão A

26 Para resolução dos ites II e III utilizaremos propriedades de variâcia e covariâcia (Moretti, pág.5 e 5) utilizado a probabilidade margial de e Y. Var Var E II. E [ ] [ ] E[ ] E[ ] [ Y] EY [ ] E[ Y] [ Y] Cov Var Cov, Y VarY + Cov, [, Y] E[, Y ] E[ ]. E[ Y] 0 [ Y] Var ] + Var[ Y] [ ] 8 7 [ III. Var [ + Y] Var ] + [ ] [ Y] [ Para resolução do item IV utilizaremos a defiição de correlação etre duas variáveis (Moretti, pág. 6): IV. Corr [ Y] [, Y] Cov 0, 0 Var[ ]. Var[ Y] Var[ ]. Var[ Y ] ) Preecha as lacuas abaio e, em seguida, assiale a alterativa correta. Em uma pesquisa eleitoral, utilizado uma amostra aleatória de tamaho 50, estimou-se que a probabilidade dos eleitores votarem em certo cadidato era de 50%, com uma margem de erro de ± % e com ível cofiaça de %. Com um tamaho de amostra de pessoas, reduzir-se-ia a margem de erro pela metade, com o mesmo ível. a) 00 b) 5 c) 50 d) 00 JUSTIFICATIVA DA ALTERNATIVA CORRETA: (LETRA D) Cosiderado o tamaho de amostra para proporção (Magalhães e Lima, 00 pág.) temos: Zα. pˆ.( pˆ) e Calculado dois tamahos de amostra para diferetes marges de erro: ii fim Z Z 0,5. 0,5. α ii Zα. e. e Z α e 0,5. 0,5. α Z. Z. ( e / ) fim α α.( e / ) e e. Fazedo a razão etre os tamahos de amostra e calculado o tamaho de amostra com redução da margem de erro. fim ii Z Z α α e e e e ii 50 etão fim. ii Z α 78) Em certa cidade, acredita-se que a distribuição dos tipos saguíeos (A, B, AB e O) siga uma distribuição uiforme discreta. Para testar esta tese, foi realizada uma pesquisa com 0 pessoas da qual costatou-se que 0% era do tipo A, 5% do tipo B, 5% do tipo AB e 0% do tipo O. Defiiu-se em realizar um teste qui-quadrado de aderêcia e a distribuição uiforme discreta iicialmete apresetada era adequada. O valor da estatística qui-quadrado proposta é de Gabarito Cometado EA EAOT 0 Estatística Versão A

27 a) 0,6. b),. c),. d),8. O cálculo da aderêcia da distribuição com os valores observados é realizado calculado o seguite score quiquadrado: (Magalhães e Lima, 00 pág. 68) ( O E) ( 0) ( 0 0) ( 0 0) ( 6 0) χ E χ 6+ 6, 0 7) Foi utilizado um diagrama de caias (Bo-plot) para resumir iformações de grupos A, B, C e D, ode cada grupo dispuha de elemetos coforme apresetado a seguir. 0 Boplot of A; B; C; D 8 Data A B C D Com base as iformações do gráfico, aalise as afirmativas. I. O grupo B tem distribuição simétrica. II. O valor míimo dos valores é observado o grupo C. III. A distribuição de valores do grupo C é assimétrica egativa. IV. A distribuição de valores do grupo D é assimétrica egativa. V. As amplitudes dos grupos A e C são iguais. Estão corretas apeas as afirmativas a) I, II e IV. b) I, III e V. c) III, e V. d) IV e V. JUSTIFICATIVA DA ALTERNATIVA CORRETA: (LETRA D) Para resolução dos ites I a V deve ser utilizado coceitos de assimetria (Triola, 008 pág. 70) e represetação através do Diagrama de Caias (Bo-Plot) (Triola, 008 pág.8 a 0). I. Falso. Mediaa do grupo B º Quartil ou º Quartil mostrado ser uma distribuição assimétrica. II. Falso. O valor míimo (5) ecotra-se o grupo D. III. Falso. A distribuição do grupo C é assimétrica positiva: Média > Mediaa IV. Verdadeiro. A distribuição do grupo D é assimétrica egativa: Média < Mediaa V. Verdadeiro. A amplitude dos grupos A e C é igual a Gabarito Cometado EA EAOT 0 Estatística Versão A

Cap. 4 - Estimação por Intervalo

Cap. 4 - Estimação por Intervalo Cap. 4 - Estimação por Itervalo Amostragem e iferêcia estatística População: cosiste a totalidade das observações em que estamos iteressados. Nº de observações a população é deomiado tamaho=n. Amostra:

Leia mais

Instruções gerais sobre a Prova:

Instruções gerais sobre a Prova: DEPARTAMENTO DE ESTATÍSTICA - UFMG PROVA DE ESTATÍSTICA & PROBABILIDADES SELEÇÃO MESTRADO/UFMG 2012/2013 Istruções gerais sobre a Prova: (a) Cada questão respodida corretamete vale 1 (um) poto. (b) Cada

Leia mais

Distribuições Amostrais

Distribuições Amostrais 9/3/06 Uiversidade Federal do Pará Istituto de Tecologia Estatística Aplicada I Prof. Dr. Jorge Teófilo de Barros Lopes Campus de Belém Curso de Egeharia Mecâica 3/09/06 3:38 ESTATÍSTICA APLICADA I - Teoria

Leia mais

DISTRIBUIÇÃO AMOSTRAL E ESTIMAÇÃO PONTUAL INTRODUÇÃO ROTEIRO POPULAÇÃO E AMOSTRA. Estatística Aplicada à Engenharia

DISTRIBUIÇÃO AMOSTRAL E ESTIMAÇÃO PONTUAL INTRODUÇÃO ROTEIRO POPULAÇÃO E AMOSTRA. Estatística Aplicada à Engenharia ROTEIRO DISTRIBUIÇÃO AMOSTRAL E ESTIMAÇÃO PONTUAL 1. Itrodução. Teorema Cetral do Limite 3. Coceitos de estimação potual 4. Métodos de estimação potual 5. Referêcias Estatística Aplicada à Egeharia 1 Estatística

Leia mais

MOQ 13 PROBABILIDADE E ESTATÍSTICA. Professor: Rodrigo A. Scarpel

MOQ 13 PROBABILIDADE E ESTATÍSTICA. Professor: Rodrigo A. Scarpel MOQ 13 PROBABILIDADE E ESTATÍSTICA Professor: Rodrigo A. Scarpel rodrigo@ita.br www.mec.ita.br/~rodrigo Programa do curso: Semaas 1 2 3 4 5 6 7 8 9 1 11 12 13 14 15 e 16 Itrodução à probabilidade evetos

Leia mais

Avaliação de Desempenho de Sistemas Discretos

Avaliação de Desempenho de Sistemas Discretos Distribuições Comus Avaliação de Desempeho de Sistemas Discretos Probabilidade e Estatística 2 Uiforme Normal Poisso Hipergeométrica Biomial Studet's Geométrica Logormal Expoecial Beta Gamma Qui-Quadrado

Leia mais

ESTIMAÇÃO DE PARÂMETROS

ESTIMAÇÃO DE PARÂMETROS ESTIMAÇÃO DE PARÂMETROS 1 Estimação de Parâmetros uiverso do estudo (população) dados observados O raciocíio idutivo da estimação de parâmetros Estimação de Parâmetros POPULAÇÃO p =? AMOSTRA Observações:

Leia mais

CORRELAÇÃO Aqui me tens de regresso

CORRELAÇÃO Aqui me tens de regresso CORRELAÇÃO Aqui me tes de regresso O assuto Correlação fez parte, acompahado de Regressão, do programa de Auditor Fiscal, até 998, desaparecedo a partir do cocurso do ao 000 para agora retorar soziho.

Leia mais

A Inferência Estatística é um conjunto de técnicas que objetiva estudar a população através de evidências fornecidas por uma amostra.

A Inferência Estatística é um conjunto de técnicas que objetiva estudar a população através de evidências fornecidas por uma amostra. UNIVERSIDADE FEDERAL DA PARAÍBA Distribuição Amostral Luiz Medeiros de Araujo Lima Filho Departameto de Estatística INTRODUÇÃO A Iferêcia Estatística é um cojuto de técicas que objetiva estudar a população

Leia mais

CAPÍTULO 6 - ESTIMAÇÃO E TESTES DE HIPÓTESES

CAPÍTULO 6 - ESTIMAÇÃO E TESTES DE HIPÓTESES CAPÍTULO 6 - ESTIMAÇÃO E TESTES DE HIPÓTESES 6. INTRODUÇÃO INFERÊNCIA ESTATÍSTICA Estimação por poto por itervalo Testes de Hipóteses População X θ =? Amostra θ Iferêcia Estatística X, X,..., X 6. ESTIMAÇÃO

Leia mais

ESTIMAÇÃO DA PROPORÇÃO POPULACIONAL p

ESTIMAÇÃO DA PROPORÇÃO POPULACIONAL p ESTIMAÇÃO DA PROPORÇÃO POPULACIONAL p Objetivo Estimar uma proporção p (descohecida) de elemetos em uma população, apresetado certa característica de iteresse, a partir da iformação forecida por uma amostra.

Leia mais

Virgílio A. F. Almeida DCC-UFMG 1/2005

Virgílio A. F. Almeida DCC-UFMG 1/2005 Virgílio A. F. Almeida DCC-UFMG 1/005 !" # Comparado quatitativamete sistemas eperimetais: Algoritmos, protótipos, modelos, etc Sigificado de uma amostra Itervalos de cofiaça Tomado decisões e comparado

Leia mais

MEDIDAS DESCRITIVAS DE POSIÇÃO, TENDÊNCIA CENTRAL E VARIABILIDADE

MEDIDAS DESCRITIVAS DE POSIÇÃO, TENDÊNCIA CENTRAL E VARIABILIDADE MEDIDAS DESCRITIVAS DE POSIÇÃO, TENDÊNCIA CENTRAL E VARIABILIDADE 1 Estatística descritiva (Eploratória) PRIMEIRO PASSO: Tabelas (distribuição de frequêcia) e Gráficos. SEGUNDO PASSO: Cálculo de medidas

Leia mais

Estatística: Aplicação ao Sensoriamento Remoto SER ANO Teoria da amostragem

Estatística: Aplicação ao Sensoriamento Remoto SER ANO Teoria da amostragem Estatística: Aplicação ao Sesoriameto Remoto SER 04 - ANO 017 Teoria da amostragem Camilo Daleles Reó camilo@dpi.ipe.br http://www.dpi.ipe.br/~camilo/estatistica/ Algumas Cosiderações... É importate ter

Leia mais

PROVA DE ESTATÍSTICA SELEÇÃO MESTRADO/UFMG 2005

PROVA DE ESTATÍSTICA SELEÇÃO MESTRADO/UFMG 2005 PROVA DE ESTATÍSTICA SELEÇÃO MESTRADO/UFMG 005 Istruções para a prova: a) Cada questão respodida corretamete vale um poto. b) Questões deixadas em braco valem zero potos (este caso marque todas alterativas).

Leia mais

Sumário. 2 Índice Remissivo 19

Sumário. 2 Índice Remissivo 19 i Sumário 1 Estatística Descritiva 1 1.1 Coceitos Básicos.................................... 1 1.1.1 Defiições importates............................. 1 1.2 Tabelas Estatísticas...................................

Leia mais

Capítulo 5- Introdução à Inferência estatística.

Capítulo 5- Introdução à Inferência estatística. Capítulo 5- Itrodução à Iferêcia estatística. 1.1) Itrodução.(184) Na iferêcia estatística, aalisamos e iterpretamos amostras com o objetivo de tirar coclusões acerca da população de ode se extraiu a amostra.

Leia mais

Intervalos de Confiança

Intervalos de Confiança Itervalos de Cofiaça Prof. Adriao Medoça Souza, Dr. Departameto de Estatística - PPGEMQ / PPGEP - UFSM - 0/9/008 Estimação de Parâmetros O objetivo da Estatística é a realização de iferêcias acerca de

Leia mais

A finalidade de uma equação de regressão seria estimar valores de uma variável, com base em valores conhecidos da outra.

A finalidade de uma equação de regressão seria estimar valores de uma variável, com base em valores conhecidos da outra. Jaete Pereira Amador Itrodução A aálise de regressão tem por objetivo descrever através de um modelo matemático, a relação existete etre duas variáveis, a partir de observações dessas viráveis. A aálise

Leia mais

Teorema do Limite Central, distribuição amostral, estimação por ponto e intervalo de confiança

Teorema do Limite Central, distribuição amostral, estimação por ponto e intervalo de confiança Teorema do Limite Cetral, distribuição amostral, estimação por poto e itervalo de cofiaça Prof. Marcos Pó Métodos Quatitativos para Ciêcias Sociais Distribuição amostral Duas amostrages iguais oriudas

Leia mais

Prova Escrita de MATEMÁTICA A - 12o Ano a Fase

Prova Escrita de MATEMÁTICA A - 12o Ano a Fase Prova Escrita de MATEMÁTICA A - 1o Ao 00 - a Fase Proposta de resolução GRUPO I 1. Como a probabilidade do João acertar em cada tetativa é 0,, a probabilidade do João acertar as tetativas é 0, 0, 0, 0,

Leia mais

ESTATÍSTICA E PROBABILIDADES

ESTATÍSTICA E PROBABILIDADES ESTATÍSTICA E PROBABILIDADES Aluo(a): Turma: Professores: Data: Edu/Vicete Noções de Estatística Podemos eteder a Estatística como sedo o método de estudo de comportameto coletivo, cujas coclusões são

Leia mais

Teorema do Limite Central, distribuição amostral, estimação por ponto e intervalo de confiança

Teorema do Limite Central, distribuição amostral, estimação por ponto e intervalo de confiança Teorema do Limite Cetral, distribuição amostral, estimação por poto e itervalo de cofiaça Prof. Marcos Pó Métodos Quatitativos para Ciêcias Sociais Distribuição amostral Duas amostrages iguais oriudas

Leia mais

Lista 9 - Introdução à Probabilidade e Estatística

Lista 9 - Introdução à Probabilidade e Estatística Lista 9 - Itrodução à Probabilidade e Estatística Desigualdades e Teoremas Limites 2.=000. 1 Um ariro apota a um alvo de 20 cm de raio. Seus disparos atigem o alvo, em média, a 5 cm do cetro deste. Assuma

Leia mais

Amostras Aleatórias e Distribuições Amostrais. Probabilidade e Estatística: afinal, qual é a diferença?

Amostras Aleatórias e Distribuições Amostrais. Probabilidade e Estatística: afinal, qual é a diferença? Amostras Aleatórias e Distribuições Amostrais Probabilidade e Estatística: afial, qual é a difereça? Até agora o que fizemos foi desevolver modelos probabilísticos que se adequavam a situações reais. Por

Leia mais

b) Fabrico de peças cilíndricas Capítulo 5 - Distribuições conjuntas de probabilidades e complementos X - comprimento da peça Y - diâmetro da peça

b) Fabrico de peças cilíndricas Capítulo 5 - Distribuições conjuntas de probabilidades e complementos X - comprimento da peça Y - diâmetro da peça Capítulo 5 - Distribuições cojutas de probabilidades e complemetos 5.1 Duas variáveis aleatórias discretas. Distribuições cojutas, margiais e codicioais. Idepedêcia Em relação a uma mesma eperiêcia podem

Leia mais

MAE Introdução à Probabilidade e Estatística II Resolução Lista 1

MAE Introdução à Probabilidade e Estatística II Resolução Lista 1 MAE 229 - Itrodução à Probabilidade e Estatística II Resolução Lista 1 Professor: Pedro Moretti Exercício 1 (a) Fazer histograma usado os seguites dados: Distribuição de probabilidade da variável X: X

Leia mais

DETERMINANDO A SIGNIFICÂNCIA ESTATÍSTICA PARA AS DIFERENÇAS ENTRE MÉDIAS

DETERMINANDO A SIGNIFICÂNCIA ESTATÍSTICA PARA AS DIFERENÇAS ENTRE MÉDIAS DTRMINANDO A SIGNIFIÂNIA STATÍSTIA PARA AS DIFRNÇAS NTR MÉDIAS Ferado Lag da Silveira Istituto de Física - UFRGS lag@if.ufrgs.br O objetivo desse texto é apresetar através de exemplos uméricos como se

Leia mais

10 - Medidas de Variabilidade ou de Dispersão

10 - Medidas de Variabilidade ou de Dispersão 10 - Medidas de Variabilidade ou de Dispersão 10.1 Itrodução Localizado o cetro de uma distribuição de dados, o próximo passo será verificar a dispersão desses dados, buscado uma medida para essa dispersão.

Leia mais

AEP FISCAL ESTATÍSTICA

AEP FISCAL ESTATÍSTICA AEP FISCAL ESTATÍSTICA Módulo 0: Medidas de Dispersão (webercampos@gmail.com) MÓDULO 0 - MEDIDAS DE DISPERSÃO 1. Coceito: Dispersão é a maior ou meor diversificação dos valores de uma variável, em toro

Leia mais

Estimativa de Parâmetros

Estimativa de Parâmetros Estimativa de Parâmetros ENG09004 04/ Prof. Alexadre Pedott pedott@producao.ufrgs.br Trabalho em Grupo Primeira Etrega: 7/0/04. Plao de Amostragem - Cotexto - Tipo de dado, frequêcia de coleta, quatidade

Leia mais

CONCEITOS BÁSICOS E PRINCÍPIOS DE ESTATÍSTICA

CONCEITOS BÁSICOS E PRINCÍPIOS DE ESTATÍSTICA 1 CONCEITOS BÁSICOS E PRINCÍPIOS DE ESTATÍSTICA 1. Coceitos Básicos de Probabilidade Variável aleatória: é um úmero (ou vetor) determiado por uma resposta, isto é, uma fução defiida em potos do espaço

Leia mais

CAPÍTULO 6 ESTIMATIVA DE PARÂMETROS PPGEP. Introdução. Introdução. Estimativa de Parâmetros UFRGS

CAPÍTULO 6 ESTIMATIVA DE PARÂMETROS PPGEP. Introdução. Introdução. Estimativa de Parâmetros UFRGS CAPÍTULO 6 Itrodução Uma variável aleatória é caracterizada ou descrita pela sua distribuição de probabilidade. ETIMATIVA DE PARÂMETRO URG Em aplicações idustriais, as distribuições de probabilidade são

Leia mais

DISTRIBUIÇÕES DE PROBABILIDADE

DISTRIBUIÇÕES DE PROBABILIDADE DISTRIBUIÇÕES DE PROBABILIDADE DISTRIBUIÇÃO DE PROBABILIDADE Seja uma v.a. que assume os valores,,..., com probabilidade p, p,..., p associadas a cada elemeto de, sedo p p... p diz-se que está defiida

Leia mais

INFERÊNCIA. Fazer inferência (ou inferir) = tirar conclusões

INFERÊNCIA. Fazer inferência (ou inferir) = tirar conclusões INFERÊNCIA Fazer iferêcia (ou iferir) = tirar coclusões Iferêcia Estatística: cojuto de métodos de aálise estatística que permitem tirar coclusões sobre uma população com base em somete uma parte dela

Leia mais

ESTATÍSTICA EXPLORATÓRIA

ESTATÍSTICA EXPLORATÓRIA ESTATÍSTICA EXPLORATÓRIA Prof Paulo Reato A. Firmio praf6@gmail.com Aulas 19-0 1 Iferêcia Idutiva - Defiições Coceitos importates Parâmetro: fução diretamete associada à população É um valor fixo, mas

Leia mais

UNIVERSIDADE FEDERAL DO PARANÁ SETOR DE CIÊNCIAS EXATAS DEPTO. DE ESTATÍSTICA LISTA 4 PROBABILIDADE A (CE068) Prof. Benito Olivares Aguilera

UNIVERSIDADE FEDERAL DO PARANÁ SETOR DE CIÊNCIAS EXATAS DEPTO. DE ESTATÍSTICA LISTA 4 PROBABILIDADE A (CE068) Prof. Benito Olivares Aguilera UNIVERSIDADE FEDERAL DO PARANÁ SETOR DE CIÊNCIAS EATAS DEPTO. DE ESTATÍSTICA LISTA 4 PROBABILIDADE A (CE068) Prof. Beito Olivares Aguilera 2 o Sem./09 1. Das variáveis abaixo descritas, assiale quais são

Leia mais

Variáveis Aleatórias e Distribuições de Probabilidade

Variáveis Aleatórias e Distribuições de Probabilidade PROBABILIDADES Variáveis Aleatórias e Distribuições de Probabilidade BERTOLO Fução de Probabilidades Vamos cosiderar um experimeto E que cosiste o laçameto de um dado hoesto. Seja a variável aleatória

Leia mais

População x Amostra. statística descritiva X inferência estatística. Revisão de Estatística e Probabilidade

População x Amostra. statística descritiva X inferência estatística. Revisão de Estatística e Probabilidade Revisão de Estatística e Probabilidade Magos Martiello Uiversidade Federal do Espírito Sato - UFES Departameto de Iformática DI Laboratório de Pesquisas em Redes Multimidia LPRM statística descritiva X

Leia mais

DEPARTAMENTO DE ESTATÍSTICA - UFMG PROVA DE ESTATÍSTICA E PROBABILIDADE SELEÇÃO - MESTRADO/ UFMG /2016

DEPARTAMENTO DE ESTATÍSTICA - UFMG PROVA DE ESTATÍSTICA E PROBABILIDADE SELEÇÃO - MESTRADO/ UFMG /2016 DEPARTAMENTO DE ESTATÍSTICA - UFMG PROVA DE ESTATÍSTICA E PROBABILIDADE SELEÇÃO - MESTRADO/ UFMG - 205/206 Istruções:. Cada questão respodida corretamete vale (um poto. 2. Cada questão respodida icorretamete

Leia mais

Testes de Hipóteses sobre uma Proporção Populacional

Testes de Hipóteses sobre uma Proporção Populacional Estatística II Atoio Roque Aula Testes de Hipóteses sobre uma Proporção Populacioal Seja o seguite problema: Estamos iteressados em saber que proporção de motoristas da população usa cito de seguraça regularmete.

Leia mais

Objetivo. Estimar a média µ de uma variável aleatória X, que representa uma característica de interesse de uma população, a partir de uma amostra.

Objetivo. Estimar a média µ de uma variável aleatória X, que representa uma característica de interesse de uma população, a partir de uma amostra. ESTIMAÇÃO PARA A MÉDIAM Objetivo Estimar a média µ de uma variável aleatória X, que represeta uma característica de iteresse de uma população, a partir de uma amostra. Exemplos: µ : peso médio de homes

Leia mais

Regressão linear simples

Regressão linear simples Regressão liear simples Maria Virgiia P Dutra Eloae G Ramos Vaia Matos Foseca Pós Graduação em Saúde da Mulher e da Criaça IFF FIOCRUZ Baseado as aulas de M. Pagao e Gravreau e Geraldo Marcelo da Cuha

Leia mais

Uma amostra aleatória simples de n elementos é selecionada a partir da população. Calcula-se o valor da média a partir da amostra

Uma amostra aleatória simples de n elementos é selecionada a partir da população. Calcula-se o valor da média a partir da amostra Distribuição amostral de Um dos procedimetos estatísticos mais comus é o uso de uma média da amostra ( ) para fazer iferêcias sobre uma população de média µ. Esse processo é apresetado a figura abaio.

Leia mais

4 Teoria da Probabilidade

4 Teoria da Probabilidade 48 4 Teoria da Probabilidade Apresetam-se este capítulo coceitos de probabilidade e de estimação de fuções desidade de probabilidade ecessários ao desevolvimeto e compreesão do modelo proposto (capítulo

Leia mais

PROVA 1 27/10/ Os dados apresentados na seqüência mostram os resultados de colesterol

PROVA 1 27/10/ Os dados apresentados na seqüência mostram os resultados de colesterol PROVA 1 7/10/009 Nome: GABARITO 1. Os dados apresetados a seqüêcia mostram os resultados de colesterol mg /100ml em dois grupos de aimais. O grupo A é formado por 10 total ( ) aimais submetidos a um cotrole

Leia mais

3ª Lista de Exercícios de Programação I

3ª Lista de Exercícios de Programação I 3ª Lista de Exercícios de Programação I Istrução As questões devem ser implemetadas em C. 1. Desevolva um programa que leia dois valores a e b ( a b ) e mostre os seguites resultados: (1) a. Todos os úmeros

Leia mais

Distribuição de Bernoulli

Distribuição de Bernoulli Algumas Distribuições Discretas Cálculo das Probabilidades e Estatística I Prof. Luiz Medeiros Departameto de Estatística UFPB Distribuição de Beroulli Na prática muitos eperimetos admitem apeas dois resultados

Leia mais

Recredenciamento Portaria MEC 347, de D.O.U

Recredenciamento Portaria MEC 347, de D.O.U Portaria MEC 347, de 05.04.0 - D.O.U. 0.04.0. ESTATÍSTICA I / MÉTODOS QUANTITATIVOS E PROCESSO DECISÓRIO I / ESTATÍSTICA APLICADA À EDUCAÇÃO Elemetos de Probabilidade Quest(i) Ecotramos, a atureza, dois

Leia mais

1 Distribuições Amostrais

1 Distribuições Amostrais 1 Distribuições Amostrais Ao retirarmos uma amostra aleatória de uma população e calcularmos a partir desta amostra qualquer quatidade, ecotramos a estatística, ou seja, chamaremos os valores calculados

Leia mais

ESTATÍSTICA- II DISTRIBUIÇÃO DE FREQUÊNCIA. 1- CONCEITO É a série estatística que tem o tempo, o espaço e a espécie como variáveis dependentes.

ESTATÍSTICA- II DISTRIBUIÇÃO DE FREQUÊNCIA. 1- CONCEITO É a série estatística que tem o tempo, o espaço e a espécie como variáveis dependentes. ESTATÍSTICA- II DISTRIBUIÇÃO DE FREQUÊNCIA 1- CONCEITO É a série estatística que tem o tempo, o espaço e a espécie como variáveis depedetes. - DISTRIBUIÇÃO DE FREQUÊNCIA a) Dados Brutos É um cojuto resultate

Leia mais

3.4.2 Cálculo da moda para dados tabulados. 3.4 Moda Cálculo da moda para uma lista Cálculo da moda para distribuição de freqüências

3.4.2 Cálculo da moda para dados tabulados. 3.4 Moda Cálculo da moda para uma lista Cálculo da moda para distribuição de freqüências 14 Calcular a mediaa do cojuto descrito pela distribuição de freqüêcias a seguir. 8,0 10,0 10 Sabedo-se que é a somatória das, e, portato, = 15+25+16+34+10 = 100, pode-se determiar a posição cetral /2

Leia mais

ESTATÍSTICA. PROF. RANILDO LOPES U.E PROF EDGAR TITO

ESTATÍSTICA. PROF. RANILDO LOPES  U.E PROF EDGAR TITO ESTATÍSTICA PROF. RANILDO LOPES http://ueedgartito.wordpress.com U.E PROF EDGAR TITO Medidas de tedêcia cetral Medidas cetrais são valores que resumem um cojuto de dados a um úico valor que, de alguma

Leia mais

Estatística: Aplicação ao Sensoriamento Remoto SER ANO Técnicas de Reamostragem

Estatística: Aplicação ao Sensoriamento Remoto SER ANO Técnicas de Reamostragem Estatística: Aplicação ao Sesoriameto Remoto SER 202 - ANO 2016 Técicas de Reamostragem Camilo Daleles Reó camilo@dpi.ipe.br http://www.dpi.ipe.br/~camilo/estatistica/ Distribuição Amostral Testes paramétricos

Leia mais

EPR 007 Controle Estatístico de Qualidade

EPR 007 Controle Estatístico de Qualidade EP 7 Cotrole Estatístico de Qualidade Prof. Dr. Emerso José de Paiva Gráficos e tabelas origiadas de Costa, Epprecht e Carpietti (212) 1 Num julgameto, ifelizmete, um iocete pode ir pra cadeia, assim como

Leia mais

Revisando... Distribuição Amostral da Média

Revisando... Distribuição Amostral da Média Estatística Aplicada II DISTRIBUIÇÃO AMOSTRAL MÉDIA AULA 08/08/16 Prof a Lilia M. Lima Cuha Agosto de 016 Revisado... Distribuição Amostral da Média Seja X uma v. a. de uma população com média µ e variâcia

Leia mais

Métodos de Amostragem

Métodos de Amostragem Métodos de Amostragem Amostragem aleatória Este é o procedimeto mais usual para ivetários florestais e baseia-se o pressuposto de que todas as uidades amostrais têm a mesma chace de serem amostradas a

Leia mais

MODELOS PROBABILÍSTICOS DISCRETOS (BINOMIAL e POISSON)

MODELOS PROBABILÍSTICOS DISCRETOS (BINOMIAL e POISSON) MODELOS PROBABILÍSTICOS DISCRETOS (BINOMIAL e POISSON) Modelos probabilísticos Algumas variáveis aleatórias (V.A.) aparecem com bastate frequêcia em situações práticas de eperimetos aleatórios (E.: peso,

Leia mais

AEP FISCAL ESTATÍSTICA

AEP FISCAL ESTATÍSTICA AEP FISCAL ESTATÍSTICA Módulo 04: Medidas de Posição (webercampos@gmail.com) . MÉDIA ARITMÉTICA : Para um cojuto de valores Média Aritmética Simples: xi p Média Aritmética Poderada: MÓDULO 04 - MEDIDAS

Leia mais

Exame MACS- Inferência-Intervalos.

Exame MACS- Inferência-Intervalos. Exame MACS- Iferêcia-Itervalos. No iício deste capítulo, surgem algumas ideias que devemos ter presetes: O objectivo da iferêcia estatística é usar uma amostra e tirar coclusões para toda a população.

Leia mais

Análise de Regressão Linear Múltipla I

Análise de Regressão Linear Múltipla I Aálise de Regressão Liear Múltipla I Aula 04 Gujarati e Porter, 0 Capítulos 7 e 0 tradução da 5ª ed. Heij et al., 004 Capítulo 3 Wooldridge, 0 Capítulo 3 tradução da 4ª ed. Itrodução Como pode ser visto

Leia mais

A B C A e B A e C B e C A, B e C

A B C A e B A e C B e C A, B e C 2 O ANO EM Matemática I RAPHAEL LIMA Lista 6. Durate o desfile de Caraval das escolas de samba do Rio de Jaeiro em 207, uma empresa especializada em pesquisa de opiião etrevistou 40 foliões sobre qual

Leia mais

Faculdade de Economia Universidade Nova de Lisboa ESTATÍSTICA. Exame Final 2ª Época 26 de Junho de Grupo I (3 valores)

Faculdade de Economia Universidade Nova de Lisboa ESTATÍSTICA. Exame Final 2ª Época 26 de Junho de Grupo I (3 valores) Faculdade de Ecoomia Uiversidade Nova de Lisboa ESTATÍSTIA Exame Fial ª Época 6 de Juho de 00 Ateção:. Respoda a cada grupo em folhas separadas. Idetifique todas as folhas.. Todas as respostas devem ser

Leia mais

Mestrado Integrado em Engenharia Civil. Disciplina: TRANSPORTES. Sessão Prática 4: Amostragem

Mestrado Integrado em Engenharia Civil. Disciplina: TRANSPORTES. Sessão Prática 4: Amostragem Mestrado Itegrado em Egeharia Civil Disciplia: TRNSPORTES Prof. Resposável: José Mauel Viegas Sessão Prática 4: mostragem Istituto Superior Técico / Mestrado Itegrado Egª Civil Trasportes ulas Práticas

Leia mais

Amostragem 04/08/2014. Conceito, propriedades, métodos e cálculo. Conceitos básicos de População e Amostra. Qualidade. População;

Amostragem 04/08/2014. Conceito, propriedades, métodos e cálculo. Conceitos básicos de População e Amostra. Qualidade. População; 04/08/014 Uidade 4 : Amostragem Amostragem Coceito, propriedades, métodos e cálculo João Garibaldi Almeida Viaa Coceitos básicos de População e Amostra População; Elemetos que compõem uma população; Ceso;

Leia mais

ENGENHARIA DA QUALIDADE A ENG AULA 6 CARTAS DE CONTROLE PARA ATRIBUTOS

ENGENHARIA DA QUALIDADE A ENG AULA 6 CARTAS DE CONTROLE PARA ATRIBUTOS ENGENHARIA DA QUALIDADE A ENG 09008 AULA 6 CARTAS DE CONTROLE PARA ATRIBUTOS PROFESSORES: CARLA SCHWENGBER TEN CATEN Tópicos desta aula Cartas de Cotrole para Variáveis Tipo 1: Tipo 2: Tipo 3: X X X ~

Leia mais

Objetivos. Testes não-paramétricos

Objetivos. Testes não-paramétricos Objetivos Prof. Lorí Viali, Dr. http://www. ufrgs.br/~viali/ viali@mat.ufrgs.br Testar o valor hipotético de um parâmetro (testes paramétricos) ou de relacioametos ou modelos (testes ão paramétricos).

Leia mais

Stela Adami Vayego DEST/UFPR

Stela Adami Vayego DEST/UFPR Resumo 3 Resumo dos dados uméricos por meio de úmeros 1. Medidas de Tedêcia Cetral A tedêcia cetral da distribuição de freqüêcias de uma variável em um cojuto de dados é caracterizada pelo valor típico

Leia mais

Objetivos. Os testes de hipóteses ser: Paramétricos e Não Paramétricos. Testes não-paramétricos. Testes paramétricos

Objetivos. Os testes de hipóteses ser: Paramétricos e Não Paramétricos. Testes não-paramétricos. Testes paramétricos Objetivos Prof. Lorí Viali, Dr. http://www.pucrs.br/famat/viali/ viali@pucrs.br Testar o valor hipotético de um parâmetro (testes paramétricos) ou de relacioametos ou modelos (testes ão paramétricos).

Leia mais

DESIGUALDADES, LEIS LIMITE E TEOREMA DO LIMITE CENTRAL. todas as repetições). Então, para todo o número positivo ξ, teremos:

DESIGUALDADES, LEIS LIMITE E TEOREMA DO LIMITE CENTRAL. todas as repetições). Então, para todo o número positivo ξ, teremos: 48 DESIGUALDADES, LEIS LIMITE E TEOREMA DO LIMITE CENTRAL LEI DOS GRANDES NÚMEROS Pretede-se estudar o seguite problema: À medida que o úmero de repetições de uma experiêcia cresce, a frequêcia relativa

Leia mais

Emerson Marcos Furtado

Emerson Marcos Furtado Emerso Marcos Furtado Mestre em Métodos Numéricos pela Uiversidade Federal do Paraá (UFPR). Graduado em Matemática pela UFPR. Professor do Esio Médio os estados do Paraá e Sata Cataria desde 199. Professor

Leia mais

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

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

Leia mais

) E X. ) = 0 2 ( 1 p ) p = p. ) E 2 ( X ) = p p 2 = p ( 1 p ) ( ) = i 1 n. ( ) 2 n E( X) = ( ) = 1 p ( ) = p V ( X ) = E ( X 2 E X

) E X. ) = 0 2 ( 1 p ) p = p. ) E 2 ( X ) = p p 2 = p ( 1 p ) ( ) = i 1 n. ( ) 2 n E( X) = ( ) = 1 p ( ) = p V ( X ) = E ( X 2 E X 3.5 A distribuição uiforme discreta Defiição: X tem distribuição uiforme discreta se cada um dos valores possíveis,,,, tiver fução de probabilidade P( X = i ) = e represeta-se por, i =,, 0, c.c. X ~ Uif

Leia mais

Proposta de Exame de Matemática A 12.º ano

Proposta de Exame de Matemática A 12.º ano Proposta de Eame de Matemática A 1.º ao Nome da Escola Ao letivo 0-0 Matemática A 1.º ao Nome do Aluo Turma N.º Data Professor - - 0 GRUP I Na resposta aos ites deste grupo, selecioe a opção correta. Escreva,

Leia mais

6. Testes de Hipóteses Conceitos Gerais

6. Testes de Hipóteses Conceitos Gerais 6. Testes de Hipóteses Coceitos Gerais Este capitulo itrodutório, pretede apresetar todas as defiições e todo o vocabulário utilizado em testes de hipóteses. Em um primeiro mometo, talvez você fique um

Leia mais

ESTIMAÇÃO POR INTERVALO (INTERVALOS DE CONFIANÇA)

ESTIMAÇÃO POR INTERVALO (INTERVALOS DE CONFIANÇA) 06 ETIMÇÃO OR INTERVLO (INTERVLO DE CONINÇ) Cada um dos métodos de estimação potual permite associar a cada parâmetro populacioal um estimador. Ora a cada estimador estão associadas tatas estimativas diferetes

Leia mais

Escola de Engenharia de Lorena EEL USP Departamento de Engenharia Química DEQUI Disciplina: Normalização e Controle da Qualidade NCQ

Escola de Engenharia de Lorena EEL USP Departamento de Engenharia Química DEQUI Disciplina: Normalização e Controle da Qualidade NCQ 1 Escola de Egeharia de orea EE SP Departameto de Egeharia Química DEQI Disciplia: Normalização e Cotrole da Qualidade NCQ Capítulo : Amostragem por Variáveis (MI STD 1) SEÇÃO A.1 Objetivo Este capítulo

Leia mais

AMOSTRAGEM ALEATÓRIA DISTRIBUIÇÕES POR AMOSTRAGEM

AMOSTRAGEM ALEATÓRIA DISTRIBUIÇÕES POR AMOSTRAGEM 6 AMOSTRAGEM ALEATÓRIA DISTRIBUIÇÕES POR AMOSTRAGEM Quado se pretede estudar uma determiada população, aalisam-se certas características ou variáveis dessa população. Essas variáveis poderão ser discretas

Leia mais

MEDIDAS DE TENDÊNCIA CENTRAL E MEDIDAS DE DISPERSÃO Í N D I C E

MEDIDAS DE TENDÊNCIA CENTRAL E MEDIDAS DE DISPERSÃO Í N D I C E MEDIDAS DE TENDÊNCIA CENTRAL E MEDIDAS DE DISPERSÃO Í N D I C E Medidas de Tedêcia Cetral Itrodução... 1- Média Aritmética... - Moda... 3- Mediaa... Medidas de Dispersão 4- Amplitude Total... 5- Variâcia

Leia mais

ESTATÍSTICA I LISTA DE EXERCÍCIOS 1 GABARITO

ESTATÍSTICA I LISTA DE EXERCÍCIOS 1 GABARITO ESTATÍSTICA I LISTA DE EXERCÍCIOS 1 GABARITO 1. Para o cojuto de dados abaixo, determie: Produtividade da cultura da soja (kg por hectare) 3600 3545 3658 3498 3657 345 3785 354 366 3641 3687 3698 361 3654

Leia mais

Probabilidade II Aula 9

Probabilidade II Aula 9 Coteúdo Probabilidade II Aula 9 Maio de 9 Môica Barros, D.Sc. Estatísticas de Ordem Distribuição do Máximo e Míimo de uma amostra Uiforme(,) Distribuição do Máximo e Míimo caso geral Distribuição das Estatísticas

Leia mais

5. ANÁLISE DE SISTEMAS DA CONFIABILIADE DE SISTEMAS SÉRIE-PARALELO

5. ANÁLISE DE SISTEMAS DA CONFIABILIADE DE SISTEMAS SÉRIE-PARALELO 5. ANÁLISE DE SISTEMAS DA CONFIABILIADE DE SISTEMAS SÉRIE-PARALELO 5.1 INTRODUÇÃO Um sistema é defiido como todo o cojuto de compoetes itercoectados, previamete determiados, de forma a realizar um cojuto

Leia mais

UNIVERSIDADE FEDERAL DO PARANÁ SETOR DE CIÊNCIAS EXATAS DEPTO. DE ESTATÍSTICA LISTA 1-ESTATÍSTICA II (CE003)

UNIVERSIDADE FEDERAL DO PARANÁ SETOR DE CIÊNCIAS EXATAS DEPTO. DE ESTATÍSTICA LISTA 1-ESTATÍSTICA II (CE003) UNIVERSIDADE FEDERAL DO PARANÁ SETOR DE CIÊNCIAS EXATAS DEPTO. DE ESTATÍSTICA LISTA -ESTATÍSTICA II (CE003) Prof. Beito Olivares Aguilera o Sem./6. Usado os dados da Tabela o Aexo (Seção Orçameto da MB),

Leia mais

Número-índice: Conceito, amostragem e construção de estimadores

Número-índice: Conceito, amostragem e construção de estimadores Número-ídice: Coceito, amostragem e costrução de estimadores Objetivo Geral da aula Defiir o que são os úmeros-ídices, efatizado a sua importâcia para aálise ecoômica. Cosidere os dados apresetados a Tabela

Leia mais

Uma coleção de todos os possíveis elementos, objetos ou medidas de interesse.

Uma coleção de todos os possíveis elementos, objetos ou medidas de interesse. rof. Lorí Viali, Dr. viali@mat.ufrgs.br http://www.ufrgs.br/~viali/ Uma coleção de todos os possíveis elemetos, objetos ou medidas de iteresse. Um levatameto efetuado sobre toda uma população é deomiado

Leia mais

Unidade IX Estimação

Unidade IX Estimação Uidade IX Estimação 6/09/07 Itervalos de cofiaça ii. Para a difereça etre médias de duas populações (μ μ ) caso : Variâcias cohecidas Pressupostos: 6/09/07 x - x x - x ; N é - x x ) ( x x x x E ) ( x x

Leia mais

Cap. VI Histogramas e Curvas de Distribuição

Cap. VI Histogramas e Curvas de Distribuição TLF /11 Capítulo VI Histogramas e curvas de distribuição 6.1. Distribuições e histogramas. 6 6.. Distribuição limite 63 6.3. Sigificado da distribuição limite: frequêcia esperada e probabilidade de um

Leia mais

Intervalos Estatísticos para uma única Amostra - parte II

Intervalos Estatísticos para uma única Amostra - parte II Itervalos Estatísticos para uma úica Amostra - parte II Itervalo de cofiaça para proporção 2012/02 1 Itrodução 2 3 Objetivos Ao fial deste capítulo você deve ser capaz de: Costruir itervalos de cofiaça

Leia mais

Prova-Modelo de Matemática

Prova-Modelo de Matemática Prova-Modelo de Matemática PROVA Págias Esio Secudário DURAÇÃO DA PROVA: miutos TOLERÂNCIA: miutos Cotações GRUPO I O quarto úmero de uma certa liha do triâgulo de Pascal é. A soma dos quatro primeiros

Leia mais

FUNDAÇÃO GETULIO VARGAS Programa de Certificação de Qualidade Curso de Graduação em Administração

FUNDAÇÃO GETULIO VARGAS Programa de Certificação de Qualidade Curso de Graduação em Administração FUNDAÇÃO GETULIO VARGAS Programa de Certificação de Qualidade Curso de Graduação em Admiistração PROVA DE ESTATÍSTICA II º Semestre / 00 - P - TIPO DADOS DO ALUNO: Nome: Assiatura INSTRUÇÕES: Você receberá

Leia mais

ENGENHARIA DA QUALIDADE A ENG AULA 3 TEOREMA DO LIMITE CENTRAL INTRODUÇÃO AO CONTROLE ESTATÍSTICO DE PROCESSO

ENGENHARIA DA QUALIDADE A ENG AULA 3 TEOREMA DO LIMITE CENTRAL INTRODUÇÃO AO CONTROLE ESTATÍSTICO DE PROCESSO ENGENHARIA DA QUALIDADE A ENG 09008 AULA 3 TEOREMA DO LIMITE CENTRAL INTRODUÇÃO AO CONTROLE ESTATÍSTICO DE PROCESSO PROFESSOR: CARLA SCHWENGBER TEN CATEN Teorema do limite cetral A soma (e sua média) de

Leia mais

Estimação por Intervalo (Intervalos de Confiança):

Estimação por Intervalo (Intervalos de Confiança): Estimação por Itervalo (Itervalos de Cofiaça): 1) Itervalo de Cofiaça para a Média Populacioal: Muitas vezes, para obter-se a verdadeira média populacioal ão compesa fazer um levatameto a 100% da população

Leia mais

Probabilidade II Aula 12

Probabilidade II Aula 12 Coteúdo Probabilidade II Aula Juho de 009 Desigualdade de Marov Desigualdade de Jese Lei Fraca dos Grades Números Môica Barros, D.Sc. Itrodução A variâcia de uma variável aleatória mede a dispersão em

Leia mais

Processos Estocásticos

Processos Estocásticos IFBA Processos Estocásticos Versão 1 Alla de Sousa Soares Graduação: Liceciatura em Matemática - UESB Especilização: Matemática Pura - UESB Mestrado: Matemática Pura - UFMG Vitória da Coquista - BA 2014

Leia mais

Estatística Aplicada Medidas Resumo Apostila 4 Prof. Fábio Hipólito Aluno(a):

Estatística Aplicada Medidas Resumo Apostila 4 Prof. Fábio Hipólito Aluno(a): Medidas Resumo Apostila 4 Prof. Fábio Hipólito Aluo(a): # Objetivo desta aula: Calcular as medidas de tedêcia cetral: média, moda e mediaa para distribuições de frequêcias potuais e por itervalos de classes.

Leia mais

Hipótese Estatística. Tipos de Hipóteses

Hipótese Estatística. Tipos de Hipóteses Hipótese Estatística Hipótese, em estatística, é uma suposição formulada a respeito dos parâmetros de uma distribuição de probabilidade de uma ou mais populações. Podemos formular a hipótese que a produtividade

Leia mais

Distribuição Amostral da Média: Exemplos

Distribuição Amostral da Média: Exemplos Distribuição Amostral da Média: Eemplos Talvez a aplicação mais simples da distribuição amostral da média seja o cálculo da probabilidade de uma amostra ter média detro de certa faia de valores. Vamos

Leia mais

) E 2 ( X) = p p 2 = p( 1 p) ) = 0 2 ( 1 p) p = p ( ) = ( ) = ( ) = p. F - cara (sucesso) C - coroa (insucesso)

) E 2 ( X) = p p 2 = p( 1 p) ) = 0 2 ( 1 p) p = p ( ) = ( ) = ( ) = p. F - cara (sucesso) C - coroa (insucesso) 3.6 A distribuição biomial Defiição: uma eperiêcia ou prova de Beroulli é uma eperiêcia aleatória só com dois resultados possíveis (um deles chamado "sucesso" e o outro "isucesso"). Seja P(sucesso) = p,

Leia mais

ITA Destas, é (são) falsa(s) (A) Apenas I (B) apenas II (C) apenas III (D) apenas I e III (E) apenas nenhuma.

ITA Destas, é (são) falsa(s) (A) Apenas I (B) apenas II (C) apenas III (D) apenas I e III (E) apenas nenhuma. ITA 00. (ITA 00) Cosidere as afirmações abaixo relativas a cojutos A, B e C quaisquer: I. A egação de x A B é: x A ou x B. II. A (B C) = (A B) (A C) III. (A\B) (B\A) = (A B) \ (A B) Destas, é (são) falsa(s)

Leia mais

CINÉTICA QUÍMICA FATORES DE INFLUÊNCIA - TEORIA

CINÉTICA QUÍMICA FATORES DE INFLUÊNCIA - TEORIA Itrodução CINÉTICA QUÍMICA FATORES DE INFLUÊNCIA - TEORIA A Ciética Química estuda a velocidade com a qual as reações acotecem e os fatores que são capazes de realizar ifluêcia sobre ela. A medida mais

Leia mais