Verificação, Validação e Experimentação com Modelos de Simulação

Tamanho: px
Começar a partir da página:

Download "Verificação, Validação e Experimentação com Modelos de Simulação"

Transcrição

1 Boletm Técco: MS: 03/06 em 9/06/006 Verfcação, Valdação e Expermetação com Modelo de ulação Prof. Luí Céar da Slva Emal: lvalc@cca.ufe.br - Webte: A etruturação de modelo para a mulação de tema leva a orgazação de etrutura matemátca que podem er vualzada como edo uma fução f que produz uma aída y a partr de etrada de x e parâmetro do tema p, Fgura, am y = f(x, p). O fatore y, x e p podem er uma úca varável, ou um vetor, ou ada uma matrz. Parâmetro do tema, p Etrada, x Modelo do Stema, f Saída, y Fgura Vualzação de modelo de mulação, y = f(x, p) (MENNER, 995). Quado da elaboração de modelo de mulação o objetvo é utlza-lo como ferrameta como uporte ao proceo de tomada de decão. O que ormalmete, requer a codução de expermeto, ta como: () aale de ebldade, () comparação de ceáro, () otmzação, e (v) mulação de Mote Carlo. No etato, para que o reultado dea expermetaçõe poam realmete er utlzado, o modelo de mulação empregado deve paar pelo procedmeto de verfcação e valdação. Coforme repreetado a Fgura, quado da mplemetação de modelo de mulação trê tpo de erro podem ocorrer: () Erro do Tpo I o dado gerado pelo modelo ão cofáve, ma memo am ão rejetado; () Erro do Tpo II o reultado apreetado pelo modelo ão ão aproprado, o etato ão aceto como valdo; e () Erro do Tpo III o modelo fo mal etruturado coeqüetemete é aproprado para o uo. Para evtar a ocorrêca dee erro é recomedado coduzr o procedmeto de verfcação e valdação. E ete procedmeto cottuem a atvdade ma árdua o deevolvmeto de modelo; e vam repoder e o modelo repreeta com fdeldade o apecto em etudo aocado a um dado tema. O procedmeto de verfcação cote em um cojuto de açõe cuja meta é certfcar e o modelo cocetual fo tracrto de forma adequada quado do uo da lguagem de

2 Boletm Técco: MS: 03/06 em 9/06/006 mulação ou de programação. Para a execução da verfcação é recomedado: () evolver outra peoa além do dealzadore do modelo, () rodar o modelo e proceder à comparação do reultado gerado com o obtdo do tema real, () ratrear o programa e verfcar a execução de cada rota computacoal, (v) obervar a amação e (v) aalar etattcamete o valore gerado para a varáve aleatóra, quer eta aocada a varáve de etrada, parâmetro do tema, ou varáve de aída, Fgura (BALCI, 997; MARIA, 997). Problema Formulado O problema formulado egloba todo o apecto deejado? Ocorre o Erro do Tpo I O modelo mplemetado repreeta cofávelmete o tema? A olução apreetada tem cedbldade A olução apreetada ão tem cedbldade Na valdação o modelo demotrou credbldade? Na valdação o modelo demotrou credbldade? O reultado da mulação ão aceto? O reultado da mulaçõe ão aceto? Ocorre o Erro do Tpo I Ocorre o Erro do Tpo II Térmo com uceo Térmo com Erro do Tpo I Térmo em uceo Térmo com Erro do Tpo II Fgura Ocorrêca de erro em etudo de mulação (BALCI, 997). É mportate realtar que a tarefa aocada ao procedmeto de verfcação devem er coduzda durate a dferete fae de mplemetação do modelo, e ão omete ao fal.

3 3 Boletm Técco: MS: 03/06 em 9/06/006 Quato ao procedmeto de valdação, ete objetva certfcar e a traformação etrada-aída (put-output) realzada pelo modelo tem precão para repreetar a mema ocorrêca procedda o tema real. Para codução dee procedmeto deve-e: () rodar o modelo coderado mema codçõe mpota ao tema e () comparar o dado gerado pelo modelo e o tema (BALCI, 997). A valdação pode er realzada de forma ubjetva ou etatítca (MENNER 995). A valdação ubjetva é realzada quado ão é poível coduzr curõe aproprada obre o tema em etudo. Nete cao pode er empregado, por exemplo, o Tete de Turg. Ete cote em: () obter o dado gerado pelo modelo e o do tema, () formatar o dado obtdo para um memo padrão e () ubmeter o do cojuto de dado a equpe de epecalta. Cao ete profoa ão percebam dfereça etre o do cojuto de dado to dca que o modelo etá valdado. Outra forma de proceder valdação ubjetva é ubmeter a aále do dado gerado pelo modelo a uma equpe de epecalta. Ete profoa com bae em ua experêca farão julgameto quato a cofabldade do dado gerado (LAW e KELTON, 99; WINSTON, 994). A valdação etatítca é realzada pelo emprego de procedmeto etatítco como o apreetado a Tabela. Tabela - Etatítca para aále aplcada em verfcação e valdação de modelo Categora Procedmeto etatítco Méda Medda de poção (amotral) Medaa Moda Varâca Etatítca Decrtva Devo padrão Medda de dperão (amotral) Coefcete de varação Erro padrão da méda Ampltude total Coefcete de correlação amotral Hpótee de Nuldade Hpótee alteratva Tete de Z Tete de Aderêca Hpótee Etatítca Tete do Qu-Quadrado ( χ ) Tete de Idepedêca Tete de homogeedade Tete de F Tete de t Tete de hpótee para dado emparelhado

4 Boletm Técco: MS: 03/06 em 9/06/006 4 Para a aplcação do proceo detacado a Tabela faz-e eceáro a obervâca de fudameto etatítco, o que cocere ao tpo de varável, aleatóra ou dcreta, e e eta ão depedete ou ão. No cao de varáve aleatóra, por exemplo, a varável X que correpode ao tempo de epera em um tema de fla, gerada pelo modelo a mulação a roda de úmero, tem-e que apó rodada erá cottuído o cojuto {X, X,...X }. Ee valore erão depedete e a emete do geradore de úmero aleatóro foram ecolhda aleatoramete. Deta forma, pode er utlzado ferrameta dpoblzada pela etatítca cláca (Tabela ) como: a méda (equação ), a varâca amotral (equação ), e o tervalo de varação da varável a um dado ível de probabldade (equação 3). X = X = () = = ( X X ) () em que X ± t α /, (3) t α /, - repreeta um valor da dtrbução t para - grau de lberdade ao ível de probabldade de α /. Um exemplo de emprego da equação 3 é apreetado a Tabela. Nete cao ão calculado o Lmte Iferor e Superor tomado como poto de referêca a méda do dado obtdo do tema real, am: Lmte uperor LS = M + t. Dp / Lmte feror LS = M t. Dp / em que M = méda do dado obtdo do tema real; D p = devo padrão do dado gerado pelo modelo.

5 5 Boletm Técco: MS: 03/06 em 9/06/006 Calculado o lmte é tetado para cada ível de probabldade e o valore máxmo e mímo etão cotdo o tervalo de cofaça. Se o valore etão cotdo o tete é aceto cao cotráro é rejetado. Tabela Uo do tete de t a determação de tervalo de cofaça quado pratcado cco rodada de mulação Coumo de Eerga Elétrca Demada de Eerga Elétrca Rodada o MWh FP MWh HP Total kwh kw -FP kw-hp 60,0 9,7 79,37 33,46 04,0 5,53 9,39 7,9 47,63 04,0 3 59,06 9,44 78,50 33,46 04,0 4 58,59 9, 77,80 47,63 8,9 5 66,90 0,5 87,05 47,63 96,94 Valor Máxmo 5,53 9,7 7,9 33,46 96,94 Valor Mímo 66,90 0,5 87,05 47,63 8,9 Devo Padrão 5,08 0,387 5,389 6,986 7,70 Méda Stema Real 59,46 9,47 78,93 4,96 05,434 Itervalo de cofaça egudo o tete t Cofaça 99% t = 4,604 4,604 4,604 4,604 4,604 Lmte Iferor 48,94 8,68 67,83 7,58 89,54 Lmte Superor 69,97 0,7 90,0 56,35,33 Itervalo de cofaça egudo o tete t Cofaça 95% t =,776,776,776,776,776 Lmte Iferor 53, 8,99 7,4 33,9 95,85 Lmte Superor 65,80 9,95 85,6 50,64 5,0 Itervalo de cofaça egudo o tete t Cofaça 90% t =,3,3,3,3,3 Lmte Iferor 54,59 9,0 73,79 35,30 98,08 Lmte Superor 64,33 9,84 84,07 48,6,80 Tete 99% Aceto Aceto Aceto Aceto Aceto 95% Rejetado Rejetado Rejetado Aceto Rejetado 90% Rejetado Rejetado Rejetado Rejetado Rejetado Ob: FP fora do horáro de pco; HP horáro de pco. BARLAS (989) ugere a egute prátca a execução de perdmeto quado da valdação de modelo: Avalar de tedêca: cote em proceder aále de regreão tedo por dado o gerado pelo modelo e o coletado do tema real; Coduzr tete de autocorrelação (autocorrelato fucto tet): é extevamete utlzado em etmatva de modelo de ére tempora;

6 6 Boletm Técco: MS: 03/06 em 9/06/006 Coduzr do o tete da correlação cruzada (cro-correlato fucto tet): que cote em determar como dua ére tempora e aemelham. O que pode aplcado a ére correpodete ao dado gerado pelo modelo e o coletado; Realzar o cálculo do erro percetual (equação 4); E em que S A =.00 (4) A S - é a méda do dado mulado; e A - é a méda do dado obervado o tema. Avalar a ampltude da varâca (equação 5) a E = (5) a em que - varâca do dado mulado; e A - varâca do dado obervado o tema. Determar o coefcete de dcrepâca: ete procedmeto é recomedado omete para e ter um apahado da performace do modelo. Portato, deve er aplcado apó ter-e utlzado de outro procedmeto ma efcete. Como forma de cálculo tem-e a propota por Hery Thel (equação 6) e por Grer (equação 7): S ( S A ) U o = (6) + A ( S S A + A) U o = (7) ( S S) + ( A A) em que: A valor obervado o tema S valor mulado

7 Boletm Técco: MS: 03/06 em 9/06/006 7 Expermetação com modelo Uma vez o modelo verfcado, valdado e epecfcado a codçõe de uo, ete pode er utlzado para coduzr expermetaçõe tpo: (a) aále de ebldade, (b) comparação de ceáro, (c) otmzação, e (d) mulação de Mote Carlo.. Aále de ebldade: cote em alterar o valor de um ou ma parâmetro do modelo e certfcar o mpacto obre o valore da varáve de aída. Por exemplo, o cao uma udade dutral podera er verfcado o mpacto obre a performace do tema ao er aumetada ou reduzda a produtvdade em uma dada operação utára.. Comparação de ceáro: é aplcado quado o objetvo é fazer a comparação da dvera poíve cofguraçõe. Neta comparaçõe é certfcado a que melhor atede o aeo do tomador de decão. 3. Otmzação: tem por objetvo por meo do modelo bucar a cofguração e/ou a forma operação do tema que trá melhor deempeho. O que pode er em termo técco e/ou ecoômco. 4. ulação de Mote Carlo: é aplcada a modelo do tpo etocátco. Para tato, é eceáro proceder a vára rodada com o modelo, e em eqüêca realzar aále etattcamete do reultado gerado. Dete modo, para uma dada varável erá poível determar a probabldade de ocorrêca de valore, bem como, o tervalo de cofaça. Referêca KRAHL, A. The Exted ulato Evromet. I: The 000 Wter ulato Coferece. Pcataway: NJ, IEEE, Proceedg p LAW, A. M., KELTON, W. D. ulato modelg & aaly, d Edto, McGraw Hll, Ic: New York. 99. MARIA, A. Itroducto to Modelg ad ulato. I: The 997 Wter ulato Coferece. Pcataway: NJ, IEEE, Proceedg p Meer, W. A. Itroducto to modelg ad mulato. Joh Hopk APL Techcal Dget 6(): 6: Neelamkavl, F. Computer mulato ad modelg. Great Brta: Joh Wly & So Ltd RIVERA, J. Modelg wth Exted. I: The 997 Wter ulato Coferece. Aocato of

8 Boletm Técco: MS: 03/06 em 9/06/006 Computer: New York, Proceedg p SILVA, L C. Stochatc mulato of the dyamc behavor of gra torage faclty. 00. Tee (Doutorado em Egehara Agrícola.) Uverdade Federal de Vçoa. Vçoa: MG. WINSTON, W. L. Operato reearch - applcato ad algorthm. I. Iteratoal Thomo Publhg. Belmot, Calfora p.

RAD1507 Estatística Aplicada à Administração I Prof. Dr. Evandro Marcos Saidel Ribeiro RESUMO

RAD1507 Estatística Aplicada à Administração I Prof. Dr. Evandro Marcos Saidel Ribeiro RESUMO UNIVERSIDADE DE SÃO PAULO FACULDADE DE ECONOMIA, ADMINISTRAÇÃO E CONTABILIDADE DE RIBEIRÃO PRETO DEPARTAMENTO DE ADMINISTRAÇÃO RAD507 Etatítca Aplcada à Admtração I Prof. Dr. Evadro Marco Sadel Rbero RESUMO

Leia mais

Grande Conjuntos de Dados. Organização; Resumo; Apresentação. Amostra ou População. Defeitos em uma linha de produção

Grande Conjuntos de Dados. Organização; Resumo; Apresentação. Amostra ou População. Defeitos em uma linha de produção Prof. Lorí Val, Dr. val@pucr.br http://www.pucr.br/~val/ Grade Cojuto de Dado Orgazação; Reumo; Apreetação. Amotra ou População Defeto em uma lha de produção Lacado Deeho Torto Deeho Torto Lacado Torto

Leia mais

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

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

Leia mais

= n. Observando a fórmula para a variância, vemos que ela pode ser escrita como, i 2

= n. Observando a fórmula para a variância, vemos que ela pode ser escrita como, i 2 Etatítca II Atoo Roque Aula 4 O Coefcete de Correlação de Pearo O coefcete de correlação de Pearo é baeado a déa de varâca, dada o curo de Etatítca I Como vto aquele curo, quado temo uma amotra compota

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. Prof. Lorí Val, Dr. val@mat.ufrg.br http://www.ufrg.br/~val/ Etatítca: uma defção Coleção de úmero etatítca O úmero de carro veddo o paí aumetou em %. A taa de deemprego atge, ete mê, 7,%. A açõe da Telebrá

Leia mais

Escola Secundária de Jácome Ratton

Escola Secundária de Jácome Ratton Ecola Secudára de Jácome Ratto Ao Lectvo / Matemátca Aplcada à Cêca Soca Na Ecola Secudára do Suceo aualmete é premado o aluo que tver melhor méda a ua clafcaçõe a dferete dcpla. No ao lectvo 9/, o do

Leia mais

MODELOS DE REGRESSÃO NÃO LINEARES

MODELOS DE REGRESSÃO NÃO LINEARES M. Mede de Olvera Excerto da ota peoa obre: MODELOS DE REGRESSÃO NÃO LINEARES Obervação No modelo de regreão dto leare, a varável depedete é exprea como fução lear do coefcete de regreão. É rrelevate,

Leia mais

EAD Métodos Estatísticos de Projeção

EAD Métodos Estatísticos de Projeção EAD 655 - Método Etatítco de Projeção Prof. Cear Aleadre de Souza 2º. Semetre - 207 Modelagem Quattatva em Admtração Na admtração, a matemátca e a etatítca cotrbuem para a cração de modelo para auílo a

Leia mais

ANÁLISE ESTATÍSTICA DO USO DE UM FILTRO DE KALMAN A UM SISTEMA DE MEDIÇÃO COM RUÍDOS

ANÁLISE ESTATÍSTICA DO USO DE UM FILTRO DE KALMAN A UM SISTEMA DE MEDIÇÃO COM RUÍDOS V CONGRESSO RASILEIRO DE METROLOGIA Metrologa para a compettvdade em área etratégca 9 a 3 de ovembro de 9. Salvador, aha ral. ANÁLISE ESTATÍSTICA DO USO DE UM ILTRO DE KALMAN A UM SISTEMA DE MEDIÇÃO COM

Leia mais

sticas Estatística (divisão) População stica: uma definição Estatística:

sticas Estatística (divisão) População stica: uma definição Estatística: Coleção de úmero etatítca tca O úmero de carro veddo o paí aumetou em 30%. A taa de deemprego atge, ete mê, 7,5%. A açõe da Telebrá ubram R$,5, hoje. Reultado do Caraval o trâto: 45 morto, 430 ferdo. Etatítca:

Leia mais

13 ESTIMAÇÃO DE PARÂMETROS E DISTRIBUIÇÃO AMOSTRAL

13 ESTIMAÇÃO DE PARÂMETROS E DISTRIBUIÇÃO AMOSTRAL 3 ESTIMAÇÃO DE PARÂMETROS E DISTRIBUIÇÃO AMOSTRAL Como vto em amotragem o prmero bmetre, etem fatore que fazem com que a obervação de toda uma população em uma pequa eja mpratcável, muta veze em vrtude

Leia mais

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

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

Leia mais

i 2 i= = n Observando a fórmula para a variância, vemos que ela pode ser escrita como, i 2

i 2 i= = n Observando a fórmula para a variância, vemos que ela pode ser escrita como, i 2 O Coefcete de Correlação de Pearo O coefcete de correlação de Pearo é baeado a déa de varâca, dada a aula 6 Como vto aquela aula, quado temo uma amotra compota por dado, a varâca da amotra é dada por,

Leia mais

Construção e Análise de Gráficos

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

Leia mais

Capítulo III Medidas Estatísticas

Capítulo III Medidas Estatísticas 8 Capítulo III Medda Etatítca III. Medda de Tedêca Cetral A apreetação de dado em tabela e gráco motra a orma da dtrbução. A medda de tedêca cetral dcam o valor do poto em toro do qual o dado e dtrbuem.

Leia mais

ESTATÍSTICA II FORMULÁRIO

ESTATÍSTICA II FORMULÁRIO Uverdade do Mho Ecola de Egehara ESTATÍSTICA II Ídce Metrado Itegrado em Egehara e Getão Idutral FORMULÁRIO Ao Lectvo 007-008 Itervalo de Cofaça (uma amotra / dua amotra depedete)... Tete de Hpótee (uma

Leia mais

Estatística 15 - Comparação entre Duas Populações

Estatística 15 - Comparação entre Duas Populações Etatítca 5 - Comaração etre Da Polaçõe 5- Comaração de Méda de Da Polaçõe µ Méda da olação µ Méda da olação Tete µ - µ µ - µ > µ - µ µ - µ < µ - µ µ - µ. Dado Emarelhado EemloVte cobaa bmetda drate ma

Leia mais

Cap. 5. Testes de Hipóteses

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

Leia mais

Organização de dados -Dados não agrupados n. Mediana:

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

Leia mais

NORMAIS HOMOCEDÁSTICOS E HETEROCEDÁSTICOS

NORMAIS HOMOCEDÁSTICOS E HETEROCEDÁSTICOS COMPARAÇÕES Comparaçõe MÚLTIPLAS múltpla bayeaa BAYESIANAS em modelo... EM MODELOS 845 NORMAIS HOMOCEDÁSTICOS E HETEROCEDÁSTICOS Bayea multple comparo omocedatc ad eterocedatc ormal model Paulo Céar de

Leia mais

Organização de dados -Dados não agrupados n. Mediana:

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

Leia mais

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

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

Leia mais

Exame 2ª ÉPoca h00 Parte Prática. GRUPO 1 (3,0 val.)

Exame 2ª ÉPoca h00 Parte Prática. GRUPO 1 (3,0 val.) Departameto de Egehara Cvl, Arqutetura e Georrecuro TRANSPORTES MEC - 3º Ao - 2º Semetre Prof. Repoável: Luí de Pcado Sato Ao Letvo 2013/2014 Duração máxma: 120 muto NOME: Exame 2ª ÉPoca 2014-07-01 08h00

Leia mais

MIEEC Supervisão e Controlo de Sistemas Eléctricos. Despacho Óptimo (incluindo limites de produção e perdas) Introdução

MIEEC Supervisão e Controlo de Sistemas Eléctricos. Despacho Óptimo (incluindo limites de produção e perdas) Introdução MIEEC Supervão e Cotrolo de Stema Eléctrco Depacho Óptmo (cludo lmte de produção e perda Itrodução Relembrado o problema de depacho óptmo: M cuto de produção M Z ΣC(g Suj. Σg load (ão havedo retrçõe de

Leia mais

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

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

Leia mais

VERIFICAÇÃO E VALIDAÇÃO DE MÉTODOS ANALÍTICOS

VERIFICAÇÃO E VALIDAÇÃO DE MÉTODOS ANALÍTICOS 0 /9. CAMPO DE APLICAÇÃO.. Ete procedmeto e aplca ao Laboratóro Químco de Cotrole da Qualdade.. OBJETIVO.. Verfcar o método aalítco ormalzado, cuja aplcação permaeça detro do ecopo para o qual fo deevolvdo;..

Leia mais

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

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

Leia mais

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

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

Leia mais

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

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

Leia mais

Confiabilidade Estrutural

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

Leia mais

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

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

Leia mais

(1) no domínio : 0 x < 1 Sujeita às condições de contorno: (2-a) CC1: (2-b) CC2: x dx

(1) no domínio : 0 x < 1 Sujeita às condições de contorno: (2-a) CC1: (2-b) CC2: x dx EXEMPLO MOTIVADOR I Método da Aproxmação Polomal Aplcado a Problema Udrecoa com Smetra. Eqaçõe Dfereca Ordára Problema de Valor o Cotoro Etrtra Geral do Problema: d dy( x) x f x, yx x dx dx o domío : x

Leia mais

Estudo do intervalo de confiança da regressão inversa utilizando o software R

Estudo do intervalo de confiança da regressão inversa utilizando o software R Estudo do tervalo de cofaça da regressão versa utlzado o software R Llae Lopes Cordero João Domgos Scalo. Itrodução Na maora das aplcações evolvedo regressão, determa-se o valor de Y correspodete a um

Leia mais

Universidade Estadual de Londrina

Universidade Estadual de Londrina Uverdade Etadual de Lodra Programa de Metrado e Doutorado em Cêca Bológca Reumo da atvdade deevolvda em aula Profa. Dra. Aa Verga Lbo Meett LODRIA 06 SUMÁRIO. Aále exploratóra de dado...0. Itervalo de

Leia mais

Estatística - exestatmeddisper.doc 25/02/09

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

Leia mais

Estatística Descritiva. Medidas estatísticas: Localização, Dispersão

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

Leia mais

Modelo de Regressão Simples

Modelo de Regressão Simples Modelo de Regressão Smples Hstora Hstóra Termo regressão fo troduzdo por Fracs Galto (8-9). Estudo sobre altura de pas e flhos. Karl Pearso coletou mas de ml regstros e verfcou a le de regressão uversal

Leia mais

TESTES DE PROPORÇÕES TESTE DE UMA PROPORÇÃO POPULACIONAL

TESTES DE PROPORÇÕES TESTE DE UMA PROPORÇÃO POPULACIONAL TESTES DE PROPORÇÕES TESTE DE UMA PROPORÇÃO POPULACIONAL As hpóteses a serem testadas serão: H 0 : p p 0 H : p p 0 p > p 0 p < p 0 Estatístca do Teste: pˆ p0 z c p ( p ) 0 0 EXEMPLOS. Uma máqua está regulada

Leia mais

Etapas para a construção de uma distribuição de frequências por ponto

Etapas para a construção de uma distribuição de frequências por ponto Dtrbuçõe de Frequêca Uma dtrbução de requêca é uma tabela que reúe o cojuto de dado, coorme a requêca ou a repetçõe de eu valore o capítulo ateror, vmo como ão eta ea tabela quado a varável é qualtatva

Leia mais

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

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

Leia mais

5 Critérios para Análise dos Resultados

5 Critérios para Análise dos Resultados 5 Crtéros para Aálse dos Resultados Este capítulo tem por objetvos forecer os crtéros utlzados para aálse dos dados ecotrados a pesqusa, bem como uma vsão geral dos custos ecotrados e a forma de sua evolução

Leia mais

Gonçalo X. Silva Alda Carvalho

Gonçalo X. Silva Alda Carvalho Goçalo X. Slva Alda Carvalho ÍNDICE. ESTATÍSTICA DESCRITIVA..... INTRODUÇÃO..... DEFINIÇÕES..... CLASSIFICAÇÃO DOS DADOS.... CARACTERIZAÇÃO DOS DADOS....5 ESTATÍSTICAS AMOSTRAIS... 0.5.. Medda de localzação...

Leia mais

Macroeconometria Aula 3 Revisão de estatística e teste de hipótese

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

Leia mais

Avaliação da qualidade do ajuste

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

Leia mais

MEDIDAS DE TENDÊNCIA CENTRAL I

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

Leia mais

Nas Instituições de Ensino Superior(IES), há uma relação direta entre a qualidade do ensino e a taxa de inadimplência. A taxa de inadimplência das

Nas Instituições de Ensino Superior(IES), há uma relação direta entre a qualidade do ensino e a taxa de inadimplência. A taxa de inadimplência das CORRELAÇÃO Nas Isttuções de Eso Superor(IES), há uma relação dreta etre a qualdade do eso e a taxa de admplêca. A taxa de admplêca das IES que obtveram cocetos A e B o Provão é,%, as que obtveram C é 6%

Leia mais

8 Programação linear 78

8 Programação linear 78 8 Programação lear 78 8 Programação lear A programação lear cosderou duas fuções objetvo: (a) maxmzação da comercalzação do gás e (b) mmzação das perdas (recetas e multas cotratuas). Foram dealzados dos

Leia mais

Sobre a Geração de Mapas de Ambiente de Rádio com Kriging Ordinário

Sobre a Geração de Mapas de Ambiente de Rádio com Kriging Ordinário XXXIV SIMPÓSIO BRASILEIRO DE TELECOMUICAÇÕES SBrT016, 30 DE AGOSTO A 0 DE SETEMBRO, SATARÉM, PA Sobre a Geração de Mapa de Ambete de Rádo com Krgg Ordáro Reumo Ete artgo apreeta e dcute mportate ferrameta

Leia mais

Laboratório de Engenharia Química IV. Programação de Ensaios. M. Gabriela Bernardo Gil

Laboratório de Engenharia Química IV. Programação de Ensaios. M. Gabriela Bernardo Gil Laboratóro de Egehara Químca IV Programação de Eao M. Gabrela Berardo Gl 006/007 ÍNDICE. TEORIA DE ERROS...4.. MEDIÇÃO DE GRANDEZAS...5.. ERROS...6... ERRO ABSOLUTO...6... ERRO RELATIVO...6..3. TIPOS DE

Leia mais

Conceitos básicos de metrologia. Prof. Dr. Evandro Leonardo Silva Teixeira Faculdade UnB Gama

Conceitos básicos de metrologia. Prof. Dr. Evandro Leonardo Silva Teixeira Faculdade UnB Gama Prof. Dr. Evadro Leoardo Slva Teera Faculdade UB Gama Metrologa: Cêca que abrage os aspectos teórcos e prátcos relatvos a medção; Descreve os procedmetos e métodos para determar as certezas de medções;

Leia mais

n Obtido através desvio padrão da população (σ)

n Obtido através desvio padrão da população (σ) 3/5/ Etatítica Geral Tete t de STUDENT Cap. 7, 8 e 9 Callegari-Jacque, S. M. Bioetatítica: Pricípio e Aplicaçõe, 3. Apotila: Regazzi, A. J., Curo de iiciação à etatítica. Curo: Saúde/CUA/UFMT Profº: Glauco

Leia mais

Organização; Resumo; Apresentação.

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

Leia mais

7 Análise de covariância (ANCOVA)

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

Leia mais

ESTATÍSTICA APLICADA À ZOOTECNIA

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

Leia mais

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

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

Leia mais

MEDIDAS DE DISPERSÃO:

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

Leia mais

Tópicos Extras 2ª parte. Análise de Correlação e Regressão

Tópicos Extras 2ª parte. Análise de Correlação e Regressão Tópcos Extras ª parte Aálse de Correlação e Regressão 1 Defções báscas ANÁLISE DE CORRELAÇÃO Mesurar a força da assocação etre as varáves (geralmete através do cálculo de algum coefcete). ANÁLISE DE REGRESSÃO

Leia mais

CAPÍTULO 3 MEDIDAS DE TENDÊNCIA CENTRAL E VARIABILIDADE PPGEP Medidas de Tendência Central Média Aritmética para Dados Agrupados

CAPÍTULO 3 MEDIDAS DE TENDÊNCIA CENTRAL E VARIABILIDADE PPGEP Medidas de Tendência Central Média Aritmética para Dados Agrupados 3.1. Meddas de Tedêca Cetral CAPÍTULO 3 MEDIDA DE TENDÊNCIA CENTRAL E VARIABILIDADE UFRG 1 Há váras meddas de tedêca cetral. Etre elas ctamos a méda artmétca, a medaa, a méda harmôca, etc. Cada uma dessas

Leia mais

Estatística. 2 - Estatística Descritiva

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

Leia mais

DESENVOLVIMENTO E APLICAÇÃO DE FERRAMENTA COMPUTACIONAL PARA PROJETO DE ATERRAMENTOS ENCAPSULADOS

DESENVOLVIMENTO E APLICAÇÃO DE FERRAMENTA COMPUTACIONAL PARA PROJETO DE ATERRAMENTOS ENCAPSULADOS GE/ 7 à de outubro de 999 Foz do Iguaçu Paraá - Bral GUPO VIII UBETÇÕE E EQUIPMENTO ELÉTICO (GE) DEENVOLVIMENTO E PLICÇÃO DE FEMENT COMPUTCIONL P POJETO DE TEMENTO ENCPULDO Humberto de quo bero lvéro Vacro

Leia mais

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

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

Leia mais

DEPARTAMENTO DE ENGENHARIA NAVAL E OCEÂNICA ESCOLA POLITÉCNICA DA UNIVERSIDADE DE SÃO PAULO PNV3324 FUNDAMENTOS DE CONTROLE EM ENGENHARIA

DEPARTAMENTO DE ENGENHARIA NAVAL E OCEÂNICA ESCOLA POLITÉCNICA DA UNIVERSIDADE DE SÃO PAULO PNV3324 FUNDAMENTOS DE CONTROLE EM ENGENHARIA DEPARTAENTO DE ENGENHARIA NAVAL E OCEÂNICA ESCOLA POLITÉCNICA DA UNIVERSIDADE DE SÃO PAULO PNV334 FUNDAENTOS DE CONTROLE E ENGENHARIA NOTAS DE AULA* Prof. Helio itio orihita * Ete texto é um mero roteiro

Leia mais

Denomina F a variável aleatória definida pelo quociente: F = n

Denomina F a variável aleatória definida pelo quociente: F = n 9/0/0 Etatítica Eperimetal Tete F Tete t de STUDENT Cap. 7, 8 e 9 Callegari-Jacque, S. M. Bioetatítica: Pricípio e Aplicaçõe, 003. Apotila: Regazzi, A. J., Curo de iiciação à etatítica. Profº: Glauco Vieira

Leia mais

MÓDULO 8 REVISÃO REVISÃO MÓDULO 1

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

Leia mais

Computação das Medidas de Tendência Central e Dispersão Intervalares em Java

Computação das Medidas de Tendência Central e Dispersão Intervalares em Java V ERMAC-R o Ecotro Regoal de Matemátca Aplcada e Computacoal 9- de outubro de 00 Uersdade Potguar Natal/RN Computação das Meddas de Tedêca Cetral e Dspersão Iteralares em Jaa Laís M. Nees, Elaqum L. S.

Leia mais

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

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

Leia mais

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

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

Leia mais

Agenda Aula 2 Parte 1

Agenda Aula 2 Parte 1 Aula Parte 1 Anále de Correlação: Coefcente de Pearon Prof. Cear Aleandre de Souza Materal deenvolvdo em conjunto com a Profa. Adrana Back Noronha Vana EAD0655 Técnca Etatítca de Projeção Agenda Aula Parte

Leia mais

Revisão de Estatística X = X n

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

Leia mais

Capítulo 5: Ajuste de curvas pelo método dos mínimos quadrados

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

Leia mais

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

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

Leia mais

RAD1507 Estatística Aplicada à Administração I Prof. Dr. Evandro Marcos Saidel Ribeiro RESUMO

RAD1507 Estatística Aplicada à Administração I Prof. Dr. Evandro Marcos Saidel Ribeiro RESUMO UNIVERIDADE DE ÃO PAULO FACULDADE DE ECONOMIA, ADMINITRAÇÃO E CONTABILIDADE DE RIBEIRÃO PRETO DEPARTAMENTO DE ADMINITRAÇÃO RAD57 Etatítca Aplcaa à Amtração I Prof Dr Evaro Marco ael Rero REUMO REVIÃO DE

Leia mais

ESTIMATIVA DA INCERTEZA DE MEDIÇÃO DE MÉTODOS ANALÍTICOS

ESTIMATIVA DA INCERTEZA DE MEDIÇÃO DE MÉTODOS ANALÍTICOS 1/15 1. CAMPO DE APLICAÇÃO 1.1. Este procedmeto se aplca aos laboratóros de cotrole de qualdade.. OBJETIVO.1. Defr a capacdade de medção para cada método aalítco.. DOCUMENTOS COMPLEMENTARES.1. Valdação

Leia mais

Relatório 2ª Atividade Formativa UC ECS

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

Leia mais

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

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

Leia mais

CONHECIMENTOS ESPECÍFICOS

CONHECIMENTOS ESPECÍFICOS CONHECIMENTOS ESPECÍFICOS Uma uversdade oferece um curso para capactação profssoal de joves caretes. Ao fal do curso, cada jovem partcpate será avalado por meo de uma prova teórca e de uma prova prátca,

Leia mais

8. INFERÊNCIA PARA DUAS POPULAÇÕES

8. INFERÊNCIA PARA DUAS POPULAÇÕES 8 INFERÊNCIA PARA UA POPULAÇÕE 8 Populações depedetes co dstrbução oral População População, L, Y, L,Y ~ N, σ Y ~ N, σ σ σ Y ~ N, Obs e a dstrbução de e/ou Y ão for oral, os resultados são váldos aproxadaete

Leia mais

Probabilidades e Estatística LEAN, LEGI, LEGM, LMAC, MEAer, MEAmbi, MEC

Probabilidades e Estatística LEAN, LEGI, LEGM, LMAC, MEAer, MEAmbi, MEC Duração: 90 mutos Grupo I Probabldades e Estatístca LEAN, LEGI, LEGM, LMAC, MEAer, MEAmb, MEC Justfque coveetemete todas as respostas 1 o semestre 2018/2019 10/01/2019 11:00 2 o teste B 10 valores 1. Cosdere-se

Leia mais

Teste Intermédio I (45%)

Teste Intermédio I (45%) 0 Anále de Dado e Probabldade º Semetre 00-007 Fernando Brto Soare Cáta Fernande Pedro Chave Tete Intermédo Data: 7 de Outubro de 00, 7:00 Duração: hora ota: A utlzação de máquna centífca e gráfca ó erá

Leia mais

1- RESPOSTA TEMPORAL EM FUNÇÃO DA POSIÇÃO DOS POLOS

1- RESPOSTA TEMPORAL EM FUNÇÃO DA POSIÇÃO DOS POLOS - RESPOSTA TEMPORAL EM FUNÇÃO DA POSIÇÃO DOS POLOS Seja R( F( E( a repota de u tea lear, cocetrado e varate. Se F ( e E () ão fuçõe rea racoa, etão R ( é real racoal e pode er exprea coo: N() R( a / b

Leia mais

Econometria: 3 - Regressão Múltipla

Econometria: 3 - Regressão Múltipla Ecoometra: 3 - Regressão Múltpla Prof. Marcelo C. Mederos mcm@eco.puc-ro.br Prof. Marco A.F.H. Cavalcat cavalcat@pea.gov.br Potfíca Uversdade Católca do Ro de Jaero PUC-Ro Sumáro O modelo de regressão

Leia mais

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

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

Leia mais

Estatística: Aplicação ao Sensoriamento Remoto SER ANO Estimação Pontual

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

Leia mais

02/02/2017. Intervalo de Confiança. Bioestatística. Universidade Estadual do Oeste do Paraná - Unioeste. Curso de Nutrição

02/02/2017. Intervalo de Confiança. Bioestatística. Universidade Estadual do Oeste do Paraná - Unioeste. Curso de Nutrição Uiveridade Etadual do Oete do Paraá - Uioete Curo de Nutrição Bioetatítica Profeora Aqui começamo o etudo da etatítica iferecial, que é o egudo maior ramo da etatítica. M.Roebel Tridade Cuha Prate Coite

Leia mais

LCE2112 Estatística Aplicada às Ciências Sociais e Ambientais 2010/02. Exemplos de revisão

LCE2112 Estatística Aplicada às Ciências Sociais e Ambientais 2010/02. Exemplos de revisão LCE Etatítca Aplcada à Cêca Soca e Ambeta 00/0 Eemplo de revão Varável Aleatóra Cotíua Eemplo: Para e etudar o comportameto de uma plata típca de dua, a Hydrocotlle p., quato ao eu deevolvmeto, medu-e

Leia mais

Estatística: uma definição

Estatística: uma definição Prof. Lorí Val, Dr. - val@pucrs.br http://www.pucrs.br/famat/val/ Prof. Lorí Val, Dr. PUCRS FAMAT: Departameto de Estatístca Estatístca: uma defção Coleç Coleção de ú úmeros estatí estatístcas O ú ú mero

Leia mais

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

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

Leia mais

Prof. Janete Pereira Amador 1

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

Leia mais

Previsão de demanda quantitativa Regressão linear Regressão múltiplas Exemplos Exercícios

Previsão de demanda quantitativa Regressão linear Regressão múltiplas Exemplos Exercícios Objetvos desta apresetação Plaejameto de produção: de Demada Aula parte Mauro Osak TES/ESALQ-USP Pesqusador do Cetro de Estudos Avaçados em Ecooma Aplcada Cepea/ESALQ/USP de demada quattatva Regressão

Leia mais

REGESD Prolic Matemática e Realidade- Profª Suzi Samá Pinto e Profº Alessandro da Silva Saadi

REGESD Prolic Matemática e Realidade- Profª Suzi Samá Pinto e Profº Alessandro da Silva Saadi REGESD Prolc Matemátca e Realdade- Profª Suz Samá Pto e Profº Alessadro da Slva Saad Meddas de Posção ou Tedêca Cetral As meddas de posção ou meddas de tedêca cetral dcam um valor que melhor represeta

Leia mais

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

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

Leia mais

1) Planejamento da Produção - Modelos de dimensionamento de lotes (lot sizing)

1) Planejamento da Produção - Modelos de dimensionamento de lotes (lot sizing) Departameto de Egehara de Produção UFPR 28 1) Plaeameto da Produção - Modelos de dmesoameto de lotes (lot szg) É cohecdo horzote de plaeameto T, dvddo em períodos; demada (geralmete varável) de cada tem

Leia mais

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

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

Leia mais

( ) ( IV ) n ( ) Escolha a alternativa correta: A. III, II, I, IV. B. II, III, I, IV. C. IV, III, I, II. D. IV, II, I, III. E. Nenhuma das anteriores.

( ) ( IV ) n ( ) Escolha a alternativa correta: A. III, II, I, IV. B. II, III, I, IV. C. IV, III, I, II. D. IV, II, I, III. E. Nenhuma das anteriores. Prova de Estatístca Epermetal Istruções geras. Esta prova é composta de 0 questões de múltpla escolha a respeto dos cocetos báscos de estatístca epermetal, baseada os lvros BANZATTO, A.D. e KRONKA, S.N.

Leia mais

HIDROLOGIA E RECURSOS HÍDRICOS. Análise estatística aplicada à hidrologia

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

Leia mais

NOTA: ESCREVA AS RESPOSTAS COMO FRAÇÕES OU COM 4 CASAS DECIMAIS NOTA 2: O FORMULÁRIO ESTÁ NO FINAL DA PROVA

NOTA: ESCREVA AS RESPOSTAS COMO FRAÇÕES OU COM 4 CASAS DECIMAIS NOTA 2: O FORMULÁRIO ESTÁ NO FINAL DA PROVA IND 5 Iferêca Estatístca Semestre 007.0 Teste 4 //007 Nome: NOTA: ESCREVA AS RESPOSTAS COMO FRAÇÕES OU COM 4 CASAS DECIMAIS NOTA : O FORMULÁRIO ESTÁ NO FINAL DA PROVA PROBLEMA (5 potos) Em cada questão

Leia mais

MEDIDAS DE DISPERSÃO 9. MEDIDAS DE DISPERSÃO

MEDIDAS DE DISPERSÃO 9. MEDIDAS DE DISPERSÃO Núcleo das Cêcas Bológcas e da Saúde Cursos de Bomedca, Ed. Físca, Efermagem, Farmáca, Fsoterapa, Fooaudologa, Medca Veterára, Muscoterapa, Odotologa, Pscologa MEDIDAS DE DISPERSÃO 9 9. MEDIDAS DE DISPERSÃO

Leia mais

O delineamento amostral determina os processos de seleção e de inferência do valor da amostra para o valor populacional.

O delineamento amostral determina os processos de seleção e de inferência do valor da amostra para o valor populacional. Curso Aperfeçoameto em Avalação de Programas Socas ª Turma Dscpla: Téccas quattatvas de levatameto de dados: prcpas téccas de amostragem Docete: Claudete Ruas Brasíla, ovembro/005 Pesqusa por amostragem

Leia mais

6.1 - PROCEDIMENTO DE AVALIAÇÃO DE INCERTEZA EM MEDIÇÕES DIRETAS

6.1 - PROCEDIMENTO DE AVALIAÇÃO DE INCERTEZA EM MEDIÇÕES DIRETAS 7 6 - PROCEDIMENTO DE AVALIAÇÃO DE INCERTEZA EM MEDIÇÕES DIRETAS A medção dreta é aquela cuja dcação resulta aturalmete da aplcação do sstema de medção sobre o mesurado Há apeas uma gradeza de etrada evolvda

Leia mais

? Isso é, d i= ( x i. . Percebeu que

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

Leia mais