Relatório 2ª Atividade Formativa UC ECS
|
|
- Ana Vitória Cecília Penha Coradelli
- 6 Há anos
- Visualizações:
Transcrição
1 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 dos dados é assmétrca, facto que se prede com a pouca resstêca da méda. A medaa ão é tão sesível a outlers (valores muto baos/altos). A méda tem em cota todos os valores da amostra, se multplcarmos a méda pelo úmero de observações obtemos a soma das observações. A méda coduz a melhores resultados que a medaa quado ão estem outlers. Eercíco II. a) Como os dados os são forecdos agrupados, para calcular as médas, vamos escolher como elemetos represetatvos das classes os seus potos médos: Méda da Turma = ,2 29 Méda da Turma 2 = , 2 23 b) O facto de termos obtdo, o mesmo valor para a méda ão os permte afrmar que as turmas teham tdo comportameto semelhate. Para caracterzar um cojuto de dados é ecessáro utlzar meddas de localzação e dspersão. Vejamos o que se passa com os desvos padrão dos dos cojutos de dados: Desvo padrão Turma = (5-,2) 2 + (7-,2) 3 + (9-,2) 5 + (-,2) (7-,2) 2 = 0, =3,27 Desvo padrão Turma 2 = (5-,2) 0 + (7-,2) 3 + (9-,2) 5 + (-,2) (7-,2) 0 = ECS-ActF2
2 Relatóro 2ª Atvdade Formatva Como vemos, a dspersão fo muto maor a turma do que a turma 2, o que sgfca que os aluos desta turma são mas homogéeos: ão há tedêca para haver aluos muto maus em muto bos. Eercíco III. a) População é um cojuto de dvíduos ou objectos que apresetam uma ou mas característcas em comum, que se pretede aalsar, este caso, costtuída por todas as craças da escola prmára em estudo; Amostra, é um subcojuto da população, recolhda com o objectvo de se obter formação sobre característcas descohecdas da população, este caso, de dmesão 60, costtuída pelo úmero amas doméstcos de algumas (60) craças da referda escola prmára. b) Varável, úmero de amas doméstcos de cada craça que respodeu ao quérto, quattatva (característca susceptível de ser medda) dscreta (só pode tomar um úmero fto (ou fto umerável) de valores dsttos. X c) d) c) d) g) f N F 20 0, , , , , , , e) , 40 craças = f) F 2 = 0, 67, 67% das craças têm meos de 3 amas em casa ECS-ActF2 2
3 Relatóro 2ª Atvdade Formatva g) f = + K+ = = = = = 2,08 = 60 Moda é o valor com maor frequêca absoluta, este caso temos dos valores para a moda, e 2, dz-se que é bmodal. Como é par ( =60) Me = = ( 30 ) + ( 3 ) = Comparado a méda e a medaa podemos coclur que a dstrbução é apromadamete smétrca. h) Mímo da amostra X ( ) = Mámo da amostra X ( 60 ) = 4 AI = Q3 Q = 3 = 2, ampltude ter - quartl Q = ( 5 ) + ( 6 ) + = = 2 2 Q 3= ( 45 ) + ( 46 ) = = Eercíco IV. a) Mímo, mámo, méda; moda; medaa; Quarts; ( ) = 0, e ( ) = 0,36 = + K+ 0,3 + 0,6 + 0, , ,9 = = = = = =0, ECS-ActF2 3
4 Relatóro 2ª Atvdade Formatva Moda é o valor que surge com maor frequêca, ou seja, que se repete mas vezes, estamos perate uma amostra multmodal. Obtem-se como resultado três valores: 0,6; 0,9 e 0,22. Medaa + 2 Me = ; ; ímpar par ( 20) + ( 2) 0,9 + 0,9 Me = = = = = 0, Q = º quartl = medaa da ª sub amostra Q ( 0) + ( ) 0,6 + 0,6 = = = = 0, Q3 = 3º quartl = medaa da 2ª sub amostra Q ( 30) + ( 3) 0,22 + 0,23 = = = = 0, b) Ampltude, Ampltude ter-quartl, varâca e desvo padrão; AA = ( ) ( ) = 0,36 0, = 0,26 AI = Q3 Q = 0, 225 0,6 = 0, = ( ) = ( ) s = = = 2 2 ( ) + K + ( ) 0,07 = = = 0, s = s = 0, = 0, ECS-ActF2 4
5 Relatóro 2ª Atvdade Formatva c) X > Me mas muto prómas, pode cosderar-se que os dados têm uma dstrbução smétrca. Eercíco V. a) Nº do sapato X Freq. Absoluta Freq. Relatva f F. A. Acumulada N F. R. Acumulada F ,05 2 0, ,25 7 0, ,4 23 0, , , , N f F = frequêca absoluta da - ésma observação frequêca absoluta acumulada = f = k = frequêca relatva frequêca relatva acumulada º de observações da amostra b) 5 k f = + K+ + K+ = = = = = 3, = 40 Moda é o valor com maor frequêca absoluta, este caso será Como é par ( =40) Me = = ( 20 ) + ( 2 ) = Comparado a méda, a moda e a medaa podemos coclur que a dstrbução é smétrca ECS-ActF2 5
6 Relatóro 2ª Atvdade Formatva c) { { Eercíco VI. a) O dagrama de dspersão dos dados (Idade, Nota) é Nota Idade Da aálse do gráfco ateror, verfca-se a estêca de uma assocação lear egatva etre as varáves Idade e Nota, o que sgfca que, de um modo geral, quado a dade aumeta, dmu a Nota e vce-versa, sto é, à medda que dmu a Idade, de um modo geral, aumeta a Nota. b) Como se sabe, o coefcete de correlação é a medda que se utlza com mas frequêca para medr o grau de assocação lear, etre duas varáves. O valor deste coefcete vara o tervalo [ ; ] e quato maor for o seu valor absoluto, mas forte será a relação lear estete etre as varáves, o osso caso, dade e ota. No osso caso as varáves parecem ter uma relação forte e como também se observou o gráfco em setdo cotráro, pelo que o valor de 0,94 parece perfetamete de acordo com o observado a alíea a). Se fosse peddo, como temos os dados, poderíamos mesmo calcular o coefcete de correlação ECS-ActF2 6
7 Relatóro 2ª Atvdade Formatva c) A recta de regressão ota = 3,6 + dade * (-0,546), é uma recta que pretede dar formação de como se reflectem a ota, as mudaças processadas a dade. Regressão de ota em dade. Se substturmos, por eemplo, os dos prmeros valores da dade teremos de obter valores prómos das otas correspodetes a esses valores. Para dade=32 temos com o osso modelo ota = 3, ( 0,546) = 3,688 ; Para dade=30 temos com o osso modelo ota = 3, ( 0,546) = 4,78, Pelo que podemos dzer que a epressão dada está de acordo com o resultado da alíea a). Mas também o valor 0,546 é o declve da recta, dcado um declve egatvo de acordo com a assocação egatva ecotrada a alíea a). Eercíco VII. a) Dagrama de dspersão: 2 8 otas Prof B otas Prof A Da aálse do gráfco ateror, verfca-se a estêca de uma assocação lear postva etre as varáves ota Prof A e ota Prof B, o que sgfca que, de um modo geral, quado a ota Prof A aumeta, também aumeta o ota Prof B e vce-versa, sto é, à medda que dmu a ota Prof A, de um modo geral, dmu o ota Prof B ECS-ActF2 7
8 Relatóro 2ª Atvdade Formatva b) O coefcete de correlação é dado por uma das segutes epressões, todas elas equvaletes: ( ) ( y ( ) ( y ( ) ( y + L+ = s sy s sy s sy r = = y y r = y y = s s ( ) s s = ( )( ) y = y Vamos utlzar uma tabela aular de forma a facltar os cálculos. Y ( ) ( y ( ) 2 ( y y) 2 ( ) ( y s s y ( ) ( y s s y 2 5-0,02 2,38 0,00 5,66 0,6 3,6 -,42 0,98 2,02 0,96-0,0056 0,6742-0,0038-0,3966 0,2776-0,0 8 5,5 5,98 2,88 35,76 8,29,6704 0,859, , ,02-6,82 6,6 46,5,229,9320 2, ,5,98 0,88 3,92 0,77 0,553 0,2493 0,379 9,5 2,3-2,52-0,32 6,35 0,0-0,7039-0,0907 0,0638 Total 72, 75,7 Total 64,2 62,3 3,620 Méda 2,02 2,62 s = 3,58 3, ECS-ActF2 8
9 Relatóro 2ª Atvdade Formatva No etato sabemos que é ecessáro calcular a méda e o desvo-padrão para cada uma das varáves, vamos acrescetar coluas à tabela aular, que permtrão de modo mas rápdo todos os cálculos. = = = = = + K+ 2 ( ) 2 2 = = ( ) = = = ( ) + K+ ( ) s ( ) ( y = s sy 3, 620 r = = = 0, Este valor traduz uma assocação lear postva relatvamete forte (superor a 0,7) etre as duas varáves, ou seja, é epectável que um aluo ao melhorar a ota com o professor A, também a melhore com o professor B. Eercíco VIII. Empregado Produtvdade Prémos ( ) a) Dagrama de dspersão 400 Prémos ( ) Produtvdade 2044-ECS-ActF2 9
10 Relatóro 2ª Atvdade Formatva Da represetação gráfca é perceptível uma relação postva etre a produtvdade e os prémos obtdos. À medda que a produtvdade aumeta os prémos obtdos aumetam também. b) Para traçar uma recta apeas são ecessáros 2 potos. Esses potos podem ser escolhdos arbtraramete, assm para =00 tem-se y= 03,0 e para =200 tem-se y=32,9. c) Como terpreta os valores 0,299 e 73,. Aplcado o método dos mímos quadrados podemos obter a estmatva de uma recta que permte predzer valores para a varável depedete aquado do cohecmeto da varável depedete. O declve da recta +0,299 é um valor postvo etão sabe-se que o coefcete de correlação é postvo, dcado uma assocação lear postva etre as varáves depedete e depedete. d) Como se sabe, o coefcete de correlação é a medda que se utlza com mas frequêca para medr o grau de assocação lear, etre duas varáves. O valor deste coefcete vara o tervalo [,] e quato maor for o seu valor absoluto, mas forte será a relação lear estete etre as varáves, o osso caso, produtvdade e prémos. Pela represetação gráfca verfca-se uma relação postva etre as varáves, o etato ão muto forte, pelo que das alteratvas apresetadas o coefcete de correlação que melhor caracterza esta relação parece ser o de 0, y = 0, , ECS-ActF2 0
11 Relatóro 2ª Atvdade Formatva Eercíco IX. a) O gráfco mostra leardade e uma forte assocação postva etre as varáves em estudo, sto quer dzer que quato mas horas o estudate estudar melhor resultado obterá o eame. b) O coefcete de correlação mede o grau de assocação lear etre duas varáves (depedete e depedete), represeta-se pela letra r. O valor de r está compreeddo etre r. Quato maor for o valor de r em módulo maor a relação lear etre as varáves. Se r é postvo as varáves são drectamete correlacoadas, caso cotráro são versamete correlacoadas. Colua A Colua B Observação -Med( ) ( -Med( )) 2 y y -Med(y ) (y -Med(y )) 2 [( -Med( ))]/S [(y-med(y))2]/s y A * B 27-5,75 33, ,25 0,0625-0, , , ,25 742, ,75 45,5625, , , ,75 770, ,25 27,5625 -, , , ,25 040, ,75 22,5625, , , ,25 5, ,25 5,0625 0, , , ,75 62,5625 -,25,5625-0, , , ,25 52,5625 4,75 3,0625 0, , , ,75 57, ,25 8,0625 -, , ,05642 Méda 32,75 45,4375 2,25 5,4375 Soma , ,5 6,60485 (S ) 2 474,78574 (S y ) 2 7, r (Coefcete Correlação) 0,94355 S 2, S y 4, ( ) ( y ( ) ( y ( ) ( y + L+ = s sy s sy s sy r = = = 6,60485 = = 0, A correlação é muto forte o que sgfca que o resultado obtdo o eame é fortemete fluecado pelo úmero de horas de estudo a bbloteca local. Além dsso é postva, ou seja, um aumeto o úmero de horas de estudo a bbloteca fluêca um aumeto a ota obtda o eame. c) Recta de regressão: Y = 0,89 + 6, 2932 Estmatva para = ECS-ActF2
12 Relatóro 2ª Atvdade Formatva Y = 0, , 2932 = 6, 2977 = 6 valores R: A ota obtda pelo aluo é de 6 valores. Eercíco X. a) O dagrama de dspersão dos dados (Altura, Peso) é Peso Da aálse do gráfco ateror, verfca-se a estêca de uma assocação lear postva etre as varáves Altura e Peso, o que sgfca que, de um modo geral, quado a altura aumeta, também aumeta o Peso e vce-versa, sto é, à medda que dmu a Altura, de um modo geral, dmu o Peso. b) Admtdo que a recta de regressão do Peso a Altura é a segute: Peso =,2 Altura 38,9 Espera-se que um jovem com 55 cm de altura teha um peso apromado de 48,6 kg, já que: Peso =, ,9 = 48,6 O que se passa é que os valores prevstos a partr da recta de regressão têm uma maor precsão se os valores da varável Altura estverem detro do tervalo de valores utlzados para costrur a recta e o valor 200 cm está fora desse tervalo, o que pode evetualmete levar as prevsões meos precsas. Eercíco XI Altura a) De forma a coter apromadamete 68% dos dados. [ s; + s] = [ 7, 4 2, 4; 7, 4 + 2, 4] = [ 5; 9, 8] 2044-ECS-ActF2 2
13 Relatóro 2ª Atvdade Formatva b) De forma a coter apromadamete 95% dos dados. [ 2s; + 2s] = [ 7, 4 2 2, 4; 7, , 4] = [ 2, 6; 22, 2] Eercíco XII. a) Pretede-se predzer o úmero de vededores em fução do úmero de habtates a cdade, logo, a varável depedete é úmero de habtates e a varável depedete é úmero de vededores. Aplcado o método dos mímos quadrados podemos obter a estmatva de uma recta que permte predzer valores para a varável depedete aquado do cohecmeto da varável depedete. O declve da recta +5,272 é um valor postvo etão sabe-se que o coefcete de correlação é postvo, dcado uma assocação lear postva etre as varáves depedete e depedete. O valor tem a segute terpretação se uma cdade o úmero de habtates aumetar 000 (ou seja uma udade a varável depedete) etão o úmero de vededores deve aumetar 5,27. b) A ordeada a orgem represeta o úmero de vededores que uma cdade devera ter caso o úmero de habtates seja zero, o valor obtdo é -2,522. c) A varável depedete está epressa em mlhares logo se =3. y = 5, ,522 = 64,36 vededores Eercíco XIII. Mecoar os segutes factores: Sére Temporal O comportameto da sére ão é lear Em todos os aos se verfca um decréscmo o mês de Agosto A sére é tedecalmete decrescete Não é aproprado calcular o coefcete de correlação ECS-ActF2 3
14 Relatóro 2ª Atvdade Formatva FIM 2044-ECS-ActF2 4
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 maisx 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 maisINTRODUÇÃO ÀS PROBABILIDADES E ESTATÍSTICA
INTRODUÇÃO ÀS PROBABILIDADES E ESTATÍSTICA 003 Iformações: relembra-se os aluos teressados que a realzação de acções presecas só é possível medate solctação vossa, por escrto, à assstete da cadera. A realzação
Leia maisEstatística 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 maisANÁLISE DE REGRESSÃO E CORRELAÇÃO
ANÁLISE DE REGRESSÃO E CORRELAÇÃO Quado se cosderam oservações de ou mas varáves surge um poto ovo: O estudo das relações porvetura estetes etre as varáves. A aálse de regressão e correlação compreedem
Leia maisREGESD 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 maisProfessor 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 maisMEDIDAS 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 maisAnálise da Informação Económica e Empresarial
Aálse da Iformação Ecoómca e Empresaral Aula 8: Redução de Dados: Meddas de Dspersão e Cocetração Aálse da Iformação Ecoómca e Empresaral Guão Aula 8: Redução de Dados: Meddas de Dspersão e Cocetração
Leia maisDistribuições 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 mais50 Logo, Número de erros de impressão
Capítulo 3 Problema. (a) Sedo o úmero médo de erros por pága, tem-se: 5 + + 3 + 3 + 4 33,66 5 5 Represetado o úmero medao de erros por md, tem-se, pela ordeação dos valores observados, que os valores de
Leia maisOrganização; 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 mais2ª Atividade Formativa UC ECS
I. Explque quando é que a méda conduz a melhores resultados que a medana. Dê um exemplo para a melhor utlzação de cada uma das meddas de localzação (Exame 01/09/2009). II. Suponha que um professor fez
Leia maisESTATÍSTICA 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 maisEstatística Básica - Continuação
Professora Adraa Borsso http://www.cp.utfpr.edu.br/borsso adraaborsso@utfpr.edu.br COEME - Grupo de Matemátca Meddas de Varabldade ou Dspersão Estatístca Básca - Cotuação As meddas de tedêca cetral, descrtas
Leia maisFaculdade de Tecnologia de Catanduva CURSO SUPERIOR DE TECNOLOGIA EM AUTOMAÇÃO INDUSTRIAL
Faculdade de Tecologa de Cataduva CURSO SUPERIOR DE TECNOLOGIA EM AUTOMAÇÃO INDUSTRIAL 5. Meddas de Posção cetral ou Meddas de Tedêca Cetral Meddas de posção cetral preocupam-se com a caracterzação e a
Leia maisANÁLISE DE ERROS. Todas as medidas das grandezas físicas deverão estar sempre acompanhadas da sua dimensão (unidades)! ERROS
ANÁLISE DE ERROS A oservação de um feómeo físco ão é completa se ão pudermos quatfcá-lo. Para é sso é ecessáro medr uma propredade físca. O processo de medda cosste em atrur um úmero a uma propredade físca;
Leia maisCAPÍTULO 5. Ajuste de curvas pelo Método dos Mínimos Quadrados
CAPÍTULO Ajuste de curvas pelo Método dos Mímos Quadrados Ajuste Lear Smples (ou Regressão Lear); Ajuste Lear Múltplo (ou Regressão Lear Múltpla); Ajuste Polomal; Regressão Não Lear Iterpolação polomal
Leia maisRevisão 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 maisMEDIDAS 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? 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 maisRACIOCÍNIO LÓGICO / ESTATÍSTICA LISTA 2 RESUMO TEÓRICO
RACIOCÍIO LÓGICO - Zé Carlos RACIOCÍIO LÓGICO / ESTATÍSTICA LISTA RESUMO TEÓRICO I. Cocetos Icas. O desvo médo (DM), é a méda artmétca dos desvos de cada dado da amostra em toro do valor médo, sto é x
Leia maisMédia. 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 maisMÓDULO 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 maisCAPÍTULO 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 maisDistribuições de Probabilidades
Estatístca - aulasestdstrnormal.doc 0/05/06 Dstrbuções de Probabldades Estudamos aterormete as dstrbuções de freqüêcas de amostras. Estudaremos, agora, as dstrbuções de probabldades de populações. A dstrbução
Leia maisÉ o grau de associação entre duas ou mais variáveis. Pode ser: correlacional ou. experimental.
É o grau de assocação etre duas ou mas varáves. Pode ser: correlacoal ou Prof. Lorí Val, Dr. val@mat.ufrgs.r http://www.mat.ufrgs.r/~val/ expermetal. Numa relação expermetal os valores de uma das varáves
Leia maisRegressão 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 maisEstatística. 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 maisDISTRIBUIÇÃO HIPERGEOMÉTRICA
7 DISTRIBUIÇÃO HIPERGEOMÉTRICA Cosdere-se uma população fta costtuída por N elemetos dstrbuídos por duas categoras eclusvas e eaustvas de dmesões M e N M, respectvamete. Os elemetos da prmera categora
Leia mais9 Medidas Descritivas
1 9 Meddas Descrtvas Vmos aterormete que um cojuto de dados pode ser resumdo através de uma dstrbução de freqüêcas, e que esta pode ser represetada através de uma tabela ou de um gráfco. Se o cojuto refere-se
Leia maisx Ex: A tabela abaixo refere-se às notas finais de três turmas de estudantes. Calcular a média de cada turma:
Professora Jaete Perera Amador 1 9 Meddas Descrtvas Vmos aterormete que um cojuto de dados pode ser resumdo através de uma dstrbução de freqüêcas, e que esta pode ser represetada através de uma tabela
Leia maisCapítulo 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 maisEstatística: uma definição
Coleção de úmeros estatístcas Estatístca: uma defção O úmero de carros veddos o país aumetou em 30%. A taa de desemprego atge, este mês, 7,5%. As ações da Telebrás subram R$,5, hoje. Resultados do Caraval
Leia maisRegressao 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 maisEstatística: 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 maisEstatística: uma definição
Prof. Lorí Val, Dr. val@ufrgs.br http://www.ufrgs.br/~val/ Estatístca: uma defção Coleção de úmeros estatístcas O úmero de carros veddos o país aumetou em 30%. A taa de desemprego atge, este mês, 7,5%.
Leia maisCritérios de correção e orientações de resposta exame
Mstéro da Cêca, Tecologa e Eso Superor U.C. 1037 Elemetos de Probabldade e Estatístca 1 de Juho de 011 Crtéros de correção e oretações de resposta eame Neste relatóro apresetam-se os crtéros e um eemplo
Leia maisEm 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 maisInterpolação. 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 maisÉ o grau de associação entre duas ou mais variáveis. Pode ser: correlacional ou experimental.
Prof. Lorí Val, Dr. val@mat.ufrgs.br http://www.mat.ufrgs.br/~val/ É o grau de assocação etre duas ou mas varáves. Pode ser: correlacoal ou expermetal. Numa relação expermetal os valores de uma das varáves
Leia maisEstatística: uma definição
Estatístca: uma defção Coleção de úmeros estatístcas O úmero de aumetou em 30%. carros veddos o país A taa de desemprego atge, este mês, 7,5%. As ações da Telebrás subram R$,5, hoje. Resultados do Caraval
Leia maisMatemática Ficha de Trabalho
Matemátca Fcha de Trabalho Meddas de tedêca cetral - 0º ao MEDIDAS DE LOCALIZAÇÃO Num estudo estatístco, depos de recolhdos e orgazados os dados, há a ase de trar coclusões através de meddas que possam,
Leia maisEscola 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 maisTRABALHO DE COMPENSAÇÃO DE FALTAS - DP
Cotrole do Proº Compesou as Faltas Não Compesou as Faltas TRABALHO DE COMPENSAÇÃO DE FALTAS - DP (De acordo coma s ormas da Isttução) CURSO: CIÊNCIAS CONTÁBEIS DISCIPLINA: INTRODUÇÃO À ESTATÍSTICA 2º ANO
Leia maisESCOLA SUPERIOR DE TECNOLOGIA E GESTÃO
Área Cetífca Matemátca Udade Curso Egehara do Ambete Ao º Semestre º Folha Nº 8: Aálse de Regressão e de Correlação Probabldades e Estatístca Ao 00/0. Pretede-se testar um strumeto que mede a cocetração
Leia maisEstudo das relações entre peso e altura de estudantes de estatística através da análise de regressão simples.
Estudo das relações etre peso e altura de estudates de estatístca através da aálse de regressão smples. Waessa Luaa de Brto COSTA 1, Adraa de Souza COSTA 1. Tago Almeda de OLIVEIRA 1 1 Departameto de Estatístca,
Leia maisNas próximas secções iremos abordar a análise estatística de uma amostra em que os dados numéricos estão agrupados em classes, ou seja, em intervalos.
Estatístca Descrtva ESTATÍSTICA DESCRITIVA Amostras com dados agrupados em classes as prómas secções remos abordar a aálse estatístca de uma amostra em que os dados umércos estão agrupados em classes,
Leia maisESTATÍSTICA MÓDULO 3 MEDIDAS DE TENDÊNCIA CENTRAL
ESTATÍSTICA MÓDULO 3 MEDIDAS DE TEDÊCIA CETRAL Ídce. Meddas de Tedêca Cetral...3 2. A Méda Artmétca Smles ( μ, )...3 3. A Méda Artmétca Poderada...6 Estatístca Módulo 3: Meddas de Tedêca Cetral 2 . MEDIDAS
Leia maisAtividades Práticas Supervisionadas (APS)
Uversdade Tecológca Federal do Paraá Prof: Lauro Cesar Galvão Campus Curtba Departameto Acadêmco de Matemátca Cálculo Numérco Etrega: juto com a a parcal DATA DE ENTREGA: da da a PROVA (em sala de aula
Leia maisCap. 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 maisBioestatística Curso de Saúde. Linha Reta 2 Parábola ou curva do segundo grau. terceiro grau curva do quarto. grau curva de grau n Hipérbole
Teora da Correlação: Probleas relatvos à correlação são aqueles que procura estabelecer quão be ua relação lear ou de outra espéce descreve ou eplca a relação etre duas varáves. Se todos os valores as
Leia maisAnálise Exploratória de Dados
Aálse Eploratóra de Dados Objetvos Aálse bvarada: uma varável qualtatva e uma quattatva: represetar grafcamete as duas varáves combadas; defr e calcular uma medda de assocação etre as varáves. Eemplo 1
Leia maisTabela 1 Números de acidentes /mês no Cruzamento X em CG/07. N de acidentes / mês fi f
Lsta de exercícos Gabarto e chave de respostas Estatístca Prof.: Nelse 1) Calcule 1, e para o segute cojuto de valores. A,1,8,0,11,,7,8,6,,9, 1 O úmero que correspode a 5% do rol é o valor. O úmero que
Leia maisNas 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 maisGrande 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 maisPrevisão 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 maisFICHA de AVALIAÇÃO de MATEMÁTICA A 10.º Ano Versão 2
FICHA de AVALIAÇÃO de MATEMÁTICA A 10.º Ano Versão 2 Nome Nº Turma: Data: / / Professor 10.º Ano Classfcação Apresente o seu racocíno de forma clara, ndcando todos os cálculos que tver de efetuar e todas
Leia maisESTATÍSTICA MÓDULO 2 OS RAMOS DA ESTATÍSTICA
ESTATÍSTICA MÓDULO OS RAMOS DA ESTATÍSTICA Ídce. Os Ramos da Estatístca...3.. Dados Estatístcos...3.. Formas Icas de Tratameto dos Dados....3. Notação por Ídces...5.. Notação Sgma ()...5 Estatístca Módulo
Leia maisANÁLISE DE REGRESSÃO E CORRELAÇÃO
ANÁLISE DE REGRESSÃO E CORRELAÇÃO Quado se cosderam oservações de ou mas varáves surge um poto ovo: O estudo das relações porvetura estetes etre as varáves A aálse de regressão e correlação compreedem
Leia mais3 - ANÁLISE BIDIMENSIONAL
INE 7001 - Aálse Bdmesoal 1 3 - ANÁLISE BIDIMENSIONAL É comum haver teresse em saber se duas varáves quasquer estão relacoadas, e o quato estão relacoadas, seja a vda prátca, seja em trabalhos de pesqusa,
Leia maisProbabilidades 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 maisConstrução 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 maisESCOLA SECUNDÁRIA COM 3º CICLO D. DINIS 10º ANO DE MATEMÁTICA A Tema III Estatística. Aula 1 do plano de trabalho nº 2
Aula 1 do plano de trabalho nº 2 Medram-se as alturas dos 40 alunos do prossegumento de estudos do 10º ano de uma escola e as alturas dos 40 alunos do 10º ano dos cursos tecnológcos dessa escola e obtveram-se
Leia maisRegressão. Pedro Paulo Balestrassi
Regressão Pedro Paulo Balestrass www.pedro.ufe.edu.br ppbalestrass@gmal.com 5-696 / 88776958 (cel) Questoametos comus: Como mplemetar a equação Y=f(X) a partr de dados hstórcos ou epermetas? Como fazer
Leia maisESTATÍSTICA 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 maisEstatística: 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 maisFICHA de AVALIAÇÃO de MATEMÁTICA A 10.º Ano Versão 4
FICHA de AVALIAÇÃO de MATEMÁTICA A 10.º Ano Versão 4 Nome Nº Turma: Data: / / Professor 10.º Ano Classfcação Apresente o seu racocíno de forma clara, ndcando todos os cálculos que tver de efetuar e todas
Leia maisTeoria Elementar da Probabilidade. a) Cada experiência poderá ser repetida indefinidamente sob condições essencialmente inalteradas.
Estatístca 47 Estatístca 48 Teora Elemetar da Probabldade SPECTOS PERTINENTES À CRCTERIZÇÃO DE UM EXPERIÊNCI LETÓRI MODELOS MTEMÁTICOS DETERMINÍSTICOS PROBBILÍSTICOS PROCESSO (FENÓMENO) LETÓRIO - Quado
Leia maisProbabilidades 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 maisEscola Secundária com 3º ciclo D. Dinis 10º Ano de Matemática A Estatística
Escola Secudára com 3º cclo D. Ds 10º Ao de Matemátca A Estatístca Tarea Iterméda 13 versão A 1. A tabela segute cotém regstos de um estudo eectuado relatvamete ao trasporte utlzado, daramete, para o emprego
Leia maisEconometria: 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 maisProbabilidades e Estatística
Departameto de Matemátca robabldades e Estatístca LEAN, LEE, LEGI, LERC, LMAC, MEAer, MEAmb, MEBol, MEEC, MEMec 2 o semestre 20/202 2 o Teste B 08/06/202 :00 Duração: hora e 30 mutos Justfque coveetemete
Leia maisRegressão e Correlação
Regressão e Correlação Júlo Osóro Regressão & Correlação: geeraldades Em mutas stuações de pesqusa cetífca, dspomos de uma amostra aleatóra de pares de dados (x, ), resultates da medda cocomtate de duas
Leia maisCentro de Ciências Agrárias e Ambientais da UFBA Departamento de Engenharia Agrícola
Cetro de Cêcas Agráras e Ambetas da UFBA Departameto de Egehara Agrícola Dscpla: AGR116 Boestatístca Proessor: Celso Luz Borges de Olvera Assuto: Estatístca Descrtva Tema: Meddas de Posção e Meddas de
Leia maisAo se calcular a média, moda e mediana, temos: Quanto mais os dados variam, menos representativa é a média.
Estatístca Dscplna de Estatístca 0/ Curso de Admnstração em Gestão Públca Profª. Me. Valéra Espíndola Lessa e-mal: lessavalera@gmal.com Meddas de Dspersão Indcam se os dados estão, ou não, prómos uns dos
Leia maisAo se calcular a média, moda e mediana, temos: Quanto mais os dados variam, menos representativa é a média.
Estatístca Dscplna de Estatístca 0/ Curso Superor de tecnólogo em Gestão Ambental Profª. Me. Valéra Espíndola Lessa e-mal: lessavalera@gmal.com Meddas de Dspersão Indcam se os dados estão, ou não, prómos
Leia maisDados Experimentais. Isto é chamado de experimento controlado. Uma das vantagens
Dados xpermetas Para medr a produção de certa varedade de mlho, faremos um expermeto o qual a varedade de mlho semete é platada em váras parcelas homogêeas com o mesmo fertlzate, pestcda etc. Depos mede-se
Leia maisDescritiva. Francisco Cysneiros DE - UFPE
Noções de Estatístca Descrtva Dr. Fracsco Cyseros Profº. Adjuto do Departameto de Estatístca-CCEN/UFPE E-mal: cyseros@de.ufpe.br web-page: www.de.ufpe.br/~cyseros/dscpla/farmaca/farmaca.htm Foe: (8) 6
Leia maisMEDIDAS 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 maisde uma variável em função da outra, por exemplo: Quantas vendas da Marca Philips na região Norte? Quantos homens são fumantes?
Estatístca descrtva bdmesoal (Tabelas, Gráfcos e Estatístcas) Aálse bvarada (ou bdmesoal): avala o comportameto de uma varável em fução da outra, por exemplo: Quatas vedas da Marca Phlps a regão Norte?
Leia maisFICHA de AVALIAÇÃO de MATEMÁTICA A 10.º Ano Versão 3
FICHA de AVALIAÇÃO de MATEMÁTICA A 10.º Ano Versão 3 Nome Nº Turma: Data: / / Professor 10.º Ano Classfcação Apresente o seu racocíno de forma clara, ndcando todos os cálculos que tver de efetuar e todas
Leia maisÉ o grau de associação entre duas ou mais variáveis. Pode ser: correlacional ou experimental.
É o grau de assocação etre duas ou mas varáves. Pode ser: Prof. Lorí Val, Dr. val@pucrs.br http://www.pucrs.br/famat/val www.pucrs.br/famat/val/ correlacoal ou expermetal. Numa relação expermetal os valores
Leia maisProbabilidades 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 mais1. Conceitos básicos de estatística descritiva 1.3. Noção de extracção aleatória e de probabilidade
Sumáro (3ª aula). Cocetos báscos de estatístca descrtva.3. Noção de etracção aleatóra e de probabldade.4 Meddas de tedêca cetral.4. Méda artmétca smples.4. Méda artmétca poderada.4.3 Méda artmétca calculada
Leia maisApostila de Introdução Aos Métodos Numéricos
Apostla de Itrodução Aos Métodos Numércos PARTE III o Semestre - Pro a. Salete Souza de Olvera Buo Ídce INTERPOAÇÃO POINOMIA...3 INTRODUÇÃO...3 FORMA DE AGRANGE... 4 Iterpolação para potos (+) - ajuste
Leia maisFICHA de AVALIAÇÃO de MATEMÁTICA A 10.º Ano Versão 1
FICHA de AVALIAÇÃO de MATEMÁTICA A 10.º Ano Versão 1 Nome Nº Turma: Data: / / Professor 10.º Ano Classfcação Apresente o seu racocíno de forma clara, ndcando todos os cálculos que tver de efetuar e todas
Leia maisResumos Numéricos de Distribuições
Estatístca Aplcada à Educação Antono Roque Aula Resumos umércos de Dstrbuções As representações tabulares e grácas de dados são muto útes, mas mutas vezes é desejável termos meddas numércas quanttatvas
Leia mais7 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( ) ( 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 maisProbabilidade II Aula 10
Probabldade II Aula 0 Mao de 009 Môca Barros, D.Sc. Coteúdo Esperaça Matemá (Valores esperados) Mometos e Mometos Cetras Valores esperados de uma fução de Covarâca e Correlação Matrz de covarâca, matrz
Leia maisMatemática C Semiextensivo V. 2
Matemátca C Semetesvo V. Eercícos 0) Através da observação dreta do gráfco, podemos coclur que: a) País. b) País. c) 00 habtates. d) 00 habtates. e) 00 0 0 habtates. 0) C Através do gráfco, podemos costrur
Leia maisTópicos 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 maisProf. 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 maisCONHECIMENTOS 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 maisModelo 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 mais1. Conceito de variável aleatória Podemos estudar, por exemplo, algumas características dos alunos do Curso de estatística.
CAPÍTULO 7 VARIÁVEL ALEATÓRIA A probabldade teve íco com os jogos de azar (século XVII) com Cavalero de Nere, Fermat e Pascal, porém, coube a Beroull (73) laçar as bases da probabldade e a segur Laplace
Leia maisRedução dos Dados. Júlio Osório. Medidas Características da Distribuição. Tendência Central (Localização) Variação (Dispersão) Forma
Redução dos Dados Júlo Osóro Meddas Característcas da Dstrbução Tendênca Central (Localzação) Varação (Dspersão) Forma 1 Meddas Característcas da Dstrbução Meddas Estatístcas Tendênca Central Dspersão
Leia maisMEDIDAS 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 maisProbabilidade e Estatística I Antonio Roque Aula 4. Resumos Numéricos de Distribuições
Probabldade e Estatístca I Antono Roque Aula Resumos umércos de Dstrbuções As representações tabulares e grácas de dados são muto útes, mas mutas vezes é desejável termos meddas numércas quanttatvas para
Leia mais