FICHA de AVALIAÇÃO de MATEMÁTICA A 10.º Ano Versão 2

Tamanho: px
Começar a partir da página:

Download "FICHA de AVALIAÇÃO de MATEMÁTICA A 10.º Ano Versão 2"

Transcrição

1 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 as justfcações necessáras. Quando, para um resultado, não é pedda uma aproxmação, pretende-se sempre o valor exato. (10) 1. De um conjunto de cnco números nteros postvos sabe-se que a moda, a medana e a méda são números consecutvos, tas que, Mo x x. Determne cnco números nessas condções, explcando todos os racocínos efetuados. Para haver moda é necessáro que haja, pelo menos, dos números guas. No entanto, se houver três números guas a moda é necessaramente gual à medana, o que não pode acontecer. Assm, só podemos ter dos números guas que representarão a moda. Como as três meddas são nteros consecutvos, se x x então Mo x 1 e x x 1. Sejam x 1, x 1, x, x a, x b os cnco números, com a b, pos só pode haver dos números guas. De x x 1 resulta x 1 x 1 x x a x b x 1 5x a b 2 5x 5 a 7 b 5 Assm, para b 1 (por exemplo) temos a 6. Portanto, possíves soluções são da forma: x 1, x 1, x, x 6, x 1 Ora, para x 2 obtemos a solução: 1, 1, 2, 8, 3, sendo Mo 1, x 2 e x 3. Outras soluções: para b 2 temos a 5, gerando soluções da forma: x 1, x 1, x, x 5, x 2 Agora, para x 10 obtemos a solução: 9, 9, 10, 15, 12, sendo Mo 9, x 10 e x 11 Outro processo (mas fácl): ver a últma págna Fcha de avalação da Matemátca A 10.º Ano Págna 1/8 Versão 2

2 2. A partr de um estudo sobre a altura dos 160 alunos que frequentam o 10.º ano de uma escola secundára elaborou-se o hstograma das frequêncas relatvas acumuladas, representado ao lado. (5) 2.1. A varável em estudo é qualtatva. quanttatva contínua. quanttatva dscreta. qualtatva contínua. (10) 2.2. Indque os valores de f 3 e F 3, em percentagem, e dga o que representam no contexto deste problema. F 3 47, 5% sgnfca que 47,5% dos alunos do 10.º ano têm altura nferor a 164 centímetros. f 3 47, 5% 16, 25% 31, 25% sgnfca que 31,25% dos alunos do 10.º ano têm altura no ntervalo [156, 164[. (10) 2.3. Indque o valor lógco das afrmações seguntes: V 16,25% dos alunos têm altura nferor a 1,56 metros. V 50 alunos têm altura no ntervalo [156, 164[. F V 50% dos alunos têm altura nferor a 160 cm. 84 alunos têm altura superor ou gual a 1,64 metros. F O 1.º quartl está na classe [148, 156[. (10) 2.4. Construa, sobre o hstograma, o polígono das frequêncas relatvas acumuladas e ndque, justfcando, a classe medana das alturas dos 160 alunos. O polígono das frequêncas acumuladas é a lnha construída no dagrama do lado. A classe medana é [164, 172[, pos é a que contém F = 50% (10) 2.5. Recorrendo ao polígono das frequêncas acumuladas, determne uma aproxmação geométrca para a medana das alturas dos alunos. Explque como procedeu. Partndo de F = 50%, vamos ao encontro do polígono das frequêncas acumuladas e depos vemos qual é o valor correspondente da varável. Neste caso, uma aproxmação geométrca para a medana é 165 centímetros, tal como sugere o gráfco anteror. Fcha de avalação da Matemátca A 10.º Ano Págna 2/8 Versão 2

3 3. No segumento do estudo referdo na questão anteror construu-se também o segunte gráfco de barras. (10) 3.1. Complete a tabela segunte. Número de rmãos Frequênca absoluta smples acumulada Frequênca relatva acumulada x n N F Acrescentando colunas para a méda e n x x 2 x n x x , (0 1,5) 2 67, , (1 1,5) , (2 1,5) , (3 1,5) (4 1,5) 2 62, (10) 3.2. Calcule a méda do número de rmãos de cada aluno. Méda = x x n = N = = 1,5 Cada aluno tem, em méda, 1,5 rmãos. (10) 3.3. Calcule o desvo-padrão do número de rmãos de cada aluno, apresentando o resultado com duas casas decmas.. 2 n x x Medana = = N = 1,11803 O desvo-padrão do número de rmãos de cada aluno é 1,12. Fcha de avalação da Matemátca A 10.º Ano Págna 3/8 Versão 2

4 Turma A Turma B 4. Nas tabelas abaxo encontram-se as classfcações que duas turmas do 10.º ano obtveram em Matemátca no fnal do 2.º período. Nota N.º de alunos N Nota N.º de alunos N (10) 4.1. Sabe-se que a méda e o desvo-padrão das notas da turma B são, respetvamente: x Turma B 13 Turma B 27, Recorrendo à calculadora, determne a méda e o desvo-padrão das classfcações da turma A, com aproxmação às décmas. x (turma A) = 13,0 (Turma A) = 2,9 (10) 4.2. Atendendo apenas aos valores da méda e do desvo-padrão de ambas as turmas, dz, justfcando adequadamente, qual das turmas obteve melhores resultados. Ambas as turmas têm a mesma méda (13 valores) Mas a turma B tem menor desvo padrão. Como o desvo-padrão nos dá a dspersão dos dados relatvamente à méda, essa dspersão é maor na turma A, o que pressupõe que a turma é mas rregular. Assm, como as duas turmas têm a mesma méda, podemos consderar que a turma B obteve melhores resultados. (10) 4.3. No níco do 3.º período um aluno da turma B pedu transferênca de turma. Com a saída desse aluno a méda das notas da turma manteve-se gual. Determne, apresentando todos as justfcações, a classfcação que esse aluno tnha. x (26 alunos) = 13 Portanto, o total das classfcações dos 26 alunos era = x27 x (25 alunos) = 13 Portanto, x x27 13 Assm, o aluno que pedu transferênca tnha uma classfcação de 13 (= méda). Fcha de avalação da Matemátca A 10.º Ano Págna 4/8 Versão 2

5 (10) 4.4. A partr da tabela ncal, determne, analtcamente, os quarts (Q 1, Q 2 e Q 3 ) da dstrbução das classfcações da turma A. Temos N = 27, número ímpar de dados As frequêncas absolutas acumuladas estão ao lado da tabela Q 2 = medana = x x27 1 x = Q 1 = x13 1 x 7 = 11 Nota: fcam 13 dados de cada lado da medana 2 Q 3 = x 14 7 x = (10) 4.5. A segur encontra-se o dagrama de extremos e quarts das classfcações da turma B. Construa, paralelo ao dagrama da turma B, o dagrama de extremos e quarts da turma A. (10) 4.6. Baseando-se apenas nos dagramas da questão anteror, e sabendo que a turma A tem 27 alunos e a turma B tem 26 alunos (suponha que não conheca as notas de cada turma), ndque o valor lógco das afrmações seguntes: F A turma A tem maor dspersão no ntervalo nterquarts do que a turma B. F A maor percentagem de classfcações da turma A regstou-se acma de Q 3. F V Na turma B houve 8 notas nferores ou guas a 11 valores. Na turma A houve pelo menos uma nota gual a 13 valores. F Na turma B houve maor percentagem de notas entre Q 2 e Q 3 do que na turma A. Fcha de avalação da Matemátca A 10.º Ano Págna 5/8 Versão 2

6 5. Os dagramas de dspersão apresentados abaxo relaconam algumas varáves estatístcas de um grupo de 10 alunos de uma turma escolhdos ao acaso. Dstrbução A Dstrbução B Dstrbução C Horas Sono / Estudo Colesterol HDL / LDL Notas Matemátca / F.Químca r -0,66 r -0,91 r 0,94 Correlação negatva Correlação negatva forte Correlação postva forte (10) 5.1. Entre os números seguntes encontram-se os coefcentes de correlação das três dstrbuções. 0,54-0,66 0,94 0-0,91-0,13 Complete a legenda de cada dagrama com o respetvo coefcente de correlação e classfque o tpo de correlação exstente. (10) 5.2. Calcule, analtcamente, o centro da nuvem de pontos da dstrbução A. Centro da nuvem = x, y x 87, y 79, Portanto, x, y 8, 7; 7, 9 (5) 5.3. Sabe-se que reta de regressão da dstrbução B tem equação y 2, 17x 232, 79. Para 138 mg/dl de sangue do colesterol LDL é prevsível um valor de HDL de: 66,67 mg/dl 57,99 mg/dl 43,68 mg/dl 45,53 mg/dl (5) 5.4. Se adconarmos 1 undade a todos os valores da varável y na dstrbução C obtemos uma nova dstrbução cujo centro da nuvem de pontos sobe 1 undade. desce 1 undade. mantem as mesmas coordenadas. desloca-se 1 undade para a dreta. Fcha de avalação da Matemátca A 10.º Ano Págna 6/8 Versão 2

7 Nº de alunos N.º de alunos N.º de alunos Nº de alunos 6. Os gráfcos seguntes mostram como se dstrbuíram as notas de Matemátca em quatro turmas do 10.º ano de uma escola secundára, todas com o mesmo número de alunos. Turma A Turma B Turma C Turma D Notas Notas Notas Notas (5) 6.1. Relatvamente à ampltude, podemos afrmar que: Todas as turmas têm ampltude 4. A turma A tem ampltude 2. Só a turma B tem ampltude 4. As turmas C e D têm ampltude 5. (5) 6.2. Relatvamente à moda, podemos afrmar que: Na turma B não há moda. Todas as turmas têm moda 13. As turmas A e C têm moda 13. A turma D tem 5 modas. (5) 6.3. Relatvamente à méda, podemos afrmar que: A turma A tem a maor méda. A turma B tem a menor méda. Só as turmas A e C têm méda 13. Todas as turmas têm méda 13. (5) 6.4. Relatvamente à turma C, se todas as notas descerem 1 valor, podemos conclur que: A méda desce 1 valor. O desvo-padrão desce 1 valor. Só a medana desce 1 valor. A moda mantem-se gual. (5) 6.5. Relatvamente ao desvo-padrão, podemos afrmar que: Todas as turmas têm gual desvo-padrão O desvo-padrão é menor na turma A. O desvo-padrão é menor na turma B. As turmas A e C têm gual desvo-padrão. Fcha de avalação da Matemátca A 10.º Ano Págna 7/8 Versão 2

8 ESTA PÁGINA PODE SER UTILIZADA PARA CORRIGIR OU RESOLVER ALGUMA QUESTÃO EM QUE O ESPAÇO APRESENTADO NÃO TENHA SIDO SUFICIENTE. CASO A UTILIZE, IDENTIFIQUE CLARAMENTE AS QUESTÕES A QUE ESTÁ A RESPONDER. Outro processo de resolução da questão 1 Para haver moda é necessáro que haja, pelo menos, dos números guas. No entanto, se houver três números guas a moda é necessaramente gual à medana, o que não pode acontecer. Assm, só podemos ter dos números guas que representarão à moda. Como as três meddas são nteros consecutvos, medana. Por exemplo: se Mo 5 temos x 6 e x 7 Mo x x, podemos começar por fxar a moda e a Assm, os números peddos são 5, 5, 6, a, b, com a b e nteros superores a 6, para haver apenas uma moda. Como x 7 resulta a b 7 16 a b 35 a b 19 5 Agora só temos de escolher dos números nteros maores do que 6 cuja soma dê 19. Mesmo assm, temos váras possbldades, como mostra a tabela abaxo a A partr daqu as soluções são smétrcas b Portanto, uma solução é: 5, 5, 6, 7, 12, sendo Mo 5, x 6 e x 7 Qualquer outra solução obtda da tabela tem as mesmas méda, moda e medana. BOM TRABALHO! Prof. José Tnoco Fcha de avalação da Matemátca A 10.º Ano Págna 8/8 Versão 2

CAPÍTULO 2 DESCRIÇÃO DE DADOS ESTATÍSTICA DESCRITIVA

CAPÍTULO 2 DESCRIÇÃO DE DADOS ESTATÍSTICA DESCRITIVA CAPÍTULO DESCRIÇÃO DE DADOS ESTATÍSTICA DESCRITIVA. A MÉDIA ARITMÉTICA OU PROMÉDIO Defnção: é gual a soma dos valores do grupo de dados dvdda pelo número de valores. X x Soma dos valores de x número de

Leia mais

CAPÍTULO 2 - Estatística Descritiva

CAPÍTULO 2 - Estatística Descritiva INF 16 Prof. Luz Alexandre Peternell CAPÍTULO - Estatístca Descrtva Exercícos Propostos 1) Consderando os dados amostras abaxo, calcular: méda artmétca, varânca, desvo padrão, erro padrão da méda e coefcente

Leia mais

Medidas de Dispersão e Assimetria Desvio Médio Variância Desvio Padrão Medidas de Assimetria Coeficiente de Assimetria Exemplos.

Medidas de Dispersão e Assimetria Desvio Médio Variância Desvio Padrão Medidas de Assimetria Coeficiente de Assimetria Exemplos. Meddas de Dspersão e Assmetra Desvo Médo Varânca Desvo Padrão Meddas de Assmetra Coefcente de Assmetra Exemplos lde 1 de 16 Meddas de Dspersão - Méda ervem para verfcação e representatvdade das meddas

Leia mais

Universidade da Beira Interior Departamento de Matemática. Ficha de exercícios nº2: Distribuições Bidimensionais

Universidade da Beira Interior Departamento de Matemática. Ficha de exercícios nº2: Distribuições Bidimensionais Ano lectvo: 2006/2007 Unversdade da Bera Interor Departamento de Matemátca ESTATÍSTICA Fcha de exercícos nº2: Dstrbuções Bdmensonas Curso: Cêncas do Desporto 1. Consdere a segunte tabela de contngênca:

Leia mais

TABELAS E GRÁFICOS PARA VARIÁVEIS ALEATÓRIAS QUANTITATIVAS CONTÍNUAS

TABELAS E GRÁFICOS PARA VARIÁVEIS ALEATÓRIAS QUANTITATIVAS CONTÍNUAS TABELAS E GRÁFICOS PARA VARIÁVEIS ALEATÓRIAS QUANTITATIVAS CONTÍNUAS Varável Qualquer característca assocada a uma população Classfcação de varáves Qualtatva { Nomnal sexo, cor dos olhos Ordnal Classe

Leia mais

1. Na figura estão representados dois ciclistas, A e B, pedalando a caminho de um cruzamento. Ao chegarem ao cruzamento, ambos continuam em frente.

1. Na figura estão representados dois ciclistas, A e B, pedalando a caminho de um cruzamento. Ao chegarem ao cruzamento, ambos continuam em frente. Escla Secundára Dr. Ângel August da Slva Teste de MATEMÁTICA A 10º An Duraçã: 90 mnuts 6º Teste, Junh 2006 Nme Nº T: Classfcaçã O Prf. (Luís Abreu) 1ª PARTE Para cada uma das seguntes questões de esclha

Leia mais

1. ANÁLISE EXPLORATÓRIA E ESTATÍSTICA DESCRITIVA

1. ANÁLISE EXPLORATÓRIA E ESTATÍSTICA DESCRITIVA 1. ANÁLISE EXPLORATÓRIA E ESTATÍSTICA DESCRITIVA 014 Estatístca Descrtva e Análse Exploratóra Etapas ncas. Utlzadas para descrever e resumr os dados. A dsponbldade de uma grande quantdade de dados e de

Leia mais

X = 1, se ocorre : VB ou BV (vermelha e branca ou branca e vermelha)

X = 1, se ocorre : VB ou BV (vermelha e branca ou branca e vermelha) Estatístca p/ Admnstração II - Profª Ana Cláuda Melo Undade : Probabldade Aula: 3 Varável Aleatóra. Varáves Aleatóras Ao descrever um espaço amostral de um expermento, não especfcamos que um resultado

Leia mais

7 - Distribuição de Freqüências

7 - Distribuição de Freqüências 7 - Dstrbução de Freqüêncas 7.1 Introdução Em mutas áreas há uma grande quantdade de nformações numércas que precsam ser dvulgadas de forma resumda. O método mas comum de resumr estes dados numércos consste

Leia mais

Estatística stica Descritiva

Estatística stica Descritiva AULA1-AULA5 AULA5 Estatístca stca Descrtva Prof. Vctor Hugo Lachos Davla oo que é a estatístca? Para mutos, a estatístca não passa de conjuntos de tabelas de dados numércos. Os estatístcos são pessoas

Leia mais

www.obconcursos.com.br/portal/v1/carreirafiscal

www.obconcursos.com.br/portal/v1/carreirafiscal www.obconcursos.com.br/portal/v1/carrerafscal Moda Exercíco: Determne o valor modal em cada um dos conjuntos de dados a segur: X: { 3, 4,, 8, 8, 8, 9, 10, 11, 1, 13 } Mo 8 Y: { 10, 11, 11, 13, 13, 13,

Leia mais

Caderno de Exercícios Resolvidos

Caderno de Exercícios Resolvidos Estatístca Descrtva Exercíco 1. Caderno de Exercícos Resolvdos A fgura segunte representa, através de um polígono ntegral, a dstrbução do rendmento nas famílas dos alunos de duas turmas. 1,,75 Turma B

Leia mais

Curso de extensão, MMQ IFUSP, fevereiro/2014. Alguns exercício básicos

Curso de extensão, MMQ IFUSP, fevereiro/2014. Alguns exercício básicos Curso de extensão, MMQ IFUSP, feverero/4 Alguns exercíco báscos I Exercícos (MMQ) Uma grandeza cujo valor verdadero x é desconhecdo, fo medda três vezes, com procedmentos expermentas dêntcos e, portanto,

Leia mais

AEP FISCAL ESTATÍSTICA

AEP FISCAL ESTATÍSTICA AEP FISCAL ESTATÍSTICA Módulo 11: Varáves Aleatóras (webercampos@gmal.com) VARIÁVEIS ALEATÓRIAS 1. Conceto de Varáves Aleatóras Exemplo: O expermento consste no lançamento de duas moedas: X: nº de caras

Leia mais

Professor Mauricio Lutz CORRELAÇÃO

Professor Mauricio Lutz CORRELAÇÃO Professor Maurco Lutz 1 CORRELAÇÃO Em mutas stuações, torna-se nteressante e útl estabelecer uma relação entre duas ou mas varáves. A matemátca estabelece város tpos de relações entre varáves, por eemplo,

Leia mais

Lista de Exercícios. 2 Considere o número de aparelhos com defeito na empresa Garra durante 50 dias.

Lista de Exercícios. 2 Considere o número de aparelhos com defeito na empresa Garra durante 50 dias. Classque as varáves: Faculdade Ptágoras / Dvnópols-MG Curso: Pscologa Dscplna: Estatístca Aplcada à Pscologa Lsta de Eercícos a) número de peças produzdas por hora; b) dâmetro eterno da peça; c) número

Leia mais

3ª AULA: ESTATÍSTICA DESCRITIVA Medidas Numéricas

3ª AULA: ESTATÍSTICA DESCRITIVA Medidas Numéricas PROGRAMA DE PÓS-GRADUAÇÃO EM EGEHARIA DE TRASPORTES E GESTÃO TERRITORIAL PPGTG DEPARTAMETO DE EGEHARIA CIVIL ECV DISCIPLIA: TGT41006 FUDAMETOS DE ESTATÍSTICA 3ª AULA: ESTATÍSTICA DESCRITIVA Meddas umércas

Leia mais

Introdução e Organização de Dados Estatísticos

Introdução e Organização de Dados Estatísticos II INTRODUÇÃO E ORGANIZAÇÃO DE DADOS ESTATÍSTICOS 2.1 Defnção de Estatístca Uma coleção de métodos para planejar expermentos, obter dados e organzá-los, resum-los, analsá-los, nterpretá-los e deles extrar

Leia mais

Análise de Regressão. Profa Alcione Miranda dos Santos Departamento de Saúde Pública UFMA

Análise de Regressão. Profa Alcione Miranda dos Santos Departamento de Saúde Pública UFMA Análse de Regressão Profa Alcone Mranda dos Santos Departamento de Saúde Públca UFMA Introdução Uma das preocupações estatístcas ao analsar dados, é a de crar modelos que explctem estruturas do fenômeno

Leia mais

IV - Descrição e Apresentação dos Dados. Prof. Herondino

IV - Descrição e Apresentação dos Dados. Prof. Herondino IV - Descrção e Apresentação dos Dados Prof. Herondno Dados A palavra "dados" é um termo relatvo, tratamento de dados comumente ocorre por etapas, e os "dados processados" a partr de uma etapa podem ser

Leia mais

Exercícios de exames e provas oficiais

Exercícios de exames e provas oficiais mata dstrbuções, normal, bnomal Eercícos de eames e provas ofcas. Um saco contém nove bolas numeradas de a 9, ndstnguíves ao tato. onsdere a segunte eperênca aleatóra: retram-se smultaneamente e ao acaso,

Leia mais

NOTA II TABELAS E GRÁFICOS

NOTA II TABELAS E GRÁFICOS Depto de Físca/UFMG Laboratóro de Fundamentos de Físca NOTA II TABELAS E GRÁFICOS II.1 - TABELAS A manera mas adequada na apresentação de uma sére de meddas de um certo epermento é através de tabelas.

Leia mais

Exercícios. Utilizando um novo critério, essa banca avaliadora resolveu descartar a maior e a menor notas atribuídas ao professor.

Exercícios. Utilizando um novo critério, essa banca avaliadora resolveu descartar a maior e a menor notas atribuídas ao professor. Estatístca Exercícos 1. (Enem 013) Fo realzado um levantamento nos 00 hotés de uma cdade, no qual foram anotados os valores, em reas, das dáras para um quarto padrão de casal e a quantdade de hotés para

Leia mais

Apostila de Estatística Curso de Matemática. Volume II 2008. Probabilidades, Distribuição Binomial, Distribuição Normal. Prof. Dr. Celso Eduardo Tuna

Apostila de Estatística Curso de Matemática. Volume II 2008. Probabilidades, Distribuição Binomial, Distribuição Normal. Prof. Dr. Celso Eduardo Tuna Apostla de Estatístca Curso de Matemátca Volume II 008 Probabldades, Dstrbução Bnomal, Dstrbução Normal. Prof. Dr. Celso Eduardo Tuna 1 Capítulo 8 - Probabldade 8.1 Conceto Intutvamente pode-se defnr probabldade

Leia mais

Sinais Luminosos 2- CONCEITOS BÁSICOS PARA DIMENSIONAMENTO DE SINAIS LUMINOSOS.

Sinais Luminosos 2- CONCEITOS BÁSICOS PARA DIMENSIONAMENTO DE SINAIS LUMINOSOS. Snas Lumnosos 1-Os prmeros snas lumnosos Os snas lumnosos em cruzamentos surgem pela prmera vez em Londres (Westmnster), no ano de 1868, com um comando manual e com os semáforos a funconarem a gás. Só

Leia mais

As tabelas resumem as informações obtidas da amostra ou da população. Essas tabelas podem ser construídas sem ou com perda de informações.

As tabelas resumem as informações obtidas da amostra ou da população. Essas tabelas podem ser construídas sem ou com perda de informações. 1. TABELA DE DISTRIBUIÇÃO DE FREQÜÊNCIA As tabelas resumem as normações obtdas da amostra ou da população. Essas tabelas podem ser construídas sem ou com perda de normações. As tabelas sem perda de normação

Leia mais

Apostila de Estatística

Apostila de Estatística Apostla de Estatístca Prof. Ms. Osoro Morera Couto Junor Capítulo 1 - Introdução Estatístca 1.1 Hstórco A estatístca é um ramo da matemátca aplcada. A partr do século XVI começaram a surgr as prmeras análses

Leia mais

Licenciatura Análise de Dados e Probabilidade 1 e 2. Clara Costa Duarte. 1º Semestre 2006/2007

Licenciatura Análise de Dados e Probabilidade 1 e 2. Clara Costa Duarte. 1º Semestre 2006/2007 Lcencatura 34 -nálse de Dados e robabldade e º Semestre 6/7 Clara Costa Duarte 34- nálse de Dados e robabldade. Introdução Estatístca:é um conjunto de nstrumentos que servem para: Recolher Descrever e

Leia mais

Cálculo do Conceito ENADE

Cálculo do Conceito ENADE Insttuto aconal de Estudos e Pesqusas Educaconas Aníso Texera IEP Mnstéro da Educação ME álculo do onceto EADE Para descrever o cálculo do onceto Enade, prmeramente é mportante defnr a undade de observação

Leia mais

Introdução a Combinatória- Aplicações, parte II

Introdução a Combinatória- Aplicações, parte II Introdução a Combnatóra- Aplcações, AULA 7 7.1 Introdução Nesta aula vamos estudar aplcações um pouco dferentes das da aula passada. No caso estudaremos arranjos com repetção, permutações crculares e o

Leia mais

ESTATÍSTICA. PROBABILIDADES Professora Rosana Relva Números Inteiros e Racionais ESTATÍSTICA. Professor Luiz Antonio de Carvalho

ESTATÍSTICA. PROBABILIDADES Professora Rosana Relva Números Inteiros e Racionais ESTATÍSTICA. Professor Luiz Antonio de Carvalho PROBABILIDADES Professora Rosana Relva Números Interos e Raconas APRESENTAÇÃO ROL:,,, 4, 4,,, DISCRETA : rrelva@globo.com PROGRESSÃO ARITMÉTICA CONTÍNUA PROGRESSÃO ARITMÉTICA DISTRIBUIÇÃO DE REQUÊCIAS

Leia mais

Y X Baixo Alto Total Baixo 1 (0,025) 7 (0,175) 8 (0,20) Alto 19 (0,475) 13 (0,325) 32 (0,80) Total 20 (0,50) 20 (0,50) 40 (1,00)

Y X Baixo Alto Total Baixo 1 (0,025) 7 (0,175) 8 (0,20) Alto 19 (0,475) 13 (0,325) 32 (0,80) Total 20 (0,50) 20 (0,50) 40 (1,00) Bussab&Morettn Estatístca Básca Capítulo 4 Problema. (b) Grau de Instrução Procedênca º grau º grau Superor Total Interor 3 (,83) 7 (,94) (,) (,33) Captal 4 (,) (,39) (,) (,3) Outra (,39) (,7) (,) 3 (,3)

Leia mais

Probabilidade e Estatística. Correlação e Regressão Linear

Probabilidade e Estatística. Correlação e Regressão Linear Probabldade e Estatístca Correlação e Regressão Lnear Correlação Este uma correlação entre duas varáves quando uma delas está, de alguma forma, relaconada com a outra. Gráfco ou Dagrama de Dspersão é o

Leia mais

A esse tipo de tabela, cujos elementos não foram numericamente organizados, denominamos tabela primitiva.

A esse tipo de tabela, cujos elementos não foram numericamente organizados, denominamos tabela primitiva. Dstrbução de Frequênca Tabela prmtva ROL Suponhamos termos feto uma coleta de dados relatvos à estaturas de quarenta alunos, que compõem uma amostra dos alunos de um colégo A, resultando a segunte tabela

Leia mais

Escola Secundária Dr. Ângelo Augusto da Silva Matemática 12.º ano Números Complexos - Exercícios saídos em (Exames Nacionais 2000)

Escola Secundária Dr. Ângelo Augusto da Silva Matemática 12.º ano Números Complexos - Exercícios saídos em (Exames Nacionais 2000) Internet: http://rolvera.pt.to ou http://sm.page.vu Escola Secundára Dr. Ângelo Augusto da Slva Matemátca.º ano Números Complexos - Exercícos saídos em (Exames Naconas 000). Seja C o conjunto dos números

Leia mais

ESTATÍSTICA MULTIVARIADA 2º SEMESTRE 2010 / 11. EXERCÍCIOS PRÁTICOS - CADERNO 4 Regressão Linear

ESTATÍSTICA MULTIVARIADA 2º SEMESTRE 2010 / 11. EXERCÍCIOS PRÁTICOS - CADERNO 4 Regressão Linear ESTATÍSTICA MULTIVARIADA 2º SEMESTRE 2010 / 11 EERCÍCIOS PRÁTICOS - CADERNO 4 Regressão Lnear 4. EERCÍCIOS PARA RESOLVER NAS AULAS 4.1. O gestor de marketng duma grande cadea de supermercados quer determnar

Leia mais

TEORIA DE ERROS * ERRO é a diferença entre um valor obtido ao se medir uma grandeza e o valor real ou correto da mesma.

TEORIA DE ERROS * ERRO é a diferença entre um valor obtido ao se medir uma grandeza e o valor real ou correto da mesma. UNIVERSIDADE FEDERAL DO ESPÍRITO SANTO CENTRO DE CIÊNCIAS EXATAS DEPARTAMENTO DE FÍSICA AV. FERNANDO FERRARI, 514 - GOIABEIRAS 29075-910 VITÓRIA - ES PROF. ANDERSON COSER GAUDIO FONE: 4009.7820 FAX: 4009.2823

Leia mais

Exercícios de CPM e PERT Enunciados

Exercícios de CPM e PERT Enunciados Capítulo 7 Exercícos de CPM e PERT Enuncados Exercícos de CPM e PERT Enuncados 106 Problema 1 O banco TTM (Tostão a Tostão se faz um Mlhão) decdu transferr e amplar a sua sede e servços centras para a

Leia mais

ESPELHOS E LENTES ESPELHOS PLANOS

ESPELHOS E LENTES ESPELHOS PLANOS ESPELHOS E LENTES 1 Embora para os povos prmtvos os espelhos tvessem propredades mágcas, orgem de lendas e crendces que estão presentes até hoje, para a físca são apenas superfíces poldas que produzem

Leia mais

EXEMPLOS DO CURSO DE ESTATÍSTICA ENGENHARIA DE MATERIAIS

EXEMPLOS DO CURSO DE ESTATÍSTICA ENGENHARIA DE MATERIAIS EEMPLOS DO CURSO DE ESTATÍSTICA ENGENHARIA DE MATERIAIS Exemplo: Peso de 25 bolos ndustras Forma bruta: Dsposção ordenada 266 267 266 26 22 255 266 26 272 22 260 272 25 262 23 25 266 270 274 22 2 270 20

Leia mais

Escola Secundária de Lousada Ficha de trabalho de Matemática do 7º ano nº Data: / / 2011 Assunto: Tratamento de dados I Lições nº, e,

Escola Secundária de Lousada Ficha de trabalho de Matemática do 7º ano nº Data: / / 2011 Assunto: Tratamento de dados I Lições nº, e, Escola Secundára de Lousada Fcha de trabalho de Matemátca do 7º ano nº Data: / / 2011 Assunto: Tratamento de dados I Lções nº, e, Estatístca é um ramos da Matemátca que permte fazer um estudo de uma forma

Leia mais

Matemática. Veículo A. Veículo B. Os gráficos das funções interceptam-se quando 50t = 80t

Matemática. Veículo A. Veículo B. Os gráficos das funções interceptam-se quando 50t = 80t Matemátca 0 Dos veículos, A e B, partem de um ponto de uma estrada, em sentdos opostos e com velocdades constantes de 50km/h e 70km/h, respectvamente Após uma hora, o veículo B retorna e, medatamente,

Leia mais

PROVA DE ESTATÍSTICA & PROBABILIDADES SELEÇÃO MESTRADO/UFMG 2010/2011

PROVA DE ESTATÍSTICA & PROBABILIDADES SELEÇÃO MESTRADO/UFMG 2010/2011 Instruções: PROVA DE ESTATÍSTICA & PROBABILIDADES SELEÇÃO MESTRADO/UFMG 00/0 Cada uestão respondda corretamente vale (um) ponto. Cada uestão respondda ncorretamente vale - (menos um) ponto. Cada uestão

Leia mais

Regressão e Correlação Linear

Regressão e Correlação Linear Probabldade e Estatístca I Antono Roque Aula 5 Regressão e Correlação Lnear Até o momento, vmos técncas estatístcas em que se estuda uma varável de cada vez, estabelecendo-se sua dstrbução de freqüêncas,

Leia mais

Ministério da Educação. Instituto Nacional de Estudos e Pesquisas Educacionais Anísio Teixeira. Cálculo do Conceito Preliminar de Cursos de Graduação

Ministério da Educação. Instituto Nacional de Estudos e Pesquisas Educacionais Anísio Teixeira. Cálculo do Conceito Preliminar de Cursos de Graduação Mnstéro da Educação Insttuto Naconal de Estudos e Pesqusas Educaconas Aníso Texera Cálculo do Conceto Prelmnar de Cursos de Graduação Nota Técnca Nesta nota técnca são descrtos os procedmentos utlzados

Leia mais

a) 3 c) 5 d) 6 b) i d) i

a) 3 c) 5 d) 6 b) i d) i Colégo Marsta Docesano de Uberaba ª Lsta de eercícos de Compleos Prof. Maluf Se é a undade magnára, para que a b seja um número real, a relação c d entre a, b, c e d deve satsfaer: 0 - (UNESP SP/00) a)

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

Análise de Projectos ESAPL / IPVC. Taxas Equivalentes Rendas

Análise de Projectos ESAPL / IPVC. Taxas Equivalentes Rendas Análse de Projectos ESAPL / IPVC Taxas Equvalentes Rendas Taxas Equvalentes Duas taxas e, referentes a períodos dferentes, dzem-se equvalentes se, aplcadas a um mesmo captal, produzrem durante o mesmo

Leia mais

Figura 8.1: Distribuição uniforme de pontos em uma malha uni-dimensional. A notação empregada neste capítulo para avaliação da derivada de uma

Figura 8.1: Distribuição uniforme de pontos em uma malha uni-dimensional. A notação empregada neste capítulo para avaliação da derivada de uma Capítulo 8 Dferencação Numérca Quase todos os métodos numércos utlzados atualmente para obtenção de soluções de equações erencas ordnáras e parcas utlzam algum tpo de aproxmação para as dervadas contínuas

Leia mais

ESTATÍSTICA MULTIVARIADA 2º SEMESTRE 2010 / 11. EXERCÍCIOS PRÁTICOS - CADERNO 1 Revisões de Estatística

ESTATÍSTICA MULTIVARIADA 2º SEMESTRE 2010 / 11. EXERCÍCIOS PRÁTICOS - CADERNO 1 Revisões de Estatística ESTATÍSTICA MULTIVARIADA º SEMESTRE 010 / 11 EXERCÍCIOS PRÁTICOS - CADERNO 1 Revsões de Estatístca -0-11 1.1 1.1. (Varáves aleatóras: função de densdade e de dstrbução; Méda e Varânca enquanto expectatvas

Leia mais

Elementos de Estatística e Probabilidades II

Elementos de Estatística e Probabilidades II Elementos de Estatístca e Probabldades II Varáves e Vetores Aleatóros dscretos Inês Das 203 O prncpal objetvo da deste documento é fornecer conhecmentos báscos de varáves aleatóras dscretas e pares aleatóros

Leia mais

CARGA E DESCARGA DE UM CAPACITOR

CARGA E DESCARGA DE UM CAPACITOR EXPEIÊNCIA 06 CAGA E DESCAGA DE UM CAPACITO 1. OBJETIVOS a) Levantar, em um crcuto C, curvas de tensão no resstor e no capactor em função do tempo, durante a carga do capactor. b) Levantar, no mesmo crcuto

Leia mais

ANÁLISE EXPLORATÓRIA DE DADOS

ANÁLISE EXPLORATÓRIA DE DADOS CENTRO DE CIÊNCIAS EXATAS CCE DEPARTAMENTO DE ESTATÍSTICA Curso de Especalzação Lato Sensu em Estatístca ANÁLISE EXPLORATÓRIA DE DADOS Professor: Dr. Waldr Medr medr@uel.br Londrna/Pr Março de 011 ÍNDICE

Leia mais

Capítulo 24: Potencial Elétrico

Capítulo 24: Potencial Elétrico Capítulo 24: Potencal Energa Potencal Elétrca Potencal Superfíces Equpotencas Cálculo do Potencal a Partr do Campo Potencal Produzdo por uma Carga Pontual Potencal Produzdo por um Grupo de Cargas Pontuas

Leia mais

METROLOGIA E ENSAIOS

METROLOGIA E ENSAIOS METROLOGIA E ENSAIOS Incerteza de Medção Prof. Aleandre Pedott pedott@producao.ufrgs.br Freqüênca de ocorrênca Incerteza da Medção Dstrbução de freqüênca das meddas Erro Sstemátco (Tendênca) Erro de Repettvdade

Leia mais

5.1 Seleção dos melhores regressores univariados (modelo de Índice de Difusão univariado)

5.1 Seleção dos melhores regressores univariados (modelo de Índice de Difusão univariado) 5 Aplcação Neste capítulo será apresentada a parte empírca do estudo no qual serão avalados os prncpas regressores, um Modelo de Índce de Dfusão com o resultado dos melhores regressores (aqu chamado de

Leia mais

Apostila De Estatística

Apostila De Estatística Apostla De Estatístca Professores: Wanderley Akra Shgut Valéra da S. C. Shgut Brasíla 006 INTRODUÇÃO 1.1. PANORAMA HISTÓRICO Toda Cênca tem suas raízes na hstóra do homem; A Matemátca que é consderada

Leia mais

Medidas de tendência central. Média Aritmética. 4ª aula 2012

Medidas de tendência central. Média Aritmética. 4ª aula 2012 Estatístca 4ª aula 2012 Meddas de tendênca central Ajudam a conhecer a analsar melhor as característcas de dados colhdos. Chamamos de meddas de tendênca central em decorrênca dos dados observados apresentarem

Leia mais

INTRODUÇÃO À PROBABILIDADE. A probabilidade é uma medida da incerteza dos fenômenos. Traduz-se por um número real compreendido de 0 ( zero) e 1 ( um).

INTRODUÇÃO À PROBABILIDADE. A probabilidade é uma medida da incerteza dos fenômenos. Traduz-se por um número real compreendido de 0 ( zero) e 1 ( um). INTRODUÇÃO À PROILIDDE teora das probabldade nada mas é do que o bom senso transformado em cálculo probabldade é o suporte para os estudos de estatístca e expermentação. Exemplos: O problema da concdênca

Leia mais

Nº de pedidos: (n = 26) 5 ; 7 ; 8 ; 7 ; 6 ; 7 ; 8 ; 10 ; 6 ; 8 ; 7 ; 8 ; 7 ; 7 ; 8 ; 5 ; 6 ; 8 ; 7 ; 6 ; 7 ; 5 ; 6 ; 8 ; 7 ; 6

Nº de pedidos: (n = 26) 5 ; 7 ; 8 ; 7 ; 6 ; 7 ; 8 ; 10 ; 6 ; 8 ; 7 ; 8 ; 7 ; 7 ; 8 ; 5 ; 6 ; 8 ; 7 ; 6 ; 7 ; 5 ; 6 ; 8 ; 7 ; 6 EXEMPLOS ADICIONAIS DA ENGENHARIA ELÉTRICA 1)Suponha que a probabldade de que um engenhero elétrco utlze estatístca em seu exercíco profssonal seja 0,20 Se durante a vda profssonal, um engenhero tver cnco

Leia mais

Covariância e Correlação Linear

Covariância e Correlação Linear TLF 00/ Cap. X Covarânca e correlação lnear Capítulo X Covarânca e Correlação Lnear 0.. Valor médo da grandeza (,) 0 0.. Covarânca na propagação de erros 03 0.3. Coecente de correlação lnear 05 Departamento

Leia mais

Aula 3 - Classificação de sinais

Aula 3 - Classificação de sinais Processamento Dgtal de Snas Aula 3 Professor Marco Esencraft feverero 0 Aula 3 - Classfcação de snas Bblografa OPPENHEIM, AV; WILLSKY, A S Snas e Sstemas, a edção, Pearson, 00 ISBN 9788576055044 Págnas

Leia mais

Introdução à Análise de Dados nas medidas de grandezas físicas

Introdução à Análise de Dados nas medidas de grandezas físicas Introdução à Análse de Dados nas meddas de grandezas físcas www.chem.wts.ac.za/chem0/ http://uregna.ca/~peresnep/ www.ph.ed.ac.uk/~td/p3lab/analss/ otas baseadas nos apontamentos Análse de Dados do Prof.

Leia mais

ESCOLA DE APLICAÇÃO DR. ALFREDO JOSÉ BALBI UNITAU APOSTILA PROF. CARLINHOS MATRIZES NOME DO ALUNO: Nº TURMA: blog.portalpositivo.com.

ESCOLA DE APLICAÇÃO DR. ALFREDO JOSÉ BALBI UNITAU APOSTILA PROF. CARLINHOS MATRIZES NOME DO ALUNO: Nº TURMA: blog.portalpositivo.com. ESCOL DE PLICÇÃO DR. LFREDO JOSÉ BLBI UNITU POSTIL MTRIZES PROF. CRLINHOS NOME DO LUNO: Nº TURM: blog.portalpostvo.com.br/captcar MTRIZES Uma matrz de ordem m x n é qualquer conunto de m. n elementos dspostos

Leia mais

{ } Matemática Prof.: Joaquim Rodrigues 1 NÚMEROS COMPLEXOS. Questão 06 Para que valor de x o número complexo + 8i é imaginário puro?

{ } Matemática Prof.: Joaquim Rodrigues 1 NÚMEROS COMPLEXOS. Questão 06 Para que valor de x o número complexo + 8i é imaginário puro? Matemátca Prof.: Joaqum Rodrgues NÚMEROS COMPLEXOS INTRODUÇÃO Questão 0 Resolver as equações: a x = 0 + S = {, } + 6 S = {, } x + S = { +, } 6x + 0 S = { +, } b x = 0 c x = 0 d x = 0 e x x + = 0 f x 8x

Leia mais

CENTRO UNIVERSITÁRIO DO LESTE DE MINAS GERAIS - UnilesteMG

CENTRO UNIVERSITÁRIO DO LESTE DE MINAS GERAIS - UnilesteMG 1 CENTRO UNIVERSITÁRIO DO LESTE DE MINAS GERAIS - UnlesteMG Dscplna: Introdução à Intelgênca Artfcal Professor: Luz Carlos Fgueredo GUIA DE LABORATÓRIO LF. 01 Assunto: Lógca Fuzzy Objetvo: Apresentar o

Leia mais

Controle Estatístico de Qualidade. Capítulo 8 (montgomery)

Controle Estatístico de Qualidade. Capítulo 8 (montgomery) Controle Estatístco de Qualdade Capítulo 8 (montgomery) Gráfco CUSUM e da Méda Móvel Exponencalmente Ponderada Introdução Cartas de Controle Shewhart Usa apenas a nformação contda no últmo ponto plotado

Leia mais

8.16. Experimentos Fatoriais e o Fatorial Fracionado

8.16. Experimentos Fatoriais e o Fatorial Fracionado 8.6. Expermentos Fatoras e o Fatoral Fraconado Segundo Kng (995) os arranos fatoras e fatoral fraconado estão dentre os arranos mas usados em expermentos ndustras. Veremos aqu alguns casos mas geras e

Leia mais

Índices de Concentração 1

Índices de Concentração 1 Índces de Concentração Crstane Alkmn Junquera Schmdt arcos André de Lma 3 arço / 00 Este documento expressa as opnões pessoas dos autores e não reflete as posções ofcas da Secretara de Acompanhamento Econômco

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

Objetivos da aula. Essa aula objetiva fornecer algumas ferramentas descritivas úteis para

Objetivos da aula. Essa aula objetiva fornecer algumas ferramentas descritivas úteis para Objetvos da aula Essa aula objetva fornecer algumas ferramentas descrtvas útes para escolha de uma forma funconal adequada. Por exemplo, qual sera a forma funconal adequada para estudar a relação entre

Leia mais

PROBABILIDADE E ESTATÍSTICA APLICADAS À HIDROLOGIA

PROBABILIDADE E ESTATÍSTICA APLICADAS À HIDROLOGIA PROBABILIDADE E ESTATÍSTICA APLICADAS À HIDROLOGIA Mauro aghettn Mara Manuela Portela DECvl, IST, 0 PROBABILIDADE E ESTATÍSTICA APLICADAS À HIDROLOGIA Mauro aghettn Professor Assocado, Escola de Engenhara

Leia mais

Análise da Informação Económica e Empresarial

Análise 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 mais

Aula 5 Senado Federal Parte 2

Aula 5 Senado Federal Parte 2 Aula 5 Senado Federal Parte Estatístca... Classe... 8 Lmtes de classe... 8 Ampltude de um ntervalo de classe... 9 Ampltude total da Dstrbução... 9 Ponto médo de uma classe... 9 Tpos de frequêncas... 10

Leia mais

Faculdade de Tecnologia de Catanduva CURSO SUPERIOR DE TECNOLOGIA EM AUTOMAÇÃO INDUSTRIAL

Faculdade de Tecnologia de Catanduva CURSO SUPERIOR DE TECNOLOGIA EM AUTOMAÇÃO INDUSTRIAL Faculdade de Tecnologa de Catanduva CURSO SUPERIOR DE TECNOLOGIA EM AUTOMAÇÃO INDUSTRIAL 7. GRÁFICOS DE INFORMAÇÕES São grácos tpcamente epostvos destnados, prncpalmente, ao públco em geral, objetvando

Leia mais

O problema da superdispersão na análise de dados de contagens

O problema da superdispersão na análise de dados de contagens O problema da superdspersão na análse de dados de contagens 1 Uma das restrções mpostas pelas dstrbuções bnomal e Posson, aplcadas usualmente na análse de dados dscretos, é que o parâmetro de dspersão

Leia mais

AULA EXTRA Análise de Regressão Logística

AULA EXTRA Análise de Regressão Logística 1 AULA EXTRA Análse de Regressão Logístca Ernesto F. L. Amaral 13 de dezembro de 2012 Metodologa de Pesqusa (DCP 854B) VARIÁVEL DEPENDENTE BINÁRIA 2 O modelo de regressão logístco é utlzado quando a varável

Leia mais

Estatística Experimental Medicina Veterinária. Faculadade de Ciências Agrárias e Veterinárias. Campus de Jaboticabal SP. Gener Tadeu Pereira

Estatística Experimental Medicina Veterinária. Faculadade de Ciências Agrárias e Veterinárias. Campus de Jaboticabal SP. Gener Tadeu Pereira MATERIAL DIDÁTICO Medcna Veternára Faculadade de Cêncas Agráras e Veternáras Campus de Jabotcabal SP Gener Tadeu Perera º SEMESTRE DE 04 ÍNDICE INTRODUÇÃO AO R AULA ESTATÍSTICA DESCRITIVA 3 º EXERCÍCIO

Leia mais

FACULDADE DE TECNOLOGIA TUPY CURITIBA

FACULDADE DE TECNOLOGIA TUPY CURITIBA FACULDADE DE TECNOLOGIA TUPY CURITIBA MÉTODOS QUANTITATIVOS ESTATÍSTICA APLICADA VAGNER J. NECKEL 2010 Rev. 00 SUMÁRIO 1. CONCEITOS GERAIS...3 1.1 PANORAMA HISTÓRICO...3 1.2 DEFINIÇÃO...3 1.3 A ESTATÍSTICA

Leia mais

Elaboração: Novembro/2005

Elaboração: Novembro/2005 Elaboração: Novembro/2005 Últma atualzação: 18/07/2011 Apresentação E ste Caderno de Fórmulas tem por objetvo nformar aos usuáros a metodologa e os crtéros de precsão dos cálculos referentes às Cédulas

Leia mais

Aplicando o método de mínimos quadrados ordinários, você encontrou o seguinte resultado: 1,2

Aplicando o método de mínimos quadrados ordinários, você encontrou o seguinte resultado: 1,2 Econometra - Lsta 3 - Regressão Lnear Múltpla Professores: Hedbert Lopes, Prscla Rbero e Sérgo Martns Montores: Gustavo Amarante e João Marcos Nusdeo QUESTÃO 1. Você trabalha na consultora Fazemos Qualquer

Leia mais

Microeconomia II. Cursos de Economia e de Matemática Aplicada à Economia e Gestão. AULA 2.1 Oligopólio em Quantidades (Cournot)

Microeconomia II. Cursos de Economia e de Matemática Aplicada à Economia e Gestão. AULA 2.1 Oligopólio em Quantidades (Cournot) Mcroeconoma II Cursos de Economa e de Matemátca Aplcada à Economa e Gestão AULA 2.1 Olgopólo em Quantdades (Cournot) Isabel Mendes 2007-2008 18-03-2008 Isabel Mendes/MICRO II 1 2.1 Olgopólo em Quantdades

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

b. As medidas de posição mais importantes são as medidas de tendência central. Dentre elas, destacamos: média aritmética, mediana, moda.

b. As medidas de posição mais importantes são as medidas de tendência central. Dentre elas, destacamos: média aritmética, mediana, moda. Meddas de Posção Introdução a. Dentre os elementos típcos, destacamos aqu as meddas de posção _ estatístcas que representam uma sére de dados orentando-nos quanto à posção da dstrbução em relação ao exo

Leia mais

Matemática Ficha de Trabalho

Matemática 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 mais

Resolução das Questões Objetivas

Resolução das Questões Objetivas COMISSÃO PERMANENTE DE SELEÇÃO COPESE PRÓ-REITORIA DE GRADUAÇÃO PROGRAD CONCURSO PISM III - TRIÊNIO 2008-2010 Prova de Matemátca Resolução das Questões Objetvas São apresentadas abaxo possíves soluções

Leia mais

1 a Lei de Kirchhoff ou Lei dos Nós: Num nó, a soma das intensidades de correntes que chegam é igual à soma das intensidades de correntes que saem.

1 a Lei de Kirchhoff ou Lei dos Nós: Num nó, a soma das intensidades de correntes que chegam é igual à soma das intensidades de correntes que saem. Les de Krchhoff Até aqu você aprendeu técncas para resolver crcutos não muto complexos. Bascamente todos os métodos foram baseados na 1 a Le de Ohm. Agora você va aprender as Les de Krchhoff. As Les de

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

Consideraremos agora, uma de cada vez, as equivalentes angulares das grandezas de posição, deslocamento, velocidade e aceleração.

Consideraremos agora, uma de cada vez, as equivalentes angulares das grandezas de posição, deslocamento, velocidade e aceleração. CAPÍTULO 5 77 5.1 Introdução A cnemátca dos corpos rígdos trata dos movmentos de translação e rotação. No movmento de translação pura todas as partes de um corpo sofrem o mesmo deslocamento lnear. Por

Leia mais

INTRODUÇÃO AO CÁLCULO DE ERROS NAS MEDIDAS DE GRANDEZAS FÍSICAS

INTRODUÇÃO AO CÁLCULO DE ERROS NAS MEDIDAS DE GRANDEZAS FÍSICAS Físca Laboratoral Ano Lectvo 003/04 ITRODUÇÃO AO CÁLCULO DE ERROS AS MEDIDAS DE GRADEAS FÍSICAS. Introdução.... Erros de observação: erros sstemátcos e erros fortutos ou acdentas... 3. Precsão e rgor...3

Leia mais

UNIVERSIDADE PRESBITERIANA MACKENZIE CCSA - Centro de Ciências Sociais e Aplicadas Curso de Economia

UNIVERSIDADE PRESBITERIANA MACKENZIE CCSA - Centro de Ciências Sociais e Aplicadas Curso de Economia CCSA - Centro de Cêncas Socas e Aplcadas Curso de Economa ECONOMIA REGIONAL E URBANA Prof. ladmr Fernandes Macel LISTA DE ESTUDO. Explque a lógca da teora da base econômca. A déa que sustenta a teora da

Leia mais

Estudo quantitativo do processo de tomada de decisão de um projeto de melhoria da qualidade de ensino de graduação.

Estudo quantitativo do processo de tomada de decisão de um projeto de melhoria da qualidade de ensino de graduação. Estudo quanttatvo do processo de tomada de decsão de um projeto de melhora da qualdade de ensno de graduação. Rogéro de Melo Costa Pnto 1, Rafael Aparecdo Pres Espíndula 2, Arlndo José de Souza Júnor 1,

Leia mais

M mn (R) : conjunto das matrizes reais m n AnB = fx; x 2 A e x =2 Bg det A : determinante da matriz A

M mn (R) : conjunto das matrizes reais m n AnB = fx; x 2 A e x =2 Bg det A : determinante da matriz A NOTAÇÕES N = f1; ; ; g C conjunto dos números comlexos R conjunto dos números reas undade magnára = 1 [a; b] = fx R; a x bg jzj módulo do número z C [a; b[ = fx R; a x < bg z conjugado do número z C ]a;

Leia mais

γ = C P C V = C V + R = q = 2 γ 1 = 2 S gas = dw = W isotermico

γ = C P C V = C V + R = q = 2 γ 1 = 2 S gas = dw = W isotermico Q1 Um clndro feto de materal com alta condutvdade térmca e de capacdade térmca desprezível possu um êmbolo móvel de massa desprezível ncalmente fxo por um pno. O rao nterno do clndro é r = 10 cm, a altura

Leia mais

Hansard OnLine. Guia Unit Fund Centre

Hansard OnLine. Guia Unit Fund Centre Hansard OnLne Gua Unt Fund Centre Índce Págna Introdução ao Unt Fund Centre (UFC) 3 Usando fltros do fundo 4-5 Trabalhando com os resultados do fltro 6 Trabalhando com os resultados do fltro Preços 7 Trabalhando

Leia mais

(B) Considere X = antes e Y = depois e realize um teste t para dados pareados e um teste da ANOVA de um DBC com 5 blocos. Compare os resultados.

(B) Considere X = antes e Y = depois e realize um teste t para dados pareados e um teste da ANOVA de um DBC com 5 blocos. Compare os resultados. INF 6 Notas de aula sujeto a correções Prof. Luz Alexandre Peternell (B) Consdere X antes e Y depos e realze um teste t para dados pareados e um teste da ANOVA de um DBC com 5 blocos. Compare os resultados.

Leia mais

Análise de Variância. Introdução. Rejane Sobrino Pinheiro Tania Guillén de Torres

Análise de Variância. Introdução. Rejane Sobrino Pinheiro Tania Guillén de Torres Análse de Varânca Rejane Sobrno Pnhero Tana Gullén de Torres Análse de Varânca Introdução Modelos de análse de varânca consttuem uma classe de modelos que relaconam uma varável resposta contínua com varáves

Leia mais

SERVIÇO PÚBLICO FEDERAL MINISTÉRIO DA EDUCAÇÃO UNIVERSIDADE FEDERAL DE SERGIPE CONSELHO DO ENSINO, DA PESQUISA E DA EXTENSÃO

SERVIÇO PÚBLICO FEDERAL MINISTÉRIO DA EDUCAÇÃO UNIVERSIDADE FEDERAL DE SERGIPE CONSELHO DO ENSINO, DA PESQUISA E DA EXTENSÃO SERVIÇO PÚBLICO FEDERAL MINISTÉRIO DA EDUCAÇÃO UNIVERSIDADE FEDERAL DE SERGIPE CONSELHO DO ENSINO, DA PESQUISA E DA EXTENSÃO RESOLUÇÃO Nº 41/2016/CONEPE Aprova as Normas Geras do Processo Seletvo para

Leia mais

EXERCÍCIOS DE MATEMÁTICA Prof. Mário

EXERCÍCIOS DE MATEMÁTICA Prof. Mário EXERCÍCIOS DE MATEMÁTICA Prof. Máro e-mal: maroffer@yahoo.com.br 0 Conjuntos dos Números Complexos 0. Undade magnára º) Determne as raíes magnáras da equação x + 75 = 0 º) Encontre as raíes magnáras da

Leia mais

Para quantificar a variabilidade de um conjunto de dados ou medidas é que se usam medidas de dispersão. Vamos estudar algumas delas nesta aula.

Para quantificar a variabilidade de um conjunto de dados ou medidas é que se usam medidas de dispersão. Vamos estudar algumas delas nesta aula. Probabldade e Etatítca I Antono Roque Aula Medda de Dperão A medda de tendênca central não ão ufcente para e caracterzar um conjunto de dado. O motvo é que ete varação na natureza, to é, dado que venham

Leia mais