Critérios de correção e orientações de resposta exame

Tamanho: px
Começar a partir da página:

Download "Critérios de correção e orientações de resposta exame"

Transcrição

1 Mstéro da Cêca, Tecologa e Eso Superor U.C 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 de resolução, bem como algumas otas suplemetares que pretedem clarfcar métodos e dcar sugestões de correção de algus erros que se observaram as provas etregues pelos estudates. I. Cosdere a precptação (em mm) caída o Porto os aos 1997 a 007: Aos Precptação 16,5 149,1 101,7 46,8 403,4 157,5 33, 16,8 9,6 6,3 53,3 Com base os dados apresetados, respoda às alíeas: a) (.0 v) Qual a méda, a varâca e o coefcete de varação da precptação o Porto os aos em aálse? Comete a dspersão que calculou em termos da sua magtude. b) (.0 v) Costrua o gráfco de dspersão. Iterprete-o e dga o que pode coclur quato à correlação etre a precptação e o tempo. Resolução e crtéros: a) Nesta alíea, devem costar as epressões das meddas de estatístca descrtva que são peddas (de acordo com o que costa as folhas dgtalzadas a pasta Apotametos-Dados Estatístcos a pága da UC, ou outras fórmulas que sejam equvaletes); Devem ser dcados pelo meos parte dos cálculos (mesmo que realzados com recurso a calculadora), os resultados e os cometáros peddos. Méda dos =11 valores de precptação é dada por (16,5 149,1... 6,3 53,3) 145, 93 mm A varâca dos dados dá-os um valor para a dspersão dos dados relatvamete ao seu valor médo. Pode ser calculada pelas segutes epressões equvaletes: 1 1 s ( ) ou s. 1 1 Se cosderarmos a seguda epressão para fazer os cálculos temos o segute: 1 11 (16,5 149,1... 6,3 53,3 ) s (145,93) (145,93) 1348, Este valor mostra uma varâca muto elevada, mas, sedo um valor que resulta de parcelas elevadas quadrado, é etrado a sua raz quadrada e obtedo o desvo padrão que se poderá ter uma melhor dea se os dados estão muto ou pouco dspersos em relação à méda. O desvo padrão está as udades de medda das observações.

2 O coefcete de varação dá-os uma medda da dspersão dos dados relatvamete à méda, em s termos percetuas de dspersão. C. V. (quocete etre o desvo padrão e a méda). O C.V. é muto útl para comparar duas ou mas amostras que podem ter dferetes udades de medda. s 1348,63 115,89 C. V. 0,794 79,4%. 145,93 145,93 Cometáro aos valores obtdos tedo em cota a amostra cal, vê-se que há valores bastate díspares e a varabldade é grade. Isto cofrma-se também em relação ao valor médo da preceptação. A varâca é elevada, o desvo padrão é de 115,89 mm de precptação. A percetagem de varabldade é de 79,4%. Outras meddas de dspersão que poderam ser dcadas são a ampltude dos dados, A=Ma-M, e a ampltude ter-quarts. Nota1: Quado se fala em Varâca de uma amostra, a epressão que se pede é a ateror, deotada por S. O deomador é, ou seja, o úmero total de observações da amostra. Quado é pedda a Varâca Corrgda, etão, o deomador passa a ser -1, e dca-se S (lê-se S lha ao quadrado). A varâca corrgda é etão calculada por 1 s' ( ), mas também pode ser calculada usado a prmera s' s. Recorde-se que sedo a varâca resultate da soma de parcelas elevadas ao quadrado, uca pode ter um valor egatvo. O mesmo acotece obvamete com o desvo padrão. Na folha de cálculo Mcrosoft Ecel 007, a fução estatístca que calcula a varâca mas comum S, deota-se por VAR). A varâca corrgda é calculada pela strução/fução VAR(). Nota: Algus aluos cofudram Coefcete de Varação com coefcete de Correlação coceto este que é totalmete dstto do prmero. O coefcete de correlação é uma medda da tesdade da relação lear etre duas varáves. Este coefcete vara etre -1 (correlação egatva perfeta) e 1 (correlação postva perfeta). Se a correlação é zero, etão as varáves ão são correlacoadas. O coefcete de correlação lear de Pearso, o mas comum, pode ser calculado pela epressão segute tópco 1.8 das folhas a pága da U.C., Apotametos-Dados Estatístcos). ode S e S y são os desvos padrões de e de Y respetvamete (Ver b) No gráfco de dspersão é possível vsualzar o comportameto dos íves de precptação ao logo do período de aos em causa. Observamos que os aos de 001 e 003 são os que têm íves de precptação mas elevados, 000 e 005 os mas baos. Relatvamete à correlação etre a precptação observada e o tempo, observado apeas o gráfco, ão parece haver um padrão de evolução ou dmução ao logo do tempo, ou seja, ão parece haver correlação forte etre as duas varáves, precptação (mm) e tempo (em aos) Precptação a cdade do Porto precptação Pága de 11

3 ota: Na resolução ão é peddo o cálculo do coefcete de correlação, mas sera possível cofrmar a ão estêca de uma correlação lear calculado o coefcete de correlação de Pearso, r, por eemplo, que é o coefcete mas comum. A título de eemplo, resummos aqu os passos para o cálculo do coefcete de correlação. Aos- Precptação-y *y ,5 3451, , , ,7 0398, , , , , , , , , 005 9, , , , ,1 soma Méda do aos e méda da precptação - Desvo padrão dos aos e da precptação Cofrma-se que a correlação fraca, pos ão é muto superor a zero. Sedo o coefcete egatvo, que dzer que as varáves crescem em setdo cotráro, ou seja, a precptação decresce com o aumeto do tempo. No etato, sedo o valor bao, ão podemos trar esta coclusão. A correlação sera forte (muto tesa), se o coefcete fosse superor a 0,8 em valor absoluto. II. Uma peça é maufacturada por 3 fábrcas: 1, e 3. Sabe-se que a fábrca produz,5 vezes a produção de cada uma das fábrcas 1 e 3. Além dsso, 3% das peças produzdas pelas fábrcas 1 e 3 são defetuosas, equato 4 % das produzdas pela fábrca são defetuosas. Todas as peças produzdas são colocadas o mesmo armazém. Tra-se uma peça ao acaso da produção global. Qual a probabldade: a) (1.0 v) De ter sdo produzda a fábrca? b) (1.0 v) Da peça ser defetuosa? (Caso ão teha resolvdo a alíea a) cosdere que é equprovável a probabldade da peça ser produzda em qualquer uma das fábrcas) c) (1.5 v) De ter sdo produzda a fábrca 1, sabedo que a peça retrada é defetuosa? (caso ão teha resolvdo a alíea ateror cosdere gual o valor 0,03 para a probabldade solctada) Resolução e crtéros a) O problema apresetado sere-se o cálculo de probabldades sobre acotecmetos que ocorrem um uverso, cludo as probabldades codcoas. Para ter uma resposta completa, teressa detfcar e descrever uma lguagem formal todos os acotecmetos evolvdos, detfcar quas as probabldades que são peddas as alíeas do eucado, apresetar o seu cálculo e os resultado. O Uverso é o uverso da produção das peças. O uverso é costtuído por 3 fábrcas F 1, F e F 3. Sejam etão os acotecmetos F 1 = «A peça é produzda pela fábrca F 1» F = «A peça é produzda pela fábrca F» F 3 = «A peça é produzda pela fábrca F 3» Pága 3 de 11

4 Sedo as 3 fábrcas resposáves pela totaldade da produção (do uverso), e assumdo que cada fábrca produz de forma depedete das outras, etão a soma das probabldades de produção das 3 fábrcas tem de ser gual a 1. )= P (F 1 ) + F ) + F 3 ) = 1. ( represeta o uverso dos locas de produção das peças) Do eucado retra-se o segute: F ) =,5 P (F 1 ) e F ) =,5 P (F 3 ). Daqu se coclu que F e F 3 produzem a mesma percetagem de peças. Etão, substtudo a equação cal e resolvedo tem-se P (F 1 ) +,5 P (F 1 ) + F 1 ) = 1, dode 4,5F 1 ) = 1 => F 1 ) = 0, Daqu tramos F 3 ) = 0, e F ) =,50,=0,56 Respodedo à perguta, coclu-se que a probabldade da peça trada ao acaso ser proveete da Fábrca é apromadamete gual a 0,56. b) Uma peça pode ser defetuosa a partr de três orges, ou seja a probabldade de ser defetuosa está codcoada ao local ode fo fabrcada. Como à partda ão é dto ode fo fabrcada, temos de calcular a Probabldade Total da peça ser defetuosa, poderado às 3 orges possíves. Defa-se o acotecmeto D que pode ocorrer o uverso das 3 fábrcas D = «Retra-se uma peça defetuosa». No eucado estão presetes as segutes probabldades codcoadas: Probabldade de uma peça ser defetuosa se (codcoada a) for produzda pela Fábrca 1 P (D F 1 ) = 0,03 (3%). Sabe-se também que P (D F 3 ) = 0,03 e que P (D F ) = 0,04. Pelo teorema das probabldades totas, a probabldade total da peça ser defetuosa, poderada às 3 orges possíves é: D) = P (D F 1 ) P (F 1 ) + P (D F ) P (F ) + P (D F 3 ) P (F 3 ) = 0,03 0, + 0,04 0,56 + 0,03 0,=0,0356 Nota: a resolução desta questão poda recorrer ao cohecdo dagrama de probabldades em árvore e sera acete essa apresetação, desde que fossem calmete defdos os acotecmetos. c) Nesta alíea é dto que se retra ao acaso uma peça da produção global e verfca-se que é defetuosa. A probabldade pedda é a segute: sabedo que a peça é defetuosa, qual a probabldade de ser proveete da Fábrca 1? -> P (F 1 D) (D é o acotecmeto codcoate o que sabemos a pror F 1 é o acotecmeto codcoado aquele cuja probabldade de ocorrêca pretedemos, codcoados à formação que se cohece) Trata-se de um problema que pode ser resolvdo com a fórmula de Bayes D F ) F1 ) 0,03 0, P (F 1 D) = 1 0, 185 D) 0,0356 III. Cosdere uma eperêca aleatóra que cosste o laçameto de dos dados perfetos (ão vcados) dsttos e observa-se o úmero de ptas a face voltada para cma. Defdo a varável aleatóra como o produto dos resultados obtdos as duas faces, determe: a) (1.0 v) O espaço de resultados da eperêca aleatóra do laçameto dos dados. b) (1.0 v) Os valores possíves para e a sua fução de probabldade. c) (1.0 v) A fução dstrbução da varável aleatóra. d) (1.5 v) O valor médo e a varâca da v. a.. Pága 4 de 11

5 Resolução e crtéros Na resolução das alíeas propostas o estudate deve detfcar as varáves, descrever todos os resultados possíves do laçameto e os valores possíves para a varável, tal como está defda. Devem apresetar todas as epressões que utlzam, as cosultadas o formuláro e outras de que ecesstem. a) A eperêca está defda do segute modo: laçameto de dos dados perfetos (ão vcados) dsttos e observa-se o úmero de ptas a face voltada para cma. Chamemos A e B aos dos dados. Etão, o espaço de resultados é costtuído por todos os pares ordeados (a, b) possíves, os quas a represeta o úmero de ptas do dados A e b represeta o úmero de ptas do dado B. a e b podem varar de 1 até 6, o que dá 36 pares possíves (porque os dados são dsttos). = {(1,1), (1,), (1,3), (1,4), (1,5), (1,6), (, 1), (,), (,3),... (6,5), (6,6)}; ou resumdamete = {(a,b): a=1,,3, 4,5,6; b=1,,3, 4,5,6 }; b) Produto dos resultados obtdos as duas faces A vsualzação dos resultados possíves para é smplfcada se colocarmos as possbldades um quadro de dupla etrada. No teror grelha estão todos os produtos possíves. (são acetes em eame apresetações gualmete corretas) Face do Dado A Face do Dado B A fução de probabldade cosste em atrbur a cada valor de a sua probabldade de ocorrêca. Assummos que os dados são ão vcados e os laçametos depedetes. Assm, é possível calcular a probabldade como (úmero de casos favoráves/todos os casos possíves). Por eemplo, a probabldade de tomar o valor 1 é gual a 4/36. A probabldade de tomar o valor 10 é gual a /36. A fução de probabldade pode ser resumda da segute forma: c) Sedo uma varável aleatóra dscreta (toma valores em potos e ão um tervalo de úmeros reas), a fução dstrbução tem a epressão F f. É portato uma fução cumulatva de probabldades. Para cada do domío da varável, atrbu-se a probabldade de Pága 5 de 11

6 ser meor ou gual que esse. Relembremos que o domío de são todos produtos, ou seja {1,, 3, 4, 5, 6, 8, 9, 10, 1, 15, 16, 18, 0, 4, 5, 30, 36}. Apresetado os cálculos a forma mas detalhada temos o segute quadro da fução dstrbução de : (todos os valores de ), F()= ) 0 1/36 1/36 + =) =3/36 Cotuação <1 1 < < 3 3 < 4 4 < 5 5 < 6 6 < 8 8 <9 9 <10 3/36 + =3) =3/36+/36 =5/36 5/36 + =4) =5/36+3/36 =8/36 8/36 + =5) =8/36+/36 =10/36 10/36 + =6) =10/36+4/36 =14/36 14/36 + =8) =14/36+/36 =16/36 16/36 + =9) =16/36+1/36 =17/36 ) 10 <1 1 <15 15 <16 16 <18 18 <0 0 <4 4 <5 5 <30 30 < /36 + =10) =17/36+/36 =19/36 19/36 + =1) =19/36+4/36 =3/36 3/36 + =15) =3/36+/36 =5/36 5/36 + =16) =5/36+1/36 =6/36 6/36 + =18) =6/36+/36 =8/36 8/36 + =0) =8/36+/36 =30/36 8/36 + =4) =30/36+/36 =3/36 3/36 + =5) =3/36+1/36 =33/36 33/36 + =30) =33/36+/36 =35/36 Nota: a letura do quadro faz-se do segute modo: a probabldade de o produto,, tomar valores ferores a 14 (ou à esquerda de 14) é gual a 3/36. O tervalo assalado a amarelo o quadro 1 <15, sgfca que pode tomar todos os valores esse tervalo, eceptuado 15, por ser aberto à dreta. 35/36 + =36) =35/36+1/36 =36/36=1 d) O valor médo ou Valor Esperado de uma varável aleatóra dscreta é dado por E f ) Var A varâca é dada por f Etão, para a presete varável, o cálculo do valor esperado é E , IV. Uma empresa dspõe de uma caa multbaco para utlzação dos seus fucoáros, depos de mutas observações cocluu-se que o úmero de utlzações da caa multbaco segue um processo de Posso. Em méda, por hora, 8 pessoas utlzam os servços da caa multbaco. Calcule a probabldade de: a) (1.0 v) Numa hora escolhda aleatoramete, ão ter havdo mas do que uma pessoa a utlzar a máqua. b) (1.0 v) Numa hora, escolhda aleatoramete, a máqua ter sdo utlzada o mímo por 7 pessoas. c) (1.5 v) Num tervalo de 10 mutos, escolhdos aleatoramete, ehuma pessoa ter utlzado a máqua. Resolução e crtéros Na resolução desta questão os estudates devem defr a varável aleatóra em causa, detfcar o parâmetro da dstrbução de Posso para este caso, defr os acotecmetos evolvdos em cada alíea dcar os cálculos ecessáros e apresetar os resultados. a) Comece-se por descrever formalmete a varável presete o eucado Número de utlzações da caa Multbaco (caa ATM) por hora(60 mutos). Pága 6 de 11

7 Sabe-se que em méda há 8 pessoas por hora que levatam dhero a caa multbaco da empresa, etão, a varável segue uma dstrbução de Posso com valor médo gual a 8. Sedo o parâmetro λ gual ao valor médo, tem-se Posso (λ = 8) ou, resumdamete P (λ = 8). Pede-se esta alíea a probabldade de ão haver mas de 1 pessoa a utlzar a máqua uma hora escolhda ao acaso. Não haver mas do que uma é equvalete a dzer que a caa é utlzada por zero pessoas ou por uma pessoa, o mámo. 1) 0) 0 8 e 1) 0! e 1! 8 0,003 b) Nesta alíea pede-se a probabldade, uma hora escolhda ao acaso, a máqua ter sdo utlzada o mímo por 7 pessoas. No mímo 7 sgfca que poderão ser 7, 8, 9, 10, 11, 1. Por ão haver lmte mámo, é mas fácl calcular a probabldade usado o verso ) 1 e 7) 1 0! 1!! 3! 4! 5! 6! Nota. Por defção o fatoral de zero, 0!, é 1. O fatoral de qualquer úmero tero é represetado por! e é determado por!= (-1) (-) 1. Por eemplo, o fatoral de 5 calcula-se por - 5!= =10. (uma calculadora cetífca tem uma fução que dca o fatoral de qualquer úmero tero, e geralmete está uma tecla assalada por!) c) Nesta alíea pede-se a probabldade de ehuma pessoa utlzar a máqua multbaco um período de 10 mutos escolhdos ao acaso. No eucado é dado o valor médo de utlzadores para uma hora, teressa fazer a proporção para 10 mutos. Se em 60 mutos a máqua é utlzada, em méda, por 8 pessoas, em 10 mutos, a máqua será utlzada em méda por 10 pessoas. 1, Temos agora a varável Y Número de utlzações da caa Multbaco em cada 10 m. 0 1,33 1,33 e A dstrbução passa a ser Y P (λ = 1,33). A probabldade pedda é P ( Y 0) 0, 64 0! V. Os resultados uma prova de corrda de determada modaldade são ormalmete dstrbuídos com uma méda de 35 segudos e um desvo padrão de 6 segudos. Qual a probabldade de uma prova seleccoada aleatoramete obter resultados: a) (1.0 v) Superores a 3s? (faça o esboço gráfco marcado a área correspodete) b) (1.0 v) Iferores a 36s? (faça o esboço gráfco) c) (1.5 v) Etre os 30s e os 37s? (faça o esboço gráfco) d) (1.0 v) De o fal da prmera volta, correspodete a quze provas de corrda, a méda dos resultados ser feror a 34 s? Resolução e crtéros Esta questão evolve prcpalmete o cohecmeto da le de dstrbução Normal, os seus parâmetros e e o cálculo das probabldades deste tpo de varável com recurso à stadardzação (varável reduzda) e à cosulta da tabela. É acete uma resolução equvalete à que se segue. a) Sedo Tempo de duração da corrda realzado pelo atleta, em segudos. N (=35; =6). Pága 7 de 11

8 Pede-se a probabldade >3), probabldade correspodete à área da curva que fca à dreta de 3. Sabe-se que ão é fácl determar aaltcamete esta probabldade mas o cálculo é facltado usado a varável Normal reduzda é dada por Z ~ N( 0, 1) e que tem a fução dstrbução tabelada. Sabemos também que a tabela forece probabldades acumuladas à esquerda de um Z, por sso é coveete utlzar a probabldade complemetar (probabldade à dreta de z = 1-probabldade à esquerda de z). 3) 1 3) ta em s ambososlados dardzado P Z 0,5) 1 ( 0,5) 1 0,309 0, 691 valor paraz tabelado 0, ,4 40,4 43,4 46,4 49,4 5,4 55,4 z 0 1-0,6 0,74 0,71-0,5 0,309 0,305-0,4 0,345 0,341 b) Nesta alíea pede-se a probabldade < 36). Utlzado um racocío aálogo ao da alíea ateror determa-se esta probabldade. 36) Z 0,167) (0,17) 0, ,4 40,4 43,4 46,4 49,4 5,4 55,4 c) Nesta alíea pede-se a probabldade de um tervalo, 30<<37). Sabemos da teora das probabldades que a<<b)=f(b)-f(a). No caso da dstrbução ormal reduzda a otação é a<<b)=(b)-(a). Utlzado ovamete o racocío das alíeas aterores, tem-se: ) P Z 6 6 0,83 Z 0,33) (0,33) ( 0,83) 0,69 0,03 0, ,4 18,8 1, 3,6 6 8,4 30,8 33, 35 37,4 39,8 4, 44, ,4 51,8 54, z ,0 0,03 0,0 0,0 0, ,8 0,1 0,09 0,06 0, ,3 0,618 0,6 0,66 0,69 Pága 8 de 11

9 d) Nesta alíea pede-se a probabldade para uma méda de um cojuto de 15 provas. Não é pedda uma probabldade para, o tempo de uma prova de corrda. A méda de 15 provas também é uma varável aleatóra (porque para cada amostra de provas temos uma méda de tempos, logo ma méda é varável). Defa-se etão = Tempo médo de corrda relatvo, a 15 provas realzadas Sedo a méda de tempos de prova que seguem cada um uma dstrbução ormal; sedo as provas de corrda depedetes; a méda das 15 provas também tem dstrbução ormal, e sabe-se que os parâmetros são os segutes: N ; N ; Etão, para =15, 35 segudos e a varâca é 6 /15 36/15, 4, o que quer dzer que o desvo padrão é,4 1, P ( 34) PZ Z 0.646) ( 0,65) 0,58 1,549 Pága 9 de 11

10 ANEO A Modelos Epressão das fuções de Probabldade Beroull ) p ( 1 p ) =0,1 1 p p(1-p) Bomal ) p (1 p) =0,1,.. p p(1-p) Posso e ) =0,1,...! Uforme ) 1 =0,1, Geométrca P ( ) p( 1 p ) 1 ; =1,... 1 p 1 p p M N M Hpergeométrca ) N M M N M N.. N N N N 1 Epressão das fuções de: Modelos Desdade Dstrbução Epoeca l f() ep( ) 0 F() 1 ep( ) b a f() a, b Uforme a F() a, b b a a b b a 1 Normal f() 1 1 ep Pága 10 de 11

11 Aeo A - Valores da Fução Dstrbução Normal Reduzda z u z 1 e du PZ z z ,0 0,03 0,0 0,0 0,01 0,01 0,00 0,00 0,019 0,019 0,018-1,9 0,09 0,08 0,07 0,07 0,06 0,06 0,05 0,04 0,04 0,03-1,8 0,036 0,035 0,034 0,034 0,033 0,03 0,031 0,031 0,030 0,09-1,7 0,045 0,044 0,043 0,04 0,041 0,040 0,039 0,038 0,038 0,037-1,6 0,055 0,054 0,053 0,05 0,051 0,049 0,048 0,047 0,046 0,046-1,5 0,067 0,066 0,064 0,063 0,06 0,061 0,059 0,058 0,057 0,056-1,4 0,081 0,079 0,078 0,076 0,075 0,074 0,07 0,071 0,069 0,068-1,3 0,097 0,095 0,093 0,09 0,090 0,089 0,087 0,085 0,084 0,08-1, 0,115 0,113 0,111 0,109 0,107 0,106 0,104 0,10 0,100 0,099-1,1 0,136 0,134 0,131 0,19 0,17 0,15 0,13 0,11 0,119 0,117-1,0 0,159 0,156 0,154 0,15 0,149 0,147 0,145 0,14 0,140 0,138-0,9 0,184 0,181 0,179 0,176 0,174 0,171 0,169 0,166 0,164 0,161-0,8 0,1 0,09 0,06 0,03 0,00 0,198 0,195 0,19 0,189 0,187-0,7 0,4 0,39 0,36 0,33 0,30 0,7 0,4 0,1 0,18 0,15-0,6 0,74 0,71 0,68 0,64 0,61 0,58 0,55 0,51 0,48 0,45-0,5 0,309 0,305 0,30 0,98 0,95 0,91 0,88 0,84 0,81 0,78-0,4 0,345 0,341 0,337 0,334 0,330 0,36 0,33 0,319 0,316 0,31-0,3 0,38 0,378 0,374 0,371 0,367 0,363 0,359 0,356 0,35 0,348-0, 0,41 0,417 0,413 0,409 0,405 0,401 0,397 0,394 0,390 0,386-0,1 0,460 0,456 0,45 0,448 0,444 0,440 0,436 0,433 0,49 0,45-0,0 0,500 0,496 0,49 0,488 0,484 0,480 0,476 0,47 0,468 0,464 0,0 0,500 0,504 0,508 0,51 0,516 0,50 0,54 0,58 0,53 0,536 0,1 0,540 0,544 0,548 0,55 0,556 0,560 0,564 0,567 0,571 0,575 0, 0,579 0,583 0,587 0,591 0,595 0,599 0,603 0,606 0,610 0,614 0,3 0,618 0,6 0,66 0,69 0,633 0,637 0,641 0,644 0,648 0,65 0,4 0,655 0,659 0,663 0,666 0,670 0,674 0,677 0,681 0,684 0,688 0,5 0,691 0,695 0,698 0,70 0,705 0,709 0,71 0,716 0,719 0,7 0,6 0,76 0,79 0,73 0,736 0,739 0,74 0,745 0,749 0,75 0,755 0,7 0,758 0,761 0,764 0,767 0,770 0,773 0,776 0,779 0,78 0,785 0,8 0,788 0,791 0,794 0,797 0,800 0,80 0,805 0,808 0,811 0,813 0,9 0,816 0,819 0,81 0,84 0,86 0,89 0,831 0,834 0,836 0,839 1,0 0,841 0,844 0,846 0,848 0,851 0,853 0,855 0,858 0,860 0,86 1,1 0,864 0,867 0,869 0,871 0,873 0,875 0,877 0,879 0,881 0,883 1, 0,885 0,887 0,889 0,891 0,893 0,894 0,896 0,898 0,900 0,901 1,3 0,903 0,905 0,907 0,908 0,910 0,911 0,913 0,915 0,916 0,918 1,4 0,919 0,91 0,9 0,94 0,95 0,96 0,98 0,99 0,931 0,93 1,5 0,933 0,934 0,936 0,937 0,938 0,939 0,941 0,94 0,943 0,944 1,6 0,945 0,946 0,947 0,948 0,950 0,951 0,95 0,953 0,954 0,954 1,7 0,955 0,956 0,957 0,958 0,959 0,960 0,961 0,96 0,96 0,963 1,8 0,964 0,965 0,966 0,966 0,967 0,968 0,969 0,969 0,970 0,971 1,9 0,971 0,97 0,973 0,973 0,974 0,974 0,975 0,976 0,976 0,977,0 0,977 0,978 0,978 0,979 0,979 0,980 0,980 0,981 0,981 0,98 FIM Pága 11 de 11

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

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

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 - 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

DISTRIBUIÇÃO HIPERGEOMÉTRICA

DISTRIBUIÇÃO 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 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

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

Critérios de correção e orientações de resposta p-fólio

Critérios de correção e orientações de resposta p-fólio Miistério da Ciêcia, Tecologia e Esio Superior U.C. 037 Elemetos de Probabilidade e Estatística de Juho de 0 Critérios de correção e orietações de resposta p-fólio Neste relatório apresetam-se os critérios

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

Distribuições de Probabilidades

Distribuições 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 mais

É o grau de associação entre duas ou mais variáveis. Pode ser: correlacional ou. experimental.

É 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 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

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

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

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 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 mais

INTRODUÇÃO ÀS PROBABILIDADES E ESTATÍSTICA

INTRODUÇÃO 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 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

50 Logo, Número de erros de impressão

50 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 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

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

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

Tabela 1 Números de acidentes /mês no Cruzamento X em CG/07. N de acidentes / mês fi f

Tabela 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 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

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

? 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

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

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

Estatística Básica - Continuação

Estatística 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 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

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

É o grau de associação entre duas ou mais variáveis. Pode ser: correlacional ou experimental.

É 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 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

Teoria Elementar da Probabilidade. a) Cada experiência poderá ser repetida indefinidamente sob condições essencialmente inalteradas.

Teoria 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 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

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

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

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

ESTATÍSTICA MÓDULO 2 OS RAMOS DA ESTATÍSTICA

ESTATÍSTICA 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 mais

1. Conceito de variável aleatória Podemos estudar, por exemplo, algumas características dos alunos do Curso de estatística.

1. 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 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

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

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

Análise Exploratória de Dados

Análise 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 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

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

1. Conceitos básicos de estatística descritiva 1.3. Noção de extracção aleatória e de probabilidade

1. 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 mais

Prof. Lorí Viali, Dr. PUCRS FAMAT: Departamento de Estatística Prof. Lorí Viali, Dr. PUCRS FAMAT: Departamento de Estatística

Prof. Lorí Viali, Dr. PUCRS FAMAT: Departamento de Estatística Prof. Lorí Viali, Dr. PUCRS FAMAT: Departamento de Estatística Prof. Lorí Val, Dr. http://www.pucrs.br/famat/val/ val@pucrs.br Prof. Lorí Val, Dr. PUCRS FAMAT: Departameto de Estatístca Prof. Lorí Val, Dr. PUCRS FAMAT: Departameto de Estatístca Obetvos A Aálse de

Leia mais

Sumário. Mecânica. Sistemas de partículas

Sumário. Mecânica. Sistemas de partículas umáro Udade I MECÂNICA 2- Cetro de massa e mometo lear de um sstema de partículas - stemas de partículas e corpo rígdo. - Cetro de massa. - Como determar o cetro de massa dum sstema de partículas. - Vetor

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

9 Medidas Descritivas

9 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 mais

16/03/2014. IV. Juros: taxa efetiva, equivalente e proporcional. IV.1 Taxa efetiva. IV.2 Taxas proporcionais. Definição:

16/03/2014. IV. Juros: taxa efetiva, equivalente e proporcional. IV.1 Taxa efetiva. IV.2 Taxas proporcionais. Definição: 6// IV. Juros: taxa efetva, equvalete e proporcoal Matemátca Facera Aplcada ao Mercado Facero e de Captas Professor Roaldo Távora IV. Taxa efetva Defção: É a taxa de juros em que a udade referecal de seu

Leia mais

Hidrologia, Ambiente e Recursos Hídricos 2009 / Rodrigo Proença de Oliveira

Hidrologia, Ambiente e Recursos Hídricos 2009 / Rodrigo Proença de Oliveira Hdrologa, Ambete e Recursos Hídrcos 009 / 00 Rodrgo roeça de Olvera Aálse estatístca IST: Hdrologa, Ambete e Recursos Hídrcos Rodrgo roeça de Olvera, 009 Cocetos base Varável aleatóra oulação Fução de

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

ANÁLISE DE ERROS. Todas as medidas das grandezas físicas deverão estar sempre acompanhadas da sua dimensão (unidades)! ERROS

ANÁLISE 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 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

RACIOCÍNIO LÓGICO / ESTATÍSTICA LISTA 2 RESUMO TEÓRICO

RACIOCÍNIO 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 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

É o grau de associação entre duas ou mais variáveis. Pode ser: correlacional ou experimental.

É 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 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

x Ex: A tabela abaixo refere-se às notas finais de três turmas de estudantes. Calcular a média de cada turma:

x 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 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

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

ESTATÍSTICA MÓDULO 3 MEDIDAS DE TENDÊNCIA CENTRAL

ESTATÍSTICA 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 mais

Regressão. Pedro Paulo Balestrassi

Regressão. 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 mais

Bioestatística Curso de Saúde. Linha Reta 2 Parábola ou curva do segundo grau. terceiro grau curva do quarto. grau curva de grau n Hipérbole

Bioestatística 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 mais

Difusão entre Dois Compartimentos

Difusão entre Dois Compartimentos 59087 Bofísca II FFCLRP USP Prof. Atôo Roque Aula 4 Dfusão etre Dos Compartmetos A le de Fck para membraas (equação 4 da aula passada) mplca que a permeabldade de uma membraa a um soluto é dada pela razão

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

ANÁLISE DE REGRESSÃO E CORRELAÇÃO

ANÁLISE 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 mais

2. MODELO DETALHADO: Relações de Recorrência. Exemplo: Algoritmo Recursivo para Cálculo do Fatorial Substituição Repetida

2. MODELO DETALHADO: Relações de Recorrência. Exemplo: Algoritmo Recursivo para Cálculo do Fatorial Substituição Repetida . MODELO DETALHADO: Relações de Recorrêca Exemplo: Algortmo Recursvo para Cálculo do Fatoral Substtução Repetda T T ( ) ( ) t 1, T ( + t, > T ( ) T ( + t T ( ) ( T( ) + t + t ) + t T ( ) T ( ) T ( ) +

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

Dados Experimentais. Isto é chamado de experimento controlado. Uma das vantagens

Dados 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 mais

( ) ( ) ( ) ( ) ( ) ( ) ( ) ( ) ( ) ( ) [ ] ( ) ( k) ( k ) ( ) ( ) Questões tipo exame

( ) ( ) ( ) ( ) ( ) ( ) ( ) ( ) ( ) ( ) [ ] ( ) ( k) ( k ) ( ) ( ) Questões tipo exame Questões tpo eame Pá O poto U tem coordeadas (6, 6, 6) e o poto S pertece ao eo Oz, pelo que as suas coordeadas são (,, 6) Um vetor dretor da reta US é, por eemplo, US Determemos as suas coordeadas: US

Leia mais

Estatística: uma definição

Estatística: 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 mais

Cursos de Licenciatura em Ensino de Matemática e de EGI. Teoria de Probabilidade

Cursos de Licenciatura em Ensino de Matemática e de EGI. Teoria de Probabilidade Celso Albo FACULDADE DE CIÊNCIAS NATURAIS E MATEMÁTICA DEPARTAMENTO DE MATEMÁTICA Campus de Lhaguee, Av. de Moçambque, km, Tel: +258 240078, Fax: +258 240082, Maputo Cursos de Lcecatura em Eso de Matemátca

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

Centro de massa, momento linear de sistemas de partículas e colisões

Centro de massa, momento linear de sistemas de partículas e colisões Cetro de massa, mometo lear de sstemas de partículas e colsões Prof. Luís C. Pera stemas de partículas No estudo que temos vdo a fazer tratámos os objectos, como, por exemplo, blocos de madera, automóves,

Leia mais

Métodos iterativos. Capítulo O Método de Jacobi

Métodos iterativos. Capítulo O Método de Jacobi Capítulo 4 Métodos teratvos 41 O Método de Jacob O Método de Jacob é um procedmeto teratvo para a resolução de sstemas leares Tem a vatagem de ser mas smples de se mplemetar o computador do que o Método

Leia mais

ESCOLA SUPERIOR DE TECNOLOGIA E GESTÃO

ESCOLA 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 mais

Ex: Cálculo da média dos pesos dos terneiros da fazenda Canoas-SC, à partir dos dados originais: x = 20

Ex: Cálculo da média dos pesos dos terneiros da fazenda Canoas-SC, à partir dos dados originais: x = 20 . MEDIDAS DE TENDÊNCIA CENTRAL (OU DE POSIÇÃO) Coceto: São aquelas que mostram o alor em toro do qual se agrupam as obserações.. MÉDIA ARITMÉTICA ( ) Sea (x, x,..., x ), uma amostra de dados: Se os dados

Leia mais

Probabilidades e Estatística

Probabilidades 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 mais

Estatística: uma definição

Estatística: 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 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

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

Descritiva. Francisco Cysneiros DE - UFPE

Descritiva. 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 mais

Centro de Ciências Agrárias e Ambientais da UFBA Departamento de Engenharia Agrícola

Centro de Ciências Agrárias e Ambientais da UFBA Departamento de Engenharia Agrícola Cetro de Cêcas Agráras e Ambetas da UFBA Departameto de Egehara Agrícola Dscpla: AGR Boestatístca Professor: Celso Luz Borges de Olvera Assuto: Estatístca TEMA: Somatóro RESUMO E NOTAS DA AULA Nº 0 Seja

Leia mais

Estatística: uma definição

Estatística: 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 mais

Estudo das relações entre peso e altura de estudantes de estatística através da análise de regressão simples.

Estudo 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 mais

Aula 9. Aula de hoje. Aula passada. Self-normalized Importance Sampling Gerando amostras complicadas Variância amostral Simulação

Aula 9. Aula de hoje. Aula passada. Self-normalized Importance Sampling Gerando amostras complicadas Variância amostral Simulação Aula 9 Aula passada Método da rejeção (rejecto samplg) Exemplos Importace Samplg Exemplos Geeralzação Aula de hoje Self-ormalzed Importace Samplg Gerado amostras complcadas Varâca amostral Smulação Importace

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

INTRODUÇÃO A ESTATÍSTICA

INTRODUÇÃO A ESTATÍSTICA Hewlett-Packard INTRODUÇÃO A ESTATÍSTICA Aulas 01 e 06 Elso Rodrgues, Gabrel Carvalho e Paulo Luz Sumáro Defções... 1 EXERCÍCIOS FUNDAMENTAIS... 1 Meddas de tedêca cetral... 1 Méda artmétca smples... 1

Leia mais

CADERNO 1 (É permitido o uso de calculadora gráfica.)

CADERNO 1 (É permitido o uso de calculadora gráfica.) Proposta de teste de avalação [mao 09] Nome: Ao / Turma: N.º: Data: - - Não é permtdo o uso de corretor. Deves rscar aqulo que pretedes que ão seja classfcado. A prova clu um formuláro. As cotações dos

Leia mais

CEDEPLAR - UFMG Nivelamento em Estatística 2013 Prof a Sueli Moro. Variáveis aleatórias

CEDEPLAR - UFMG Nivelamento em Estatística 2013 Prof a Sueli Moro. Variáveis aleatórias CEDEPLAR - UFMG Nvelameto em Estatístca 3 Prof a Suel Moro Varáves aleatóras Varável aleatóra resultado ou produto de um epermeto aleatóro com um resultado úco. Varável resultado = Espaço amostral cojuto

Leia mais

Oitava Lista de Exercícios

Oitava Lista de Exercícios Uversdade Federal Rural de Perambuco Dscpla: Matemátca Dscreta I Professor: Pablo Azevedo Sampao Semestre: 07 Otava Lsta de Exercícos Lsta sobre defções dutvas (recursvas) e prova por dução Esta lsta fo

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

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

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

TRABALHO DE COMPENSAÇÃO DE FALTAS - DP

TRABALHO 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 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

Cálculo Numérico. Ajuste de Curvas Método dos Mínimos Quadrados. Profa. Vanessa Rolnik 1º semestre 2015

Cálculo Numérico. Ajuste de Curvas Método dos Mínimos Quadrados. Profa. Vanessa Rolnik 1º semestre 2015 Cálculo Numérco Ajuste de Curvas Método dos Mímos Quadrados Profa. Vaessa Rolk º semestre 05 Ajuste de curvas Para apromar uma fução f por um outra fução de uma famíla prevamete escolhda (caso cotíuo)

Leia mais

16 - PROBLEMA DO TRANSPORTE

16 - PROBLEMA DO TRANSPORTE Prof. Volr Wlhel UFPR TP05 Pesqusa Operacoal 6 - PROBLEMA DO TRANSPORTE Vsa zar o custo total do trasporte ecessáro para abastecer cetros cosudores (destos) a partr de cetros forecedores (orges) a, a,...,

Leia mais