Física Geral - Laboratório (2014/1) Estimativas e erros em medidas diretas (II) Níveis de confiança, compatibilidade e combinação

Tamanho: px
Começar a partir da página:

Download "Física Geral - Laboratório (2014/1) Estimativas e erros em medidas diretas (II) Níveis de confiança, compatibilidade e combinação"

Transcrição

1 Física Geral - Laboratório (2014/1) Estimativas e erros em medidas diretas (II) Níveis de confiança, compatibilidade e combinação 1

2 Resumo: estimativa do valor esperado estimativa do valor esperado ± erro (unidade) x x = s x p N Estimativa do erro de cada medida s x = v ux N t i=1 (x i x) 2 N 1 Estimativa do erro da média x = s x p N 2

3 Resumo: Erro da média 3

4 Resumo: Erro da média 3

5 Resumo: Erro da média 3

6 Resumo: Erro da média 3

7 Resumo: Erro da média Distribuição das médias de 100 experimentos, cada um com 100 medidas 4

8 Incertezas aleatórias: distribuição de Gauss 5

9 Incertezas aleatórias: distribuição de Gauss Fração de occorrências 5

10 Incertezas aleatórias: distribuição de Gauss Fração de occorrências 5

11 Incertezas aleatórias: distribuição de Gauss Fração de occorrências 5

12 Incertezas aleatórias: distribuição de Gauss Fração de occorrências 5

13 Incertezas aleatórias: distribuição de Gauss Fração de occorrências 5

14 Incertezas aleatórias: distribuição de Gauss f (x; µ, x) =A e (x µ) x Fração de occorrências σx μ σx 6

15 Incertezas aleatórias: Lei dos Erros Lei dos Erros : Para um número indefinidamente grande de medidas a distribuição das frequências se comporta como uma distribuição de Gauss f (x; µ, x) =A e (x µ) x 7

16 Incertezas aleatórias: distribuição de Gauss 8

17 Incertezas aleatórias: distribuição de Gauss σx σx 8

18 Incertezas aleatórias: distribuição de Gauss σx σx 2σx 2σx 8

19 Incertezas aleatórias: distribuição de Gauss 68,3% da área entre (μ - σx) e (μ + σx) 95,5% da área entre (μ - 2σx) e (μ + 2σx) 99,7% da área entre (μ - 3σx) e (μ + 3σx)... σx σx 2σx 2σx 8

20 Incertezas aleatórias: Intervalo de confiança estimativa do valor esperado ± erro (unidade) x x = s x p N 9

21 Incertezas aleatórias: Intervalo de confiança estimativa do valor esperado ± erro (unidade) x x = s x p N As estimativas do valor esperado e de seu erro associado definem um intervalo ao qual atribuímos um nível de confiança, de que o intervalo contenha o valor esperado Se considerarmos que as medidas se distribuem de acordo com uma distribuição de Gauss (Lei dos Erros), os valores dos níveis de confiança são determinados pela sua área correspondente 9

22 Incertezas aleatórias: Intervalo de confiança estimativa do valor esperado ± erro (unidade) x x = s x p N Intervalo de Confiança Nível de Confiança (cl) Intervalo de confiança de 68,3% (x 0,67 x, x + 0,67 x ) 50,0% (x 1,00 x, x + 1,00 x ) 68,3% (x 1,65 x, x + 1,65 x ) 90,0% (x 1,96 x, x + 1,96 x ) 95,0% (x 2,00 x, x + 2,00 x ) 95,5% (x 3,00 x, x + 3,00 x ) 99,7% Intervalo de confiança de 95,5% 10

23 Compatibilidade com um valor de referência Exemplo: Suponha que estamos medindo a densidade do ferro, com valor de referência ρref = 7,86 g/cm 3 11

24 Compatibilidade com um valor de referência Exemplo: Suponha que estamos medindo a densidade do ferro, com valor de referência ρref = 7,86 g/cm 3 Resultado Exp. 1: ρ1 = 8,1 ± 0,2 g/cm 3 ρ 3 (g/cm ) 8,6 8,4 8,2 8,0 7,8 7,6 0,2 68% (CL) ref 11

25 Compatibilidade com um valor de referência Exemplo: Suponha que estamos medindo a densidade do ferro, com valor de referência ρref = 7,86 g/cm 3 Resultado Exp. 1: ρ1 = 8,1 ± 0,2 g/cm 3 Resultado Exp. 2: ρ2 = 8,4 ± 0,1 g/cm 3 ρ 3 (g/cm ) ρ (g/cm 3 ) 8,6 8,6 0,1 8,4 8,2 8,0 0,2 68% (CL) 8,4 8,2 8,0 68% (CL) 7,8 ref 7,8 ref 7,6 7,6 11

26 Compatibilidade com um valor de referência Os resultados ρ1 e ρ2 são compatíveis com o valor de referência (ρref)? Resultado Exp. 1: ρ1 = 8,1 ± 0,2 g/cm 3 ρ 3 (g/cm ) 8,6 8,4 8,2 8,0 7,8 7,6 0,2 68% (CL) ref 12

27 Compatibilidade com um valor de referência Os resultados ρ1 e ρ2 são compatíveis com o valor de referência (ρref)? Resultado Exp. 1: ρ1 = 8,1 ± 0,2 g/cm 3 Discrepância ρ1 - ρref = 8,1-7,86 = 0,24 ~ 1σ ρ 3 (g/cm ) 8,6 8,4 8,2 8,0 7,8 7,6 0,2 68% (CL) ref 12

28 Compatibilidade com um valor de referência Os resultados ρ1 e ρ2 são compatíveis com o valor de referência (ρref)? Resultado Exp. 1: ρ1 = 8,1 ± 0,2 g/cm 3 Discrepância ρ1 - ρref = 8,1-7,86 = 0,24 ~ 1σ ρ 3 (g/cm ) 8,6 8,4 8,2 8,0 0,2 68% (CL) Note que, segundo a Lei dos erros, há uma expectiva de apenas ~68% de que o intervalo contenha o valor esperado 7,8 ref 7,6 12

29 Compatibilidade com um valor de referência Os resultados ρ1 e ρ2 são compatíveis com o valor de referência (ρref)? Resultado Exp. 1: ρ1 = 8,1 ± 0,2 g/cm 3 Discrepância ρ1 - ρref = 8,1-7,86 = 0,24 ~ 1σ ρ 3 (g/cm ) 8,6 8,4 8,2 8,0 7,8 0,2 68% (CL) ref Note que, segundo a Lei dos erros, há uma expectiva de apenas ~68% de que o intervalo contenha o valor esperado A discrepância não é estatisticamente significativa 7,6 12

30 Compatibilidade com um valor de referência Os resultados ρ1 e ρ2 são compatíveis com o valor de referência (ρref)? Resultado Exp. 2: ρ2 = 8,4 ± 0,1 g/cm 3 ρ (g/cm 3 ) 8,6 8,4 8,2 8,0 7,8 7,6 0,1 68% (CL) ref 13

31 Compatibilidade com um valor de referência Os resultados ρ1 e ρ2 são compatíveis com o valor de referência (ρref)? Resultado Exp. 2: ρ2 = 8,4 ± 0,1 g/cm 3 Discrepância ρ2 - ρref = 8,4-7,86 = 0,54 > 3σ ρ (g/cm 3 ) 8,6 8,4 8,2 8,0 7,8 7,6 0,1 68% (CL) ref 13

32 Compatibilidade com um valor de referência Os resultados ρ1 e ρ2 são compatíveis com o valor de referência (ρref)? Resultado Exp. 2: ρ2 = 8,4 ± 0,1 g/cm 3 Discrepância ρ2 - ρref = 8,4-7,86 = 0,54 > 3σ ρ (g/cm 3 ) 8,6 8,4 8,2 0,1 68% (CL) Uma discrepância de valor maior que 3 erros padrão é muito pouco provável (< 1%) e podemos dizer que o resultado é incompatível com o valor de referência 8,0 7,8 ref 7,6 13

33 Compatibilidade com um valor de referência Os resultados ρ1 e ρ2 são compatíveis com o valor de referência (ρref)? Resultado Exp. 2: ρ2 = 8,4 ± 0,1 g/cm 3 Discrepância ρ2 - ρref = 8,4-7,86 = 0,54 > 3σ ρ (g/cm 3 ) 8,6 8,4 8,2 0,1 68% (CL) Uma discrepância de valor maior que 3 erros padrão é muito pouco provável (< 1%) e podemos dizer que o resultado é incompatível com o valor de referência 8,0 7,8 ref A discrepância é significativa 7,6 13

34 Compatibilidade com um valor de referência A compatibilidade ou incompatibilidade de um resultado com um valor de referência depende portanto do nível de confiança associado. Por exemplo, dizemos que o resultado é incompatível quando a expectativa de se obter uma determinada discrepância é menor que 5%, 1% ou 0,1%? 14

35 Compatibilidade com um valor de referência A compatibilidade ou incompatibilidade de um resultado com um valor de referência depende portanto do nível de confiança associado. Por exemplo, dizemos que o resultado é incompatível quando a expectativa de se obter uma determinada discrepância é menor que 5%, 1% ou 0,1%? Regra prática: Vamos considerar um resultado compatível com um valor de referência quando a discrepância for menor que dois erros padrão. Se a discrepância for maior que três erros padrão ela é significativa e os resultados incompatíveis: x x ref < 2 x Compatíveis x x ref > 3 x Incompatíveis 2 x < x x ref < 3 x Inconclusivo 14

36 Compatibilidade de duas estimativas Se queremos avaliar a compatibilidade entre duas estimativas, podemos considerar a compatibilidade da diferença entre elas em relação ao valor de referência zero e considerando o erro associado entre as estimativas 15

37 Compatibilidade de duas estimativas Se queremos avaliar a compatibilidade entre duas estimativas, podemos considerar a compatibilidade da diferença entre elas em relação ao valor de referência zero e considerando o erro associado entre as estimativas Estimativa 1: Estimativa 2: x 1 ± x 2 ± x1 x2 15

38 Compatibilidade de duas estimativas Se queremos avaliar a compatibilidade entre duas estimativas, podemos considerar a compatibilidade da diferença entre elas em relação ao valor de referência zero e considerando o erro associado entre as estimativas Estimativa 1: x 1 ± x1 Discrepância: x 1 x 2 q Estimativa 2: x 2 ± x2 Erro associado: = 2 x1 + 2 x 2 15

39 q Compatibilidade de duas estimativas Se queremos avaliar a compatibilidade entre duas estimativas, podemos considerar a compatibilidade da diferença entre elas em relação ao valor de referência zero e considerando o erro associado entre as estimativas Exemplo (ρref = 7,86 g/cm 3 ): ρ1 = 8,1 ± 0,2 g/cm 3 ρ2 = 8,4 ± 0,1 g/cm 3 p ρ ρ (g/cm 3 ) 1 2 0,8 0,6 0,4 0,2 0,0-0,2 1 σ 2 σ zero ± ± 16

40 q Compatibilidade de duas estimativas Se queremos avaliar a compatibilidade entre duas estimativas, podemos considerar a compatibilidade da diferença entre elas em relação ao valor de referência zero e considerando o erro associado entre as estimativas Exemplo (ρref = 7,86 g/cm 3 ): ρ1 = 8,1 ± 0,2 g/cm 3 ρ2 = 8,4 ± 0,1 g/cm 3 p ρ ρ (g/cm 3 ) 1 2 0,8 0,6 0,4 0,2 0,0-0,2 1 σ 2 σ zero Discrepância 1 2 =0, 3g/cm 3 Erro associado: = p (0, 2) 2 +(0, 1) 2 0, 2g/cm 3 ± ± 16

41 q Compatibilidade de duas estimativas Se queremos avaliar a compatibilidade entre duas estimativas, podemos considerar a compatibilidade da diferença entre elas em relação ao valor de referência zero e considerando o erro associado entre as estimativas Exemplo (ρref = 7,86 g/cm 3 ): ρ1 = 8,1 ± 0,2 g/cm 3 ρ2 = 8,4 ± 0,1 g/cm 3 p ρ ρ (g/cm 3 ) 1 2 0,8 0,6 0,4 0,2 0,0-0,2 1 σ 2 σ zero Discrepância 1 2 =0, 3g/cm 3 Erro associado: = p (0, 2) 2 +(0, 1) 2 0, 2g/cm 3 As estimativas são compatíveis entre si (discrepância < 2σ) ± ± 16

42 Combinação de resultados compatíveis A partir de várias estimativas independentes {xi} do valor esperado de uma grandeza e respectivos erros padrão {σi}, o resultado combinado pode ser obtido da seguinte forma: 17

43 Combinação de resultados compatíveis A partir de várias estimativas independentes {xi} do valor esperado de uma grandeza e respectivos erros padrão {σi}, o resultado combinado pode ser obtido da seguinte forma: Estimativa padrão para o valor esperado: x = P N i=1 x i2 i P N i=1 1 2 i 17

44 Combinação de resultados compatíveis A partir de várias estimativas independentes {xi} do valor esperado de uma grandeza e respectivos erros padrão {σi}, o resultado combinado pode ser obtido da seguinte forma: Estimativa padrão para o valor esperado: Erro padrão associado: x = P N i=1 x i2 i P N i=1 1 2 i 1 = 2 x NX i=1 ou 1 2 i x = q PN i=1 1 2 i 1 17

45 Combinação de resultados compatíveis A partir de várias estimativas independentes {xi} do valor esperado de uma grandeza e respectivos erros padrão {σi}, o resultado combinado pode ser obtido da seguinte forma: Exemplo: 18

46 Combinação de resultados compatíveis A partir de várias estimativas independentes {xi} do valor esperado de uma grandeza e respectivos erros padrão {σi}, o resultado combinado pode ser obtido da seguinte forma: Exemplo: Estimativa 1: Estimativa 2: x 1 ± x 2 ± x1 x2 18

47 Combinação de resultados compatíveis A partir de várias estimativas independentes {xi} do valor esperado de uma grandeza e respectivos erros padrão {σi}, o resultado combinado pode ser obtido da seguinte forma: Exemplo: Estimativa 1: x 1 ± x1 x = = 1 Estimativa 2: x 2 ± x2 q

48 Combinação de resultados compatíveis A partir de várias estimativas independentes {xi} do valor esperado de uma grandeza e respectivos erros padrão {σi}, o resultado combinado pode ser obtido da seguinte forma: Exemplo: Estimativa 1: x 1 ± x1 x = = 1 Estimativa 2: x 2 ± x2 x = NX i=1 i q x i = 1 2 x x 2 18

49 Combinação de resultados compatíveis A partir de várias estimativas independentes {xi} do valor esperado de uma grandeza e respectivos erros padrão {σi}, o resultado combinado pode ser obtido da seguinte forma: Exemplo (ρref = 7,86 g/cm 3 ): ρ1 = 8,1 ± 0,2 g/cm 3 ρ2 = 8,4 ± 0,1 g/cm 3 19

50 Combinação de resultados compatíveis A partir de várias estimativas independentes {xi} do valor esperado de uma grandeza e respectivos erros padrão {σi}, o resultado combinado pode ser obtido da seguinte forma: Exemplo (ρref = 7,86 g/cm 3 ): ρ1 = 8,1 ± 0,2 g/cm 3 ρ2 = 8,4 ± 0,1 g/cm 3 = 1 q =0, (0,2) (0,1) 2 19

51 Combinação de resultados compatíveis A partir de várias estimativas independentes {xi} do valor esperado de uma grandeza e respectivos erros padrão {σi}, o resultado combinado pode ser obtido da seguinte forma: Exemplo (ρref = 7,86 g/cm 3 ): ρ1 = 8,1 ± 0,2 g/cm 3 ρ2 = 8,4 ± 0,1 g/cm 3 = = 1 q =0, (0,2) (0,1) 2 0, 2 2 8, 1+ 0, 1 2 8, 4=8,

52 Combinação de resultados compatíveis A partir de várias estimativas independentes {xi} do valor esperado de uma grandeza e respectivos erros padrão {σi}, o resultado combinado pode ser obtido da seguinte forma: Exemplo (ρref = 7,86 g/cm 3 ): ρ1 = 8,1 ± 0,2 g/cm 3 ρ2 = 8,4 ± 0,1 g/cm 3 = = 1 q =0, (0,2) (0,1) 2 0, 2 2 8, 1+ 0, 1 2 8, 4=8, 3400 ) =(8, 34 ± 0, 09) g/cm 3 19

Física IV. Prática II Sandro Fonseca de Souza

Física IV. Prática II Sandro Fonseca de Souza Física IV Prática II Sandro Fonseca de Souza 1 Aula de Hoje Lei dos Erros e Teste da Compatibilidade Prática 2: Intensidade Luminosa 2 Normas e Datas Atendimento ao estudante: sexta-feira de 14:00-15:00

Leia mais

Física Geral - Laboratório (2014/1) Estimativas e erros em medidas diretas (I)

Física Geral - Laboratório (2014/1) Estimativas e erros em medidas diretas (I) Física Geral - Laboratório (2014/1) Estimativas e erros em medidas diretas (I) 1 Experimentos: medidas diretas Experimento de medidas diretas de uma grandeza: Aquisição de um conjunto de dados através

Leia mais

Física Geral - Laboratório (2014/1) Estimativas e erros em medidas diretas (I)

Física Geral - Laboratório (2014/1) Estimativas e erros em medidas diretas (I) Física Geral - Laboratório (2014/1) Estimativas e erros em medidas diretas (I) 1 Medida L (cm) 1 150.0 2 150.1 3 150.8 4 150.0 5 150.0 6 144.1 7 150.0 8 150.3 9 149.9 10 150.0 11 150.0 12 150.1 13 150.2

Leia mais

Introdução às Medidas em Física 3 a Aula *

Introdução às Medidas em Física 3 a Aula * Introdução às Medidas em Física 3 a Aula * http://fge.if.usp.br/~takagui/fap015_011/ Marcia Takagui Ed. Ala 1 * Baseada em Suaide/ Munhoz 006 sala 16 ramal 6811 1 Experiência II: Densidade de Sólidos!

Leia mais

NOÇÕES RÁPIDAS DE ESTATÍSTICA E TRATAMENTO DE DADOS

NOÇÕES RÁPIDAS DE ESTATÍSTICA E TRATAMENTO DE DADOS NOÇÕES RÁPIDAS DE ESTATÍSTICA E TRATAMENTO DE DADOS Prof. Érica Polycarpo Bibliografia: Data reduction and error analysis for the physica sciences (Philip R. Bevington and D. Keith Robinson) A practical

Leia mais

Tópico 3. Estudo de Erros em Medidas

Tópico 3. Estudo de Erros em Medidas Tópico 3. Estudo de Erros em Medidas A medida de uma grandeza é obtida, em geral, através de uma experiência, na qual o grau de complexidade do processo de medir está relacionado com a grandeza em questão

Leia mais

Distribuição Gaussiana

Distribuição Gaussiana Universidade Federal de Minas Gerais Instituto de Ciências Exatas Departamento de Estatística Distribuição Gaussiana Introdução à Bioestatística Turma Nutrição Aula 7: Distribuição Normal (Gaussiana) Distribuição

Leia mais

Distribuições de probabilidade

Distribuições de probabilidade Distribuições de probabilidade Distribuições contínuas Carla Henriques, Nuno Bastos e Cristina Lucas Departamento de Matemática Escola Superior de Tecnologia de Viseu. Henriques, N. Bastos e C. Lucas (DepMAT)

Leia mais

Definição. Os valores assumidos pelos estimadores denomina-se estimativas pontuais ou simplesmente estimativas.

Definição. Os valores assumidos pelos estimadores denomina-se estimativas pontuais ou simplesmente estimativas. 1. Inferência Estatística Inferência Estatística é o uso da informção (ou experiência ou história) para a redução da incerteza sobre o objeto em estudo. A informação pode ou não ser proveniente de um experimento

Leia mais

Química Analítica V 1S Prof. Rafael Sousa. Notas de aula:

Química Analítica V 1S Prof. Rafael Sousa. Notas de aula: Química Analítica V 1S 2013 Aula 3: 13-05 05-2013 Estatística Aplicada à Química Analítica Prof. Rafael Sousa Departamento de Química - ICE rafael.arromba@ufjf.edu.br Notas de aula: www.ufjf.br/baccan

Leia mais

Distribuição Normal. Prof. Eduardo Bezerra. (CEFET/RJ) - BCC - Inferência Estatística. 25 de agosto de 2017

Distribuição Normal. Prof. Eduardo Bezerra. (CEFET/RJ) - BCC - Inferência Estatística. 25 de agosto de 2017 padrão - padronização Distribuição Normal Prof. Eduardo Bezerra (CEFET/RJ) - BCC - Inferência Estatística 25 de agosto de 2017 Eduardo Bezerra (CEFET/RJ) Distribuição Normal Março/2017 1 / 32 Roteiro Distribuições

Leia mais

Química Analítica V 2S Prof. Rafael Sousa. Notas de aula:

Química Analítica V 2S Prof. Rafael Sousa. Notas de aula: Química Analítica V 2S 2012 Aula 3: 04-12-12 Estatística Aplicada à Química Analítica Prof. Rafael Sousa Departamento de Química - ICE rafael.arromba@ufjf.edu.br Notas de aula: www.ufjf.br/baccan 1 Conceito

Leia mais

MAE Introdução à Probabilidade e Estatística II Resolução Lista 5

MAE Introdução à Probabilidade e Estatística II Resolução Lista 5 MAE 229 - Introdução à Probabilidade e Estatística II Resolução Lista 5 Professor: Pedro Morettin e Profa. Chang Chian Exercício 1 (a) De uma forma geral, o desvio padrão é usado para medir a dispersão

Leia mais

Princípios de Modelagem Matemática Aula 10

Princípios de Modelagem Matemática Aula 10 Princípios de Modelagem Matemática Aula 10 Prof. José Geraldo DFM CEFET/MG 19 de maio de 2014 1 Alguns resultados importantes em estatística A distribuição normal tem importante papel em estatística pois

Leia mais

A figura 5.1 ilustra a densidade da curva normal, que é simétrica em torno da média (µ).

A figura 5.1 ilustra a densidade da curva normal, que é simétrica em torno da média (µ). Capítulo 5 Distribuição Normal Muitas variáveis aleatórias contínuas, tais como altura, comprimento, peso, entre outras, podem ser descritas pelo modelo Normal de probabilidades. Este modelo é, sem dúvida,

Leia mais

( x) = a. f X. = para x I. Algumas Distribuições de Probabilidade Contínuas

( x) = a. f X. = para x I. Algumas Distribuições de Probabilidade Contínuas Probabilidade e Estatística I Antonio Roque Aula Algumas Distribuições de Probabilidade Contínuas Vamos agora estudar algumas importantes distribuições de probabilidades para variáveis contínuas. Distribuição

Leia mais

2 Medida de Incertezas: Fundamentos

2 Medida de Incertezas: Fundamentos 2 Medida de Incertezas: Fundamentos 2. Introdução O resultado de um processo de medição fornece uma determinada informação que usualmente é chamada de conhecimento. A fim de quantificar quão completo é

Leia mais

Uma estatística é uma característica da amostra. Ou seja, se

Uma estatística é uma característica da amostra. Ou seja, se Estatística Uma estatística é uma característica da amostra. Ou seja, se X 1,..., X n é uma amostra, T = função(x 1,..., X n é uma estatística. Exemplos X n = 1 n n i=1 X i = X 1+...+X n : a média amostral

Leia mais

Estatística Indutiva

Estatística Indutiva Estatística Indutiva MÓDULO 7: INTERVALOS DE CONFIANÇA 7.1 Conceitos básicos 7.1.1 Parâmetro e estatística Parâmetro é a descrição numérica de uma característica da população. Estatística é a descrição

Leia mais

Universidade Federal de Lavras

Universidade Federal de Lavras Universidade Federal de Lavras Departamento de Estatística Prof. Daniel Furtado Ferreira 6 a Lista de Exercícios Teoria da Estimação pontual e intervalar 1) Marcar como verdadeira ou falsa as seguintes

Leia mais

27/03/2009 INCERTEZA DE APLICADA AO USO DO GÁS NATURAL. Esp.Henrique Diniz. Objetivos. Abordar os aspectos práticos sobre Incerteza de Medição

27/03/2009 INCERTEZA DE APLICADA AO USO DO GÁS NATURAL. Esp.Henrique Diniz. Objetivos. Abordar os aspectos práticos sobre Incerteza de Medição INCERTEZA DE APLICADA AO USO DO GÁS NATURAL Esp.Henrique Diniz Objetivos Abordar os aspectos práticos sobre Incerteza de Medição 1 Bibliografia para Consulta Guia para Expressão da Incerteza nas Medições

Leia mais

Distribuição Amostral e Estimação Pontual de Parâmetros

Distribuição Amostral e Estimação Pontual de Parâmetros Roteiro Distribuição Amostral e Estimação Pontual de Parâmetros 1. Introdução 2. Teorema Central do Limite 3. Conceitos de Estimação Pontual 4. Métodos de Estimação Pontual 5. Referências Estatística Aplicada

Leia mais

Variáveis Aleatórias Contínuas e Distribuição de Probabilidad

Variáveis Aleatórias Contínuas e Distribuição de Probabilidad Variáveis Aleatórias Contínuas e Distribuição de Probabilidades - parte II 26 de Novembro de 2013 Distribuição Contínua Uniforme Média e Variância Objetivos Ao final deste capítulo você deve ser capaz

Leia mais

DE ESPECIALIZAÇÃO EM ESTATÍSTICA APLICADA)

DE ESPECIALIZAÇÃO EM ESTATÍSTICA APLICADA) 1. Sabe-se que o nível de significância é a probabilidade de cometermos um determinado tipo de erro quando da realização de um teste de hipóteses. Então: a) A escolha ideal seria um nível de significância

Leia mais

- desvio padrão, caracteriza a dispersão dos resultados

- desvio padrão, caracteriza a dispersão dos resultados O resultado da experiência, então, pode ser expresso na forma < x > ± x n (veja a explicação mais adiante) - desvio padrão, caracteriza a dispersão dos resultados Histograma de frequências Histograma

Leia mais

Estatística Aplicada II. } Revisão: Probabilidade } Propriedades da Média Amostral

Estatística Aplicada II. } Revisão: Probabilidade } Propriedades da Média Amostral Estatística Aplicada II } Revisão: Probabilidade } Propriedades da Média Amostral 1 Aula de hoje } Tópicos } Revisão: } Distribuição de probabilidade } Variáveis aleatórias } Distribuição normal } Propriedades

Leia mais

Probabilidade II. Departamento de Estatística. Universidade Federal da Paraíba. Prof. Tarciana Liberal (UFPB) Aula Desigualdades 02/14 1 / 31

Probabilidade II. Departamento de Estatística. Universidade Federal da Paraíba. Prof. Tarciana Liberal (UFPB) Aula Desigualdades 02/14 1 / 31 Probabilidade II Departamento de Estatística Universidade Federal da Paraíba Prof. Tarciana Liberal (UFPB) Aula Desigualdades 02/14 1 / 31 Um teorema de grande importância e bastante utilidade em probabilidade

Leia mais

Inferência Estatística:

Inferência Estatística: Universidade Federal de Minas Gerais Instituto de Ciências Exatas Departamento de Estatística Inferência Estatística: Princípios de Bioestatística decidindo na presença de incerteza Aula 8: Intervalos

Leia mais

Stela Adami Vayego DEST/UFPR

Stela Adami Vayego DEST/UFPR Resumo 9 Modelos Probabilísticos Variável Contínua Vamos ver como criar um modelo probabilístico, o que é uma função densidade de probabilidade (fdp), e como calcular probabilidades no caso de variáveis

Leia mais

Probabilidade e Estatística. Estimação de Parâmetros Intervalo de Confiança

Probabilidade e Estatística. Estimação de Parâmetros Intervalo de Confiança Probabilidade e Estatística Prof. Dr. Narciso Gonçalves da Silva http://páginapessoal.utfpr.edu.br/ngsilva Estimação de Parâmetros Intervalo de Confiança Introdução A inferência estatística é o processo

Leia mais

Tiago Viana Flor de Santana

Tiago Viana Flor de Santana ESTATÍSTICA BÁSICA DISTRIBUIÇÃO NORMAL DE PROBABILIDADE (MODELO NORMAL) Tiago Viana Flor de Santana www.uel.br/pessoal/tiagodesantana/ tiagodesantana@uel.br sala 07 Curso: MATEMÁTICA Universidade Estadual

Leia mais

DISTRIBUIÇÕES DE PROBABILIDADE CONJUNTAS DISTRIBUIÇÕES CONJUNTAS ROTEIRO DISTRIBUIÇÃO CONJUNTA

DISTRIBUIÇÕES DE PROBABILIDADE CONJUNTAS DISTRIBUIÇÕES CONJUNTAS ROTEIRO DISTRIBUIÇÃO CONJUNTA ROTEIRO DISTRIBUIÇÕES DE PROBABILIDADE CONJUNTAS 1. Distribuições conjuntas 2. Independência 3. Confiabilidade 4. Combinações lineares de variáveis aleatórias 5. Referências DISTRIBUIÇÃO CONJUNTA Em muitos

Leia mais

Eventos coletivamente exaustivos: A união dos eventos é o espaço amostral.

Eventos coletivamente exaustivos: A união dos eventos é o espaço amostral. DEFINIÇÕES ADICIONAIS: PROBABILIDADE Espaço amostral (Ω) é o conjunto de todos os possíveis resultados de um experimento. Evento é qualquer subconjunto do espaço amostral. Evento combinado: Possui duas

Leia mais

Cálculo das Probabilidades e Estatística I

Cálculo das Probabilidades e Estatística I Cálculo das Probabilidades e Estatística I Prof a. Juliana Freitas Pires Departamento de Estatística Universidade Federal da Paraíba - UFPB juliana@de.ufpb.br Distribuição Normal Motivação: Distribuição

Leia mais

14/3/2012. S = Σ (x i x ) 2 QUÍMICA ANALÍTICA V 1S Prof. Rafael Sousa. Para casa. Dispersão de uma medida em relação à média

14/3/2012. S = Σ (x i x ) 2 QUÍMICA ANALÍTICA V 1S Prof. Rafael Sousa. Para casa. Dispersão de uma medida em relação à média QUÍMIA ANALÍTIA V 1S 01 Aula 13-03-1 Estatística Aplicada à Química Analítica Prof. Rafael Sousa Departamento de Química - IE rafael.arromba@ufjf.edu.br Notas de aula: www.ufjf.br/baccan onceito de Precisão

Leia mais

Momentos: Esperança e Variância. Introdução

Momentos: Esperança e Variância. Introdução Momentos: Esperança e Variância. Introdução Em uma relação determinística pode-se ter a seguinte relação: " + " = 0 Assim, m =, é a declividade e a e b são parâmetros. Sabendo os valores dos parâmetros

Leia mais

PARTE TEÓRICA Perguntas de escolha múltipla

PARTE TEÓRICA Perguntas de escolha múltipla PROBABILIDADES E ESTATÍSTICA MIEEC/FEUP PARTE TEÓRICA Perguntas de escolha múltipla 1 Dada a experiência aleatória ε define-se espaço amostral associado a ε como sendo: A O espaço físico onde se realiza

Leia mais

Ondas Estacionárias em Cordas

Ondas Estacionárias em Cordas Ondas Estacionárias em Cordas 1. Introdução As cordas estão presentes em vários instrumentos musicais, como o piano, violão, violino e violoncelo. Para cada tipo de instrumento as cordas irão vibrar por

Leia mais

IND 1115 Inferência Estatística Aula 6

IND 1115 Inferência Estatística Aula 6 Conteúdo IND 5 Inferência Estatística Aula 6 Setembro de 004 A distribuição Lognormal A distribuição Beta e sua relação com a Uniforme(0,) Mônica Barros mbarros.com mbarros.com A distribuição Lognormal

Leia mais

Enrico A. Colosimo Depto. Estatística UFMG

Enrico A. Colosimo Depto. Estatística UFMG Bioestatística F Conceitos de Teste de Hipóteses Enrico A. Colosimo Depto. Estatística UFMG http://www.est.ufmg.br/~enricoc/ f(x).4.35.3.25.2.15.1.5 Tabela Normal Padronizada Distribuicao Gaussiana com

Leia mais

Distribuições de Probabilidade

Distribuições de Probabilidade Distribuições de Probabilidade Departamento de Matemática Escola Superior de Tecnologia de Viseu (DepMAT ESTV) Distribuições de Probabilidade 2007/2008 1 / 31 Introdução Introdução Já vimos como caracterizar

Leia mais

UNIVERSIDADE FEDERAL DA PARAÍBA. Variáveis Aleatórias. Departamento de Estatística Luiz Medeiros

UNIVERSIDADE FEDERAL DA PARAÍBA. Variáveis Aleatórias. Departamento de Estatística Luiz Medeiros UNIVERSIDADE FEDERAL DA PARAÍBA Variáveis Aleatórias Departamento de Estatística Luiz Medeiros Introdução Como sabemos, características de interesse em diversas áreas estão sujeitas à variação; Essa variabilidade

Leia mais

Distribuições derivadas da distribuição Normal. Distribuição Normal., x real.

Distribuições derivadas da distribuição Normal. Distribuição Normal., x real. Distribuições derivadas da distribuição Normal Distribuição Normal Uma variável aleatória X tem distribuição normal com parâmetros µ e σ, quando sua densidade de probabilidade é f ( x) π σ e ( x µ ) σ,

Leia mais

Bioestatística e Computação I

Bioestatística e Computação I Bioestatística e Computação I Distribuição Amostral da Média Maria Virginia P Dutra Eloane G Ramos Vania Matos Fonseca Variável aleatória numérica parâmetros desconhecidos média desvio padrão estimativa

Leia mais

DISTRIBUIÇÕES DE PROBABILIDADE CONJUNTAS DISTRIBUIÇÕES CONJUNTAS ROTEIRO DISTRIBUIÇÃO CONJUNTA. Estatística Aplicada à Engenharia

DISTRIBUIÇÕES DE PROBABILIDADE CONJUNTAS DISTRIBUIÇÕES CONJUNTAS ROTEIRO DISTRIBUIÇÃO CONJUNTA. Estatística Aplicada à Engenharia ROTEIRO DISTRIBUIÇÕES DE PROBABILIDADE CONJUNTAS 1. Distribuições conjuntas 2. Independência 3. Confiabilidade 4. Combinações lineares de variáveis aleatórias 5. Referências Estatística Aplicada à Engenharia

Leia mais

Unidade I ESTATÍSTICA APLICADA. Prof. Mauricio Fanno

Unidade I ESTATÍSTICA APLICADA. Prof. Mauricio Fanno Unidade I ESTATÍSTICA APLICADA Prof. Mauricio Fanno Estatística indutiva Estatística descritiva Dados no passado ou no presente e em pequena quantidade, portanto, reais e coletáveis. Campo de trabalho:

Leia mais

Análise de Dados e Simulação

Análise de Dados e Simulação Universidade de São Paulo Instituto de Matemática e Estatística http:www.ime.usp.br/ mbranco Simulação de Variáveis Aleatórias Contínuas. O método da Transformada Inversa Teorema Seja U U (0,1). Para qualquer

Leia mais

2. EXERCÍCIOS PROPOSTOS SOBRE V.A. E DISTRIB.PROBAB.

2. EXERCÍCIOS PROPOSTOS SOBRE V.A. E DISTRIB.PROBAB. 2. EXERCÍCIOS PROPOSTOS SOBRE V.A. E DISTRIB.PROBAB. 1) Classifique as seguintes variáveis aleatórias como discretas ou contínuas. X : o número de acidentes de automóvel por ano na rodovia BR 116. Y :

Leia mais

Teoria das Filas aplicadas a Sistemas Computacionais. Aula 09

Teoria das Filas aplicadas a Sistemas Computacionais. Aula 09 Teoria das Filas aplicadas a Sistemas Computacionais Aula 09 Universidade Federal do Espírito Santo - Departamento de Informática - DI Laboratório de Pesquisas em Redes Multimidia - LPRM Teoria das Filas

Leia mais

Métodos Experimentais em Ciências Mecânicas

Métodos Experimentais em Ciências Mecânicas Métodos Experimentais em Ciências Mecânicas Professor Jorge Luiz A. Ferreira Função que descreve a chance que uma variável pode assumir ao longo de um espaço de valores. Uma distribuição de probabilidade

Leia mais

Estimativas e Tamanhos de Amostras

Estimativas e Tamanhos de Amostras Estimativas e Tamanhos de Amostras 1 Aspectos Gerais 2 Estimativa de uma Média Populacional: Grandes Amostras 3 Estimativa de uma Média Populacional: Pequenas Amostras 4 Tamanho Amostral Necessário para

Leia mais

Modelos de Regressão Linear Simples - parte I

Modelos de Regressão Linear Simples - parte I Modelos de Regressão Linear Simples - parte I Erica Castilho Rodrigues 19 de Agosto de 2014 Introdução 3 Objetivos Ao final deste capítulo você deve ser capaz de: Usar modelos de regressão para construir

Leia mais

Seja (X,Y) uma v.a. bidimensional contínua ou discreta. Define-se valor esperado condicionado de X para um dado Y igual a y da seguinte forma:

Seja (X,Y) uma v.a. bidimensional contínua ou discreta. Define-se valor esperado condicionado de X para um dado Y igual a y da seguinte forma: 46 VALOR ESPERADO CONDICIONADO Seja (X,Y) uma v.a. bidimensional contínua ou discreta. Define-se valor esperado condicionado de X para um dado Y igual a y da seguinte forma: Variável contínua E + ( X Y

Leia mais

PROJETO E ANÁLISES DE EXPERIMENTOS (PAE) INTRODUÇÃO AOS MÉTODOS ESTATÍSTICOS EM ENGENHARIA

PROJETO E ANÁLISES DE EXPERIMENTOS (PAE) INTRODUÇÃO AOS MÉTODOS ESTATÍSTICOS EM ENGENHARIA PROJETO E ANÁLISES DE EXPERIMENTOS (PAE) INTRODUÇÃO AOS MÉTODOS ESTATÍSTICOS EM ENGENHARIA VARIABILIDADE NA MEDIDA DE DADOS CIENTÍFICOS Se numa pesquisa, desenvolvimento de um processo ou produto, o valor

Leia mais

ESTATÍSTICA. x(s) W Domínio. Contradomínio

ESTATÍSTICA. x(s) W Domínio. Contradomínio Variáveis Aleatórias Variáveis Aleatórias são funções matemáticas que associam números reais aos resultados de um Espaço Amostral. Uma variável quantitativa geralmente agrega mais informação que uma qualitativa.

Leia mais

EXPERIMENTO I MEDIDAS E ERROS

EXPERIMENTO I MEDIDAS E ERROS EXPERIMENTO I MEDIDAS E ERROS Introdução Na leitura de uma medida física deve-se registrar apenas os algarismos significativos, ou seja, todos aqueles que a escala do instrumento permite ler mais um único

Leia mais

CC-226 Introdução à Análise de Padrões

CC-226 Introdução à Análise de Padrões CC-226 Introdução à Análise de Padrões Probabilidades e Estatísticas Descritivas Carlos Henrique Q. Forster 1 1 Divisão de Ciência da Computação Instituto Tecnológico de Aeronáutica 3 de março de 2008

Leia mais

Teste de Hipóteses. Enrico A. Colosimo/UFMG enricoc/ Depto. Estatística - ICEx - UFMG 1/24

Teste de Hipóteses. Enrico A. Colosimo/UFMG  enricoc/ Depto. Estatística - ICEx - UFMG 1/24 1/24 Introdução à Bioestatística Teste de Hipóteses Enrico A. Colosimo/UFMG http://www.est.ufmg.br/ enricoc/ Depto. Estatística - ICEx - UFMG 2/24 Exemplo A concentração de certa substância no sangue entre

Leia mais

Distribuição Normal. Estatística Aplicada I DISTRIBUIÇÃO NORMAL. Algumas característica importantes. 2πσ

Distribuição Normal. Estatística Aplicada I DISTRIBUIÇÃO NORMAL. Algumas característica importantes. 2πσ Estatística Aplicada I DISTRIBUIÇÃO NORMAL Prof a Lilian M. Lima Cunha AULA 5 09/05/017 Maio de 017 Distribuição Normal Algumas característica importantes Definida pela média e desvio padrão Media=mediana=moda

Leia mais

Distribuição Normal. Prof a Dr a Alcione Miranda dos Santos. Abril, 2011

Distribuição Normal. Prof a Dr a Alcione Miranda dos Santos. Abril, 2011 Distribuição Normal Prof a Dr a Alcione Miranda dos Santos Universidade Federal do Maranhão Programa de Pós-Graduação em Saúde Coletiva email:alcione.miranda@gmail.com Abril, 2011 1 / 18 Sumário Introdução

Leia mais

Amostragem e distribuições por amostragem

Amostragem e distribuições por amostragem Amostragem e distribuições por amostragem Carla Henriques e Nuno Bastos Departamento de Matemática Escola Superior de Tecnologia de Viseu Contabilidade e Administração População, amostra e inferência estatística

Leia mais

Probabilidade Aula 08

Probabilidade Aula 08 332 Probabilidade Aula 8 Magno T. M. Silva Escola Politécnica da USP Maio de 217 A maior parte dos exemplos dessa aula foram extraídos de Jay L. Devore, Probabilidade e Estatística para engenharia e ciências,

Leia mais

Probabilidades e Estatística - LEIC + LERCI + LEE 2 o semestre 2004/05

Probabilidades e Estatística - LEIC + LERCI + LEE 2 o semestre 2004/05 Departamento de Matemática Secção de Estatística e Aplicações - IST Probabilidades e Estatística - LEIC + LERCI + LEE 2 o semestre 2004/05 3 o Teste 4/6/2005 9h O Teste que vai realizar tem a duração total

Leia mais

EXAME DE ESTATÍSTICA / ESTATÍSTICA I

EXAME DE ESTATÍSTICA / ESTATÍSTICA I INSTITUTO POLITÉCNICO DE SETÚBAL ESCOLA SUPERIOR DE SAÚDE EAME DE ESTATÍSTICA / ESTATÍSTICA I Cursos: Licenciatura em Enfermagem e Licenciaturas Bi-etápicas em Fisioterapia e em Terapia da Fala Época de

Leia mais

MÓDULO V: Análise Bidimensional: Correlação, Regressão e Teste Qui-quadrado de Independência

MÓDULO V: Análise Bidimensional: Correlação, Regressão e Teste Qui-quadrado de Independência MÓDULO V: Análise Bidimensional: Correlação, Regressão e Teste Qui-quadrado de Independência Introdução 1 Muito frequentemente fazemos perguntas do tipo se alguma coisa tem relação com outra. Estatisticamente

Leia mais

Introdução ao Estudo dos Fenômenos Físicos

Introdução ao Estudo dos Fenômenos Físicos Universidade Federal do Espírito Santo Centro de Ciências Exatas Departamento de Física Introdução ao Estudo dos Fenômenos Físicos Aula 06 Medidas físicas Erros experimentais. Incertezas. Análise estatística.

Leia mais

Testes de Hipótese para uma única Amostra - parte I

Testes de Hipótese para uma única Amostra - parte I Testes de Hipótese para uma única Amostra - parte I 26 de Junho de 2014 Objetivos Ao final deste capítulo você deve ser capaz de: Estruturar problemas de engenharia como testes de hipótese. Entender os

Leia mais

Departamento de Matemática Escola Superior de Tecnologia de Viseu

Departamento de Matemática Escola Superior de Tecnologia de Viseu Distribuições contínuas Departamento de Matemática Escola Superior de Tecnologia de Viseu Distribuição Normal Diz-se que uma variável aleatória X tem distribuição normal, se a sua função densidade de probabilidade

Leia mais

Física Experimental I

Física Experimental I Medidas em Física Teoria do Erro Física Experimental I Medidas Físicas Diretas: leitura de uma magnitude mediante o uso de instrumento de medida, ex: Comprimento de uma régua, a corrente que passa por

Leia mais

Capítulo 3. Introdução à Probabilidade E à Inferência Estatística

Capítulo 3. Introdução à Probabilidade E à Inferência Estatística Capítulo 3 Introdução à Probabilidade E à Inferência Estatística definições e propriedades: Propriedade 5: A probabilidade condicional reflete como a probabilidade de um evento pode mudar se soubermos

Leia mais

1.1. Definições importantes

1.1. Definições importantes Parte I. Inferência Estatística Trata-se do processo de se obter informações sobre uma população a partir dos resultados observados numa amostra. De um modo geral, tem-se uma população com um grande número

Leia mais

Análise de Aderência e de Associação

Análise de Aderência e de Associação Análise de Aderência e de Associação Capítulo 14, Estatística Básica (Bussab & Morettin, 8a Edição) Capítulo 8, Introdução Computacional à Probabilidade e Estatística (Pedrosa & Gama, Porto Editora) 8a

Leia mais

Avaliação e Expressão de Medições e de Suas Incertezas

Avaliação e Expressão de Medições e de Suas Incertezas Avaliação e Expressão de Medições e de Suas Incertezas INTRODUÇÃO A Física assim como todas as outras ciências é baseada em observações e medições quantitativas. A partir de observações e dos resultados

Leia mais

i. f Y (y, θ) = 1/θ... 0 y θ 0... y < 0 ou y > θ Se a amostra selecionada foi ( ), qual será a estimativa para θ?

i. f Y (y, θ) = 1/θ... 0 y θ 0... y < 0 ou y > θ Se a amostra selecionada foi ( ), qual será a estimativa para θ? Fundação Getulio Vargas Curso: Graduação Disciplina: Estatística Professor: Moisés Balassiano Lista de Exercícios Inferência. Seja (Y, Y 2,..., Y n ) uma amostra aleatória iid, de tamanho n, extraída de

Leia mais

canal para sinais contínuos

canal para sinais contínuos Processos estocásticos, Entropia e capacidade de canal para sinais contínuos 24 de setembro de 2013 Processos estocásticos, Entropia e capacidade de canal para1 sin Conteúdo 1 Probabilidade de sinais contínuos

Leia mais

TÉCNICAS DE AMOSTRAGEM

TÉCNICAS DE AMOSTRAGEM TÉCNICAS DE AMOSTRAGEM Ralph dos Santos Silva Departamento de Métodos Estatísticos Instituto de Matemática Universidade Federal do Rio de Janeiro Sumário Definições e Notação Estimação Amostra Aleatória

Leia mais

Modelos Lineares Generalizados - Componentes do Modelo

Modelos Lineares Generalizados - Componentes do Modelo Modelos Lineares Generalizados - Componentes do Modelo Erica Castilho Rodrigues 01 de Abril de 2014 3 Vejamos agora quais as componentes de um Modelo Linear Generalizado. Temos um conjunto de variáveis

Leia mais

Probabilidade. Experiências aleatórias

Probabilidade. Experiências aleatórias Probabilidade Experiências aleatórias 1 Experiências aleatórias Acontecimento: Qualquer colecção de resultados de uma experiência. Acontecimento elementar: Um resultado que não pode ser simplificado ou

Leia mais

Anexo 1 - Revisões de Teoria das Probabilidades e Processos Estocásticos

Anexo 1 - Revisões de Teoria das Probabilidades e Processos Estocásticos 1 Anexo 1 - Revisões de Teoria das Probabilidades e Processos Estocásticos Documento auxiliar à disciplina de Modelação, Identificação e Controlo Digital Alexandre Bernardino 003/005 IST-Secção de Sistemas

Leia mais

Métodos Quantitativos

Métodos Quantitativos Métodos Quantitativos Unidade 3 Estatística inferencial parte I Prof. Me. Diego Fernandes 1 Sumário Seção Slides 3.1 Noções de probabilidade 03 21 3.2 Distribuição dos estimadores 22 41 3.3 e 3.4 - Testes

Leia mais

5 MEDIDAS DE RISCO 5.1 INTRODUÇÃO

5 MEDIDAS DE RISCO 5.1 INTRODUÇÃO 5 MEDIDAS DE RISCO 5.1 INTRODUÇÃO Neste capítulo, são apresentadas as medidas de risco usadas no setor elétrico e em finanças, analisando as propriedades da definição de medida de risco coerente [30].

Leia mais

Modelos de Regressão Linear Simples - Análise de Resíduos

Modelos de Regressão Linear Simples - Análise de Resíduos Modelos de Regressão Linear Simples - Análise de Resíduos Erica Castilho Rodrigues 1 de Setembro de 2014 3 O modelo de regressão linear é dado por Y i = β 0 + β 1 x i + ɛ i onde ɛ i iid N(0,σ 2 ). O erro

Leia mais

Escola Superior de Agricultura "Luiz de Queiroz", Departamento de Ciências Exatas. Modelo Normal. Cristian Villegas

Escola Superior de Agricultura Luiz de Queiroz, Departamento de Ciências Exatas. Modelo Normal. Cristian Villegas Modelo Normal Cristian Villegas clobos@usp.br http://www.lce.esalq.usp.br/arquivos/aulas/2014/lce0216/ 1 Introdução O modelo normal ocupa uma posição de grande destaque tanto a nível teórico como prático,

Leia mais

PROBABILIDADES: VARIÁVEL ALEATÓRIA CONTÍNUA E DISTRIBUIÇÃO NORMAL

PROBABILIDADES: VARIÁVEL ALEATÓRIA CONTÍNUA E DISTRIBUIÇÃO NORMAL PROBABILIDADES: VARIÁVEL ALEATÓRIA CONTÍNUA E DISTRIBUIÇÃO NORMAL Aula 6 META Estudar o comportamento e aplicação das Variáveis Aleatórias Contínuas, bem como da Distribuição Normal. OBJETIVOS Ao final

Leia mais

Estatística I Aula 8. Prof.: Patricia Maria Bortolon, D. Sc.

Estatística I Aula 8. Prof.: Patricia Maria Bortolon, D. Sc. Estatística I Aula 8 Prof.: Patricia Maria Bortolon, D. Sc. MODELOS PROBABILÍSTICOS MAIS COMUNS VARIÁVEIS ALEATÓRIAS CONTÍNUAS Lembram o que vimos sobre V.A. contínua na Aula 6? Definição: uma variável

Leia mais

Análise da Regressão múltipla: MQO Assintótico y = β 0 + β 1 x 1 + β x +... β k x k + u 3. Propriedades assintóticas Antes, propriedades sobre amostra

Análise da Regressão múltipla: MQO Assintótico y = β 0 + β 1 x 1 + β x +... β k x k + u 3. Propriedades assintóticas Antes, propriedades sobre amostra Análise da Regressão múltipla: MQO Assintótico Capítulo 5 do Wooldridge Análise da Regressão múltipla: MQO Assintótico y = β 0 + β 1 x 1 + β x +... β k x k + u 3. Propriedades assintóticas Antes, propriedades

Leia mais

SUMÁRIOS DE VARIÁVEIS ALEATÓRIAS CONTINUAS

SUMÁRIOS DE VARIÁVEIS ALEATÓRIAS CONTINUAS 4 SUMÁRIOS DE VARIÁVEIS ALEATÓRIAS CONTINUAS Em muitos problemas de probabilidade que requerem o uso de variáveis aleatórias, uma completa especificação da função de densidade de probabilidade ou não está

Leia mais

Aula de hoje. administração. São Paulo: Ática, 2007, Cap. 3. ! Tópicos. ! Referências. ! Distribuição de probabilidades! Variáveis aleatórias

Aula de hoje. administração. São Paulo: Ática, 2007, Cap. 3. ! Tópicos. ! Referências. ! Distribuição de probabilidades! Variáveis aleatórias Aula de hoje! Tópicos! Distribuição de probabilidades! Variáveis aleatórias! Variáveis discretas! Variáveis contínuas! Distribuição binomial! Distribuição normal! Referências! Barrow, M. Estatística para

Leia mais

Escola Superior de Agricultura "Luiz de Queiroz", Departamento de Ciências Exatas. Modelo Normal. Cristian Villegas

Escola Superior de Agricultura Luiz de Queiroz, Departamento de Ciências Exatas. Modelo Normal. Cristian Villegas Modelo Normal Cristian Villegas clobos@usp.br Outubro de 2013 Apostila de Estatística (Cristian Villegas) 1 Introdução O modelo normal ocupa uma posição de grande destaque tanto a nível teórico como prático,

Leia mais

Princípios de Modelagem Matemática Aula 09

Princípios de Modelagem Matemática Aula 09 Princípios de Modelagem Matemática Aula 09 Prof. José Geraldo DFM CEFET/MG 12 de maio de 2014 1 Modelos estatísticos e estimação de parâmetros A verificação de um modelo matemático demanda a realização

Leia mais

Me todos Computacionais em Fı sica

Me todos Computacionais em Fı sica Me todos Computacionais em Fı sica Jose Helder Lopes e Sandra Amato Instituto de Fı sica Universidade Federal do Rio de Janeiro Segundo Semestre de 2017 Ü E toda te cnica de amostragem estatı stica empregada

Leia mais

Intervalos Estatísticos para uma única Amostra - parte I

Intervalos Estatísticos para uma única Amostra - parte I Intervalos Estatísticos para uma única Amostra - parte I Intervalo de confiança para média 14 de Janeiro Objetivos Ao final deste capítulo você deve ser capaz de: Construir intervalos de confiança para

Leia mais

Prof. Francisco Crisóstomo

Prof. Francisco Crisóstomo Unidade II ESTATÍSTICA BÁSICA Prof. Francisco Crisóstomo Unidade II Medidas de posição Medidas de posição Tem como característica definir um valor que representa um conjunto de valores (rol), ou seja,

Leia mais

AULA 07 Inferência a Partir de Duas Amostras

AULA 07 Inferência a Partir de Duas Amostras 1 AULA 07 Inferência a Partir de Duas Amostras Ernesto F. L. Amaral 10 de setembro de 2012 Faculdade de Filosofia e Ciências Humanas (FAFICH) Universidade Federal de Minas Gerais (UFMG) Fonte: Triola,

Leia mais

Inventário Florestal. Amostragem

Inventário Florestal. Amostragem Inventário Florestal Amostragem 1 Definição: Seleção de uma parte (amostra) de um todo (população), coletando na parte selecionada, algumas informações de interesse, com o objetivo de tirar conclusão (inferência)

Leia mais

INSTITUTO POLITÉCNICO DE SETÚBAL ESCOLA SUPERIOR DE SAÚDE ESTATÍSTICA. Cursos: Licenciatura em Enfermagem

INSTITUTO POLITÉCNICO DE SETÚBAL ESCOLA SUPERIOR DE SAÚDE ESTATÍSTICA. Cursos: Licenciatura em Enfermagem INSTITUTO POLITÉCNICO DE SETÚBAL ESCOLA SUPERIOR DE SAÚDE ESTATÍSTICA Cursos: Licenciatura em Enfermagem Teste Final o Ano/3 o Semestre 007/08 Data: a feira, 9 de Novembro de 007 Duração: 4h às h Instruções:.

Leia mais

Densidade de um Sólido

Densidade de um Sólido Densidade de um Sólido 1. Introdução Neste experimento, utilizaremos um paquímetro e uma régua para fazer medidas de dimensões de um sólido metálico. Com estas medidas e a massa deste sólido, será possível

Leia mais

&DStWXOR7UDWDPHQWRGRV'DGRV $QDOtWLFRV

&DStWXOR7UDWDPHQWRGRV'DGRV $QDOtWLFRV ³1DYHJDUpSUHFLVR9LYHUQmRpSUHFLVR )HUQDQGR3HVVRD &DStWXOR7UDWDPHQWRGRV'DGRV $QDOtWLFRV,1752'8d 2 Todo valor numérico que é resultado de uma medida experimental tem uma incerteza associada a ela, devido

Leia mais