Grupo I (Cotação: 0 a 3 valores: uma resposta certa vale 1,5 valores e uma errada 0,50 valores)

Tamanho: px
Começar a partir da página:

Download "Grupo I (Cotação: 0 a 3 valores: uma resposta certa vale 1,5 valores e uma errada 0,50 valores)"

Transcrição

1 INSTITUTO SUPERIOR DE ECONOMIA E GESTÃO Esaísca II - Lcecaura em Gesão Época de Recurso 5// Pare práca (quesões de escolha múlpla) (6 valores) Nome: Nº Espaço reservado para a classfcação (ão escrever aqu) Grupo I (Coação: a valores: uma resposa cera vale,5 valores e uma errada,5 valores) a) Adme-se que o úmero de golos por jogo de fuebol seja uma varável aleaóra com dsrbução de Posso. Sabedo que uma amosra de 6 jogos se regsaram 758 golos e preededo-se esmar um ervalo de cofaça a 9% (aproxmado) para o úmero médo de golos por jogo, qual das aleravas abaxo dcadas é a correca?. (, ;,65). (,9 ;,65). (,477 ±,5) 4. Os dados forecdos são sufcees para calcular o ervalo de cofaça preeddo. b) Num quéro a empresas dusras peda-se-lhes que dssessem qual a mporâca arbuída ao faco de possurem marcas própras. As resposas eram dadas uma escala qualava de (pouca mporâca), e (mua mporâca). Os resulados obdos a resposa a esa quesão foram relacoados com a orgem do capal da empresa de forma a aalsar a possível assocação ou depedêca ere a orgem do capal e a mporâca arbuída às marcas. No quadro abaxo apreseam-se, ere ouros, os resulados bruos obdos o quéro. Tedo por base esses resulados, e esado a hpóese de depedêca, qual das segues afrmações esá correca?. Rejea-se a hpóese de depedêca um ese de dmesão %.. O valor-p do ese é superor a %.. Rejea-se a hpóese de depedêca um ese de dmesão 5%. 4. Nada se pode coclur pos ão se verfcam algus dos pressuposos que garaem a valdade do ese.

2 Grupo II ( a valores: uma resposa cera vale,5 valores e uma errada,75 valores) a) Com dados relavos a 4 aos cosecuvos esmou-se um modelo de regressão lear lves β + β + β u, em que se procurou relacoar o (logarmo) do vesmeo aual em habação (lves) com um ermo de edêca (varável,,...,4) e o valor do ídce de preços da habação o ao (varável Pr). Apreseam-se abaxo algus resulados obdos com o EXCEL: SUMMARY OUTPUT ANOVA df SS MS F Sgfcace F Regresso,5894,946 85,7668 8,77E-5 Resdual 8,576,5 Toal 4,685 Coeffces Sadard Error Sa P-value Lower 95% Upper 95% Iercep,9847,558 5,74,,94,94589,967, 9,985,,6,574 Pr -,5,6 -,688,7 -,489 -,6 Qual das segues afrmações é correca?. A varável explcava Pr ão é esascamee relevae pos o seu coefcee é egavo.. Nese ajusameo, o coefcee de deermação ajusado é superor ao coefcee de deermação.. Nese modelo, os regressores explcam 8,86% da varação oal de lves. 4. O valor do erro padrão da regressão é de,5. 5. A axa de crescmeo aual do vesmeo em habação é de cerca de,%. b) Com os resíduos obdos a esmação aeror, û, esmou-se a regressão edo-se obdo os segues resulados com o EXCEL: uˆ δ + ε, + δ + δ αuˆ Regresso Sascs Mulple R,584 R Square,58 Adjused R Square,969 Sadard Error,8 Observaos 4 Aededo à regressão esmada e aos resulados apreseados, qual das segues afrmações é verdadera?. Rejea-se a hpóese (a 5%) de exsr heerocedascdade o modelo uˆ δ + δ + δ αuˆ + ε.. Rejea-se a hpóese (a 5%) de ausêca de auocorrelação de ordem o modelo lves β + β + u. β. Não se rejea a hpóese (a 5%) de exsr heerocedascdade o modelo lves β + β + u. β 4. Não se rejea a hpóese (a 5%) de auocorrelação de ordem o modelo uˆ δ + δ + δ αuˆ + ε. 5. A regressão esmada ão faz sedo para o po de dados que esão a ser aalsados.

3 INSTITUTO SUPERIOR DE ECONOMIA E GESTÃO Esaísca II - Lcecaura em Gesão Época de Recurso 5// Pare práca (quesões de desevolvmeo) (8 valores) Nome: Nº Grupo III (As quesões dese grupo são respoddas o espaço para as mesmas reservado. A coação máxma de cada uma é de, valores). a) Preede-se uma esmava por ervalos, com 95% de cofaça, para o desvo padrão do peso de embalages de gramas obdas por empacoameo mecâco. Admdo ormaldade, e sabedo que 8 uma amosra de 8 pacoes se obeve ( x x) 75, qual a esmava para o desvo padrão do peso das embalages? b) Na uversdade A, uma amosra aleaóra de 45 aluos ecoraram-se 5 fumadores. Na uversdade B, ecorou-se uma frequêca relava de, fumadores uma amosra aleaóra de 75 aluos. Com eses dados, exsrá evdêca esaísca sufcee para coclur que a perceagem de fumadores é dferee as duas uversdades? Jusfque com um ese adequado de dmesão 5%. - Esmou-se um modelo de regressão com o objecvo de aalsar o saláro aual dos presdees execuvos das empresas coadas a Bolsa. A varável depedee é o logarmo dos saláros, as varáves explcavas são: o logarmo das vedas (lvedas), o redmeo dos capas própros (rcp, em %), e rês varáves arfcas que dcam o secor de acuação das empresas (ddusral; ffacero; spubpresação de servços públcos). O secor ão referecado é o dos bes de cosumo. Os resulados da esmação com o EXCEL foram os segues:

4 ANOVA df SS MS F Regresso 5,679 4,576 9,984 Resdual,747,556 Toal 6 5,95 Coeffces Sadard Error Iercep 4,674,597 lvedas,65,75 rcp,95,69 d -,9594,79 f,6448,868 spub -,7,94 a) Aalse a sgfcâca esaísca do coefcee da varável lvedas e erpree o valor obdo. b) Exsdo dúvdas sobre a relevâca esaísca das varáves d, f e spub, esmou-se um modelo sem essas varáves (mas maedo as resaes) que proporcoou o segue quadro: ANOVA df SS MS F Sgfcace F Regresso 8, ,7899 5,5489, Resdual 4 5,5456,7 Toal 6 5,954 Essas varáves devem ser madas o modelo? Jusfque a sua opção e re coclusões (use 5% como dmesão do ese). 4

5 INSTITUTO SUPERIOR DE ECONOMIA E GESTÃO Esaísca II - Lcecaura em Gesão Época de Recurso 5// Pare eórca (6 valores) Nome: Nº. Quesões de Verdadero/Falso ( valores). Para cada afrmação, assale se esa é verdadera (V) ou falsa (F). Uma resposa cera vale,5 e uma resposa errada pealza em dêco valor. Com a mesma amosra, a amplude de um ervalo de cofaça a 95% é meor que a amplude de um ervalo de cofaça a 9%. O esmador da varâca, T ( X X ), é ão evesado. No ese de uma hpóese esaísca, o valor-p ão depede da dmesão, α, do ese. Num ese de depedêca, a frequêca observada, j, de qualquer célula ão deve ser feror a 5. No modelo de regressão lear com ermo depedee a soma dos resíduos é ula. No modelo y β + β x + x + u, se E( u X ) os esmadores dos mímos β quadrados dos coefcees de regressão são evesados. Num modelo de regressão lear, com dados emporas, ão pode exsr heerocedascdade. No modelo y β + β x + β x + u, a verfcar as hpóeses báscas, se x é uma varável arfcal, eão E( y X, x ) β + β x. V F. Quesões de resposa múlpla ( valores). Escolha a alerava correca com um X. Uma resposa cera vale,5 valores e uma resposa errada pealza em,5 valores. a) Sejam T e T dos esmadores dferees para θ, a verfcar E( T ) θ e E ( T ) θ, respecvamee. Nesas codções, pode coclur-se que: T é relavamee mas efcee que T se Var ( T ) > Var( T ),. T e T são esmadores mas efcees se lm Var( T ) e lm Var ( T ). T é meos efcee quet se Var ( T ) > Var( T ),. b) Num ese de hpóese smples cora alerava smples, qual das segues afrmações é verdadera? Quao meor a probabldade de erro de ª espéce, meor é a poêca do ese. Quao meor a probabldade de erro de ª espéce, maor é a poêca do ese. Quao meor a probabldade de erro de ª espéce, meor é a poêca do ese. c) Seja o modelo de regressão lear l( y ) β + β l( x) + βx + u. Nese caso, ceers parbus: β represea a varação perceual aproxmada de y quado x. β represea a varação lear aproxmada de y quado x. β represea a varação relava aproxmada de y quado x. 5

6 d) Adma que um modelo de regressão lear ão se verfca a hpóese Var( u X ) σ >, (,,..., ) e se verfcam as resaes. Eão, Os esmadores MQ dos coefcees de regressão dexam de ser ão evesados. Os eses e F usuas dexam de ser váldos. Exsrá auocorrelação os ermos resduas do modelo.. Perguas de desevolvmeo ( valores) Cada resposa cera vale valor. a) Adma que, uma população ormal de varâca cohecda, preede esar H : µ µ cora H : µ > µ e que, recolhda a amosra, obeve x < µ. Mosre que, esse caso, ão rejeara a hpóese ula, para as dmesões de ese usuas, pos o valor-p do ese é maor que.5. b) Mosre que o modelo de regressão l( y ) β + β l( x ) + β l( x ) + u, esá mal defdo e ão pode ser esmado pelo méodo dos mímos quadrados. 6

Nº de sucessos ,3277 0,4096 0,2048 0,0512 0,0064 0,0003. n Limite superior de 0,025 0,01 0,0025 0,000625

Nº de sucessos ,3277 0,4096 0,2048 0,0512 0,0064 0,0003. n Limite superior de 0,025 0,01 0,0025 0,000625 Capíulo Problema 0 Nº de sucessos 0 4 5 0,0 0, 0,4 0,6 0,8,0 P 0,77 0,4096 0,048 0,05 0,0064 0,000 E 0, p ; 0,0 5 Problema 0 4 0 5 00 400 Lme superor de 0,05 0,0 0,005 0,00065 Lme superor de p^ 0,00 0,05

Leia mais

A DESIGUALDADE DE CHEBYCHEV HÉLIO BERNARDO LOPES 1

A DESIGUALDADE DE CHEBYCHEV HÉLIO BERNARDO LOPES 1 A DESIGUALDADE DE CHEBYCHEV HÉLIO BERNARDO LOPES Resumo. A desgualdade de Chebychev cosu um resulado de grade mporâca a esmação da probabldade de acoecmeos orudos de experêcas aleaóras de que se descohece

Leia mais

1. Estatística Descritiva

1. Estatística Descritiva . Esaísca Descrva Tabelas de Frequêcas a. Dados qualavos ou quaavos quado os valores se reee Frequêca absolua sles (F ) úero de vezes que cada valor dso da varável observada se reee (,, ). Te-se que: F

Leia mais

Regressão Linear e Multilinear

Regressão Linear e Multilinear Regressão Lear e Multlear Deleameto Expermetal Mestrado em Sstemas de Produção em Agrcultura Medterrâca Modelo de Regressão Lear Smples X Varável Idepedete Y Varável Depedete y =β +β x +ε β ordeada a orgem

Leia mais

Métodos AiBi e Logístico para projeção de pequenas áreas: uma aplicação para a microrregião de Angicos RN

Métodos AiBi e Logístico para projeção de pequenas áreas: uma aplicação para a microrregião de Angicos RN Méodos AB e Logísco para projeção de pequeas áreas: uma aplcação para a mcrorregão de Agcos RN Crsae Slva Corrêa CEDELAR/UFMG e UFRN Luaa Juquera Das Myrrha CEDELAR/UFMG e UFRN Moema Fígol CEDELAR/UFMG.

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

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

Grupo I (Cotação: 0 a 3.6 valores: uma resposta certa vale 1.2 valores e uma errada valores)

Grupo I (Cotação: 0 a 3.6 valores: uma resposta certa vale 1.2 valores e uma errada valores) INSTITUTO SUPERIOR DE ECONOMIA E GESTÃO Esaísica II - Licenciaura em Gesão Época de Recurso 6//9 Pare práica (quesões resposa múlipla) (7.6 valores) Nome: Nº Espaço reservado para a classificação (não

Leia mais

EXAME NACIONAL DE SELEÇÃO 2009

EXAME NACIONAL DE SELEÇÃO 2009 EXAME NACIONAL DE SELEÇÃO 9 PROVA DE ESTATÍSTICA o Da: 8//6 - QUARTA FEIRA HORÁRIO: h às h 45 (horáro de Brasíla) EXAME NACIONAL DE SELEÇÃO 9 o Da: 8/(Qara-fera) Mahã::h às h 45 ESTATÍSTICA Isrções. Ese

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

Tópicos Extras 2ª parte. Análise de Correlação e Regressão

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

Leia mais

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

Curso de Óptica Aplicada

Curso de Óptica Aplicada Curso de Ópca Aplcada Faculdade de Cêcas e Tecologa Uversdade Nova de Lsboa AT 4 Propagação Deparameo Aula Teórca de Físca 5 Ópca Geomérca Curso de Ópca Aplcada Aula Teórca 4 Propagação Curso de Ópca Aplcada

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

AJUSTAMENTO DE CURVAS E MODELOS ESTOCÁSTICOS: ABUSOS DO MÉTODO DOS MÍNIMOS QUADRADOS

AJUSTAMENTO DE CURVAS E MODELOS ESTOCÁSTICOS: ABUSOS DO MÉTODO DOS MÍNIMOS QUADRADOS AJUSTAMENTO DE CURVAS E MODELOS ESTOCÁSTICOS: ABUSOS DO MÉTODO DOS MÍNIMOS QUADRADOS CURVE FITTING AND STOCHASTIC MODELS: ABUSES OF THE LEAST SQUARES METHOD. INTRODUÇÃO Muas vezes dspõe-se de um modelo

Leia mais

Exemplo pág. 28. Aplicação da distribuição normal. Normal reduzida Z=(900 1200)/200= 1,5. Φ( z)=1 Φ(z)

Exemplo pág. 28. Aplicação da distribuição normal. Normal reduzida Z=(900 1200)/200= 1,5. Φ( z)=1 Φ(z) Exemplo pág. 28 Aplcação da dsrbução ormal Normal reduzda Z=(9 2)/2=,5 Φ( z)= Φ(z) Subsudo valores por recurso à abela da ormal:,9332 = Φ(z) Φ(z) =,668 Φ( z)= Φ(z) Φ(z) =,33 Φ(z) =,977 z = (8 2)/2 = 2

Leia mais

Métodos Avançados em Epidemiologia

Métodos Avançados em Epidemiologia Unversdade Federal de Mnas Geras Insttuto de Cêncas Exatas Departamento de Estatístca Métodos Avançados em Epdemologa Aula 5-1 Regressão Lnear Smples: Estmação e Interpretação da Reta Tabela ANOVA e R

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

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

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

Plano de aula. ECG com ruído: o que fazer? Motivação / Importância. Importância. Aplicações. Sinais aleatórios: aplicações em sinais biomédicos

Plano de aula. ECG com ruído: o que fazer? Motivação / Importância. Importância. Aplicações. Sinais aleatórios: aplicações em sinais biomédicos Sas aleaóros: aplcações em sas bomédcos Sérgo S Furue Plao de aula Movação: o que é e para que serve? Tpos de sas e represeação de sas Ruídos Processos esocáscos e ergódcos pdf Operador depedees Correlação/correlação

Leia mais

O gráfico abaixo mostra um exemplo das vendas (em unidades vendidas) mensais de um produto. Exemplo de Serie Temporal mes

O gráfico abaixo mostra um exemplo das vendas (em unidades vendidas) mensais de um produto. Exemplo de Serie Temporal mes Modelos de Prevsão Irodução Em omada de decsão é basae comum raar problemas cujas decsões a serem omadas são fuções de faos fuuros Assm, os dados descrevedo a suação de decsão precsam ser represeavos do

Leia mais

TESTES DE PROPORÇÕES TESTE DE UMA PROPORÇÃO POPULACIONAL

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

Leia mais

Modelo de Regressão Simples

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

Leia mais

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

TRANSITÓRIOS MECÂNICOS DO MOTOR DE INDUÇÃO

TRANSITÓRIOS MECÂNICOS DO MOTOR DE INDUÇÃO CAPÍTULO 7 TRANSITÓRIOS MECÂNICOS DO MOTOR DE INDUÇÃO 7.1 INTRODUÇÃO Vaos cosderar o caso de u oor de dução dusral, aleado por esões rfáscas balaceadas. Tal oor e a caracerísca orque-velocdade represeada

Leia mais

Eletromagnetismo II 1 o Semestre de 2007 Noturno - Prof. Alvaro Vannucci

Eletromagnetismo II 1 o Semestre de 2007 Noturno - Prof. Alvaro Vannucci leomagesmo II o Semese de 7 Nouo - Pof. Alvao Vaucc 3 a aula /ab/7 Vmos: Odas sfécas (vácuo: = Ψ (modo T e B = ( ψ ω c ' = ω B ' = ψ c ( ψ (modo TM ; ω Ψ + Ψ = sedo que ψ sasfaz: c (equação scala de Helmholz

Leia mais

2-TRANSFORMAÇÃO DE COORDENADAS: PARÂMETROS DE REPRESENTAÇÃO

2-TRANSFORMAÇÃO DE COORDENADAS: PARÂMETROS DE REPRESENTAÇÃO 2-TANSFOMAÇÃO DE COODENADAS: PAÂMETOS DE EPESENTAÇÃO 2.1 Cosseos Dreores e a Mar de oação Seam dos ssemas caresaos um de referêca e ouro fo um corpo rígdo defdos pelos ssemas ( e ( respecvamee que são

Leia mais

Macroeconometria Aula 3 Revisão de estatística e teste de hipótese

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

Leia mais

Sistemas Série-Paralelo e

Sistemas Série-Paralelo e Capíulo 5 Cofabldade de semas ére-paralelo e Msos Flávo. Foglao uposções comus a odos os ssemas aalsados Cofabldade de ssemas é avalada um poo o empo; ou seja, compoees apreseam cofabldades esácas em.

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

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

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

Martingalas: Uma ferramenta em Inferência Estatística

Martingalas: Uma ferramenta em Inferência Estatística V Cogresso Aual Socedade Poruguesa de Esaísca Cura, a 4 de Juho de 997 Margalas: Uma ferramea em Iferêca Esaísca Cláuda Nues, Aóo Pacheco Deparameo de Maemáca e Cero de Maemáca Aplcada Isuo Superor Técco,

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

O ESTIMADOR DE MÁXIMA VEROSSIMILHANÇA UTILIZADO EM TESTES DE VIDA SEQÜENCIAIS COM TRUNCAGEM: uma aplicação com um modelo Weibull de três parâmetros

O ESTIMADOR DE MÁXIMA VEROSSIMILHANÇA UTILIZADO EM TESTES DE VIDA SEQÜENCIAIS COM TRUNCAGEM: uma aplicação com um modelo Weibull de três parâmetros O ESTIMADOR DE MÁXIMA VEROSSIMILHANÇA UTILIZADO EM TESTES DE VIDA SEQÜENCIAIS COM TRUNCAGEM: uma aplcação com um modelo Webull de rês parâmeros DANIELE DA ROCHA FONSECA UNIVERSIDADE ESTADUAL DO NORTE FLUMINENSE

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

O ESTIMADOR DE MÁXIMA VEROSSIMILHANÇA UTILIZADO EM TESTES DE VIDA SEQÜENCIAIS COM TRUNCAGEM: uma aplicação com um modelo Weibull de três parâmetros

O ESTIMADOR DE MÁXIMA VEROSSIMILHANÇA UTILIZADO EM TESTES DE VIDA SEQÜENCIAIS COM TRUNCAGEM: uma aplicação com um modelo Weibull de três parâmetros O ESTIMADOR DE MÁXIMA VEROSSIMILHANÇA UTILIZADO EM TESTES DE VIDA SEQÜENCIAIS COM TRUNCAGEM: uma aplcação com um modelo Webull de rês parâmeros DANIELE DA ROCHA FONSECA UNIVERSIDADE ESTADUAL DO NORTE FLUMINENSE

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

Receita do Método da Aproximação Polinomial Global Aplicado a Problemas. Unidirecionais sem Simetria

Receita do Método da Aproximação Polinomial Global Aplicado a Problemas. Unidirecionais sem Simetria Recea do Méodo da Aromação olomal Recea do Méodo da Aromação olomal Global Alcado a roblemas Esruura Geral do roblema: Udrecoas sem Smera y y y F y o domío : 0 < < e >0. Suea às codções de cooro: CC: G

Leia mais

Regressão e Correlação

Regressão e Correlação Regressão e Correlação Júlo Osóro Regressão & Correlação: geeraldades Em mutas stuações de pesqusa cetífca, dspomos de uma amostra aleatóra de pares de dados (x, ), resultates da medda cocomtate de duas

Leia mais

Algumas considerações em regressão não linear

Algumas considerações em regressão não linear Algumas cosderações em regressão ão lear Josmar Mazuchel e Jorge Albero Achcar Deparameo de Esaísca, Uversdade Esadual de Margá, Av. Colombo, 5790, 8700-900, Margá, Paraá, Brasl. Deparameo de Esaísca,

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

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

Métodos Estatísticos de Previsão MÉTODOS ESTATÍSTICOS DE PREVISÃO. Análise de Erros. Bernardo Almada Lobo. Bernardo Almada-Lobo (2007)

Métodos Estatísticos de Previsão MÉTODOS ESTATÍSTICOS DE PREVISÃO. Análise de Erros. Bernardo Almada Lobo. Bernardo Almada-Lobo (2007) Méodos saísicos de Previsão MÉTODO TATÍTICO D PRVIÃO 0 08 06 04 0 00 98 96 94 9 90 0 5 0 5 0 Aálise de rros Berardo Almada Lobo Berardo Almada-Lobo (007) Méodos saísicos de Previsão Regressão Liear Múlipla

Leia mais

ECONOMETRIA CLÁSSICA

ECONOMETRIA CLÁSSICA Méodos Quaavos II Mesrado em Ecooma Aplcada Faculdade de Ecooma e Admsração Pro. Rogéro Slva de Maos ECONOMETRIA CLÁSSICA Noas de Aula Mao 6 . INTRODUÇÃO. OBJETIVOS Modelos ecoomércos Mesuração Vercação

Leia mais

CONVERGÊNCIA MICRORREGIONAL NO SETOR AGRÍCOLA USANDO UM MODELO THRESHOLD. Resumo

CONVERGÊNCIA MICRORREGIONAL NO SETOR AGRÍCOLA USANDO UM MODELO THRESHOLD. Resumo CONVERGÊNCIA MICRORREGIONAL NO SETOR AGRÍCOLA USANDO UM MODELO THRESHOLD Resumo José Nlo de Olvera Júor UFPA Iva Caselar DEA/UFC Robero Tawa Ferrera CAEN/UFC Ese argo aalsa o processo de covergêca mcrorregoal

Leia mais

( ) ( ) Es'mador de Máxima-Verossimilhança. ,θ i. L( Θ; X) = f ( X;Θ) = f (x i

( ) ( ) Es'mador de Máxima-Verossimilhança. ,θ i. L( Θ; X) = f ( X;Θ) = f (x i 5.. Esmador de Máxma-Verossmlhaça O prcípo básco do esmador de Máxma-Verossmlhaça cosste a obteção de esmavas de parâmetros populacoas de uma desdade de uma varável aleatóra a parr de um cojuto de formações

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

Previsão de demanda quantitativa Regressão linear Regressão múltiplas Exemplos Exercícios

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

Leia mais

Introdução à Correlação e Regressão Linear

Introdução à Correlação e Regressão Linear Itrodução à Correlação e Regressão Lear Ru Carvalho Olvera rolv@st.utl.pt Estatístca Descrtva amostras bvaradas Amostras bvaradas: cada etdade (dvíduo/objecto é caracterzado por um par de varáves (atrbutos

Leia mais

5 Cálculo Diferencial em IR n

5 Cálculo Diferencial em IR n 5 Cálculo Derecal e IR Irodução Cosdereos a órula que os dá a área de u raulo: b h A b h Coo podeos vercar a área de u râulo depede de duas varáves: base b e alura h. Podeos caracerar esa ução coo sedo

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

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

Avaliação da qualidade do ajuste

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

Leia mais

Tratamento de Dados 2º Semestre 2005/2006 Tópicos de Resolução do Trabalho 2 = 12

Tratamento de Dados 2º Semestre 2005/2006 Tópicos de Resolução do Trabalho 2 = 12 Traaeno de Dados º Seesre 5/6 Tópcos de Resolução do Trabalho Quesão a Para agrupar os dados e classes ora consderados os valores das rendas aé 5. ua vez que a parr dese valor os dados se enconra basane

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

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

ENVIESAMENTO DE SUBSTITUIÇÃO NO ÍNDICE DE PREÇOS NO CONSUMIDOR*

ENVIESAMENTO DE SUBSTITUIÇÃO NO ÍNDICE DE PREÇOS NO CONSUMIDOR* ENVIESAMENTO DE SUBSTITUIÇÃO NO ÍNDICE DE PREÇOS NO CONSUMIDOR* Pedro Duare Neves ** Luís Moras Sarmeo**. INTRODUÇÃO O Ídce de Preços o Cosumdor (IPC), produzdo mesalmee pelo Isuo Nacoal de Esaísca, é

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

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

CAPÍTULO 9 MODELOS DE REGRESSÃO COM VARIÁVEIS BINÁRIAS

CAPÍTULO 9 MODELOS DE REGRESSÃO COM VARIÁVEIS BINÁRIAS Economera Semesre 200.0 40 CAPÍTULO 9 MODELOS DE REGRESSÃO COM VARIÁVEIS BINÁRIAS OBJETIVOS Consderar modelos em que uma ou mas varáves explcavas são varáves nomnas (ambém chamadas de ndcadores, varáves

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

a) 1,8 e 4,6. b) 2,0 e 2,2. c) 1,8 e 5,2. d) 2,0 e 4,6. e) 2,0 e 1,9.

a) 1,8 e 4,6. b) 2,0 e 2,2. c) 1,8 e 5,2. d) 2,0 e 4,6. e) 2,0 e 1,9. Questão : As otas de dez aluos, um exame, estão dadas a segur:, 5, 8, 3, 6, 5, 8, 7, 6, 0 O desvo médo e a varâca dessas otas podem ser expressos, respectvamete, por: a),8 e 4,6 b),0 e, c),8 e 5, d),0

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

CONFIABILIDADE EM ENGENHARIA

CONFIABILIDADE EM ENGENHARIA UNIVERSIDADE ESTADUAL DE CAMPINAS FACULDADE DE ENGENHARIA MECÂNICA DEPARTAMENTO DE PROJETO MECÂNICO Dscpla: IM 46 CONFIABILIDADE EM ENGENHARIA Auora: Profa. Dra. Kaa Lucches Cavalca Revsão: Zlda de Casro

Leia mais

Cassiano Bragagnolo Vania Di Addario Guimarães Geraldo Sant Ana de Camargo Barros

Cassiano Bragagnolo Vania Di Addario Guimarães Geraldo Sant Ana de Camargo Barros A regra óma de armazeameo de arroz o Brasl Cassao Bragagolo Vaa D Addaro Gumarães Geraldo Sa Aa de Camargo Barros Resumo Ese rabalho preede aplcar um modelo ecoômco dâmco de expecavas racoas para armazeameo

Leia mais

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

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

Leia mais

ECONOMETRIA CLÁSSICA

ECONOMETRIA CLÁSSICA éodos Quaavos II esrado em Ecooma Aplcada Faculdade de Ecooma e Admsração Pro. Rogéro Slva de aos ECONOETRIA CLÁSSICA Noas de Aula . INTRODUÇÃO. OBJETIVOS odelos ecoomércos esuração Vercação de eoras Prevsão.

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

ANÁLISE VISCOELÁSTICA DE PAVIMENTOS ASFÁLTICOS PELO MÉTODO DOS ELEMENTOS FINITOS

ANÁLISE VISCOELÁSTICA DE PAVIMENTOS ASFÁLTICOS PELO MÉTODO DOS ELEMENTOS FINITOS ANÁLISE VISCOELÁSTICA DE PAVIMENTOS ASFÁLTICOS PELO MÉTODO DOS ELEMENTOS FINITOS Eso de Lma Porela Uversdade Federal do Ceará Laboraóro de Mecâca dos Pavmeos - Deparameo de Egehara de Traspores Evadro

Leia mais

Lista de Exercícios #9 Assunto: Análise de Regressão Método de Mínimos Quadrados

Lista de Exercícios #9 Assunto: Análise de Regressão Método de Mínimos Quadrados Lsta de Exercícos #9 Assuto: Aálse de Regressão Método de Mímos Quadrados ANPEC 8 Questão 4 Cosdere o segute modelo de regressão lear smples: () y = β + β x + u Para uma amostra com 3 observações, foram

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

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

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

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

SERVIÇO SOCIAL DO COMÉRCIO - SESC/PE PROCESSO SELETIVO EXTERNO DADOS DE IDENTIFICAÇÃO DO CANDIDATO

SERVIÇO SOCIAL DO COMÉRCIO - SESC/PE PROCESSO SELETIVO EXTERNO DADOS DE IDENTIFICAÇÃO DO CANDIDATO SERVIÇO SOCIAL DO COMÉRCIO - SESC/PE PROCESSO SELETIVO EXTERNO Não dexe de preecher as formações a segur: DADOS DE IDENTIFICAÇÃO DO CANDIDATO Prédo Sala Nome Nº de Idedade Órgão Expeddor UF Nº de Iscrção

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

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

Eletromagnetismo Licenciatura. 18 a aula. Professor Alvaro Vannucci

Eletromagnetismo Licenciatura. 18 a aula. Professor Alvaro Vannucci leomagesmo Lcecaua 8 a aula Pofesso Alvao Vaucc Na úlma aula vmos... Poêca adada po um Dpolo léco que Oscla: P dpolo p 0 4 c quao que a Poêca adada po uma aea mea-oda: P aea q 0 4 c Agoa, em emos do valo

Leia mais

Relatório 2ª Atividade Formativa UC ECS

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

Leia mais

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

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

Leia mais

Parte 3 - Regressão linear simples

Parte 3 - Regressão linear simples Parte 3 - Regressão lear smples Defção do modelo Modelo de regressão empregado para eplcar a relação lear etre duas varáves (ajuste de uma reta). O modelo de regressão lear smples pode ser epresso a forma:

Leia mais

Modelos de regressão linear: abordagem clássica

Modelos de regressão linear: abordagem clássica Modelos de regressão lear: abordagem clássca Prof. Marcelo Rubes mrubes@me.uerj.br Depto. Estatístca Aálse de Regressão Objetvo: Determar uma fução matemátca que descreva a relação etre uma varável cotíua

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

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

8. INFERÊNCIA PARA DUAS POPULAÇÕES

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

Leia mais

Análise de Dados e Probabilidade B Exame Final 2ª Época

Análise de Dados e Probabilidade B Exame Final 2ª Época Aálse de Dados e obabldade B Eame Fal ª Éoca Claa Cosa Duae Daa: / /7 Cáa Feades Duação: hm edo Chaves MORTATE: Esceva o ome e úmeo o cmo de cada folha Resoda a cada guo em folhas seaadas, caso ão esoda

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

3. ANPEC Questão 15 Ainda em relação à questão anterior pode-se concluir que, exceto por erro de arredondamento:

3. ANPEC Questão 15 Ainda em relação à questão anterior pode-se concluir que, exceto por erro de arredondamento: Lsta de Exercícos #9 Ass uto: Aáls e de Re gres s ão Mé todo de Mímos Quadrados. ANPEC 99 - Questão 8 A capacdade de produção stalada (Y), em toeladas, de uma frma, pode ser fução da potêca stalada (X),

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

5.1 O Processo TAR. é definida como um processo limiar auto-regressivo com h. regimes se puder ser representada por (5) ). Os termos ,...

5.1 O Processo TAR. é definida como um processo limiar auto-regressivo com h. regimes se puder ser representada por (5) ). Os termos ,... 5 O Modelo Não-Lnear Como vso no capíulo aneror, há espaço para uma análse mas profunda da função de reação do Banco Cenral do Brasl. Auores como Clarda, Gal e Gerler (2000) e Cogley e Sargen (2001) examnam

Leia mais

Análise de Eficiência Energética em Sistemas Industriais de Ventilação

Análise de Eficiência Energética em Sistemas Industriais de Ventilação Aálse de Efcêca Eergéca em Ssemas Idusras de elação Kleber Davd Belovsk, Déco Bspo, Aôo Carlos Delaba, Sérgo Ferrera de aula Slva Faculdade de Egehara Elérca da Uversdade Federal de Uberlâda UFU, Aveda

Leia mais

INFERÊNCIA ESTATÍSTICA PARA DUAS POPULAÇÕES

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

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

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

Exercícios de Análise de Sinal

Exercícios de Análise de Sinal Exercícios de Aálise de Sial Faculdade de Egeharia da Uiversidade do Poro Seembro 006 recolha de problemas de diversos auores edição feia por: H. Mirada, J. Barbosa (000) M. I. Carvalho, A. Maos (003,006)

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

1. Na figura seguinte está representada parte do gráfico de uma função g, de domínio R e contínua em

1. Na figura seguinte está representada parte do gráfico de uma função g, de domínio R e contínua em PROVA ESCRITA DE MATEMÁTICA A.º E 00 Fevereiro 8 Duração da prova: 90 miuos VERSÃO Grupo I Para cada uma das cico quesões dese grupo, seleccioe a resposa correca de ere as aleraivas que lhe são apreseadas

Leia mais

Estatística para Economia e Gestão Licenciatura em Economia e Licenciatura em Gestão

Estatística para Economia e Gestão Licenciatura em Economia e Licenciatura em Gestão Estatístca para Ecooma e Gestão Lcecatura em Ecooma e Lcecatura em Gestão NOVA School of Busess ad Ecoomcs Prof. Luís Catela Nues Eame Fal ª Época 4 de Juho de 0 Duração: horas Materal autorzado: Caeta

Leia mais