Prof. Eduardo Bezerra. 15 de setembro de 2017
|
|
- Ruth Fialho Santos
- 5 Há anos
- Visualizações:
Transcrição
1 Distribuições Amostrais Prof. Eduardo Bezerra Inferência Estatística 15 de setembro de 2017 Eduardo Bezerra (CEFET/RJ) Distribuições Amostrais 1 / 28
2 Roteiro Distribuições amostrais 1 Distribuições amostrais Eduardo Bezerra (CEFET/RJ) Distribuições Amostrais 2 / 28
3 Roteiro Distribuições amostrais 1 Distribuições amostrais Eduardo Bezerra (CEFET/RJ) Distribuições Amostrais 3 / 28
4 Distribuições amostrais Considere uma AAS de uma população para produzir uma amostra de n elementos. Uma afirmação eventualmente feita sobre essa população será baseada em alguma estatística T, que é uma função da amostra (X 1, X 2,..., X n ). Colhida essa amostra, teremos observado um valor particular de T. A validade dessa afirmação seria melhor compreendida se soubéssemos o que acontece quando produzimos todas as amostras da população. Isto é, qual é a distribuição de T quando (X 1, X 2,..., X n ) assume todos os valores possíveis. Eduardo Bezerra (CEFET/RJ) Distribuições Amostrais 4 / 28
5 Distribuições amostrais (cont.) A distribuição obtida considerando todas as possíveis amostras de uma população é denominada distribuição amostral (sampling distribution) da estatística T. O procedimento geral para obtenção dessa distribuição envolve os seguintes componentes: (a) uma população X, com determinado parâmetro de interesse θ; (b) todas as amostras retiradas da população, de acordo com certo plano amostral; Para cada amostra, calculamos o valor t da estatística T. Os valores t formam uma nova população, cuja distribuição recebe o nome de distribuição amostral de T. Eduardo Bezerra (CEFET/RJ) Distribuições Amostrais 5 / 28
6 Distribuições amostrais - exemplo 01 Para estudar a proporção de eleitores que votariam em um candidato, são recolhidas amostras, cada uma de 300 eleitores. Na primeira, 175 responderam sim, o que gera uma estimativa pontual de 0,58 para a proporção. Na segunda, suponha que o valor obtido tenha sido 181, o que corresponde ao valor 0,60 para a estimativa da estatística. A repetição desse processo n vezes resulta em n valores para a estatística em questão, a proporção amostral), cada um deles é uma estimativa do valor do parâmetro sob estudo (i.e., a proporção populacional). Esses n valores definem a distribuição amostral da proporção. Eduardo Bezerra (CEFET/RJ) Distribuições Amostrais 6 / 28
7 Distribuições amostrais - exemplo 01 Para estudar a proporção de eleitores que votariam em um candidato, são recolhidas amostras, cada uma de 300 eleitores. Na primeira, 175 responderam sim, o que gera uma estimativa pontual de 0,58 para a proporção. Na segunda, suponha que o valor obtido tenha sido 181, o que corresponde ao valor 0,60 para a estimativa da estatística. A repetição desse processo n vezes resulta em n valores para a estatística em questão, a proporção amostral), cada um deles é uma estimativa do valor do parâmetro sob estudo (i.e., a proporção populacional). Esses n valores definem a distribuição amostral da proporção. Eduardo Bezerra (CEFET/RJ) Distribuições Amostrais 6 / 28
8 Distribuições amostrais - exemplo 01 Para estudar a proporção de eleitores que votariam em um candidato, são recolhidas amostras, cada uma de 300 eleitores. Na primeira, 175 responderam sim, o que gera uma estimativa pontual de 0,58 para a proporção. Na segunda, suponha que o valor obtido tenha sido 181, o que corresponde ao valor 0,60 para a estimativa da estatística. A repetição desse processo n vezes resulta em n valores para a estatística em questão, a proporção amostral), cada um deles é uma estimativa do valor do parâmetro sob estudo (i.e., a proporção populacional). Esses n valores definem a distribuição amostral da proporção. Eduardo Bezerra (CEFET/RJ) Distribuições Amostrais 6 / 28
9 Roteiro Distribuições amostrais 1 Distribuições amostrais Eduardo Bezerra (CEFET/RJ) Distribuições Amostrais 7 / 28
10 Teorema do limite central Para amostras aleatórias simples (X 1, X 2,..., X n ), retiradas de uma população com média µ e variância σ 2 finita, a distribuição amostral da média, X, aproxima-se, conforme n cresce, de uma distribuição normal, com média µ e variância σ 2 /n. Eduardo Bezerra (CEFET/RJ) Distribuições Amostrais 8 / 28
11 Teorema do limite central (TLC) Se a amostra for extraída de uma população cuja distribuição é bastante assimétrica, será necessário um n relativamente grande. aproximadamente simétrica, a aproximação do TLC pode ser boa até para valores pequenos de n. Evidências empíricas mostram que, para a maioria das populações, se o tamanho da amostra for maior do que 30, a aproximação do TLC é boa. Eduardo Bezerra (CEFET/RJ) Distribuições Amostrais 9 / 28
12 Teorema do limite central (TLC) O TLC afirma que a distribuição de X aproxima-se de uma normal quando n tende a infinito, e a rapidez dessa convergência depende da distribuição da qual a amostra é retirada. Nas ilustrações a seguir, mais à esquerda, temos uma função de distribuição de uma v.a. que representa alguma população; as duas figuras à direita de cada ilustração são as distribuições amostrais (linha sólida) para amostras de tamanhos 5 e 30, respectivamente, com a curva normal (linha tracejada) sobreposta; note-se que duas das distribuições originais são contínuas, e uma é discreta. O TLC vale para distribuições contínuas e discretas. Eduardo Bezerra (CEFET/RJ) Distribuições Amostrais 10 / 28
13 Teorema do limite central (TLC) - ilustração (a) Uma vez que a distribuição da população é quase simétrica, a aproximação normal é boa, mesmo para um tamanho de amostra tão pequeno como 5. Fonte da figura: Navidi, página 292 Eduardo Bezerra (CEFET/RJ) Distribuições Amostrais 11 / 28
14 Teorema do limite central (TLC) - ilustração (b) Aqui, a distribuição da população é um pouco distorcida. Mesmo assim, a aproximação normal está razoavelmente aproximada, mesmo para n = 5; a aproximação é muito boa para n = 30. Fonte da figura: Navidi, página 292 Eduardo Bezerra (CEFET/RJ) Distribuições Amostrais 12 / 28
15 Teorema do limite central (TLC) - ilustração (c) Aqui, a distribuição da população é altamente assimétrica. A aproximação normal não é boa para n = 5, e razoavelmente boa para n = 30. Fonte da figura: Navidi, página 292 Eduardo Bezerra (CEFET/RJ) Distribuições Amostrais 13 / 28
16 Teorema do limite central (TLC) - corolários Há dois corolários importantes do TCL, enunciados a seguir. Corolário 1 Se (X 1, X 2,..., X n ) for uma AAS de uma população com média µ e variância finita σ 2, e X =(X 1 + X X n )/n, então Z = X µ σ/ n N(0,1). Nesse corolário, note que se fez a transformação de X para a normal padrão. Observe também que a expressão acima pode ser escrita como n(x µ) Z = N(0,1). σ Eduardo Bezerra (CEFET/RJ) Distribuições Amostrais 14 / 28
17 Teorema do limite central (TLC) - corolários (cont.) Chamemos de e a v.a. que mede a diferença entre a estatística X e o parâmetro µ, i.e., e = X µ; e é o chamado erro amostral da média. O segundo corolário faz menção a essa variável. Corolário 2 A distribuição de e aproxima-se de uma distribuição normal com média 0 e variância σ 2 /n, isto é, e n σ N(0,1). Eduardo Bezerra (CEFET/RJ) Distribuições Amostrais 15 / 28
18 Roteiro Distribuições amostrais 1 Distribuições amostrais Eduardo Bezerra (CEFET/RJ) Distribuições Amostrais 16 / 28
19 Suponha que uma amostra aleatória de tamanho n seja retirada de uma população normal com média µ e variância σ 2. Cada observação X i da amostra aleatória terá, portanto, a mesma distribuição normal sendo amostrada. Pela propriedade reprodutiva da distribuição normal, a média amostral X = 1 n (X 1 + X X n ) tem uma distribuição normal com média e variância µ X = 1 (µ + µ µ) = µ n σ 2 X = 1 n 2 (σ2 + σ σ 2 ) = σ2 n. Eduardo Bezerra (CEFET/RJ) Distribuições Amostrais 17 / 28
20 Surpreendentemente, o que foi declarado na página anterior é verdadeira não somente para população de distribuição normal: Se a amostragem for feita de uma população de distribuição desconhecida qualquer, finita ou infinita, a distribuição amostral de X ainda será aproximadamente normal, com média µ e variância σ 2 /n, se o tamanho da amostra for grande. Eduardo Bezerra (CEFET/RJ) Distribuições Amostrais 18 / 28
21 Roteiro Distribuições amostrais 1 Distribuições amostrais Eduardo Bezerra (CEFET/RJ) Distribuições Amostrais 19 / 28
22 Exemplo 01 Distribuições amostrais Uma indústria elétrica fabrica lâmpadas que têm vida útil que segue N(800, 40 2 ). Determine a probabilidade de que uma amostra aleatória de 16 lâmpadas terá vida útil média menor que 775. Eduardo Bezerra (CEFET/RJ) Distribuições Amostrais 20 / 28
23 Exemplo 01 (cont.) Solução. De acordo com o TLC, a distribuição amostral de X, a v.a. que representa a vida útil média, será aproximadamente normal, com µ X = 800 e σ X = 40/ 16 = 10. Para x = 775, descobrimos que e, portanto, z = = 2,5 Pr(X < 775) = Pr(Z < 2,5) = 0,0062. Possível interpretação: se a máquina produziu as lâmpadas dessa amostra, é provável que esteja desregulada. Eduardo Bezerra (CEFET/RJ) Distribuições Amostrais 21 / 28
24 Exemplo 02 Distribuições amostrais Considere uma máquina de preencher pacotes cujos pesos em gramas seguem a distribuição N(500,100). Colhe-se uma amostra de tamanho n = 100 pacotes. Qual a probabilidade de que a média desses pacotes da amostra difira mais de 2 gramas da média populacional? Eduardo Bezerra (CEFET/RJ) Distribuições Amostrais 22 / 28
25 Exemplo 02 (cont.) Solução. De acordo com o TLC, X terá uma distribuição normal com µ X = 500 e σ X 2 = 100/100 = 1. Logo, a probabilidade de a média dos 100 pacotes da amostra diferir de menos de 2g será Pr( X 500 < 2) = Pr(498 < X < 502) = Pr( 2 < Z < 2) 95% Possível interpretação: dificilmente 100 pacotes terão média fora do intervalo [498, 502]. Caso isso ocorra, seria razoável supor que a máquina está desregulada. Eduardo Bezerra (CEFET/RJ) Distribuições Amostrais 23 / 28
26 Exemplo 03 Distribuições amostrais Seja X a v.a. que representa o número de falhas no comprimento de 1 pol. de um condutor de cobre, e cuja fmp de X é apresentada a seguir. Foi colhida uma amostra de 100 condutores dessa população. Qual a probabilidade de o número médio de falhas por condutor ser menor do que 0,5? Eduardo Bezerra (CEFET/RJ) Distribuições Amostrais 24 / 28
27 Exemplo 03 (cont.) Solução. O número médio de falhas na população é µ = 0,66 e a variância populacional é σ 2 = 0,5244. Sejam X 1, X 2,... X 100 as quantidades de falhas em cada uma das 100 observações da amostra. O que precisamos determinar é Pr(X < 0,5). Segue do TLC que X N(0,66; 0,005244). Portanto, Pr(X < 0,5) = Pr(Z < (0,5 0,66)/ 0,005244) = Pr(Z < 2,21) = 0,0136 Interpretação do resultado: apenas 1,36% das amostras de tamanho 100 tem menos do que 0,5 falhas por condutor. Eduardo Bezerra (CEFET/RJ) Distribuições Amostrais 25 / 28
28 Exemplo 04 Distribuições amostrais Em uma universidade, a média da idade dos estudantes é 22,3 anos, e o desvio padrão é 4 anos. Uma amostra aleatória de 64 estudantes é extraída. Qual a probabilidade de a média da idade desses estudantes ser maior do que 23 anos? Eduardo Bezerra (CEFET/RJ) Distribuições Amostrais 26 / 28
29 Exemplo 04 (cont.) Solução. Sejam X 1, X 2,... X 64 as idades dos 64 estudantes da amostra. Queremos determinar Pr(X > 23). A população tem média µ = 22,3 e variância σ 2 = 16. O tamanho da amostra é n = 64. Segue do TLC que X N(22,3; 0,25). Logo, Pr(X > 23) = Pr(Z > (23 22,3)/ 0,25) = Pr(Z > 1,40) = 0,0808. Portanto Pr(X > 23) = 0,0808. Eduardo Bezerra (CEFET/RJ) Distribuições Amostrais 27 / 28
30 Exercício Distribuições amostrais Suponha que se saiba que para uma grande população de pessoas o comprimento craniano seja distribuído de uma forma aproximadamente normal com média igual a 185,6 mm e desvio padrão igual a 12,7 mm. Qual a probabilidade de que uma amostra aleatória de 10 pessoas da população tenha comprimento craniano médio acima de 190 mm? Eduardo Bezerra (CEFET/RJ) Distribuições Amostrais 28 / 28
Teorema do Limite Central
Teorema do Limite Central Prof. Eduardo Bezerra Inferência Estatística 24 de março de 2018 Eduardo Bezerra (CEFET/RJ) Distribuições Amostrais 1 / 12 Roteiro Definição 1 Definição 2 Eduardo Bezerra (CEFET/RJ)
Leia maisProf. Eduardo Bezerra. 6 de abril de 2018
Distribuições Amostrais Prof. Eduardo Bezerra Inferência Estatística 6 de abril de 2018 Eduardo Bezerra (CEFET/RJ) Distribuições Amostrais 1 / 19 Roteiro 1 2 3 Eduardo Bezerra (CEFET/RJ) Distribuições
Leia maisDistribuições Amostrais - Tamanho da Amostra
Distribuições Amostrais - Tamanho da Amostra Prof. Eduardo Bezerra Inferência Estatística 21 de Setembro de 2018 Eduardo Bezerra (CEFET/RJ) Tamanho da Amostra 1 / 10 Motivação Suponha que queremos estimar
Leia maisIntrodução à Inferência Estatística
Introdução à Inferência Estatística Capítulo 10, Estatística Básica (Bussab&Morettin, 7a Edição) 2a AULA 02/03/2015 MAE229 - Ano letivo 2015 Lígia Henriques-Rodrigues 2a aula (02/03/2015) MAE229 1 / 16
Leia maisIntrodução à Probabilidade e à Estatística II
Introdução à Probabilidade e à Estatística II Introdução à Inferência Estatística Capítulo 10, Estatística Básica (Bussab&Morettin, 7a Edição) Lígia Henriques-Rodrigues MAE0229 1º semestre 2018 1 / 36
Leia maisDistribuição 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 maisA Inferência Estatística é um conjunto de técnicas que objetiva estudar a população através de evidências fornecidas por uma amostra.
UNIVERSIDADE FEDERAL DA PARAÍBA Distribuição Amostral Prof. Tarciana Liberal Departamento de Estatística INTRODUÇÃO A Inferência Estatística é um conjunto de técnicas que objetiva estudar a população através
Leia maisProfessora Ana Hermínia Andrade. Universidade Federal do Amazonas Faculdade de Estudos Sociais Departamento de Economia e Análise. Período 2017.
Professora Ana Hermínia Andrade Universidade Federal do Amazonas Faculdade de Estudos Sociais Departamento de Economia e Análise Período 2017.1 Distribuições Amostrais O intuito de fazer uma amostragem
Leia maisCap. 8 - Intervalos Estatísticos para uma Única Amostra
Intervalos Estatísticos para ESQUEMA DO CAPÍTULO 8.1 INTRODUÇÃO 8.2 INTERVALO DE CONFIANÇA PARA A MÉDIA DE UMA DISTRIBUIÇÃO NORMAL, VARIÂNCIA CONHECIDA 8.3 INTERVALO DE CONFIANÇA PARA A MÉDIA DE UMA DISTRIBUIÇÃO
Leia maisDistribuições Amostrais
Distribuições Amostrais 1 Da população, com parâmetro, retira-se k amostras de tamanho n e calcula-se a estatística. Estas estatísticas são as estimativas de. As estatísticas, sendo variáveis aleatórias,
Leia maisTeorema central do limite e es/mação da proporção populacional p
Teorema central do limite e es/mação da proporção populacional p 1 RESULTADO 1: Relembrando resultados importantes Seja uma amostra aleatória de tamanho n de uma variável aleatória X, com média µ e variância
Leia maisEstatística 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 maisIntervalos de Confiança - Amostras Pequenas
Intervalos de Confiança - Amostras Pequenas Prof. Eduardo Bezerra CEFET/RJ 20 de Abril de 2018 (CEFET/RJ) Intervalos de Confiança - Amostras Pequenas 1 / 26 Roteiro 1 Distribuição t de Student 2 Funções
Leia maisDistribuições Amostrais e Estimação Pontual de Parâmetros
Distribuições Amostrais e Estimação Pontual de Parâmetros OBJETIVOS DE APRENDIZAGEM Depois de um cuidadoso estudo deste capítulo, você deve ser capaz de: 1.Explicar os conceitos gerais de estimação de
Leia maisIntervalos 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 maisDistribuições por Amostragem
Distribuições por Amostragem Departamento de Matemática Escola Superior de Tecnologia de Viseu (DepMAT ESTV) Distribuições por Amostragem 2007/2008 1 / 27 Introdução: População, amostra e inferência estatística
Leia maisESTATÍSTICA. Lucas Santana da Cunha 18 de setembro de Universidade Estadual de Londrina
INTRODUÇÃO À INFERÊNCIA ESTATÍSTICA Lucas Santana da Cunha http://www.uel.br/pessoal/lscunha/ Universidade Estadual de Londrina 18 de setembro de 2017 Introdução Estatística Descritiva: Preocupa-se com
Leia maisTeoria da Estimação. Fabricio Goecking Avelar. junho Universidade Federal de Alfenas - Instituto de Ciências Exatas
Teoria da Estimação Fabricio Goecking Avelar Universidade Federal de Alfenas - Instituto de Ciências Exatas junho - 2018 Algumas distribuições importantes Sumário 1 Algumas distribuições importantes 2
Leia maisDefinição. 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 maisEstatística Aplicada II. } Estimação e Intervalos de Confiança
Estatística Aplicada II } Estimação e Intervalos de Confiança 1 Aula de hoje } Tópicos } Revisão } Estimação } Intervalos de Confiança } Referências } Barrow, M. Estatística para economia, contabilidade
Leia maisAmostragem 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 maisTestes de Hipóteses II
Testes de Hipóteses II Capítulo 12, Estatística Básica (Bussab&Morettin, 8a Edição) 6a AULA 06/04/2015 MAE229 - Ano letivo 2015 Lígia Henriques-Rodrigues 5a aula (06/04/2015) MAE229 1 / 23 1. Teste para
Leia maisProbabilidade e Estatística
Probabilidade e Estatística Aula 7 Distribuição da Média Amostral Leitura obrigatória: Devore: Seções 5.3, 5.4 e 5.5 Chap 8-1 Inferência Estatística Na próxima aula vamos começar a parte de inferência
Leia maisEstimador: combinação dos elementos da amostra, construída com a finalidade de representar, ou estimar, um parâmetro de interesse na população.
Objetivo: tirar conclusões sobre uma população com base na informação de uma amostra. estimação testes de hipóteses Parâmetro metro: quantidades desconhecidas da população e sobre as quais temos interesse.
Leia maisInferência. 1 Estimativa pontual de uma média 2 Estimativa intervalar de uma média. Renata Souza
Inferência 1 Estimativa pontual de uma média 2 Estimativa intervalar de uma média Renata Souza Aspectos Gerais A estatística descritiva tem por objetivo resumir ou descrever características importantes
Leia maisESTIMAÇÃO DE PARÂMETROS
ESTIMAÇÃO DE PARÂMETROS Um dos principais objetivos da estatística inferencial consiste em estimar os valores de parâmetros populacionais desconhecidos (estimação de parâmetros) utilizando dados amostrais.
Leia maisCap. 4 - Estimação por Intervalo
Cap. 4 - Estimação por Intervalo Amostragem e inferência estatística População: consiste na totalidade das observações em que estamos interessados. Nº de observações na população é denominado tamanho=n.
Leia maisProbabilidade 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 maisx P(X = x) 0,1 0,7 0,2
GET001 Fundamentos de Estatística Aplicada Lista de Exercícios Módulo IV Parte a Profa. Ana Maria Farias 2017-1 CAPÍTULOS 1 e 2 1. Com objetivo de planejamento, um banco determinou a distribuição de probabilidade
Leia maisDistribuição 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 maisBioestatística CE001 Prof. Fernando de Pol Mayer Departamento de Estatística DEST Exercícios: inferência Nome: GABARITO
Bioestatística CE001 Prof. Fernando de Pol Mayer Departamento de Estatística DEST Exercícios: inferência Nome: GABARITO GRR: Observação: em todos os problemas que envolvem teste de hipótese, é necessário
Leia maisDistribuição 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 maisEstimação: (A) Propriedades e Distribuições Amostrais
Estimação: (A) Propriedades e Distribuições Amostrais Wagner H. Bonat Fernando P. Mayer Elias T. Krainski Universidade Federal do Paraná Departamento de Estatística Laboratório de Estatística e Geoinformação
Leia maisInferência Estatística: DEEST/UFOP Prof.: Spencer Barbosa da Silva
Inferência Estatística: Prof.: Spencer Barbosa da Silva Amostragem Estatística Descritiva Cálculo de Probabilidade Inferência Estatística Estimação Teste de Hipótese Pontual Por Intervalo Conceitos básicos
Leia maisMétodos 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 maisPrincípios 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 maisLes Estatística Aplicada II AMOSTRA E POPULAÇÃO
Les 0407 - Estatística Aplicada II AMOSTRA E POPULAÇÃO AULA 1 04/08/16 Prof a Lilian M. Lima Cunha Agosto de 2016 Estatística 3 blocos de conhecimento Estatística Descritiva Levantamento e resumo de dados
Leia maisCEFET/RJ Bacharelado em Ciência da Computação Inferência Estatística - Trabalho 01
CEFET/RJ Bacharelado em Ciência da Computação Inferência Estatística - Trabalho 01 Prof. Eduardo Bezerra (ebezerra@cefet-rj.br) setembro/2017 Conteúdo 1 Estimativas de probabilidades 3 2 Distribuição Normal
Leia maisIntrodução à Bioestatística Turma Nutrição
Universidade Federal de Minas Gerais Instituto de Ciências Exatas Departamento de Estatística Introdução à Bioestatística Turma Nutrição Aula 8: Intervalos de Confiança para Média e Proporção Distribuição
Leia maisMAT 461 Tópicos de Matemática II Aula 8: Resumo de Probabilidade
MAT 461 Tópicos de Matemática II Aula 8: Resumo de Probabilidade Edson de Faria Departamento de Matemática IME-USP 28 de Agosto, 2013 Probabilidade: uma Introdução / Aula 8 1 Desigualdades de Markov e
Leia maisFernando de Pol Mayer
Fernando de Pol Mayer Laboratório de Estatística e Geoinformação (LEG) Departamento de Estatística (DEST) Universidade Federal do Paraná (UFPR) Este conteúdo está disponível por meio da Licença Creative
Leia maisTestes t para comparação de médias de dois grupos independentes
Testes t para comparação de médias de dois grupos independentes Acadêmicas do curso de Zootecnia - Aline Cristina Berbet Lopes Amanda da Cruz Leinioski Larissa Ceccon Universidade Federal do Paraná UFPR/2015
Leia maisPrincípios de Bioestatística Inferência e Intervalo de Confiança
1/24 Princípios de Bioestatística Inferência e Intervalo de Confiança Enrico A. Colosimo/UFMG http://www.est.ufmg.br/ enricoc/ Depto. Estatística - ICEx - UFMG Tabela Normal Padrão 2/24 3/24 Inferência
Leia maisIntrodução ao Planejamento e Análise Estatística de Experimentos 1º Semestre de 2013 Capítulo 3 Introdução à Probabilidade e à Inferência Estatística
Introdução ao Planejamento e Análise Estatística de Experimentos Capítulo 3 Introdução à Probabilidade e à Inferência Estatística Introdução ao Planejamento e Análise Estatística de Experimentos Agora,
Leia maisProbabilidade e Estatística
Probabilidade e Estatística stica Prof. Dr. Narciso Gonçalves da Silva http://paginapessoal.utfpr.edu.br/ngsilva Inferência Estatística stica e Distribuições Amostrais Inferência Estatística stica O objetivo
Leia maisICMS/PE 2014 Resolução da Prova de Estatística Professor Fábio Amorim. ICMS PE 2014: Resolução da prova de Estatística Prof.
ICMS/PE 2014 Resolução da Prova de Estatística Professor Fábio Amorim 1 de 6 Pessoal, segue a resolução das questões de Estatística da prova realizada pela SEFAZ-PE, para o cargo de Auditor Fiscal do Tesouro
Leia mais6- Probabilidade e amostras: A distribuição das médias amostrais
6- Probabilidade e amostras: A distribuição das médias amostrais Anteriormente estudamos como atribuir probabilidades a uma observação de alguma variável de interesse (ex: Probabilidade de um escore de
Leia mais1. (a) Lembre-se que a média de uma variável aleatória discreta é uma média ponderada de seus valores, com as probabilidades sendo os pesos.
GET00172 - Fundamentos de Estatística Aplicada Gabarito da Lista de Exercícios Inferência rofa. Ana Maria Farias 1. a Lembre-se que a média de uma variável aleatória discreta é uma média ponderada de seus
Leia maisx P(X = x) 0,1 0,7 0,2
GET001 Fundamentos de Estatística Aplicada Exercícios de revisão para a 3 rofa. Ana Maria Farias 2018-1 1. Com objetivo de planejamento, um banco determinou a distribuição de probabilidade da idade de
Leia maisUniversidade Federal Fluminense INSTITUTO DE MATEMÁTICA E ESTATÍSTICA DEPARTAMENTO DE ESTATÍSTICA
Universidade Federal Fluminense INSTITUTO DE MATEMÁTICA E ESTATÍSTICA DEPARTAMENTO DE ESTATÍSTICA Estatística Básica para Engenharia Prof. Mariana Albi 8 a Lista de Exercícios Assuntos: Inferência Estatística.
Leia maisInferência 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 maisDISTRIBUIÇÃO AMOSTRAL E ESTIMAÇÃO PONTUAL INTRODUÇÃO ROTEIRO POPULAÇÃO E AMOSTRA. Estatística Aplicada à Engenharia
ROTEIRO 1. Introdução; DISTRIBUIÇÃO AMOSTRAL E ESTIMAÇÃO PONTUAL. Teorema Central do Limite; 3. Conceitos de estimação pontual; 4. Métodos de estimação pontual; 5. Referências. 1 POPULAÇÃO E AMOSTRA População:
Leia maisUnidade IV Inferência estatística
6//5 Unidade IV Inferência estatística 4.. Introdução e histórico 4.. Conceitos fundamentais 4.3. Distribuições amostrais e Teorema central do limite 4.4. Estimação de parâmetros 4.5. Testes de hipóteses
Leia maisAula 9: Introdução à Inferência Estatística
Aula 9: Introdução à Inferência Estatística Professor: José Luiz Padilha da Silva email: jlpadilha@ufpr.br Departamento de Estatística Universidade Federal do Paraná Curitiba, 2018 José Luiz Padilha da
Leia maisFernando de Pol Mayer
Fernando de Pol Mayer Laboratório de Estatística e Geoinformação (LEG) Departamento de Estatística (DEST) Universidade Federal do Paraná (UFPR) Este conteúdo está disponível por meio da Licença Creative
Leia maisAproximação da Distribuição Binomial pela Distribuição Normal
Aproximação da Distribuição Binomial pela Distribuição Normal Uma das utilidades da distribuição normal é que ela pode ser usada para fornecer aproximações para algumas distribuições de probabilidade discretas.
Leia maisInferência Estatistica
Inferência Estatistica Ricardo Ehlers ehlers@icmc.usp.br Departamento de Matemática Aplicada e Estatística Universidade de São Paulo Modelos e Inferência Um modelo é uma simplificação da realidade (e alguns
Leia maisCapítulo 4 Inferência Estatística
Capítulo 4 Inferência Estatística Slide 1 Resenha Intervalo de Confiança para uma proporção Intervalo de Confiança para o valor médio de uma variável aleatória Intervalo de Confiança para a diferença de
Leia maisUma 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 maisInferência Estatística
Inferência Estatística Estatísticas mais comuns: 1 Média x n n x i i 1 Variância s 2 1 n 1 n i 1 ( x i x) 2 Menor valor da amostra X 1, Maior Valor da Amostra X (n) Amplitude W= X (n) - X (1) Proporção
Leia maisDistribuições Amostrais e Estimação Pontual de Parâmetros
Distribuições Amostrais e Estimação Pontual de Parâmetros - parte I 19 de Maio de 2011 Introdução Objetivos Ao final deste capítulo você deve ser capaz de: Entender estimação de parâmetros de uma distribuição
Leia maisProfessora Ana Hermínia Andrade. Período
Teste de Hipóteses Professora Ana Hermínia Andrade Universidade Federal do Amazonas Faculdade de Estudos Sociais Departamento de Economia e Análise Período 2016.1 Teste de Hipóteses O Teste de Hipóteses
Leia maisEstatística Aplicada. Inferência estatística com desvio padrão populacional desconhecido Estimativa de proporção Capítulo 10 Itens 10.4 a 10.
Estatística Aplicada Inferência estatística com desvio padrão populacional desconhecido Estimativa de proporção Capítulo 10 Itens 10.4 a 10.5 Casos população infinita Quando o desvio-padrão populacional
Leia maisIntervalos de Confiança - Amostras Pequenas
Intervalos de Confiança - Amostras Pequenas Teste de Hipóteses para uma Média Jorge M. V. Capela, Marisa V. Capela, Instituto de Química - UNESP Araraquara, SP capela@iq.unesp.br Araraquara, SP - 2016
Leia maisProf. Adriano Mendonça Souza, Dr. Departamento de Estatística PPGEMQ / PPGEP - UFSM
Prof. Adriano Mendonça Souza, Dr. Departamento de Estatística PPGEMQ / PPGEP - UFSM Noções básicasb de Inferência Estatística descritiva inferencial População - Parâmetros desconhecidos (reais) Amostra
Leia maisInferência Estatística
Inferência Estatística procura os argumentos estatísticos para fazer afirmações sobre as características de uma população, com base em informações dadas por amostras. Exemplo 1: observe como uma cozinheira
Leia maisEstatística e Probabilidade. Aula 11 Cap 06
Aula 11 Cap 06 Intervalos de confiança para variância e desvio padrão Confiando no erro... Intervalos de Confiança para variância e desvio padrão Na produção industrial, é necessário controlar o tamanho
Leia maisEstatística e Modelos Probabilísticos - COE241
Estatística e Modelos Probabilísticos - COE241 Aula passada Algoritmo para simular uma fila Medidas de interesse Média amostral Aula de hoje Teorema do Limite Central Intervalo de Confiança Variância amostral
Leia maisEstatística II. Intervalo de Confiança Lista de Exercícios
Estatística II Intervalo de Confiança Lista de Exercícios 1. IC da Média com a Variância Populacional Desconhecida De 50.000 válvulas fabricadas por uma companhia, retira-se uma amostra de 400 válvulas,
Leia maisLucas Santana da Cunha e 30 de julho de 2018 Londrina
Lucas Santana da Cunha email: lscunha@uel.br http://www.uel.br/pessoal/lscunha/ 25 e 30 de julho de 2018 Londrina 1 / 18 Já se discutiu a diferença entre estimador e parâmetro: População Amostra Média
Leia maisDistribuições amostrais
Distribuições amostrais Tatiene Correia de Souza / UFPB tatiene@de.ufpb.br October 14, 2014 Souza () Distribuições amostrais October 14, 2014 1 / 23 Distribuição Amostral Objetivo Estender a noção de uma
Leia maisErro e Tamanho Amostral
Erro e Lucas Santana da Cunha http://www.uel.br/pessoal/lscunha/ 30 de agosto de 2018 Londrina 1 / 17 Estimação é o nome técnico para o processo que consiste em se utilizar os dados de uma amostra para
Leia maisLucas Santana da Cunha 12 de julho de 2017
DISTRIBUIÇÃO NORMAL Lucas Santana da Cunha http://www.uel.br/pessoal/lscunha/ Universidade Estadual de Londrina 12 de julho de 2017 Distribuição Normal Dentre todas as distribuições de probabilidades,
Leia maisUniversidade 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 maisIntrodução à inferência estatística
Introdução à inferência estatística Cristian Villegas clobos@usp.br http://www.lce.esalq.usp.br/arquivos/aulas/2014/lce0216/ 1 Introdução Agora, vamos ver como reunir a Análise Exploratória de Dados, Modelos
Leia maisA 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 mais3. Estimação pontual USP-ICMC-SME. USP-ICMC-SME () 3. Estimação pontual / 25
3. Estimação pontual USP-ICMC-SME 2013 USP-ICMC-SME () 3. Estimação pontual 2013 1 / 25 Roteiro Formulação do problema. O problema envolve um fenômeno aleatório. Interesse em alguma característica da população.
Leia maisDistribuição 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 População e Amostra
Leia maisLucas Santana da Cunha de junho de 2018 Londrina
Distribuição Normal Lucas Santana da Cunha email: lscunha@uel.br http://www.uel.br/pessoal/lscunha/ 25 de junho de 2018 Londrina 1 / 17 Distribuição Normal Dentre todas as distribuições de probabilidades,
Leia maisInstituto Tecnológico de Aeronáutica Divisão de Engenharia Mecânica-Aeronáutica. Professora: Denise Beatriz T. P. do Areal Ferrari
Instituto Tecnológico de Aeronáutica Divisão de Engenharia Mecânica-Aeronáutica Professora: Denise Beatriz T. P. do Areal Ferrari denise@ita.br Distribuições Discretas Uniforme Bernoulli Binomial Poisson
Leia maisIntrodução à Inferência Estatística
Introdução à Inferência Estatística Profa. Airlane P. Alencar e Prof. Francisco Marcelo M. da Rocha 11 de Setembro de 2018 Alencar, A.P. e Rocha, F.M.M. (IME-USP e EPPEN - UNIFESP) Estatística I 11 de
Leia maisIntrodução à Inferência Estatística
Introdução à Inferência Estatística Prof. Dr. Francisco Marcelo M. da Rocha 10 de Setembro de 2018 Rocha, F.M.M. (EPPEN - UNIFESP) Estatística I 10 de Setembro de 2018 1 / 60 Índice 1 Objetivo da Aula
Leia maisInferência. 1 Estimativa pontual de uma média 2 Estimativa intervalar de uma média. Renata Souza
Inferência 1 Estimativa pontual de uma média 2 Estimativa intervalar de uma média Renata Souza Aspectos Gerais A estatística descritiva tem por objetivo resumir ou descrever características importantes
Leia maisEstatística II Aula 2. Prof.: Patricia Maria Bortolon, D. Sc.
Estatística II Aula Prof.: Patricia Maria Bortolon, D. Sc. Distribuições Amostrais ... vocês lembram que: Antes de tudo... Estatística Parâmetro Amostra População E usamos estatíticas das amostras para
Leia maisInferência Estatística
Inferência Estatística procura os argumentos estatísticos para fazer afirmações sobre as características de uma população, com base em informações dadas por amostras. Exemplo 1: observe como uma cozinheira
Leia maisDistribuição t de Student
Distribuição t de Student Introdução Quando o desvio padrão da população não é conhecido (o que é o caso, geralmente), usase o desvio padrão da amostra como estimativa, substituindo-se σ x por S x nas
Leia maisSolução dos Exercícios - Capítulos 1 a 3
Capítulo 9 Solução dos Exercícios - Capítulos a 3 9. Capítulo. a Como o valor se refere aos pacientes estudados, e não a todos os pacientes, esse é o valor de uma estatística amostral. b Estatística amostral
Leia maisIntervalos de Confiança
Intervalos de Confiança INTERVALOS DE CONFIANÇA.1 Conceitos básicos.1.1 Parâmetro e estatística Parâmetro é a descrição numérica de uma característica da população. Estatística é a descrição numérica de
Leia maisIntervalos de confiança
Intervalos de confiança Cristian Villegas clobos@usp.br Outubro de 2013 Apostila de Estatística (Cristian Villegas) 1 Estimação dos Parâmetros Estimação é o nome técnico para o processo que consiste em
Leia maisInferência Estatística. Teoria da Estimação
Inferência Estatística Teoria da Estimação Os procedimentos básicos de inferência Estimação: usamos o resultado amostral para estimar o valor desconhecido do parâmetro Teste de hipótese: usamos o resultado
Leia maisIntrodução ao Planejamento e Análise Estatística de Experimentos 1º Semestre de 2013 Capítulo 3 Introdução à Probabilidade e à Inferência Estatística
Introdução ao Planejamento e Análise Estatística de Capítulo 3 Introdução à Probabilidade e à Inferência Estatística INTERVALOS DE CONFIANÇA: Diferentes pesquisadores, selecionando amostras de uma mesma
Leia maisTeste de hipóteses para proporção populacional p
Teste de hipóteses para proporção populacional p 1 Métodos Estatísticos Métodos Estatísticos Estatística Descritiva Inferência Estatística Estimação Teste de Hipóteses 2 TESTE DE HIPÓTESES Eu acredito
Leia maisInferência Estatística:
Inferência Estatística: Amostragem Estatística Descritiva Cálculo de Probabilidade Inferência Estatística Estimação Teste de Hipótese Pontual Por Intervalo Conceitos básicos Estimação É um processo que
Leia maisProbabilidade e Estatística
Probabilidade e Estatística Aula 7: Intervalos de Confiança com uma amostra Leitura obrigatória: Devore, cap 7 ou Montgomery e Runger, cap 8 Chap 8-1 Objetivos Como inferir sobre um parâmetro da população,
Leia maisAula 3 - Revisão de Probabilidade e Estatística: Esclarecimento de Dúvidas
Aula 3 - Revisão de Probabilidade e Estatística: Esclarecimento de Dúvidas Matheus Rosso e Camila Steffens 19 de Março de 2018 Independência de variáveis aleatórias Duas V.A. são independentes se, e somente
Leia maisFernando de Pol Mayer
Fernando de Pol Mayer Laboratório de Estatística e Geoinformação (LEG) Departamento de Estatística (DEST) Universidade Federal do Paraná (UFPR) Este conteúdo está disponível por meio da Licença Creative
Leia maisTeoria das Filas aplicadas a Sistemas Computacionais. Aula 08
Teoria das Filas aplicadas a Sistemas Computacionais Aula 08 Universidade Federal do Espírito Santo - Departamento de Informática - DI Laboratório de Pesquisas em Redes Multimidia - LPRM Teoria das Filas
Leia maisDISTRIBUIÇÃO AMOSTRAL DA
DISTRIBUIÇÃO AMOSTRAL DA PROPORÇÃO Lucas Santana da Cunha email: lscunha@uel.br http://www.uel.br/pessoal/lscunha/ Universidade Estadual de Londrina 25 de setembro de 2017 Distribuição amostral da proporção
Leia mais2. Distribuições amostrais
2. Distribuições amostrais USP-ICMC-SME 203 USP-ICMC-SME () 2. Distribuições amostrais 203 / 22 Amostra aleatória Notação. X: variável aleatória (v.a.). f(x; θ): função densidade de probabilidade (X contínua)
Leia mais