UNIVERSIDADE NOVA DE LISBOA Faculdade de Economia Análise de Dados e Probabilidade 2º Semestre 2008/2009 Exame Final 1ª Época. Grupo I (4 Valores)

Tamanho: px
Começar a partir da página:

Download "UNIVERSIDADE NOVA DE LISBOA Faculdade de Economia Análise de Dados e Probabilidade 2º Semestre 2008/2009 Exame Final 1ª Época. Grupo I (4 Valores)"

Transcrição

1 UNIVERSIDADE NOVA DE LISBOA Faculdade de Economa Análse de Dados e Probabldade º Semestre 008/009 Exame Fnal ª Época Clara Costa Duarte Data: 8/05/009 Graça Slva Duração: h0 Grupo I (4 Valores) A gelatara Gelados Dados é especalsta em gelados de chocolate. Por esta razão, a gelatara vende apenas gelados de dos sabores: chocolate branco e chocolate preto. O número de gelados venddos por da com sabor a chocolate branco e chocolate preto, B e P respectvamente, têm a segunte função de probabldade conjunta: B/P ,08 b 0, 0 a 0, 0, ,08 0, 0, a) Sabendo que B0/P0) 0,4, calcule os valores de a e b. b) Estude a ndependênca das duas varáves. c) Calcule o valor médo e a varânca da varável D P-B. Grupo II (4 valores) Consdere que a varável X t representa o número de vstantes da Dsneyworld (em mlhões de vstantes). Com base numa amostra de observações

2 semestras de 00 a 008, estmou-se a segunte recta dos mínmos quadrados: t t. a) Qual a méda de vstantes durante o período referdo? Justfque b) O coefcente de correlação do ajustamento lnear é dado por r 0,5. O que pode dzer quanto á qualdade deste ajustamento? c) Sabendo que os índces de sazonaldade obtdos, a partr dos dados referdos anterormente, foram 0,8 e,4 para o prmero e segundo semestre, respectvamente. Na sua opnão qual julga ter sdo o método de decomposção utlzado? Justfque a sua resposta. d) Calcule os índces de sazonaldade corrgdos de acordo com a sua resposta à alínea anteror. Grupo III (5 Valores) Consdere os seguntes conjuntos de dados recolhdos num estudo realzado numa portagem de auto-estrada entre as 0h e as h de um da de semana: X: po de veículo Y: nº Ocupantes / veículo W: Preço da portagem X j Nº de veículos Y j Nº de veículos W r Nº de veículos motocclo lgero 56 0,5 56 Pesado passageros Pesado Mercadoras 5 [,5] [6,0] 5 8

3 a) Determne para cada uma das varáves em estudo a medda de localzação central mas aproprada. Interprete os resultados obtdos e justfque a escolha que fez para cada uma das varáves. b) Desenhe a função de dstrbução acumulada para a varável Y, determne o tercero quartl e nterprete o resultado. c) Determne para a varável W o coefcente de assmetra de Bowley e nterprete o resultado obtdo. Grupo IV ( Valores) No quadro segunte são apresentadas as quantdades consumdas de três frutos tropcas (Papaa, Manga e Goaba), em toneladas, bem como os respectvos valores: Valor (mlhares de euros) Quantdades (toneladas) Papaa Goaba Manga Conhece-se anda a segunte nformação relatva à evolução dos preços de cada um dos frutos:

4 4 Índce de preços (todos com base no ano t) Papaa,,8 Goaba,,0 Manga,4, a) Calcule o índce do tpo Paasche, de 008 com base em 007, que sntetze a evolução global das quantdades mportadas dos três frutos. b) Determne o índce smples de preços de cada um dos frutos para 008 com base em 007. Grupo V (5 valores). Suponha que as notas do prmero e segundo trabalho de Análse de Dados seguem uma dstrbução Normal com méda 5 e 6 valores, respectvamente. Sabe-se anda que o desvo padrão é gual em ambos os trabalhos e gual a valores. a) Qual a probabldade de um aluno selecconado ao acaso ter nota superor a 7 valores no prmero trabalho? b) Assumndo que as notas dos dos trabalhos são ndependentes, determne a probabldade de um aluno ter nota superor a 6 em pelo menos um dos trabalhos?. A probabldade da professora das aulas prátcas de Análse de Dados acertar no nome de um aluno, quando faz uma questão durante as aulas, é de 0,7 se este é rapaz e de 0,6 se é raparga. Sabe-se que a percentagem de rapargas que frequentam as aulas prátcas é gual à percentagem de rapazes.

5 5 a) Sabendo que a professora selecconou um aluno ao acaso para lhe fazer uma questão e não acertou no seu nome, qual a probabldade de ter sdo uma raparga? b) Qual a probabldade de numa aula prátca a professora questonar 0 alunos e no máxmo acertar no nome de 6?

6 UNIVERSIDADE NOVA DE LISBOA Faculdade de Economa Análse de Dados e Probabldade º Semestre 008/009 Correcção Exame Fnal ª Época Clara Costa Duarte Data: 8/05/009 Graça Slva Duração: h0 Grupo I (4 Valores) A gelatara Gelados Dados é especalsta em gelados de chocolate. Por esta razão, a gelatara vende apenas gelados de dos sabores: chocolate branco e chocolate preto. O número de gelados venddos por da com sabor a chocolate branco e chocolate preto, B e P respectvamente, têm a segunte função de probabldade conjunta: B/P ,08 b 0, 0 a 0, 0, ,08 0, 0, a) Sabendo que B0/P0) 0,4, calcule os valores de a e b. B0/P0) 0,4 0,08/(a+0,6)> a 0,04 b - (0,+0,8+0,) 0, b) Estude a ndependênca das duas varáves. Ex: f B (50) 0,4 ; f P (50) 0,4 f(50,50) 0, 0,*0,4 0,68 B e P não são ndependentes

7 c) Calcule o valor médo e a varânca da varável D P-B. B f B(b) 0,4 0, 0,4 P f p) 0, 0,4 0,8 E[P] 57,4 ; E[B] 4; E[P ] 66 ; E[B ] 84 Var(P) Var(B) 84 (57,4) 67,4 Cov(B;P) E[BP] E[P] E[B] 98 57,4*4 -,6 Cov( B; P) -,6 Corr( B; P) -0,9 S P S B 84 67,4 E[D] E[P-B] E[P] - [B] 57,4-4 80,8 Var[D] Var[P-B] Var[P] +Var[B] 4Cov(B;P) 4 67, (-,6) 58, 56 Grupo II (4 valores) Consdere que a varável X t representa o número de vstantes da Dsneyworld (em mlhões de vstantes). Com base numa amostra de observações semestras de 00 a 008, estmou-se a segunte recta dos mínmos quadrados: t t. a) Qual a méda de vstantes durante o período referdo? Justfque. a 000 a X t bt

8 t 6,5 000 X 600 6,5 X 5900 mllhões de vstantes t t b) O coefcente de correlação do ajustamento lnear é dado por r 0,5. O que pode dzer quanto á qualdade deste ajustamento? R 0,5, apenas 5% da varânca de Y é explcada pela tendênca. c) Sabendo que os índces de sazonaldade obtdos, a partr dos dados referdos anterormente, foram 0,8 e,4 para o prmero e segundo semestre, respectvamente. Na sua opnão qual julga ter sdo o método de decomposção utlzado? Justfque a sua resposta. Mutplcatvo. d) Calcule os índces de sazonaldade corrgdos de acordo com a sua resposta à alínea anteror. Assumndo o modelo multplcatvo temos que: S Wc w 0,8 +,4, logo os índces dados não estão corrgdos S c 0,8/(,/) 0,77 e S c,4/(,/),77 Grupo III (5 Valores) Consdere os seguntes conjuntos de dados recolhdos num estudo realzado numa portagem de auto-estrada entre as 0h e as h de um da de semana:

9 4 X: po de veículo Y: nº Ocupantes / veículo W: Preço da portagem X j Nº de veículos Y j Nº de veículos W r Nº de veículos motocclo lgero 56 0,5 56 Pesado passageros Pesado Mercadoras 5 [,5] [6,0] 5 8 a) Determne para cada uma das varáves em estudo a medda de localzação central mas aproprada. Interprete os resultados obtdos e justfque a escolha que fez para cada uma das varáves. X escolho a moda- varável qualtatva, valores não tem sgnfcado. Moda são os veículos lgeros Y escolho a medana - Medana é 50% dos veículos tem ou menos passageros. Méda muto nfluencada por valores extremos pouco sgnfcatva W escolho a méda - Méda (*45+,5*56+5*6)/64,05 Valor médo da portagem por veículo tem um sgnfcado relevante. b) Desenhe a função de dstrbução acumulada para a varável Y, determne o tercero quartl e nterprete o resultado. F(5)-( F) F(5)- F( q ) 5-5-q 0,9-0,74 0,9-0,75 q,095 5-q

10 5 F(w) W c) Determne para a varável W o coefcente de assmetra de Bowley e nterprete o resultado obtdo. qqq > coefcente gual a 0. A dstrbução não é smétrca mas 50% das observações centras tem o mesmo valor de portagem. Grupo IV ( Valores) No quadro segunte são apresentadas as quantdades consumdas de três frutos tropcas (Papaa, Manga e Goaba), em toneladas, bem como os respectvos valores: Valor (mlhares de euros) Quantdades (toneladas) Papaa Goaba Manga Conhece-se anda a segunte nformação relatva à evolução dos preços de cada um dos frutos:

11 6 Índce de preços (todos com base no ano t) Papaa,,8 Goaba,,0 Manga,4, a) Calcule o índce do tpo Paasche, de 008 com base em 007, que sntetze a evolução global das quantdades mportadas dos três frutos. Q P P Q 08/ 07 Q P α Q 08 / , , ,5,489 b) Determne o índce smples de preços de cada um dos frutos para 008 com base em 007.,8,8 P P P Papaa > 08 / 07 08/ t t / 07, 78 P, 07 / t,0,0 P P P Goaba > 08 / 07 08/ t t / 07, 04 P, 07 / t,, P P P Manga> 08 / 07 08/ t t / 07, 75 P,4 07 / t Grupo V (5 valores). Suponha que as notas do prmero e segundo trabalho de Análse de Dados seguem uma dstrbução Normal com méda 5 e 6 valores,

12 7 respectvamente. Sabe-se anda que o desvo padrão é gual em ambos os trabalhos e gual a valores. a) Qual a probabldade de um aluno selecconado ao acaso ter nota superor a 7 valores no prmero trabalho? N( μ 5; σ > 7) Z 9) 7-6 > ) Z > 0,67) - 0,7486 0,54 b) Assumndo que as notas dos dos trabalhos são ndependentes, determne a probabldade de um aluno ter nota superor a 6 em pelo menos um dos trabalhos? N(μ >6 6;σ 9) >6) >6) + >6)- >6) ( >6) 6-5 > 6) Z > ) > 6) Z > 0) 0,5 Z > / ) 0,707 P ( > 6 > 6) 0, ,5-0,707 0,5 0,6855. A probabldade da professora das aulas prátcas de Análse de Dados acertar no nome de um aluno, quando faz uma questão durante as aulas, é de 0,7 se este é rapaz e de 0,6 se é raparga. Sabe-se que a percentagem de rapargas que frequentam as aulas prátcas é gual à percentagem de rapazes. a) Sabendo que a professora selecconou um aluno ao acaso para lhe fazer uma questão e não acertou no seu nome, qual a probabldade de ter sdo uma raparga? A/H) 0,7 A/M) 0,6 H) M) 0,5

13 8 M / A) M A) A) A / M ) M ) A / M ) M ) + A / H ) H ) 0,4 0,5 0,4 0,5 + 0, 0,5 0,574 b) Qual a probabldade de numa aula prátca a professora questonar 0 alunos e no máxmo acertar no nome de 6? P ( A) A) -0,5 0,65 X- número de alunos, em 0, em que a professora acerta o nome quando os questona X B(n 0; p 0,65) W- número de alunos, em 0, em que a professora não acerta o nome quando os questona W B(n 0; p 0,5) X 6 ) W 4) - W < 4) - W ) Consultando a tabela da Função de dstrbução para n 0; p 0,5 e x temos que: W ) 0,58. Assm, X 6 ) -0,58 0,486.

UNIVERSIDADE NOVA DE LISBOA Faculdade de Economia Análise de Dados e Probabilidade 2º Semestre 2008/2009 Teste Intermédio A. Grupo I (5 Valores)

UNIVERSIDADE NOVA DE LISBOA Faculdade de Economia Análise de Dados e Probabilidade 2º Semestre 2008/2009 Teste Intermédio A. Grupo I (5 Valores) 1 UNIVERIDADE NOVA DE LIBOA Faculdade de Economa Análse de Dados e Probabldade º emestre 008/009 Teste Intermédo A Clara Costa Duarte Data: 01/04/009 Graça lva Duração: 1h Grupo I (5 Valores) uponha que

Leia mais

Estatística I Licenciatura MAEG 2006/07

Estatística I Licenciatura MAEG 2006/07 Estatístca I Lcencatura MAEG 006/07 AMOSTRAGEM. DISTRIBUIÇÕES POR AMOSTRAGEM.. Em determnada unversdade verfca-se que 30% dos alunos têm carro. Seleccona-se uma amostra casual smples de 0 alunos. a) Qual

Leia mais

2ª Atividade Formativa UC ECS

2ª Atividade Formativa UC ECS I. Explque quando é que a méda conduz a melhores resultados que a medana. Dê um exemplo para a melhor utlzação de cada uma das meddas de localzação (Exame 01/09/2009). II. Suponha que um professor fez

Leia mais

Exame 1ª Época. Nº: Nome:

Exame 1ª Época. Nº: Nome: Faculdade de Economa da Unversdade Nova de Lsboa 104 Análse de Dados e Probabldade 1º Semestre 008/009 Fernando Brto Soares Cáta Fernandes Erca Marujo Danel Montero Nº: Nome: Data: 7 de Janero de 009,

Leia mais

Redução dos Dados. Júlio Osório. Medidas Características da Distribuição. Tendência Central (Localização) Variação (Dispersão) Forma

Redução dos Dados. Júlio Osório. Medidas Características da Distribuição. Tendência Central (Localização) Variação (Dispersão) Forma Redução dos Dados Júlo Osóro Meddas Característcas da Dstrbução Tendênca Central (Localzação) Varação (Dspersão) Forma 1 Meddas Característcas da Dstrbução Meddas Estatístcas Tendênca Central Dspersão

Leia mais

Escola Superior de Tecnologia de Viseu. Fundamentos de Estatística 2006/2007 Ficha nº 7

Escola Superior de Tecnologia de Viseu. Fundamentos de Estatística 2006/2007 Ficha nº 7 Escola Superor de Tecnologa de Vseu Fundamentos de Estatístca 006/00 Fcha nº. Um artgo da revsta Wear (99) apresenta dados relatvos à vscosdade do óleo e ao desgaste do aço maco. A relação entre estas

Leia mais

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

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

Leia mais

Variável discreta: X = número de divórcios por indivíduo

Variável discreta: X = número de divórcios por indivíduo 5. Análse descrtva com dados agrupados Em algumas stuações, os dados podem ser apresentados dretamente nas tabelas de frequêncas. Netas stuações devemos utlzar estratégas específcas para obter as meddas

Leia mais

INSTITUTO POLITÉCNICO DE VISEU ESCOLA SUPERIOR DE TECNOLOGIA E GESTÃO

INSTITUTO POLITÉCNICO DE VISEU ESCOLA SUPERIOR DE TECNOLOGIA E GESTÃO Área Centfca Curso Matemátca Engenhara Electrotécnca º Semestre º 00/0 Fcha nº 9. Um artgo da revsta Wear (99) apresenta dados relatvos à vscosdade do óleo e ao desgaste do aço maco. A relação entre estas

Leia mais

CAPÍTULO 2 DESCRIÇÃO DE DADOS ESTATÍSTICA DESCRITIVA

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

Leia mais

FICHA de AVALIAÇÃO de MATEMÁTICA A 10.º Ano Versão 4

FICHA de AVALIAÇÃO de MATEMÁTICA A 10.º Ano Versão 4 FICHA de AVALIAÇÃO de MATEMÁTICA A 10.º Ano Versão 4 Nome Nº Turma: Data: / / Professor 10.º Ano Classfcação Apresente o seu racocíno de forma clara, ndcando todos os cálculos que tver de efetuar e todas

Leia mais

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

FICHA de AVALIAÇÃO de MATEMÁTICA A 10.º Ano Versão 2 FICHA de AVALIAÇÃO de MATEMÁTICA A 10.º Ano Versão 2 Nome Nº Turma: Data: / / Professor 10.º Ano Classfcação Apresente o seu racocíno de forma clara, ndcando todos os cálculos que tver de efetuar e todas

Leia mais

FICHA de AVALIAÇÃO de MATEMÁTICA A 10.º Ano Versão 3

FICHA de AVALIAÇÃO de MATEMÁTICA A 10.º Ano Versão 3 FICHA de AVALIAÇÃO de MATEMÁTICA A 10.º Ano Versão 3 Nome Nº Turma: Data: / / Professor 10.º Ano Classfcação Apresente o seu racocíno de forma clara, ndcando todos os cálculos que tver de efetuar e todas

Leia mais

3.6. Análise descritiva com dados agrupados Dados agrupados com variáveis discretas

3.6. Análise descritiva com dados agrupados Dados agrupados com variáveis discretas 3.6. Análse descrtva com dados agrupados Em algumas stuações, os dados podem ser apresentados dretamente nas tabelas de frequêncas. Netas stuações devemos utlzar estratégas específcas para obter as meddas

Leia mais

AULA 4. Segundo Quartil ( Q observações são menores que ele e 50% são maiores.

AULA 4. Segundo Quartil ( Q observações são menores que ele e 50% são maiores. Estatístca Aplcada à Engenhara AULA 4 UNAMA - Unversdade da Amazôna.8 MEDIDA EPARATRIZE ão valores que separam o rol (os dados ordenados) em quatro (quarts), dez (decs) ou em cem (percents) partes guas.

Leia mais

FICHA de AVALIAÇÃO de MATEMÁTICA A 10.º Ano Versão 1

FICHA de AVALIAÇÃO de MATEMÁTICA A 10.º Ano Versão 1 FICHA de AVALIAÇÃO de MATEMÁTICA A 10.º Ano Versão 1 Nome Nº Turma: Data: / / Professor 10.º Ano Classfcação Apresente o seu racocíno de forma clara, ndcando todos os cálculos que tver de efetuar e todas

Leia mais

MOQ-14 PROJETO E ANÁLISE DE EXPERIMENTOS LISTA DE EXERCÍCIOS 1 REGRESSÃO LINEAR SIMPLES

MOQ-14 PROJETO E ANÁLISE DE EXPERIMENTOS LISTA DE EXERCÍCIOS 1 REGRESSÃO LINEAR SIMPLES MOQ-14 PROJETO E ANÁLISE DE EXPERIMENTOS LISTA DE EXERCÍCIOS 1 REGRESSÃO LINEAR SIMPLES 1. Obtenha os estmadores dos coefcentes lnear e angular de um modelo de regressão lnear smples utlzando o método

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 entre duas ou mas varáves. Pode ser: correlaconal ou expermental. Numa relação expermental os valores de uma das

Leia mais

REGRESSÃO NÃO LINEAR 27/06/2017

REGRESSÃO NÃO LINEAR 27/06/2017 7/06/07 REGRESSÃO NÃO LINEAR CUIABÁ, MT 07/ Os modelos de regressão não lnear dferencam-se dos modelos lneares, tanto smples como múltplos, pelo fato de suas varáves ndependentes não estarem separados

Leia mais

Prof. Lorí Viali, Dr.

Prof. Lorí Viali, Dr. Prof. Lorí Val, Dr. val@mat.ufrgs.br http://www.mat.ufrgs.br/~val/ É o grau de assocação entre duas ou mas varáves. Pode ser: correlaconal ou expermental. Prof. Lorí Val, Dr. UFRG Insttuto de Matemátca

Leia mais

Capítulo 2 Estatística Descritiva Continuação. Prof. Fabrício Maciel Gomes

Capítulo 2 Estatística Descritiva Continuação. Prof. Fabrício Maciel Gomes Capítulo Estatístca Descrtva Contnuação Prof. Fabríco Macel Gomes Problema Uma peça após fundda sob pressão a alta temperatura recebe um furo com dâmetro especfcado em 1,00 mm e tolerânca de 0,5 mm: (11,75

Leia mais

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

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

Leia mais

CAPÍTULO 2 - Estatística Descritiva

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

Leia mais

1. ANÁLISE EXPLORATÓRIA E ESTATÍSTICA DESCRITIVA

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

Leia mais

3 Metodologia de Avaliação da Relação entre o Custo Operacional e o Preço do Óleo

3 Metodologia de Avaliação da Relação entre o Custo Operacional e o Preço do Óleo 3 Metodologa de Avalação da Relação entre o Custo Operaconal e o Preço do Óleo Este capítulo tem como objetvo apresentar a metodologa que será empregada nesta pesqusa para avalar a dependênca entre duas

Leia mais

Análise Descritiva com Dados Agrupados

Análise Descritiva com Dados Agrupados Análse Descrtva com Dados Agrupados Em algumas stuações, os dados podem ser apresentados dretamente nas tabelas de frequêncas. Netas stuações devemos utlzar estratégas específcas para obter as meddas descrtvas

Leia mais

Exame 1ª Época. Nº: Nome:

Exame 1ª Época. Nº: Nome: Faculdade de Economa da Unversdade ova de Lsboa 04 Análse de Dados e Probabldade º Semestre 007/008 Fernando Brto Soares Erca Marujo Exame ª Época º: ome: Data: 6 de Junho de 008, 8:0 Duração: :0 horas

Leia mais

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

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

Leia mais

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

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

Leia mais

4 Critérios para Avaliação dos Cenários

4 Critérios para Avaliação dos Cenários Crtéros para Avalação dos Cenáros É desejável que um modelo de geração de séres sntétcas preserve as prncpas característcas da sére hstórca. Isto quer dzer que a utldade de um modelo pode ser verfcada

Leia mais

Prof. Lorí Viali, Dr.

Prof. Lorí Viali, Dr. Prof. Lorí Val, Dr. val@mat.ufrgs.br http://www.mat.ufrgs.br/~val/ 1 É o grau de assocação entre duas ou mas varáves. Pode ser: correlaconal ou expermental. Numa relação expermental os valores de uma das

Leia mais

ESCOLA SECUNDÁRIA COM 3º CICLO D. DINIS 10º ANO DE MATEMÁTICA A Tema III Estatística. Aula 1 do plano de trabalho nº 2

ESCOLA SECUNDÁRIA COM 3º CICLO D. DINIS 10º ANO DE MATEMÁTICA A Tema III Estatística. Aula 1 do plano de trabalho nº 2 Aula 1 do plano de trabalho nº 2 Medram-se as alturas dos 40 alunos do prossegumento de estudos do 10º ano de uma escola e as alturas dos 40 alunos do 10º ano dos cursos tecnológcos dessa escola e obtveram-se

Leia mais

Ao se calcular a média, moda e mediana, temos: Quanto mais os dados variam, menos representativa é a média.

Ao se calcular a média, moda e mediana, temos: Quanto mais os dados variam, menos representativa é a média. Estatístca Dscplna de Estatístca 0/ Curso de Admnstração em Gestão Públca Profª. Me. Valéra Espíndola Lessa e-mal: lessavalera@gmal.com Meddas de Dspersão Indcam se os dados estão, ou não, prómos uns dos

Leia mais

Ao se calcular a média, moda e mediana, temos: Quanto mais os dados variam, menos representativa é a média.

Ao se calcular a média, moda e mediana, temos: Quanto mais os dados variam, menos representativa é a média. Estatístca Dscplna de Estatístca 0/ Curso Superor de tecnólogo em Gestão Ambental Profª. Me. Valéra Espíndola Lessa e-mal: lessavalera@gmal.com Meddas de Dspersão Indcam se os dados estão, ou não, prómos

Leia mais

Análise de Regressão

Análise de Regressão Análse de Regressão método estatístco que utlza relação entre duas ou mas varáves de modo que uma varável pode ser estmada (ou predta) a partr da outra ou das outras Neter, J. et al. Appled Lnear Statstcal

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 possíves resultados de um expermento. Evento é qualquer subconjunto do espaço amostral. Evento combnado: Possu duas ou

Leia mais

UNIDADE IV DELINEAMENTO INTEIRAMENTE CASUALIZADO (DIC)

UNIDADE IV DELINEAMENTO INTEIRAMENTE CASUALIZADO (DIC) UNDADE V DELNEAMENTO NTERAMENTE CASUALZADO (DC) CUABÁ, MT 015/ PROF.: RÔMULO MÔRA romulomora.webnode.com 1. NTRODUÇÃO Este delneamento apresenta como característca prncpal a necessdade de homogenedade

Leia mais

FAAP APRESENTAÇÃO (1)

FAAP APRESENTAÇÃO (1) ARESENTAÇÃO A Estatístca é uma cênca que organza, resume e smplfca nformações, além de analsá-las e nterpretá-las. odemos dvdr a Estatístca em três grandes campos:. Estatístca Descrtva- organza, resume,

Leia mais

PRESSUPOSTOS DO MODELO DE REGRESSÃO

PRESSUPOSTOS DO MODELO DE REGRESSÃO PREUPOTO DO MODELO DE REGREÃO A aplcação do modelo de regressão lnear múltpla (bem como da smples) pressupõe a verfcação de alguns pressupostos que condensamos segudamente.. Os erros E são varáves aleatóras

Leia mais

2. VARIÁVEIS ALEATÓRIAS

2. VARIÁVEIS ALEATÓRIAS VARIÁVEIS ALEATÓRIAS 0 Varável aleatóra Ω é o espaço amostral de um epermento aleatóro Uma varável aleatóra é uma função que atrbu um número real a cada resultado em Ω Eemplo Retra- ao acaso um tem produzdo

Leia mais

ESTATÍSTICA APLICADA II ANO LECTIVO 2011/2012. Exame Final 26 de Julho de 2012

ESTATÍSTICA APLICADA II ANO LECTIVO 2011/2012. Exame Final 26 de Julho de 2012 ETATÍTICA APLICADA II ANO LECTIVO / Exame Fnal 6 de Julho de Duração : H 3 M Nota: Responder um grupo por folha (utlze frente e verso de cada folha) Em todas as questões apresentar os cálculos efectuados

Leia mais

TABELAS E GRÁFICOS PARA VARIÁVEIS ALEATÓRIAS QUANTITATIVAS CONTÍNUAS

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

Leia mais

8 - Medidas Descritivas

8 - Medidas Descritivas 8 - Meddas Descrtvas 8. Introdução Ao descrevemos um conjunto de dados por meo de tabelas e gráfcos temos muto mas nformações sobre o comportamento de uma varável do que a própra sére orgnal de dados.

Leia mais

Algarismos Significativos Propagação de Erros ou Desvios

Algarismos Significativos Propagação de Erros ou Desvios Algarsmos Sgnfcatvos Propagação de Erros ou Desvos L1 = 1,35 cm; L = 1,3 cm; L3 = 1,30 cm L4 = 1,4 cm; L5 = 1,7 cm. Qual destas meddas está correta? Qual apresenta algarsmos com sgnfcado? O nstrumento

Leia mais

CURSO de ESTATÍSTICA Gabarito

CURSO de ESTATÍSTICA Gabarito UNIVERSIDADE FEDERAL FLUMINENSE TRANSFERÊNCIA o semestre letvo de 010 e 1 o semestre letvo de 011 CURSO de ESTATÍSTICA Gabarto INSTRUÇÕES AO CANDIDATO Verfque se este caderno contém: PROVA DE REDAÇÃO com

Leia mais

Prof. Lorí Viali, Dr.

Prof. Lorí Viali, Dr. Prof. Lorí Val, Dr. vall@mat.ufrgs.br http://www.mat.ufrgs.br/~val/ Em mutas stuações duas ou mas varáves estão relaconadas e surge então a necessdade de determnar a natureza deste relaconamento. A análse

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

Gráficos de Controle para Processos Autocorrelacionados

Gráficos de Controle para Processos Autocorrelacionados Gráfcos de Controle para Processos Autocorrelaconados Gráfco de controle de Shewhart: observações ndependentes e normalmente dstrbuídas. Shewhart ao crar os gráfcos de controle não exgu que os dados fossem

Leia mais

Nome: Nº: Estatística para Economia e Gestão Licenciaturas em Economia e Gestão. 2.º Semestre de 2008/2009

Nome: Nº: Estatística para Economia e Gestão Licenciaturas em Economia e Gestão. 2.º Semestre de 2008/2009 Estatístca para Economa e Gestão Lcencaturas em Economa e Gestão.º Semestre de 008/009 Exame Fnal (.ª Época) 16 de Junho de 009; 17h30m Duração: 10 mnutos INSTRUÇÕES Escreva o nome e número de aluno em

Leia mais

Estatística stica Descritiva

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

Leia mais

ECONOMETRIA I Prova n.º 1

ECONOMETRIA I Prova n.º 1 ECONOMETRIA I Prova n.º Ano lectvo: 07/08 Data: /0/08 Nome: N.º: Observações: - Duração: horas. - O teste é ndvdual e sem consulta. - Todos os cálculos deverão ser efectuados na folha de teste. - As questões

Leia mais

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

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

Leia mais

Testes não-paramétricos

Testes não-paramétricos Testes não-paramétrcos Prof. Lorí Val, Dr. http://www.mat.ufrgs.br/val/ val@mat.ufrgs.br Um teste não paramétrco testa outras stuações que não parâmetros populaconas. Estas stuações podem ser relaconamentos,

Leia mais

Regressão Múltipla. Parte I: Modelo Geral e Estimação

Regressão Múltipla. Parte I: Modelo Geral e Estimação Regressão Múltpla Parte I: Modelo Geral e Estmação Regressão lnear múltpla Exemplos: Num estudo sobre a produtvdade de trabalhadores ( em aeronave, navos) o pesqusador deseja controlar o número desses

Leia mais

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

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

Leia mais

2 Incerteza de medição

2 Incerteza de medição 2 Incerteza de medção Toda medção envolve ensaos, ajustes, condconamentos e a observação de ndcações em um nstrumento. Este conhecmento é utlzado para obter o valor de uma grandeza (mensurando) a partr

Leia mais

Exercícios de CPM e PERT Enunciados

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

Leia mais

ANÁLISE EXPLORATÓRIA E ESTATÍSTICA DESCRITIVA

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

Leia mais

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

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

Leia mais

Covariância na Propagação de Erros

Covariância na Propagação de Erros Técncas Laboratoras de Físca Lc. Físca e Eng. omédca 007/08 Capítulo VII Covarânca e Correlação Covarânca na propagação de erros Coefcente de Correlação Lnear 35 Covarânca na Propagação de Erros Suponhamos

Leia mais

Análise de Regressão Linear Múltipla IV

Análise de Regressão Linear Múltipla IV Análse de Regressão Lnear Múltpla IV Aula 7 Guarat e Porter, 11 Capítulos 7 e 8 He et al., 4 Capítulo 3 Exemplo Tomando por base o modelo salaro 1educ anosemp exp prev log 3 a senhorta Jole, gerente do

Leia mais

EXERCÍCIOS SUPLEMENTARES

EXERCÍCIOS SUPLEMENTARES PROBABILIDADES E ESTATÍSTICA PROBABILIDADES E ESTATÍSTICA I EXERCÍCIOS SUPLEMENTARES Secção de Estatístca e Aplcações Departamento de Matemátca Insttuto Superor Técnco 2004/2005 Adenda A1. De um lote de

Leia mais

Estatística Aplicada II CORRELAÇÃO. AULA 21 07/11/16 Prof a Lilian M. Lima Cunha

Estatística Aplicada II CORRELAÇÃO. AULA 21 07/11/16 Prof a Lilian M. Lima Cunha 09//06 Estatístca Aplcada II CORRELAÇÃO AULA 07//6 Prof a Llan M. Lma Cunha CORRELAÇÃO: Identfcar a estênca ou não de assocação lnear entre varáves: -Preço de um produto em regões; -Frete e Km percorrdo;

Leia mais

Medidas de Tendência Central. Prof.: Ademilson Teixeira

Medidas de Tendência Central. Prof.: Ademilson Teixeira Meddas de Tendênca Central Prof.: Ademlson Texera ademlson.texera@fsc.edu.br 1 Servem para descrever característcas báscas de um estudo com dados quanttatvos e comparar resultados. Meddas de Tendênca Central

Leia mais

MODELOS DE REGRESSÃO PARAMÉTRICOS

MODELOS DE REGRESSÃO PARAMÉTRICOS MODELOS DE REGRESSÃO PARAMÉTRICOS Às vezes é de nteresse nclur na análse, característcas dos ndvíduos que podem estar relaconadas com o tempo de vda. Estudo de nsufcênca renal: verfcar qual o efeto da

Leia mais

Cap. 11 Correlação e Regressão

Cap. 11 Correlação e Regressão Estatístca para Cursos de Engenhara e Informátca Pedro Alberto Barbetta / Marcelo Menezes Res / Antono Cezar Borna São Paulo: Atlas, 2004 Cap. 11 Correlação e Regressão APOIO: Fundação de Apoo à Pesqusa

Leia mais

Tratamento de Dados 2º Semestre 2005/2006 Tópicos de Resolução do Trabalho 1

Tratamento de Dados 2º Semestre 2005/2006 Tópicos de Resolução do Trabalho 1 Trataento de Dados º Seestre 5/6 Tópcos de Resolução do Trabalho. a) A éda, para dados não classfcados, é calculada a partr da segunte expressão: x x 57,75,555 Dado que a densão da aostra é par,, a edana

Leia mais

FUNDAMENTOS DE INVESTIGAÇÃO OPERACIONAL. 2.º teste 21 de Maio de Duração: 1h:30. Resolução indicativa

FUNDAMENTOS DE INVESTIGAÇÃO OPERACIONAL. 2.º teste 21 de Maio de Duração: 1h:30. Resolução indicativa INSIUO SUPERIOR ÉNIO LEGI (Lcencatura em Engenhara e Gestão Industral) FUNDAMENOS DE INVESIGAÇÃO OPERAIONAL 2.º teste 21 de Mao de 2016 Duração: 1h:30 Resolução ndcatva 1. Um estabelecmento de ensno superor

Leia mais

Exame final de Estatística 2ª Época - 24 de Junho de 2004

Exame final de Estatística 2ª Época - 24 de Junho de 2004 xame fnal de statístca ª Época - de Junho de Faculdade de conoma José Antóno nhero Unversdade Nova de Lsboa Mara Helena Almeda Note bem:. Resolva grupos dferentes em folhas dferentes;. IDNTIFIQU todas

Leia mais

4.1. Medidas de Posição da amostra: média, mediana e moda

4.1. Medidas de Posição da amostra: média, mediana e moda 4. Meddas descrtva para dados quanttatvos 4.1. Meddas de Posção da amostra: méda, medana e moda Consdere uma amostra com n observações: x 1, x,..., x n. a) Méda: (ou méda artmétca) é representada por x

Leia mais

Estatística II Antonio Roque Aula 18. Regressão Linear

Estatística II Antonio Roque Aula 18. Regressão Linear Estatístca II Antono Roque Aula 18 Regressão Lnear Quando se consderam duas varáves aleatóras ao mesmo tempo, X e Y, as técncas estatístcas aplcadas são as de regressão e correlação. As duas técncas estão

Leia mais

REGRESSÃO E CORRELAÇÃO

REGRESSÃO E CORRELAÇÃO Relaconamento entre varáves : - requer conhecmento REGRESSÃO E CORRELAÇÃO Y = f ( ) + ε Ex: 1. Y = Lucro de uma Empresa = Investmento em Publcdade Y(v.aleatóra) em função de (v.determnístca), onde Y é

Leia mais

Os modelos de regressão paramétricos vistos anteriormente exigem que se suponha uma distribuição estatística para o tempo de sobrevivência.

Os modelos de regressão paramétricos vistos anteriormente exigem que se suponha uma distribuição estatística para o tempo de sobrevivência. MODELO DE REGRESSÃO DE COX Os modelos de regressão paramétrcos vstos anterormente exgem que se suponha uma dstrbução estatístca para o tempo de sobrevvênca. Contudo esta suposção, caso não sea adequada,

Leia mais

1. CORRELAÇÃO E REGRESSÃO LINEAR

1. CORRELAÇÃO E REGRESSÃO LINEAR 1 CORRELAÇÃO E REGREÃO LINEAR Quando deseja-se estudar se exste relação entre duas varáves quanttatvas, pode-se utlzar a ferramenta estatístca da Correlação Lnear mples de Pearson Quando essa correlação

Leia mais

Probabilidade e Estatística I Antonio Roque Aula 4. Resumos Numéricos de Distribuições

Probabilidade e Estatística I Antonio Roque Aula 4. Resumos Numéricos de Distribuições Probabldade e Estatístca I Antono Roque Aula Resumos umércos de Dstrbuções As representações tabulares e grácas de dados são muto útes, mas mutas vezes é desejável termos meddas numércas quanttatvas para

Leia mais

R X. X(s) Y Y(s) Variáveis aleatórias discretas bidimensionais

R X. X(s) Y Y(s) Variáveis aleatórias discretas bidimensionais 30 Varáves aleatóras bdmensonas Sea ε uma experênca aleatóra e S um espaço amostral assocado a essa experênca. Seam X X(s) e Y Y(s) duas funções cada uma assocando um número real a cada resultado s S.

Leia mais

Covariância e Correlação Linear

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

Leia mais

Introdução à Análise de Dados nas medidas de grandezas físicas

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

Leia mais

Escola Secundária com 3º ciclo D. Dinis 10º Ano de Matemática A Estatística

Escola Secundária com 3º ciclo D. Dinis 10º Ano de Matemática A Estatística Escola Secundára com º cclo D. Dns 10º Ano de Matemátca A Estatístca Trabalho de casa nº 15 GRUPO I 1. Num referencal o.n. Oxyz, a undade é o cm e a esfera defnda por ( ) ( ) está nscrta num cubo. O volume

Leia mais

Associação entre duas variáveis quantitativas

Associação entre duas variáveis quantitativas Exemplo O departamento de RH de uma empresa deseja avalar a efcáca dos testes aplcados para a seleção de funconáros. Para tanto, fo sorteada uma amostra aleatóra de 50 funconáros que fazem parte da empresa

Leia mais

NOÇÕES SOBRE CORRELAÇÃO E REGRESSÃO LINEAR SIMPLES

NOÇÕES SOBRE CORRELAÇÃO E REGRESSÃO LINEAR SIMPLES NOÇÕES SOBRE CORRELAÇÃO E REGRESSÃO LINEAR SIMPLES 1 O nosso objetvo é estudar a relação entre duas varáves quanttatvas. Eemplos:. Idade e altura das cranças.. v. Tempo de prátca de esportes e rtmo cardíaco

Leia mais

ANÁLISE EXPLORATÓRIA E ESTATÍSTICA DESCRITIVA

ANÁLISE EXPLORATÓRIA E ESTATÍSTICA DESCRITIVA ANÁLISE EXPLORATÓRIA E ESTATÍSTICA DESCRITIVA 0 Estatístca Descrtva e Análse Eploratóra Realzadas em etapas ncas. Utlzadas para descrever e resumr os dados. A dsponbldade de grande quantdade de dados e

Leia mais

MEDIDAS DE TENDÊNCIA CENTRAL

MEDIDAS DE TENDÊNCIA CENTRAL 3.1- Introdução. ESTATÍSTICA MEDIDAS DE TENDÊNCIA CENTRAL Como na representação tabular e gráfca dos dados a Estatístca Descrtva consste num conjunto de métodos que ensnam a reduzr uma quantdade de dados

Leia mais

Caderno de Exercícios Resolvidos

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

Leia mais

Ajuste de Curvas Regressão. Computação 2º Semestre 2016/2017

Ajuste de Curvas Regressão. Computação 2º Semestre 2016/2017 Ajuste de Curvas Regressão Computação 2º Semestre 2016/2017 Ajuste de Curvas Quando apenas sabemos alguns valores de uma função contínua e queremos estmar outros valores ntermédos Quando queremos obter

Leia mais

3. Estatística descritiva bidimensional

3. Estatística descritiva bidimensional 3. Estatístca descrtva bdmensonal (Tabelas, Gráfcos e números) Análse bvarada (ou bdmensonal): avala o comportamento de uma varável em função da outra, por exemplo: Quantas TV Phlps são venddas na regão

Leia mais

ANÁLISE EXPLORATÓRIA E ESTATÍSTICA DESCRITIVA

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

Leia mais

FACULDADE DE ECONOMIA DO PORTO. Licenciatura em Economia E C O N O M E T R I A II

FACULDADE DE ECONOMIA DO PORTO. Licenciatura em Economia E C O N O M E T R I A II FACULDADE DE ECONOMIA DO PORTO Lcencatura em Economa E C O N O M E T R I A II (LEC310) Avalação dstrbuída - Teste global 25 de Junho de 2007 NOTAS PRÉVIAS: 1. A prova tem duração de 2 horas. 2. Apenas

Leia mais

DELINEAMENTOS EXPERIMENTAIS

DELINEAMENTOS EXPERIMENTAIS SUMÁRIO 1 Delneamentos Expermentas 2 1.1 Delneamento Interamente Casualzado..................... 2 1.2 Delneamento Blocos Casualzados (DBC).................... 3 1.3 Delneamento Quadrado Latno (DQL)......................

Leia mais

CORRELAÇÃO E REGRESSÃO

CORRELAÇÃO E REGRESSÃO CORRELAÇÃO E REGRESSÃO Constata-se, freqüentemente, a estênca de uma relação entre duas (ou mas) varáves. Se tal relação é de natureza quanttatva, a correlação é o nstrumento adequado para descobrr e medr

Leia mais

7 - Distribuição de Freqüências

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

Leia mais

Problemas Propostos. Frações mássicas, volúmicas ou molares. Estequiometria.

Problemas Propostos. Frações mássicas, volúmicas ou molares. Estequiometria. Elementos de Engenhara Químca I II. Frações e Estequometra (problemas resolvdos) Problemas Propostos. Frações másscas, volúmcas ou molares. Estequometra.. Em 5 moles de Benzeno (C 6 H 6 ) quanto é que

Leia mais

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

x Ex: A tabela abaixo refere-se às notas finais de três turmas de estudantes. Calcular a média de cada turma: Professora Janete Perera Amador 1 8 Meddas Descrtvas Vmos anterormente que um conjunto de dados pode ser resumdo através de uma dstrbução de freqüêncas, e que esta pode ser representada através de uma

Leia mais

Cap. IV Análise estatística de incertezas aleatórias

Cap. IV Análise estatística de incertezas aleatórias TLF 010/11 Cap. IV Análse estatístca de ncertezas aleatóras Capítulo IV Análse estatístca de ncertezas aleatóras 4.1. Méda 43 4.. Desvo padrão 44 4.3. Sgnfcado do desvo padrão 46 4.4. Desvo padrão da méda

Leia mais

3ª AULA: ESTATÍSTICA DESCRITIVA Medidas Numéricas

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

Leia mais

Capítulo 1. Exercício 5. Capítulo 2 Exercício

Capítulo 1. Exercício 5. Capítulo 2 Exercício UNIVERSIDADE FEDERAL DE GOIÁS CIÊNCIAS ECONÔMICAS ECONOMETRIA (04-II) PRIMEIRA LISTA DE EXERCÍCIOS Exercícos do Gujarat Exercíco 5 Capítulo Capítulo Exercíco 3 4 5 7 0 5 Capítulo 3 As duas prmeras demonstrações

Leia mais

CONCEITOS BÁSICOS. Podemos assim caracterizar três áreas de interesse (ramos) da Estatística: Estatística Inferencial ESTATÍSTICA

CONCEITOS BÁSICOS. Podemos assim caracterizar três áreas de interesse (ramos) da Estatística: Estatística Inferencial ESTATÍSTICA 1 Estatístca CONCEITOS BÁSICOS 6 É uma metodologa ou conjunto de técncas que utlza a coleta de dados, sua classfcação, sua apresentação ou representação, sua análse e sua nterpretação vsando a sua utlzação

Leia mais

2. MEDIDAS DE TENDÊNCIA CENTRAL OU MEDIDAS DE POSIÇÃO

2. MEDIDAS DE TENDÊNCIA CENTRAL OU MEDIDAS DE POSIÇÃO Materal elaborado por Mara Tereznha Marott, Rodrgo Coral e Carla Regna Kuss Ferrera Atualzado por Mlton Procópo de Borba. MEDIDAS DE TENDÊNCIA CENTRAL OU MEDIDAS DE POSIÇÃO Para melhor caracterzar um conjunto

Leia mais

DIAGNÓSTICO EM MODELOS LINEARES GENERALIZADOS

DIAGNÓSTICO EM MODELOS LINEARES GENERALIZADOS DIAGNÓSTICO EM MODELOS LINEARES GENERALIZADOS 1 A análse de dagnóstco (ou dagnóstco do ajuste) confgura uma etapa fundamental no ajuste de modelos de regressão. O objetvo prncpal da análse de dagnóstco

Leia mais