Ordem dos Engenheiros Colégio de Engenharia Geográfica. Alguns factos pouco conhecidos sobre a estimação do desvio padrão
|
|
- Judite Gabriela Klettenberg Bugalho
- 5 Há anos
- Visualizações:
Transcrição
1 Ordem dos Egeheiros Colégio de Egeharia Geográfica Algus factos pouco cohecidos sobre a estimação do desvio padrão João M. M. Casaca Membro Coselheiro
2 Resumo Ceários A distribuição do desvio padrão Gráficos da FDP e simulação de amostras Fórmula de Bayes-Laplace A abordagem ão iformativa de Laplace A distribuição posterior do desvio padrão Gráficos da FDP posterior Exemplo: a base de teste de DEM do LNEC Total: 0 slides
3 Ceários cosiderados Amostra aleatória ormal (iid): C (AAN) (X,,X ) X i N(µ,σ ) σ desvio padrão da população Modelo de Gauss-Markov: C (MGM) B(m,)β(,) y(m,) + ε(m,) ε N(µ(m,), σ Σ(m,m)) σ desvio padrão do modelo B matriz do modelo β vector dos coeficietes do modelo y vector das gradezas observáveis ε vector ruído
4 Amostra aleatória ormal iid FDP cojuta e verosimilhaça (likelihood) da amostra: f(x, K, x µ, σ f(x, s µ, σ ) L( µ, σ x, s ) ) πσ exp s + (x σ µ ) Máximo da verosimilhaça: Correcção de Bessel: i) x ii) s i x i i (x i x) E(s E ) σ s s CB σ
5 Modelo liear de Gauss-Markov FDP e verosimilhaça do vector das observações: f(y B, β, σ L( β, σ B, ) y) (π) m σ m exp (y Bβ) T Σ σ (y Bβ) Máximo da verosimilhaça: i) β (B T Σ B) B T Σ y; ii) s m (y Bβ) T Σ (y Bβ) m v T Σ v Correcção de Bessel: E(s ) m m σ E m m s s CB σ
6 A distribuição do desvio padrão empírico A FDP do DP empírico (s) codicioada pelo DP da população (σ) e pelo úmero de graus de liberdade (ν): f(s σ, ν) ω ν / s ( ν / ) ν Γ( ν / ) exp ω s S s f(s σ)ds m ω ω i) AAN σ ii) MGM σ ν ν m Moda e valor esperado: i) M(s) ν ω ii) E(s) ω Γ(( ν + ) / Γ( ν / ) )
7 A correcção de excetricidade (CE) O desvio padrão empírico (s) deve sofrer uma correcção de excetricidade: s s CE CE s s CE CE s s Γ(( ) / ) (AAN) Γ(/ ) m Γ((m ) / ) Γ ((m ) / ) (MGM) CE CB CE CB,783,44 7,6,080 3,38,5 8,08,069 4,53,55 9,094,06 5,89,8 0,084,054 6,5,095 50,05,00
8 FDP do DP da amostra (s) ( 5, σ ) (M,55, E,68, DP 0,6)
9 Amostra pseudo-aleatória de desvios padrão empíricos 30 DPE ( 5, σ, MODA,55, média da amostra,53) Desta ão estava eu à espera! ,0 0,5,0,5,0,5 3,0 3,5 4,0
10 FDP do DP da amostra (s) ( 30, σ ) (M,93, E,95, DP 0,6)
11 Amostra pseudo-aleatória de desvios padrão empíricos 0 DPE ( 30, σ, MODA,93, média da amostra,93) Assim está melhor! 0,0 0,5,0,5,0,5
12 A evolução do pitecatropo e o recurso aos métodos Bayesiaos
13 A fórmula de Bayes-Laplace Relacioa a FDP posterior com a FDP aterior (prior) do parâmetro θ Θ (espaço de parâmetros). p( θ x) L( θ x)h( θ) L( θ x)h( θ)dθ 4 Θ costate L( θ x)h( θ) f(x θ) L(θ x) f(x θ) h(θ) p(θ x) FDP da amostra (x) codicioada por θ Verosimilhaça do parâmetro θ, dada a amostra (x) FDP aterior do parâmetro θ FDP posterior de θ, dada a amostra (x)
14 A FDP aterior de Laplace Quado ão dispuha de iformação aterior sobre o parâmetro, Laplace tomava h(θ) costate e trasformava a verosimilhaça a FDP posterior do parâmetro. p( θ x) Θ L( θ L( θ x) x)dθ L( θ x) h(θ) p(θ x) FDP aterior de Laplace FDP posterior de θ (verosimilhaça ormalizada) Os máximos da FDP posterior de Laplace são iguais aos máximos da verosimilhaça. As regiões de erro são diferetes.
15 A distribuição posterior do DP da população A FDP posterior de Laplace do DP da população (σ) pode ser expressa a forma: p( σ a,b) b a Γ( ν / ) σ exp b a + σ Θ L(θ x)dθ i) AAN a b ν s ii) MGM a b ν ms Moda e valor esperado: i)m( σ) b a + ii)e( σ) b Γ((a ) Γ(a) / )
16 A moda da FDP posterior de Laplace Moda da FDP do DP empírico (s): ( l(l(θ))/ θ θ) 0 i)m(s) σ ; AAN m ii)m(s) σ m 3 MGM Moda da FDP posterior de Laplace do DP da população (σ): i)m( σ) s ; AAN m ii)m( σ) s 444 m MGM
17 FDP posterior de Laplace do DP da população (σ) ( 5, s,53) (M,96, E 3,98, DP 3,60)
18 FDP posterior de Laplace do DP da população (σ) ( 30, s,89) (M,96, E,05, DP 0,9)
19 Exemplo: A base para teste de DEM do LNEC Cico PE com cetragem forçada e boa fudação a distâcias etre 5 m e 75 m. Esaios de um DEM Leica TC003 (orma ISO). DP (s) 00 0,34 mm 0 0,5 mm 0 0,4 mm 04 0, mm 04 0,7 mm 04 0,4 mm Moda da posterior cojuta de Laplace M(σ) 0,43 mm m k s i i k(m )
20 Coclusões Recomeda-se a utilização da FDP posterior de Laplace para estimar o desvio padrão da população (σ) a partir do desvio padrão empírico (s). No caso de amostras de tamaho médio ou grade, ou de modelos com um úmero médio ou grade de graus de liberdade, a estimação covecioal é satisfatória embora teda a subestimar o desvio padrão da população. No caso de amostras de tamaho pequeo, ou de modelos com poucos graus de liberdade, é importate estimar o desvio padrão da população com a FDP posterior de Laplace. o Casaca, J. (05). A Distribuição do Desvio Padrão Empírico. LNEC, Série ICT, INCB. o Casaca, J. (0). Aálise de Regressão Multivariada: Uma Perspectiva Bayesiaa. LNEC, Série ICT, INCB 8. o Casaca, J. (0). Itrodução à Aálise Bayesiaa. LNEC, Série ICT, INCB 6.
Probabilidades e Estatística LEE, LEIC-A, LEIC-T, LEMat, LERC, MEBiol, MEBiom, MEEC, MEFT, MEMec, MEQ
Duração: 90 miutos Grupo I Probabilidades e Estatística LEE, LEIC-A, LEIC-T, LEMat, LERC, MEBiol, MEBiom, MEEC, MEFT, MEMec, MEQ Justifique coveietemete todas as respostas 1 o semestre 2017/2018 11/01/2018
Leia maisDISTRIBUIÇÃO AMOSTRAL E ESTIMAÇÃO PONTUAL INTRODUÇÃO ROTEIRO POPULAÇÃO E AMOSTRA. Estatística Aplicada à Engenharia
ROTEIRO DISTRIBUIÇÃO AMOSTRAL E ESTIMAÇÃO PONTUAL 1. Itrodução. Teorema Cetral do Limite 3. Coceitos de estimação potual 4. Métodos de estimação potual 5. Referêcias Estatística Aplicada à Egeharia 1 Estatística
Leia maisProbabilidades e Estatística TODOS OS CURSOS
Duração: 90 miutos Grupo I Probabilidades e Estatística TODOS OS CURSOS Justifique coveietemete todas as respostas 1 o semestre 2018/2019 30/01/2019 15:00 2 o Teste C 10 valores 1. Seja X X 1, X 2,...,
Leia maisp( y θ ) depende de um parâmetro desconhecido θ.
55Modelação, Identificação e Controlo Digital 55 Método de Máxima Verosimilhança (Maximum Likelihood) Seja y uma variável aleatória (v. a.) cuja densidade de probabilidade p( y θ ) depende de um parâmetro
Leia maisA finalidade de uma equação de regressão seria estimar valores de uma variável, com base em valores conhecidos da outra.
Jaete Pereira Amador Itrodução A aálise de regressão tem por objetivo descrever através de um modelo matemático, a relação existete etre duas variáveis, a partir de observações dessas viráveis. A aálise
Leia maisP.62, Exerc. 1.3: Trocar as posições de tipo AB e tipo O.
ERRATA Segue-se uma lista de correcção de erros de digitação que não inclui os que violam regras de pontuação. Os nossos agradecimentos a todos aqueles que nos comunicaram os erros que foram detectando
Leia maisEconometria. Econometria. Aplicação. Modelo completo. Soma de Coeficientes. Teste para um Parâmetro
. Revisão/exemplos Ecoometria. Iferêcia grades amostras. Revisão/exemplos Ecoometria /00 /00 Aplicação Modelo completo LogG = β + β logy + β 3 logpg + β 4 logpnc + β 5 logpuc + β 6 logppt + β 7 logpn +
Leia maisDistribuições Amostrais
9/3/06 Uiversidade Federal do Pará Istituto de Tecologia Estatística Aplicada I Prof. Dr. Jorge Teófilo de Barros Lopes Campus de Belém Curso de Egeharia Mecâica 3/09/06 3:38 ESTATÍSTICA APLICADA I - Teoria
Leia maisProbabilidades e Estatística TODOS OS CURSOS
Probabilidades e Estatística TODOS OS CURSOS Exame Época Especial 2016/2017 24/07/2017 09:00 Duração: 3 horas Justifique coveietemete todas as respostas Grupo I 5 valores 1. Uma compahia de seguros divide
Leia maisProbabilidades e Estatística TODOS OS CURSOS
Duração: 90 miutos Grupo I robabilidades e Estatística TODOS OS CURSOS Justifique coveietemete todas as respostas 2 o semestre 2016/2017 05/07/2017 15:00 2 o Teste C 10 valores 1. Admita que a proporção
Leia mais1 Distribuições Amostrais
1 Distribuições Amostrais Ao retirarmos uma amostra aleatória de uma população e calcularmos a partir desta amostra qualquer quatidade, ecotramos a estatística, ou seja, chamaremos os valores calculados
Leia maisDistribuições Amostrais
7/3/07 Uiversidade Federal do Pará Istituto de Tecologia Estatística Aplicada I Prof. Dr. Jorge Teófilo de Barros Lopes Campus de Belém Curso de Egeharia Mecâica 3/07/07 09:3 ESTATÍSTICA APLICADA I - Teoria
Leia maisCapítulo 5- Introdução à Inferência estatística.
Capítulo 5- Itrodução à Iferêcia estatística. 1.1) Itrodução.(184) Na iferêcia estatística, aalisamos e iterpretamos amostras com o objetivo de tirar coclusões acerca da população de ode se extraiu a amostra.
Leia maisCapítulo 5- Introdução à Inferência estatística. (Versão: para o manual a partir de 2016/17)
Capítulo 5- Itrodução à Iferêcia estatística. (Versão: para o maual a partir de 2016/17) 1.1) Itrodução.(222)(Vídeo 39) Na iferêcia estatística, aalisamos e iterpretamos amostras com o objetivo de tirar
Leia maisProbabilidades e Estatística
Departameto de Matemática Probabilidades e Estatística Primeiro exame/segudo teste 2 o semestre 29/21 Duração: 18/9 miutos Grupo I Justifique coveietemete todas as respostas. 17/6/21 9: horas 1. Com base
Leia maisProbabilidades e Estatística LEIC-A, LEIC-T, LEGM, MA, MEMec
Duração: 90 miutos Probabilidades e Estatística LEIC-A, LEIC-T, LEGM, MA, MEMec Justifique coveietemete todas as respostas! 2 o semestre 2015/2016 09/06/2016 11:00 2 o teste B Grupo I 10 valores 1. Seja
Leia maisPedro Alberto Barbetta / Marcelo Menezes Reis / Antonio Cezar Bornia São Paulo: Atlas, 2004
Estatística para Cursos de Egeharia e Iformática Pedro Alberto Barbetta / Marcelo Meezes Reis / Atoio Cezar Boria São Paulo: Atlas, 004 Cap. 7 - DistribuiçõesAmostrais e Estimaçãode deparâmetros APOIO:
Leia maisProbabilidade II Aula 12
Coteúdo Probabilidade II Aula Juho de 009 Desigualdade de Marov Desigualdade de Jese Lei Fraca dos Grades Números Môica Barros, D.Sc. Itrodução A variâcia de uma variável aleatória mede a dispersão em
Leia maisAnálise de Regressão Linear Múltipla I
Aálise de Regressão Liear Múltipla I Aula 04 Gujarati e Porter, 0 Capítulos 7 e 0 tradução da 5ª ed. Heij et al., 004 Capítulo 3 Wooldridge, 0 Capítulo 3 tradução da 4ª ed. Itrodução Como pode ser visto
Leia maisEstimação da média populacional
Estimação da média populacioal 1 MÉTODO ESTATÍSTICO Aálise Descritiva Teoria das Probabilidades Iferêcia Os dados efetivamete observados parecem mostrar que...? Se a distribuição dos dados seguir uma certa
Leia maisRegressão linear simples
Regressão liear simples Maria Virgiia P Dutra Eloae G Ramos Vaia Matos Foseca Pós Graduação em Saúde da Mulher e da Criaça IFF FIOCRUZ Baseado as aulas de M. Pagao e Gravreau e Geraldo Marcelo da Cuha
Leia maisEPR 007 Controle Estatístico de Qualidade
EP 7 Cotrole Estatístico de Qualidade Prof. Dr. Emerso José de Paiva Gráficos e tabelas origiadas de Costa, Epprecht e Carpietti (212) 1 Num julgameto, ifelizmete, um iocete pode ir pra cadeia, assim como
Leia maisDISTRIBUIÇÕES DE PROBABILIDADE
DISTRIBUIÇÕES DE PROBABILIDADE DISTRIBUIÇÃO DE PROBABILIDADE Seja uma v.a. que assume os valores,,..., com probabilidade p, p,..., p associadas a cada elemeto de, sedo p p... p diz-se que está defiida
Leia maisn ) uma amostra aleatória da variável aleatória X.
- Distribuições amostrais Cosidere uma população de objetos dos quais estamos iteressados em estudar uma determiada característica. Quado dizemos que a população tem distribuição FX ( x ), queremos dizer
Leia maisESTIMAÇÃO PARA A MÉDIA
ESTIMAÇÃO PARA A MÉDIA Objetivo Estimar a média de uma variável aleatória, que represeta uma característica de iteresse de uma população, a partir de uma amostra. Vamos observar elemetos, extraídos ao
Leia maisMOQ 13 PROBABILIDADE E ESTATÍSTICA. Professor: Rodrigo A. Scarpel
MOQ 13 PROBABILIDADE E ESTATÍSTICA Professor: Rodrigo A. Scarpel rodrigo@ita.br www.mec.ita.br/~rodrigo Programa do curso: Semaas 1 2 3 4 5 6 7 8 9 1 11 12 13 14 15 e 16 Itrodução à probabilidade evetos
Leia maisMestrado Integrado em Engenharia Civil. Disciplina: TRANSPORTES. Sessão Prática 4: Amostragem
Mestrado Itegrado em Egeharia Civil Disciplia: TRNSPORTES Prof. Resposável: José Mauel Viegas Sessão Prática 4: mostragem Istituto Superior Técico / Mestrado Itegrado Egª Civil Trasportes ulas Práticas
Leia maisCONHECIMENTOS ESPECÍFICOS
CESPE/UB FUB/0 fa 5 4 CONHECIMENTOS ESPECÍFICOS 60 As distribuições B e C possuem os mesmos valores para os quartis Q e Q, e o quartil superior em B correspode ao quartil cetral (Q ) da distribuição A.
Leia mais5. O algoritmo dos mínimos quadrados
Apotametos de Processameto Adaptativo de Siais 5. O algoritmo dos míimos quadrados Método dos míimos quadrados Os algoritmos de míimos quadrados são uma alterativa aos algoritmos de gradiete. Estrutura
Leia maisSumário. 2 Índice Remissivo 17
i Sumário 1 Itrodução à Iferêcia Estatística 1 1.1 Defiições Básicas................................... 1 1.2 Amostragem....................................... 2 1.2.1 Tipos de Amostragem.............................
Leia maisMQI 2003 ESTATÍSTICA PARA METROLOGIA - SEMESTRE Teste 2 07/07/2008 Nome: PROBLEMA 1 Sejam X e Y v.a. contínuas com densidade conjunta:
MQI 003 ESTATÍSTICA PARA METROLOGIA - SEMESTRE 008.0 Teste 07/07/008 Nome: PROBLEMA Sejam X e Y v.a. cotíuas com desidade cojuta: f xy cy xy x y (, ) = + 3 ode 0 e 0 a) Ecotre a costate c que faz desta
Leia maisVirgílio A. F. Almeida DCC-UFMG 2005
Virgílio A. F. Almeida DCC-UFMG 005 YZ- i p pq q pq F i p F i Z P Z P i Z P Z P Z ad i Z P Z i Z P Z i Z P Z i Y P Z i i Z Z Z + + > + > > + > + > > + !" http://www.itl.ist.gov/div898/hadbook/ide.htm A
Leia maisDistribuições Amostrais
Distribuições Amostrais O problema da iferêcia estatística: fazer uma afirmação sobre os parâmetros da população θ (média, variâcia, etc) através da amostra. Usaremos uma AAS de elemetos sorteados dessa
Leia maisEconometria. Econometria. Algumas considerações. Algumas considerações MQO. Derivando as Propriedades
Ecoometria. Propriedades fiitas dos estimadores MQO. Estimação da Variâcia do estimador de MQO 3. Revisão de Iferêcia (testes em ecoometria) Ecoometria. Propriedades fiitas dos estimadores MQO Algumas
Leia maisUma amostra aleatória simples de n elementos é selecionada a partir da população. Calcula-se o valor da média a partir da amostra
Distribuição amostral de Um dos procedimetos estatísticos mais comus é o uso de uma média da amostra ( ) para fazer iferêcias sobre uma população de média µ. Esse processo é apresetado a figura abaio.
Leia maisDistribuições de Estatísticas Amostrais e Teorema Central do Limite
Distribuições de Estatísticas Amostrais e Teorema Cetral do Limite Vamos começar com um exemplo: A mega-sea de 996 a N 894 úmeros de a 6: Média: m 588 Desvio padrão: 756 49 amostras de 6 elemetos Frequêcia
Leia maisAnálise de dados industriais
Aálise de dados idustriais Escola olitécica Departameto de Eeharia Química Roberto Guardai 4 arte 5. ÉCNICAS DE DISCRIMINAÇÃO E DE CLASSIFICAÇÃO DE DADOS Itrodução écicas estatísticas de aálise baseadas
Leia maisEstimadores de Momentos
Estimadores de Mometos A média populacioal é um caso particular daquilo que chamamos de mometo. Na realidade, ela é o primeiro mometo. Se X for uma v.a. cotíua, com desidade f(x; θ 1,..., θ r ), depededo
Leia maisTeorema do Limite Central, distribuição amostral, estimação por ponto e intervalo de confiança
Teorema do Limite Cetral, distribuição amostral, estimação por poto e itervalo de cofiaça Prof. Marcos Pó Métodos Quatitativos para Ciêcias Sociais Distribuição amostral Duas amostrages iguais oriudas
Leia maisCC-226 Aula 07 - Estimação de Parâmetros
CC-226 Aula 07 - Estimação de Parâmetros Carlos Henrique Q. Forster - Instituto Tecnológico de Aeronáutica 2008 Estimação de Parâmetros Para construir o classificador bayesiano, assumimos as distribuições
Leia maisLista de Exercícios #4 Assunto: Variáveis Aleatórias Contínuas
. ANPEC 8 - Questão Seja x uma variável aleatória com fução desidade de probabilidade dada por: f(x) = x, para x f(x) =, caso cotrário. Podemos afirmar que: () E[x]=; () A mediaa de x é ; () A variâcia
Leia maisTeorema do limite central e es/mação da proporção populacional p
Teorema do limite cetral e es/mação da proporção populacioal p 1 RESULTADO 1: Relembrado resultados importates Seja uma amostra aleatória de tamaho de uma variável aleatória X, com média µ e variâcia σ.temos
Leia maisEstatística e Probabilidade, D3, 2019_1. Escolha a alternativa correta e indique no gabarito de respostas
Estatística e Probabilidade, D3, 2019_1 Escolha a alterativa correta e idique o gabarito de respostas 1. Uma avaliação é costituída de 20 questões, cada uma delas com cico alterativas, das quais apeas
Leia maisProbabilidades e Estatística LEAN, LEGI, LEGM, LMAC, MEAer, MEAmbi, MEC
Duração: 90 miutos Grupo I Probabilidades e Estatística LEAN, LEGI, LEGM, LMAC, MEAer, MEAmbi, MEC Justifique coveietemete todas as respostas o semestre 207/208 /0/208 09:00 2 o teste A 0 valores. Admita
Leia maisCapítulo 13 Seleção Informações de Parentes. FALCONER & McKAY (1996) páginas
Capítulo 3 Seleção Iformações de aretes FALCONER & McKAY (996) págias 8-45 Iformações da Família: Quado usá-las?? Quado se cohece: Tipo de família meio-irmão ou irmãos germaos (r ) Número de idivíduos
Leia maisTRANSPORTES. Sessão Prática 4 Amostragem de escalares
Mestrado Itegrado em Egeharia Civil TRNPORTE Prof. Resposável: Luis Picado atos essão Prática 4 mostragem de escalares Istituto uperior Técico / Mestrado Itegrado Egeharia Civil Trasportes ulas Práticas
Leia maisINFERÊNCIA. Fazer inferência (ou inferir) = tirar conclusões
INFERÊNCIA Fazer iferêcia (ou iferir) = tirar coclusões Iferêcia Estatística: cojuto de métodos de aálise estatística que permitem tirar coclusões sobre uma população com base em somete uma parte dela
Leia maisProbabilidades e Estatística LEAN, LEGM, LEIC-A, LEIC-T, MA, MEMec
Duração: 90 miutos Grupo I Probabilidades e Estatística LEAN, LEGM, LEIC-A, LEIC-T, MA, MEMec Justifique coveietemete todas as respostas 2 o semestre 2016/2017 16/06/2017 9h:00 2 o teste 10 valores 1.
Leia maisn C) O EMV é igual a i 1
PROVA DE ESTATÍSTICA E PROBABILIDADE SELEÇÃO MESTRADO/UFMG 009 Istruções: a) Cada questão respodida corretamete vale (um) poto. c) Cada questão respodida icorretamete vale - (meos um) poto. b) Cada questão
Leia maisESTATÍSTICA COMPUTACIONAL
ESTATÍSTICA COMPUTACIONAL Ralph dos Santos Silva Departamento de Métodos Estatísticos Instituto de Matemática Universidade Federal do Rio de Janeiro Sumário Se a integração analítica não é possível ou
Leia maisExperimento 1 Estudo da Lei de Hooke
Experimeto 1 Estudo da Lei de Hooke 1.1 Objetivos Físicos Verificação experimetal da lei de Hooke para uma mola helicoidal: Medida experimetal do módulo de rigidez do material μ. 1. Objetivos Didáticos
Leia maisAmostras Aleatórias e Distribuições Amostrais. Probabilidade e Estatística: afinal, qual é a diferença?
Amostras Aleatórias e Distribuições Amostrais Probabilidade e Estatística: afial, qual é a difereça? Até agora o que fizemos foi desevolver modelos probabilísticos que se adequavam a situações reais. Por
Leia maisCap. 4 - Estimação por Intervalo
Cap. 4 - Estimação por Itervalo Amostragem e iferêcia estatística População: cosiste a totalidade das observações em que estamos iteressados. Nº de observações a população é deomiado tamaho=n. Amostra:
Leia maisTeorema do Limite Central, distribuição amostral, estimação por ponto e intervalo de confiança
Teorema do Limite Cetral, distribuição amostral, estimação por poto e itervalo de cofiaça Prof. Marcos Pó Métodos Quatitativos para Ciêcias Sociais Distribuição amostral Duas amostrages iguais oriudas
Leia maisAjuste de Curvas. Lucia Catabriga e Andréa Maria Pedrosa Valli
1-27 Ajuste de Curvas Lucia Catabriga e Adréa Maria Pedrosa Valli Laboratório de Computação de Alto Desempeho (LCAD) Departameto de Iformática Uiversidade Federal do Espírito Sato - UFES, Vitória, ES,
Leia maisEstatística. Estatística II - Administração. Prof. Dr. Marcelo Tavares. Distribuições de amostragem. Estatística Descritiva X Estatística Inferencial
Estatística II - Admiistração Prof. Dr. Marcelo Tavares Distribuições de amostragem Na iferêcia estatística vamos apresetar os argumetos estatísticos para fazer afirmações sobre as características de uma
Leia maisMAE 116 Estimação para a média FEA - 2º Semestre de 2018
MAE 116 Estimação para a média FEA - 2º Semestre de 2018 1 Objetivo da aula O objetivo é estimar a média de uma população (ou de uma variável aleatória) Vamos iicialmete estudar de forma empírica a distribuição
Leia maisObjetivo. Estimar a média µ de uma variável aleatória X, que representa uma característica de interesse de uma população, a partir de uma amostra.
ESTIMAÇÃO PARA A MÉDIAM Objetivo Estimar a média µ de uma variável aleatória X, que represeta uma característica de iteresse de uma população, a partir de uma amostra. Exemplos: µ : peso médio de homes
Leia maisMOQ-13 PROBABILIDADE E ESTATÍSTICA. Professor: Rodrigo A. Scarpel
MOQ-13 PROILIDDE E ESTTÍSTIC Professor: Rodrigo. Scarpel rodrigo@ita.br www.mec.ita.br/~rodrigo Programa do curso: Semaas 1 3 4 5 6 7 8 9 10 11 1 13 14 15 e 16 Itrodução à probabilidade (evetos, espaço
Leia maisAvaliação de Desempenho de Sistemas Discretos
Distribuições Comus Avaliação de Desempeho de Sistemas Discretos Probabilidade e Estatística 2 Uiforme Normal Poisso Hipergeométrica Biomial Studet's Geométrica Logormal Expoecial Beta Gamma Qui-Quadrado
Leia maisCONCEITOS DE VIBRAÇÃO
CONCEITOS DE VIBRAÇÃO Paulo S. Varoto 55 3.1 - Itrodução O objetivo pricipal desta secção é o de apresetar coceitos básicos da teoria de vibrações bem como iterpretá-los sob o poto de vista dos esaios
Leia maisUniversidade Federal de Pernambuco Departamento de Estatística Inferência Estatística (PGE 951) Método de Máxima Verossimilhança (M.M.V.
Universidade Federal de Pernambuco Departamento de Estatística Inferência Estatística (PGE 95) Método de Máxima Verossimilhança (MMV) Definição: Qualquer ˆθ = ˆθ(X,, X n ) Θ tal que L(ˆθ; x,, x n ) = Sup{L(θ)
Leia maisTécnicas Computacionais em Probabilidade e Estatística I. Aula II
Técicas Computacioais em Probabilidade e Estatística I Aula II Chag Chia MAE 5704- IME/USP º Sem/008 Algus modelos de iteresse prático: a Beroulli; Biomial; b Poisso; Geométrica; Hipergeométrica; c Uiforme;
Leia maisProbabilidades e Estatística LEE, LEGI, LEMat, LERC/LETI, LMAC, MEAer, MEAmb, MEBiol, MEBiom, MEEC, MEFT, MEQ
Duração: 90 miutos Grupo I Probabilidades e Estatística LEE, LEGI, LEMat, LERC/LETI, LMAC, MEAer, MEAmb, MEBiol, MEBiom, MEEC, MEFT, MEQ Justifique coveietemete todas as respostas 2 o semestre 206/207
Leia maisbinomial seria quase simétrica. Nestas condições será também melhor a aproximação pela distribuição normal.
biomial seria quase simétrica. Nestas codições será também melhor a aproximação pela distribuição ormal. Na prática, quado e p > 7, a distribuição ormal com parâmetros: µ p 99 σ p ( p) costitui uma boa
Leia maisDESIGUALDADES, LEIS LIMITE E TEOREMA DO LIMITE CENTRAL. todas as repetições). Então, para todo o número positivo ξ, teremos:
48 DESIGUALDADES, LEIS LIMITE E TEOREMA DO LIMITE CENTRAL LEI DOS GRANDES NÚMEROS Pretede-se estudar o seguite problema: À medida que o úmero de repetições de uma experiêcia cresce, a frequêcia relativa
Leia maisd) A partir do item c) encontre um estimador não viciado para σ 2.
Uiversidade de Brasília Departameto de Estatística 6 a Lista de PE 1 Seja X 1,, X ) uma AAS tal que EX i ) = µ e VarX i ) = σ 2 a) Ecotre EXi 2 ) e E X 2) b) Calcule EX i X) X i X) 2 c) Se T =, mostre
Leia maisMétodos iterativos. Métodos Iterativos para Sistemas Lineares
Métodos iterativos Métodos Iterativos para Sistemas Lieares Muitos sistemas lieares Ax = b são demasiado grades para serem resolvidos por métodos directos (por exemplo, se A é da ordem de 10000) á que
Leia maisMétodos Experimentais em Ciências Mecânicas
Métodos Experimentais em Ciências Mecânicas Professor Jorge Luiz A. Ferreira Função que descreve a chance que uma variável pode assumir ao longo de um espaço de valores. Uma distribuição de probabilidade
Leia maisObtemos, então, uma amostra aleatória de tamanho n de X, que representamos por X 1, X 2,..., X n.
Vamos observar elemetos, extraídos ao acaso e com reposição da população; Para cada elemeto selecioado, observamos o valor da variável X de iteresse. Obtemos, etão, uma amostra aleatória de tamaho de X,
Leia maisAprendizagem de Máquina
predizagem de Máquia Modelos de Mistura lgoritmo EM Estimação semi-paramétrica de desidade abordagem paramétrica para estimação de desidade supõe que a amostra X é extraída de uma distribuição que segue
Leia maisNOTAS DE AULA: DISTRIBUIÇÃO AMOSTRAL E INTERVALOS DE CONFIANÇA
NOTAS DE AULA: DISTRIBUIÇÃO AMOSTRAL E INTERVALOS DE CONFIANÇA Objetivos da aula: Compreeder que um estimador é uma variável aleatória e, portato, pode-se estabelecer sua distribuição probabilística; Estabelecer
Leia maisProbabilidades e Estatística / Introd. às Probabilidades e Estatística TODOS OS CURSOS
Probabilidades e Estatística / Itrod. às Probabilidades e Estatística TODOS OS CURSOS Exame Época Especial 7/8 3/7/7 9: Duração: 3 horas Justifique coveietemete todas as respostas Grupo I 5 valores. Uma
Leia maisControle de Sistemas. Desempenho de Sistemas de Controle. Renato Dourado Maia. Universidade Estadual de Montes Claros. Engenharia de Sistemas
Cotrole de Sistemas Desempeho de Sistemas de Cotrole Reato Dourado Maia Uiversidade Estadual de Motes Claros Egeharia de Sistemas Aálise da Resposta Temporal A resposta temporal de um sistema de cotrole
Leia maisContabilometria. Prof.: Patricia Maria Bortolon, D. Sc.
Cotabilometria Prof.: Patricia Maria Bortolo, D. Sc. Teste para Duas Amostras Fote: LEVINE, D. M.; STEPHAN, D. F.; KREHBIEL, T. C.; BERENSON, M. L.; Estatística Teoria e Aplicações, 5a. Edição, Editora
Leia mais{ } 3.3 Função Densidade de Probabilidade Condicional e Independência
33 Fução Desidade de Probabilidade Codicioal e Idepedêcia Fução de Desidade de Probabilidade Codicioal (dimesão ) Seja f ( x,,x ) uma desidade cojuta associada a uma variável aleatória de dimesão Sejam
Leia maisAula 3. Estimação II. Capítulo 11, Bussab&Morettin Estatística Básica 7ª Edição
Aula 3. Estimação II. Capítulo, Bussab&Moretti Estatística Básica 7ª Edição Estatística = fução qualquer da amostra população ~B(p) amostra,,, i {0,} estimador de p é estatística p amostra (obs.) x,, x,
Leia maisProbabilidades e Estatística TODOS OS CURSOS
Duração: 90 miutos Grupo I Probabilidades e Estatística TODOS OS CURSOS Justifique coveietemete todas as respostas o semestre 017/018 04/07/018 15:00 o Teste C 10 valores 1. Admita que os tempos (em cetea
Leia maisPropriedades: Notação: X ~ U(α, β). PRINCIPAIS MODELOS CONTÍNUOS
0 CONTÍNUOS PRINCIPAIS MODELOS Notação: ~ U(α β). Propriedades: Eemplo A dureza de uma peça de aço pode ser pesada como sedo uma variável aleatória uiforme o itervalo (5070) uidades. Qual a probabilidade
Leia maisAula 5. Aula de hoje. Aula passada. Limitante da união Método do primeiro momento Lei dos grandes números (fraca e forte) Erro e confiança
Aula 5 Aula passada Valor esperado codicioal Espaço amostral cotíuo, fução desidade Limitates para probabilidade Desigualdades de Markov, Chebyshev, Cheroff with high probability Aula de hoje Limitate
Leia maisEstimação da média populacional
Estimação da média populacioal 1 MÉTODO ESTATÍSTICO Aálise Descritiva Teoria das Probabilidades Iferêcia Os dados efetivamete observados parecem mostrar que...? Se a distribuição dos dados seguir uma certa
Leia maisAnálise Infinitesimal II LIMITES DE SUCESSÕES
-. Calcule os seguites limites Aálise Ifiitesimal II LIMITES DE SUCESSÕES a) lim + ) b) lim 3 + 4 5 + 7 + c) lim + + ) d) lim 3 + 4 5 + 7 + e) lim + ) + 3 f) lim + 3 + ) g) lim + ) h) lim + 3 i) lim +
Leia mais6.1 Estimativa de uma média populacional: grandes amostras. Definição: Um estimador é uma característica amostral (como a média amostral
6 ESTIMAÇÃO 6.1 Estimativa de uma média populacioal: grades amostras Defiição: Um estimador é uma característica amostral (como a média amostral x ) utilizada para obter uma aproximação de um parâmetro
Leia maisMAE0229 Introdução à Probabilidade e à Estatística II
Exercício : Sabe-se que o tempo de viagem de um local A a zoa orte de São Paulo até a USP segue uma distribuição ormal com desvio padrão 9 miutos. Em 200 dias aotou-se o tempo gasto para vir desse poto
Leia maisLista de Exercícios #6 Assunto: Propriedade dos Estimadores e Métodos de Estimação
Assuto: Propriedade dos Estimadores e Métodos de Estimação. ANPEC 08 - Questão 6 Por regulametação, a cocetração de um produto químico ão pode ultrapassar 0 ppm. Uma fábrica utiliza esse produto e sabe
Leia mais6. Amostragem e estimação pontual
6. Amostragem e estimação pontual Definição 6.1: População é um conjunto cujos elementos possuem qualquer característica em comum. Definição 6.2: Amostra é um subconjunto da população. Exemplo 6.1: Um
Leia maisProva Escrita de MATEMÁTICA A - 12o Ano a Fase
Prova Escrita de MATEMÁTICA A - o Ao 08 - a Fase Proposta de resolução Cadero... Como P µ σ < X < µ + σ 0,94, logo como P X < µ σ P X > µ + σ, temos que: P X < µ σ 0,94 E assim, vem que: P X > µ σ P X
Leia maisMAE Introdução à Probabilidade e Estatística II Resolução Lista 2
MAE 9 - Itrodução à Probabilidade e Estatística II Resolução Lista Professor: Pedro Moretti Exercício 1 Deotado por Y a variável aleatória que represeta o comprimeto dos cilidros de aço, temos que Y N3,
Leia maisIntervalos de Confiança
Itervalos de Cofiaça Prof. Adriao Medoça Souza, Dr. Departameto de Estatística - PPGEMQ / PPGEP - UFSM - 0/9/008 Estimação de Parâmetros O objetivo da Estatística é a realização de iferêcias acerca de
Leia maisIntrodução ao Qui-Quadrado
Técicas Laboratoriais de Física Lic. Física e g. Biomédica 007/08 Capítulo X Teste do Qui-quadrado, Itrodução ao qui-quadrado Defiição geral do qui-quadrado Graus de liberdade e reduzido abilidade do 66
Leia maisCE-003: Estatística II - Turma K/O Avaliações Semanais (2 o semestre 2015)
CE-003: Estatística II - Turma K/O Avaliações Semaais (2 o semestre 20) Semaa 5 (av-01) 1. Um idivíduo vai participar de uma competição que cosiste em respoder questões que são lhe são apresetadas sequecialmete.
Leia maisProbabilidades e Estatística LEAN, LEE, LEGI, LERC, LMAC, MEAer, MEAmbi, MEBiol, MEBiom, MEEC, MEFT, MEMat, MEQ
Duração: 90 miutos Grupo I Probabilidades e Estatística LEAN, LEE, LEGI, LERC, LMAC, MEAer, MEAmbi, MEBiol, MEBiom, MEEC, MEFT, MEMat, MEQ Justifique coveietemete todas as respostas 2 o semestre 207/208
Leia maisTécnicas computacionais em probabilidade e estatística II
Técnicas computacionais em probabilidade e estatística II Universidade de São Paulo Instituto de Matemática e Estatística http:www.ime.usp.br/ mbranco AULA 1: Problemas Computacionais em Inferência Estatística.
Leia maisProbabilidade II Aula 9
Coteúdo Probabilidade II Aula 9 Maio de 9 Môica Barros, D.Sc. Estatísticas de Ordem Distribuição do Máximo e Míimo de uma amostra Uiforme(,) Distribuição do Máximo e Míimo caso geral Distribuição das Estatísticas
Leia maisProf. Fabrício Maciel Gomes Departamento de Engenharia Química Escola de Engenharia de Lorena EEL
Prof. Fabrício Maciel Gomes Departameto de Egeharia Química Escola de Egeharia de Lorea EEL Referêcias Bibliográficas Sistema de Avaliação Duas Provas teóricas Um Trabalho em Grupo MédiaFial 0,4 P 0,4
Leia maisXIX CONGRESSO DE PÓS-GRADUAÇÃO DA UFLA 27 de setembro a 01 de outubro de 2010
COMPARAÇÕES DE DISTRIBUIÇÕES DE PROBABILIDADE PARA UMA SÉRIE DE VAZÕES MÁXIMAS PARA CURSO D ÁGUA RIO DO VEADO, ES MILLENA MIRELLA VIEIRA TAVEIRA ; GEOVANE JUNQUEIRA ALVES ; ANTÔNIO MARCIANO DA SILVA ;
Leia maisStela Adami Vayego DEST/UFPR
Resumo 3 Resumo dos dados uméricos por meio de úmeros. Medidas de Tedêcia Cetral A tedêcia cetral da distribuição de freqüêcias de uma variável em um cojuto de dados é caracterizada pelo valor típico dessa
Leia maisobjetivo Exercícios Meta da aula Pré-requisitos
Exercícios A U L A 6 Meta da aula Aplicar o formalismo quâtico estudado as Aulas a 5 deste módulo à resolução de um cojuto de exercícios. objetivo Esperamos que, após o térmio desta aula, você teha cosolidado
Leia mais