O processo de escolha de uma amostra da população é denominado de amostragem.

Tamanho: px
Começar a partir da página:

Download "O processo de escolha de uma amostra da população é denominado de amostragem."

Transcrição

1 O proeo de eolha de uma amora da população é deomiado de amoragem Méodo de e iferir obre uma população a parir do oheimeo de pelo meo uma amora dea população Eudo da relaçõe eória exiee ere uma população e a amora dela exraída R O B A B IL I D A D E OULAÇÃO (Ceo) Erro AMOTRA (Amoragem) Iferêia T i p o d e A m o r a g e m robabilíia Não robabilíia 1

2 Todo o elemeo da população êm probabilidade oheida (e diferee de ero) de faer pare da amora Aleaória imple iemáia Eraifiada or Coglomerado Uma amora é dia aleaória imple ou ao aao e odo o elemeo da população iverem a mema probabilidade de pereer a amora A A Com Repoição em Repoição Toal de Amora k N Não Ordeada N k Ordeada k A N Uma araeríia da população é deomiada de parâmero Um eimador é uma araeríia da amora Uma eimaiva é um valor pariular de um eimador µ π A MÉDIA A VARIÂNCIA O DEVIO ADRÃO A ROORÇÃO

3 A MÉDIA A VARIÂNCIA O DEVIO ADRÃO A ROORÇÃO OULAÇÃO θ θˆ1 θˆ θˆ k Amora 1 Amora Amora k A diribuição de probabilidade de um eimador (variável aleaória) é deomiada de diribuição amoral dee eimador Média Erro padrão Caraeríia COM Repoição EM Repoição µ E() µ N N 1 e uma amora aleaória de amaho for reirada de uma população om uma diribuição N(µ; ), eão a diribuição de, média da amora, em uma diribuição N(µ, ) opulação µ µ Média 4 1 3

4 0,0 Uma amora de 16 elemeo é reirada de uma população N(80; 8) Deermie: (76 85 ) 0,16 0,1 0,08 0,04 0, Tem-e: µ 80, 8 abe-e que: 80 e µ 8 16 (76 85) DITNORM(85; 80; 8; 1) - DITNORM(76; 80; 8; 1) 73,40% - 30,85 4,55% e uma amora aleaória de amaho > 30 for reirada de uma população om qualquer diribuição de média µ e devio padrão, eão a diribuição de, média da amora, em uma diribuição aproximadamee N(µ, ) 0,80 0,70 0,60 0,50 0,40 0,30 0,0 0,10 0,00 µ Média 16 05, µ opulação 4

5 Uma amora de elemeo é reirada de uma população N(80; 4) Deermie de forma que: ( 79 ) 1, 50 % Tem-e: µ 80, 4 abe-e que: 80 e µ 4 ( Eão: ( (Z 79 ) - µ ) 4 ) Φ ( 4 ) 1, 50 % INVNORM(1,5%) -,17 Aim:, 17 4, , 68 ( 8, 68) 76 Média Erro padrão Caraeríia COM Repoição EM Repoição µ E() π π(1 π) π(1 π) N N 1 e uma amora aleaória de amaho > 100 for reirada de uma população om proporção π, eão a diribuição de, proporção a amora, em uma diribuição π ( 1 π aproximadamee N(π, ) 5

6 0,05 0,04 0,03 0,0 0,01 0,00 40,00 4,50 45,00 47,50 50,00 5,50 55,00 57,50 60,00 Uma amora de 400 eleiore é reirada da população que prefere o adidao Zigoo om π 50% Deermie: (47 % 54 %) Tem-e: π 50% abe-e que: µ π 50% π (1 0, 45 0,05 π ) ( , 45,50 % ) Eão: (47 54) DITNORM(54; 50;,5; 1) - DITNORM(47; 50;,5; 1) 94,5% - 11,51 83,01% Média Erro padrão Caraeríia Amoragem om repoição µ E( ) e uma amora aleaória de amaho (grade) for reirada de uma população om variâia, eão a diribuição de, variâia da amora, em uma diribuição aproximadamee om -1 gl, a meo de uma oae 6

7 Io é: 1-1 Ee reulado é oheido omo Teorema de Fiher Uma amora de 81 elemeo é reirada de uma população om variâia 10 Deermie a probabilidade de que ( > 15) Tem-e: abe-e que: 1-1 ( Eão: [ ( ( > 15 ) > [ ( 1) 15 ( 1) ] ) > ) 10 1 ( 80 > 15 ] ) > ) 10 > 10 ) DITQUI(10; 80) 0,5% Uma A eimação em por objeivo foreer iformaçõe obre parâmero populaioai, edo omo bae uma amora aleaória exraída da população de ieree 7

8 θ ETIMAÇÃO AMOTRA or oo OULAÇÃO θˆ or iervalo ETIMAÇÃO OR ONTO A eimaiva por poo é feia aravé de um úio valor ETIMAÇÃO OR INTERVALO A eimaiva por iervalo, foree um ojuo de valore A araeríia báia de um eimador ão: A média: µ θ ˆ A Variâia: θˆ E ( θˆ ) V ( θ ˆ ) E[ θˆ E ( θ ˆ )] Aravé da média, pode-e aber em oro de que valor o eimador eá variado O ideal é que ele varie em oro do parâmero θ E( θˆ ) E ( θ ˆ ) 8

9 Aravé da rai quadrada da variâia em-e uma idéia do erro omeido a eimação, io é, o valor θ ˆ V( θˆ ) é deomiado de erro padrão de θ A ereira iformação eeária é a diribuição do eimador, io é, qual o modelo eório (probabilíio) do eimador OUTRO CONCEITO IMORTANTE Erro Quadrado Médio Vié: B( θ ˆ ) E ( θˆ ) θ EQM: EQM ( θˆ ) θ θ) EQM ( θˆ ) E ( ˆ θ ) E( ˆ ˆ θ V ( θ ) + B ( θˆ ) E(ˆ) θ θ Vié(ˆ θ) eja ( 1,,, ) uma amora aleaória de uma variável (população), om um parâmero de ieree θ eja θˆ uma fução da amora (eimaiva de θ) 9

10 Um eimador é dio ãoedeioo, ão-viiado, em vié ou imparial e: µ θ E ( θˆ ) ˆ θ Tedeioo Não edeioo Momeo Míimo Quadrado Máxima Veroimilhaça MELNT (Melhor Eimaiva Liear Não Tedeioa) Baye É o mai aigo do méodo para deermiar eimadore (earo, 1894) Baeia-e o priípio de que e deve eimar o momeo de uma diribuição populaioal pelo momeo orrepodee da amora Dea forma a média populaioal deve er eimada pela média amoral, a variâia populaioal pela variâia amoral e aim por diae Ee méodo produ eimadore que ão oiee e aioiamee ormai 10

11 A média da amora é um eimador ão-viiado de µ, io é: µ E ( ) µ A proporção amoral é um eimador ão-viiado de π, io é: µ E( ) π A variâia da amora é um eimador viiado de, io é: µ E ( ) A variâia da amora, alulada om -1 o deomiador é um eimador ão viiado de, io é: µ E( ) Um eimador ão viiado é dio oiee e: lim V ( θˆ ) 0 A média da amora é um eimador oiee de µ, io é: lim V ( ) lim 0 11

12 A proporção amoral é um eimador oiee de π, io é: lim V ( ) lim π ( 1 π ) 0 A variâia da amora é um eimador oiee de, io é: lim V ( ) lim Dado doi eimadore ão-edeioo de um memo parâmero, o mai efiiee é o que apreea meor variâia 1 O eimador 1 é mai efiiee que o A média (imple) da amora é um eimador mai efiiee de µ, do que qualquer média poderada Com bae a diribuição da veloidade de uma amora de 10 arro adado a erada OA/Oório, deermie eimaiva da: (a) veloidade média (b) variabilidade da veloidade () da proporção de arro aima do 100 km/h 1

13 (d) Eimaiva do erro padrão da: (i) Média (ii) roporção (iii) Variâia Veloidade Toal Freqüêia A média Veloidade Toal Freqüêia x i 8,5 87,5 9,5 97,5 10,5 107,5 f i x i 660,0 1137,5 0,0 317,5 97,5 13,97, A melhor eimaiva da média é dada pela média da amora Aim: x f x i i , km / h Veloidade Toal Freqüêia x i 8,5 87,5 9,5 97,5 10,5 107,5 f i xi 54450, , , , , , O devio padrão f x i i 1 10 x ( 96, 7083 ) , , , 89 km/h 13

14 A proporção A melhor eimaiva de π é dada pela proporção amoral (p): p f 4 10 ( ) 10 0, % O erro padrão da média é dado por: Eão uma eimaiva do erro é dada por: ˆ ˆ 47, ,63 km/h O erro padrão da proporção é dado por: π(1 π) Eão uma eimaiva do erro é dada por: ˆ 0,35 0,65 10 πˆ (1 πˆ ) p(1 p) 0,0435 4,35 % O erro padrão da variâia é dado por: 1 Eão uma eimaiva do erro é dada por: ˆ ˆ 47, , (km/h) 14

15 upodo oheido ( Z ) 1 α α 1 α α Z De Tem-e: ( ( ( ( Z ) 1 α µ µ µ ) 1 α + ) 1 α ) 1 α Aim: ( ( µ µ + + ) 1 α ) 1 α Eão, o IC de 1 α para µ é alulado por: ± x x Com bae a diribuição da veloidade de uma amora de 10 arro adado a erada OA/Oório, e upodo que o devio padrão populaioal é igual a ei km/h deermie uma eimaiva para a veloidade média, om uma ofiabilidade de 95% Tem-e: ± Ma: 1, x x 0,5477 1,960,5477 1,07 x O IC de 1 α para µ é alulado por: [ ; + ] [ 96,71 1,07; 96,71+ 1,07 ] [ 95,64; 97,78] 15

16 0,40 0,0 0,00 deoheido µ 1 1,, 3 α α 1 α N(0; 1) De Tem-e: ( ( ( ˆ µ ˆ ( ) 1 α µ ˆ µ ) 1 α ˆ + ) 1 α ˆ ) 1 α ( ( Aim: ˆ ˆ µ µ + + ˆ ˆ ) 1 α ) 1 α Eão, o IC de 1 α para µ, e for deoheido é alulado por: ± ˆ ˆ ˆ ˆ x x Com bae a diribuição da veloidade de uma amora de 10 arro adado a erada OA/Oório, deermie uma eimaiva para a veloidade média, om uma ofiabilidade de 95% Tem-e: ˆ ˆ Ma: ± x 1,98 ˆ ˆ x 47,477 ˆ x 0, ˆ 1,980,690 1,5 O IC de 1 α para µ é alulado por: [ ˆ ; + ˆ ] [ 96,71 1,5 ; 96,71 + 1,5 ] [ 95,46 ; 97,96 ] 16

17 ( Z ) 1 α π(1 π) ˆ (1 ) α α 1 α De Tem-e: ( ( ( ( Z ) 1 α µ µ µ ) 1 α + ) 1 α ) 1 α ( ( Aim: µ µ + + ) 1 α ) 1 α Eão, o IC de 1 α para π é alulado por: ± ˆ ˆ ˆ ˆ (1 ) Com bae a diribuição da veloidade de uma amora de 10 arro adado a erada OA/Oório, deermie uma eimaiva para a proporção de arro om veloidade aima de 100 km/h, om uma ofiabilidade de 95% Tem-e: ± ˆ Ma: ˆ 1,96 ˆ ˆ p(1 p) 0,35(1 0,35) ˆ 4,3541% 10 ˆ 1,964,3541 8,53% (1 ) 17

18 O IC de 1 α para π é alulado por: [ ˆ ; + ˆ ] [ 35% 8,53%; 35% + 8,53% ] [ 6,47%; 43,53% ] α i ( i 1 α 1 α ( 1) 1 ) 1 α De Tem-e: ( ( 1 i ( ( 1) ( i ( 1) ( 1) 1 ( 1) ) 1 α 1 ) 1 α 1 1 ) 1 α ) 1 α Eão o IC de 1 α para é alulado por: Eão o IC de 1 α para é alulado por: ( 1 ) ( 1 ) ; 1 ( 1 ) ( 1 ) ; 1 18

19 Com bae a diribuição da veloidade de uma amora de 10 arro adado a erada OA/Oório, deermie uma eimaiva para a variabilidade da veloidade, om uma ofiabilidade de 95% Tem-e: ( Ma: 1 ) ( 1 ) ; i 94,81 145,46 1 O IC de 1 α para é alulado por: 11947, ,46 [ 6,3; 7,7] ; 11947,477 94,81 É deejável um IC om ala ofiabilidade (1 - α) e pequea ampliude () Io requer uma amora ufiieemee grade, poi, para fixo, ofiaça e preião varia iveramee A eguir o amaho míimo eeário de amora para eimar o priipai parâmero dero de uma ofiabilidade (1 α) e uma preião () epeifiado 19

20 ara eimar a média de uma população, upodo oheido x ara eimar a média de uma população, om oheido x erá obido aravé de uma amora piloo ara eimar a proporção populaioal x (1 (1 (1 ) ) ) p erá eimado aravé de uma amora piloo Qual o amaho míimo de uma amora para eimarmo a proporção de defeiuoo de uma máquia om uma preião de 3% e uma ofiabilidade de 95% e (a) ada e abe obre ea proporção (b) ela ão é uperior a 10% (a) 1,96 0, (1 0,50 ) 0,5 (b) 385 1,96 0, 03 (1 ) 0,1 0,9 0

Por Ponto. Por intervalo

Por Ponto. Por intervalo rof Lorí Viali, Dr viali@maufrgbr hp://wwwufrgbr/~viali/ Uma A eimação em por objeivo foreer iformaçõe obre parâmero populaioai, edo omo bae uma amora aleaória eraída da população de ieree θ ETIMAÇÃO AMOTRA

Leia mais

Como o Intervalo de Confiança para a média é bilateral, teremos uma situação semelhante à da figura abaixo:

Como o Intervalo de Confiança para a média é bilateral, teremos uma situação semelhante à da figura abaixo: INE66 Méodo Eaíico Exercício Prova - Semere 15.1 O poo de fuão (medido em C) é um apeco crucial em maeriai cerâmico, epecialmee o uado em reaore ucleare, como a ória. Receemee um fabricae apreeou dua ova

Leia mais

Uma coleção de todos os possíveis elementos, objetos ou medidas de interesse.

Uma coleção de todos os possíveis elementos, objetos ou medidas de interesse. rof. Lorí Viali, Dr. viali@mat.ufrgs.br http://www.ufrgs.br/~viali/ Uma coleção de todos os possíveis elemetos, objetos ou medidas de iteresse. Um levatameto efetuado sobre toda uma população é deomiado

Leia mais

Uma coleção de todos os possíveis elementos, objetos ou medidas de interesse.

Uma coleção de todos os possíveis elementos, objetos ou medidas de interesse. rof. Lorí Viali, Dr. viali@mat.ufrgs.br http://www.ufrgs.br/~viali/ Uma coleção de todos os possíveis elemetos, objetos ou medidas de iteresse. Um levatameto efetuado sobre toda uma população é deomiado

Leia mais

Prof. Lorí Viali, Dr.

Prof. Lorí Viali, Dr. Prof. Lorí Viali, Dr. viali@mat.ufrgs.br http://www.ufrgs.br/~viali/ Uma A estimação tem por objetivo forneer informações sobre parâmetros populaionais, tendo omo base uma amostra aleatória extraída da

Leia mais

9. INTERVALOS DE PREDIÇÃO E INTERVALOS DE TOLERÂNCIA

9. INTERVALOS DE PREDIÇÃO E INTERVALOS DE TOLERÂNCIA 9 INTRVALOS D PRDIÇÃO INTRVALOS D TOLRÂNCIA 200 Iervalo de cofiaça, é uma amora aleaória de amaho de uma população ormal com média µ e variâcia 2 (amba decohecida) A média amoral em diribuição ormal com

Leia mais

Prof. Lorí Viali, Dr. Prof. Lorí Viali, Dr. UFRGS Instituto de Matemática - Departamento de Estatística

Prof. Lorí Viali, Dr.  Prof. Lorí Viali, Dr. UFRGS Instituto de Matemática - Departamento de Estatística Prof. Lorí Viali, Dr. viali@mat.ufrgs.br http://www.ufrgs.br/~viali/ 1 A estimação tem por objetivo forneer informações sobre parâmetros populaionais, tendo omo base uma amostra aleatória extraída da população

Leia mais

Uma função X que associa a cada elemento de S (s S) um número real x = X(s) é denominada variável aleatória.

Uma função X que associa a cada elemento de S (s S) um número real x = X(s) é denominada variável aleatória. Prof. Lorí Viali, Dr. viali@ma.ufrgs.br hp://www.ma.ufrgs.br/~viali/ s KKK CKK KKC KCK CCK CKC KCC CCC S X R x = X(s) X(S) Uma fução X que associa a cada elemeo de S (s S) um úmero real x = X(s) é deomiada

Leia mais

INTERVALO DE CONFIANÇA

INTERVALO DE CONFIANÇA INTERVALO DE CONFIANÇA Supoha que etejamo itereado um parâmetro populacioal verdadeiro (ma decohecido) θ. Podemo etimar o parâmetro θ uado iformação de oa amotra. Chamamo o úico úmero que repreeta o valor

Leia mais

02/02/2017. Intervalo de Confiança. Bioestatística. Universidade Estadual do Oeste do Paraná - Unioeste. Curso de Nutrição

02/02/2017. Intervalo de Confiança. Bioestatística. Universidade Estadual do Oeste do Paraná - Unioeste. Curso de Nutrição Uiveridade Etadual do Oete do Paraá - Uioete Curo de Nutrição Bioetatítica Profeora Aqui começamo o etudo da etatítica iferecial, que é o egudo maior ramo da etatítica. M.Roebel Tridade Cuha Prate Coite

Leia mais

1-) Um sistema de controle com retroação unitária apresenta = e u(t) = 3t.

1-) Um sistema de controle com retroação unitária apresenta = e u(t) = 3t. -) Um iema de corole com reroação uiária areea k G ( e u() 3. + )(,5 + ) a-) Se k 3 -, deermie o erro em regime eacioário (ermaee), e(. b-) Deeja-e que ara uma exciação em rama, e(,. Qual o valor de k

Leia mais

A distribuição BURR XII Geométrica

A distribuição BURR XII Geométrica Inrodução A diribuição BURR XII Geoméria Beariz Rezende Lanjoni Edwin Moie Maro Orega Na análie de obrevivênia a variável reoa, geralmene, é o emo aé a oorrênia de um eveno de ineree, orano aume valore

Leia mais

Departamento de Economia, FEA/USP Macroeconomia II 2º/2015 Mauro Rodrigues Primeira Lista de Exercícios - Solução

Departamento de Economia, FEA/USP Macroeconomia II 2º/2015 Mauro Rodrigues Primeira Lista de Exercícios - Solução Deparameo de Ecoomia, FEA/USP Macroecoomia II 2º/205 Mauro Rodriue Primeira Lia de Exercício - Solução. Joe, cap.4, exercício. Ver arquivo com plailha. 2. Coidere uma ecoomia a qual a fução de produção

Leia mais

UNIDADE II TESTE DE HIPÓTESE

UNIDADE II TESTE DE HIPÓTESE 0/0/06. INTRODUÇÃO A iferêcia etatítica preocupa-e em determiar e UNIDADE II TESTE DE IPÓTESE CUIABÁ, MT 05/ PROF.: RÔMULO MÔRA romulomora.webode.com exite alguma igificâcia etatítica acoplada ao reultado

Leia mais

Intervalo de Confiança

Intervalo de Confiança 8/8/05 Uiversidade Federal do ará Isiuo de Tecologia Esaísica Aplicada I ro. Dr. Jorge Teóilo de Barros Lopes Campus de Belém Curso de Egeharia Mecâica 8/08/05 06:54 ESTATÍSTICA ALICADA I - Teoria das

Leia mais

INFERÊNCIA ESTATÍSTICA: TESTE DE HIPÓTESES

INFERÊNCIA ESTATÍSTICA: TESTE DE HIPÓTESES INFERÊNCIA ESTATÍSTICA: TESTE DE IPÓTESES 2 Teste de hipóteses Exemplo. Uma idústria adquire de um erto fabriate pios uja resistêia média à ruptura é espeifiada em 6 uid. (valor omial da espeifiação).

Leia mais

3 Revisão Teórica dos principais modelos de previsão

3 Revisão Teórica dos principais modelos de previsão Revião Teórica do principai modelo de previão 18 3 Revião Teórica do principai modelo de previão Denre o divero méodo e modelo de previão eine, enconramo aqui o modelo univariado e o modelo com variávei

Leia mais

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

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

Leia mais

Laboratório de Física A

Laboratório de Física A Oraiação Grupo com aé 3 aluo; Laboraório de Fíica A - 433 Repoição a úlima emaa de aula fala reprovam Exercício obriaório o-lie Mafredo H. Tabacik IFUSP 7 IFUSP MHT7-433 IFUSP MHT7-433 Oraiação Local:

Leia mais

Sistemas de Controle I

Sistemas de Controle I 4. Repoa o Domíio do Tempo Pólo, Zero e Repoa do Siema: Defiiçõe Siema de Corole I Repoa do iema: oma da repoa forçada repoa aural. Repoa forçada é ambém chamada de repoa eacioária ou olução paricular;.

Leia mais

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

Eletromagnetismo II 1 o Semestre de 2007 Noturno - Prof. Alvaro Vannucci. i ω Eletromagetimo II 1 o Semetre de 7 Noturo - Prof. Alvaro Vaui 8 a aula 3/mar/7 i ω Na última aula vimo: Oda laa: t ik (oeradore Da equaçõe de Maxwell, oiderado a amlitude do amo, úmero omlexo: i( K uˆ

Leia mais

Organização de dados -Dados não agrupados n. Mediana:

Organização de dados -Dados não agrupados n. Mediana: Orgazação de dado -Dado ão agruado Medaa: Poto de ocoameto: Méda: Moda: valor que ocorre com maor freqüêca Méda de Itervalo: + m max + Quartl: (ara j, ou 3) j( +) Poto de ocoameto: 4 Méda da Juta: Q +

Leia mais

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

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

Leia mais

Simulação por Eventos Discretos

Simulação por Eventos Discretos imulação por Eveos Disreos Apliação à simulação de ráfego isemas de Teleomuiações IEEC - Área de Teleomuiações 4º Ao - º emesre FEUP 009-0 JL, PR Ieioalmee em brao imulação por eveos disreos - priípios

Leia mais

Denomina F a variável aleatória definida pelo quociente: F = n

Denomina F a variável aleatória definida pelo quociente: F = n 9/0/0 Etatítica Eperimetal Tete F Tete t de STUDENT Cap. 7, 8 e 9 Callegari-Jacque, S. M. Bioetatítica: Pricípio e Aplicaçõe, 003. Apotila: Regazzi, A. J., Curo de iiciação à etatítica. Profº: Glauco Vieira

Leia mais

Intervalo de Confiança para a Diferença entre Duas Médias Amostrais

Intervalo de Confiança para a Diferença entre Duas Médias Amostrais Intervalo de Confiança para a Diferença entre Dua Média Amotrai Quando e quer etimar a diferença, µ µ, entre a média de dua populaçõe e, procede-e da eguinte maneira: toma-e uma amotra de cada população,

Leia mais

n Obtido através desvio padrão da população (σ)

n Obtido através desvio padrão da população (σ) 3/5/ Etatítica Geral Tete t de STUDENT Cap. 7, 8 e 9 Callegari-Jacque, S. M. Bioetatítica: Pricípio e Aplicaçõe, 3. Apotila: Regazzi, A. J., Curo de iiciação à etatítica. Curo: Saúde/CUA/UFMT Profº: Glauco

Leia mais

MOQ-13 PROBABILIDADE E ESTATÍSTICA. Professor: Rodrigo A. Scarpel

MOQ-13 PROBABILIDADE E ESTATÍSTICA. Professor: Rodrigo A. Scarpel MOQ-3 PROBABILIDADE E ESTATÍSTICA Profeor: Rodrigo A. Scarel rodrigo@ita.br www.mec.ita.br/~rodrigo Programa do curo: Semaa 3 4 5 6 7 8 9 0 3 4 5 e 6 Itrodução à robabilidade (eveto, eaço amotral, aioma,

Leia mais

A) Independência estatística B) Var. aleatórias C) Distribuição normal D) Dist. conjuntas e correlação E) Inferência estatística

A) Independência estatística B) Var. aleatórias C) Distribuição normal D) Dist. conjuntas e correlação E) Inferência estatística A) Ideedêcia etatítica B) Var. aleatória C) Ditribuição ormal D) Dit. cojuta e correlação E) Iferêcia etatítica 18-02-2010 Joé Filie Rafael 1 E.1) Ditribuiçõe amotrai E.2) Itervalo de cofiaça e tete de

Leia mais

Universidade Federal do Rio Grande do Sul Escola de Engenharia Departamento de Engenharia Mecânica

Universidade Federal do Rio Grande do Sul Escola de Engenharia Departamento de Engenharia Mecânica Univeridade Federal do Rio Grande do Sl Eola de Engenaria Deparaeno de Engenaria Meânia ENG 02 Máqina de Flxo I Tra A Prof. Alexandre Vaginki de Pala (depala@frg.br) Reolção da qeõe (2) e () da lia de

Leia mais

UNIVERSIDADE FEDERAL RURAL DE PERNAMBUCO UNIDADE ACADÊMICA DO CABO DE SANTO AGOSTINHO CÁLCULO DIFERENCIAL E INTEGRAL

UNIVERSIDADE FEDERAL RURAL DE PERNAMBUCO UNIDADE ACADÊMICA DO CABO DE SANTO AGOSTINHO CÁLCULO DIFERENCIAL E INTEGRAL UNIVERSIDADE FEDERAL RURAL DE PERNAMBUCO UNIDADE ACADÊMICA DO CABO DE SANTO AGOSTINHO CÁLCULO DIFERENCIAL E INTEGRAL 4-018.1 EXAME FINAL Nome Legível Turma RG CPF Repoa em juificaiva ou com fórmula prona

Leia mais

ESTATÍSTICA. Turma Valores Intervalo A [4,8] B 4 4 4,2 4,3 4, [4,8]

ESTATÍSTICA. Turma Valores Intervalo A [4,8] B 4 4 4,2 4,3 4, [4,8] .. - Medida de Diperão O objetivo da medida de diperão é medir quão próximo un do outro etão o valore de um grupo (e alguma menuram a diperão do dado em torno de uma medida de poição). Intervalo É a medida

Leia mais

DISTRIBUIÇÃO AMOSTRAL E ESTIMAÇÃO PONTUAL INTRODUÇÃO ROTEIRO POPULAÇÃO E AMOSTRA. Estatística Aplicada à Engenharia

DISTRIBUIÇÃO 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 mais

06/02/2017. Teste de Hipóteses. Principais Conceitos. Teste de Hipóteses. Tipos de Erros. Tipos de Testes. Bioestatística

06/02/2017. Teste de Hipóteses. Principais Conceitos. Teste de Hipóteses. Tipos de Erros. Tipos de Testes. Bioestatística 6/2/217 Uiveridade Etadual do Oete do Paraá - Uioete Tete de Hipótee Curo de Medicia/Nutrição Bioetatítica Profeora Tete de Hipótee (TH) é uma ferrameta etatítica que também é utilizado para fazer iferêcia

Leia mais

Bioestatística e Computação I

Bioestatística e Computação I Bioetatítica e Computação I Intervalo de confiança Maria Virginia P Dutra Eloane G Ramo Vania Mato Foneca Pó Graduação em Saúde da Mulher e da Criança IFF FIOCRUZ Baeado na aula de M. Pagano e Gravreau

Leia mais

CIRCUITOS EM CORRENTE ALTERNADA PARTE 1

CIRCUITOS EM CORRENTE ALTERNADA PARTE 1 // UO E OENE END E. UNÇÕE EÓD. DOÍNO DO EO. OE. OÊN. OÊN E. OÊN ENE 7. EÊN 8. ÂN 9. NDUÂN // // UNÇÕE EÓD UNÇÕE EÓD egime UNÇÕE EÓD : eão e ore ão periódi egime eacioário: O valo iaâeo ão coae. egime raiório:

Leia mais

Intervalos de confiança

Intervalos de confiança 0 Itervalo de cofiaça 6.. A etiação por itervalo Noralete o proceo de ivetigação de u parâetro eceitao ir alé da ua etiativa potual ˆ. O fato de ão e cohecer o valor de pode cauar ua ieguraça e levar a

Leia mais

UNIVERSIDADE DE SÃO PAULO FACULDADE DE ECONOMIA, ADMINISTRAÇÃO E CONTABILIDADE DEPARTAMENTO DE ECONOMIA

UNIVERSIDADE DE SÃO PAULO FACULDADE DE ECONOMIA, ADMINISTRAÇÃO E CONTABILIDADE DEPARTAMENTO DE ECONOMIA UNIVERSIDADE DE SÃO PAULO FACULDADE DE ECONOMIA, ADMINISTRAÇÃO E CONTABILIDADE DEPARTAMENTO DE ECONOMIA EAE 206 Macroeconomia I º Semetre de 207 Profeore: Gilberto Tadeu Lima e Pedro Garcia Duarte Gabarito

Leia mais

Teoria da Estimação. Fabricio Goecking Avelar. junho Universidade Federal de Alfenas - Instituto de Ciências Exatas

Teoria 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 mais

"Quanto mais compreensivos formos, mais humanos seremos" Disciplina: ESTATÍSTICA e PROBABILIDADE

Quanto mais compreensivos formos, mais humanos seremos Disciplina: ESTATÍSTICA e PROBABILIDADE Nota de aula 15 1 1. Etimação de Parâmetro. "Quato mai ompreeivo formo, mai humao eremo" Diiplia: ESTATÍSTICA e PROBABILIDADE Paamo, a partir de agora, a oiderar problema de Etatítia Idutiva (Ifereial).

Leia mais

Estatística. Estatística II - Administração. Prof. Dr. Marcelo Tavares. Distribuições de amostragem. Estatística Descritiva X Estatística Inferencial

Estatística. 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 mais

Teoria das Comunicações

Teoria das Comunicações eoria das Comuiações.6 Desidade Esperal de Eeria e de Poêia Pros. Luio M. ilva / Adré Noll Barreo DENIDADE EPECAL DE ENEGIA Pros. Luio M. ilva / Adré Noll Barreo eorema de Parseval e é um sial de eeria,

Leia mais

Faculdade de Engenharia. Análise Matemática 2 MIEEC 2015/2016

Faculdade de Engenharia. Análise Matemática 2 MIEEC 2015/2016 aculdade de Egeharia Aálise Maemáica 2 MEEC 25/26 ucioameo aculdade de Egeharia Teórico-práicas exposição e discussão da maéria resolução de exercícios Trabalho exra-aula resolução dos exercícios proposos

Leia mais

Grupo I ( 3 valores) 0 Os parâmetros podem ser considerados variáveis aleatórias pois as suas estimativas variam de amostra para amostra

Grupo I ( 3 valores) 0 Os parâmetros podem ser considerados variáveis aleatórias pois as suas estimativas variam de amostra para amostra Exame fial Esaísica Maria Helea Almeida 7 de Maio de 003 José Aóio Piheiro Duração h e 30 Noe bem: Grupos diferees em folhas diferees Não se esqueça de ideificar TODAS as folhas 3 Para maer a ordem, a

Leia mais

Conceitos fundamentais

Conceitos fundamentais CF Coceo fdamea Exem parâmero qe caracerzam o a e qe permem a comparação ere ele. Valor médo Para m al qe e repee com m deermado ervalo peródco a expreão para calclar o valor médo ambém é ea. < < Ex: A

Leia mais

Solução dos Exercícios - Capítulos 1 a 3

Solução 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 mais

SCC Laboratório de Algoritmos Avançados. Grafos: Fluxo Máximo. Fluxo Máximo. Fluxo Máximo. Fluxo Máximo 6/2/2009 5:33 PM

SCC Laboratório de Algoritmos Avançados. Grafos: Fluxo Máximo. Fluxo Máximo. Fluxo Máximo. Fluxo Máximo 6/2/2009 5:33 PM SCC-2 - Laboraório de Algorimo Avançado Grafo: Fluxo Máximo Guavo Baia Fluxo Máximo Podemo inerprear um grafo orienado como um fluxo em rede: Exie uma origem que produz um maerial em uma axa fixa; E um

Leia mais

Diferença entre duas médias. Diferença entre duas proporções (π 1 - π 2 = ) Igualdade entre duas variâncias. Prof. Lorí Viali, Dr.

Diferença entre duas médias. Diferença entre duas proporções (π 1 - π 2 = ) Igualdade entre duas variâncias. Prof. Lorí Viali, Dr. Prof. Lorí Viali, Dr. viali@a a.ufrgs..ufrgs.br hp://www.ufrgs. ://www.ufrgs.br br/~viali/ Depedees Idepedees Tese para aosras eparelhadas Variâcias Cohecidas Variâcias Descohecidas Tese z uposas iguais

Leia mais

5 Proposta de um método de ajuste sazonal

5 Proposta de um método de ajuste sazonal 5 Propoa de um méodo de ajue azonal 5.1 Inrodução A generalização do procedimeno em 4.3 moivou a conrução de um filro exraor de endência que poa er aplicado direamene em uma érie independene de er azonal

Leia mais

Obtemos, então, uma amostra aleatória de tamanho n de X, que representamos por X 1, X 2,..., X n.

Obtemos, 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 mais

Organização de dados -Dados não agrupados n. Mediana:

Organização de dados -Dados não agrupados n. Mediana: Orgazação de dado -Dado ão agruado Medaa: Poto de ocoameto: Méda: Moda: valor que ocorre com maor freqüêca Méda de Itervalo: + m max + Quartl: (ara j, ou ) j( +) Poto de ocoameto: 4 Méda da Juta: Q + Q

Leia mais

DINÂMICA DA CORDA VIBRANTE. A equação da onda unidimensional: por que deveríamos estudar o deslocamento de uma corda

DINÂMICA DA CORDA VIBRANTE. A equação da onda unidimensional: por que deveríamos estudar o deslocamento de uma corda DINÂMICA DA CORDA VIBRANTE A eqação da oda idimesioal: por qe deveríamos esdar o desloameo de ma orda Cosidere ma orda de omprimeo, levemee esiada: Na figra o desloameo em sido proposialmee eagerado...

Leia mais

Estatística: Aplicação ao Sensoriamento Remoto SER ANO Intervalo de Confiança

Estatística: Aplicação ao Sensoriamento Remoto SER ANO Intervalo de Confiança Etatítica: Aplicação ao Seoriameto Remoto SER 4 - ANO 19 Itervalo de Cofiaça Camilo Dalele Reó camilo.reo@ipe.br http://www.dpi.ipe.br/~camilo/etatitica/ Itervalo de Cofiaça Um parâmetro pode er etimado

Leia mais

Cov(P p, P o ) = Cov(g ap, g ao ) + Cov(g dp, g do ) Cov(P p, P o ) = Cov(g ap, ½g ap + α m ) Cov(P p, P o ) = Cov(g ap, ½g ap ) + Cov(g ap, α m )

Cov(P p, P o ) = Cov(g ap, g ao ) + Cov(g dp, g do ) Cov(P p, P o ) = Cov(g ap, ½g ap + α m ) Cov(P p, P o ) = Cov(g ap, ½g ap ) + Cov(g ap, α m ) Como etudar genética em genótipo? Correlação entre parente epota à eleção Cruamento controlado Correlação entre parente Covariância fenotípica - mede o quanto o fenótipo de doi indivíduo deviam da média

Leia mais

Inferência Estatística

Inferência Estatística Iferêcia Etatítica Tete de Hipótee: tete de difereça etre média, coceito, grupo pareado, grupo idepedete com variâcia cohecida e decohecida Itrodução Coidere o problema de comparar materiai (A e B), para

Leia mais

Intervalo de Confiança para a Variância de uma População Distribuída Normalmente. Pode-se mostrar matematicamente que a variância amostral,

Intervalo de Confiança para a Variância de uma População Distribuída Normalmente. Pode-se mostrar matematicamente que a variância amostral, Etatítica II Antonio Roque Aula 8 Intervalo de Confiança para a Variância de uma População Ditribuída Normalmente Pode-e motrar matematicamente que a variância amotral, ( x x) n é um etimador não envieado

Leia mais

INFERÊNCIA ESTATÍSTICA: ESTIMAÇÂO PONTUAL E INTERVALOS DE CONFIANÇA

INFERÊNCIA ESTATÍSTICA: ESTIMAÇÂO PONTUAL E INTERVALOS DE CONFIANÇA INFRÊNCIA STATÍSTICA: STIMAÇÂO PONTUAL INTRVALOS D CONFIANÇA 0 Problemas de iferêcia Iferir sigifica faer afirmações sobre algo descohecido. A iferêcia estatística tem como objetivo faer afirmações sobre

Leia mais

Departamento de Informática. Modelagem Analítica. Modelagem Analítica do Desempenho de Sistemas de Computação. Disciplina: Processos Estocásticos

Departamento de Informática. Modelagem Analítica. Modelagem Analítica do Desempenho de Sistemas de Computação. Disciplina: Processos Estocásticos Deparameo de Iformáica Disciplia: do Desempeho de Sisemas de Compuação Variável leaória Real Variável leaória x(w) Processos Esocásicos R Prof. Sérgio Colcher Medida de Probabilidade colcher@if.puc-rio.br

Leia mais

MOQ 13 PROBABILIDADE E ESTATÍSTICA. Professor: Rodrigo A. Scarpel

MOQ 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: Semanas 1 3 4 5 6 7 8 9 10 11 1 13 14 15 e 16 Introdução à probabilidade (eventos,

Leia mais

Amostras Aleatórias e Distribuições Amostrais. Probabilidade e Estatística: afinal, qual é a diferença?

Amostras 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 mais

CAPÍTULO 7 - Intervalos de confiança

CAPÍTULO 7 - Intervalos de confiança INF 16 CAPÍTULO 7 - Itervalo de cofiaça É uma maeira de calcularmo uma etimativa de um parâmetro decohecido. Muita veze também fucioa como um tete de hipótee. A idéia é cotruir um itervalo de cofiaça para

Leia mais

4.1 Definição e interpretação geométrica de integral definido. Somas de Darboux.

4.1 Definição e interpretação geométrica de integral definido. Somas de Darboux. Aálse Memá I - Ao Levo 006/007 4- Cálulo Iegrl emr 4. Defção e erpreção geomér de egrl defdo. Soms de Drou. Def.4.- Sej f() um fução oíu o ervlo [, ]. M e m o mámo e o mímo vlor d fução, respevmee. Se

Leia mais

5. PRINCIPAIS MODELOS CONTÍNUOS

5. PRINCIPAIS MODELOS CONTÍNUOS 5. RINCIAIS MODELOS CONTÍNUOS 04 5.. Modelo uniforme Uma v.a. contínua tem distribuição uniforme com parâmetros α e β α β se sua função densidade de probabilidade é dada por f, β α 0, Notação: ~ Uα, β.

Leia mais

Telecomunicações 2 ( ) Exame de Recurso ( ) Resolução. ψ 1 (t) ψ 2 (t) k 2

Telecomunicações 2 ( ) Exame de Recurso ( ) Resolução. ψ 1 (t) ψ 2 (t) k 2 elecomunicaçõe (5-) Exame de Recuro (--) Reolução. a) a ) Seja b =. Um exemplo (ma não o único!) de funçõe-bae definidora de um epaço oronormado (o. n.) adequado à forma de onda dada é o eguine (o valore

Leia mais

X 2. (σ 2 + µ 2 ) = 1 n (nσ 2 + nµ 2 ) = σ 2 + µ 2. µ = 0 E(T ) = σ 2

X 2. (σ 2 + µ 2 ) = 1 n (nσ 2 + nµ 2 ) = σ 2 + µ 2. µ = 0 E(T ) = σ 2 Estatística II (GET00182) Turma A1 Prova 1 20/10/2017 2/2017 NOME: GABARITO 1. Seja X 1, X 2,, X n uma amostra aleatória simples de uma população X com média µ e variância σ 2. (a) Mostre que, se µ = 0,

Leia mais

Universidade Cruzeiro do Sul. Campus Virtual Unidade I: Unidade: Medidas de Dispersão

Universidade Cruzeiro do Sul. Campus Virtual Unidade I: Unidade: Medidas de Dispersão Univeridade Cruzeiro do Sul Campu Virtual Unidade I: Unidade: Medida de Diperão 010 0 A medida de variação ou diperão avaliam a diperão ou a variabilidade da equência numérica em análie. São medida que

Leia mais

Introdução. Cinemática inversa Dificuldades. Introdução Cinemática inversa. Cinemática inversa Existência de soluções

Introdução. Cinemática inversa Dificuldades. Introdução Cinemática inversa. Cinemática inversa Existência de soluções 4/6/6 Introdução {Ferramenta} Introdução à Robótia Prof. Dougla G. Maharet dougla.maharet@d.ufmg.br??? {Bae} Introdução à Robótia - Introdução Como alular o valore da variávei de junta que produzirão a

Leia mais

TRANSFORMAÇÃO ENTRE AS FORMAS ESPAÇO DOS ESTADOS E FUNÇÃO DE TRANSFERÊNCIA

TRANSFORMAÇÃO ENTRE AS FORMAS ESPAÇO DOS ESTADOS E FUNÇÃO DE TRANSFERÊNCIA Edrdo Loo Lo Crl TRANSFORMAÇÃO ENTRE AS FORMAS ESPAÇO OS ESTAOS E FUNÇÃO E TRANSFERÊNCIA. Moição e eeidde Eie iee d for de repreer diâi de ie: Epço do Edo SS; Fção de Trferêi TF. O o d d for de repreer

Leia mais

DISTRIBUIÇÃO AMOSTRAL E ESTIMAÇÃO PONTUAL INTRODUÇÃO ROTEIRO POPULAÇÃO E AMOSTRA. Estatística Aplicada à Engenharia

DISTRIBUIÇÃO 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 mais

Unidade IV Inferência estatística

Unidade 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 mais

UNIDADE 2 10º ANO REVISÃO SISTEMA COMPLEXO SISTEMA TERMODINÂMICO

UNIDADE 2 10º ANO REVISÃO SISTEMA COMPLEXO SISTEMA TERMODINÂMICO UNIDADE 2 10º ANO REVISÃO SISTEMA COMPLEXO Trata-se de um sistema físio onde oorrem transformações de energia sob várias formas. Um veíulo motorizado é um sistema omlexo (sistema meânio e termodinâmio).

Leia mais

5 Modelo Teórico Modelagem determinística

5 Modelo Teórico Modelagem determinística 5 Modelo Teórico Nese rabalho será adoada a simulação de Moe Carlo para precificar as opções reais do projeo, uilizado o sofware @Risk. O modelo eórico aplicado é baseado a premissa de que o valor presee

Leia mais

1 Inferência Estatística - Teoria da Estimação

1 Inferência Estatística - Teoria da Estimação 1 Inferência Etatítica - Teoria da Etimação 1.1 Introdução Nete capítulo abordaremo ituaçõe em que o interee etá em obter informaçõe da população com bae em amotra. Como exemplo, conidere a eguinte ituaçõe.

Leia mais

Sinais e Sistemas. Env. CS1 Ground. Sine Wave Joint Actuator. Double Pendulum Two coupled planar pendulums with. gravity and sine wave forcing in the

Sinais e Sistemas. Env. CS1 Ground. Sine Wave Joint Actuator. Double Pendulum Two coupled planar pendulums with. gravity and sine wave forcing in the -4-6 -8 - - -4-6 -8 Frequecy khz Hammig kaiser Chebyshev Siais e Sisemas Power Specral Desiy Ev B F CS CS B F CS Groud Revolue Body Revolue Body Power/frequecy db/hz Sie Wave Joi Acuaor Joi Sesor Revolue

Leia mais

1- Qual a diferença entre amostragem probabilística e não-probabilística? Qual é a mais recomendada?

1- Qual a diferença entre amostragem probabilística e não-probabilística? Qual é a mais recomendada? VIII-AMOSTRAGEM A Etatítca Iferecal ou Iferêca Etatítca tem como objetvo bucar cocluõe robablítca obre oulaçõe com bae o reultado obervado em amotra etraída dea oulaçõe Am, certo cudado báco devem er tomado

Leia mais

PROJETO E CONSTRUÇÃO DE ESTRADAS

PROJETO E CONSTRUÇÃO DE ESTRADAS 19 PROJETO E CONSTRUÇÃO DE ESTRADAS PROJETO GEOMÉTRICO DE VIAS 3 - CURVAS HORIZONTAIS COM TRANSIÇÃO 3.1 - INTRODUÇÃO A deontinuidade da urvatura que exite no onto de aagem da tangente ara a irular (onto

Leia mais

Soluções da Colectânea de Exercícios

Soluções da Colectânea de Exercícios Soluções da Colectânea de Exercícios (Edição de Fevereiro de 2003) Capítulo 1 1.1 d) x = 3.167; s = 0.886 (dados não agrupados) e) mediana = x = 3.25; q 1 = 2.4 ; q 3 = 3.9 1.2 a) x = 2.866 ; x = 3; moda

Leia mais

Ondas EM na interface de dielétricos

Ondas EM na interface de dielétricos Oda M a iefae de dieléio iuo de Fíia da USP Pof. Mafedo H. Tabaik quaçõe de Maxwell o váuo um meio om e ( ( Tabaik (3 4393-FUSP Tabaik (3 4393-FUSP ( quaçõe de Maxwell a foma iegal um meio om e d q d φ.

Leia mais

E dinheiro. fumaça. dinheiro

E dinheiro. fumaça. dinheiro Eternalidade Eternalidade de produção - quando a poibilidade de produção de uma firma ão afetada pela eolha do nível de produção ou onumo de outra firma ou onumidor umante uponha doi olega dividindo apartamento.

Leia mais

Capítulo 5 Difusão em regime transiente

Capítulo 5 Difusão em regime transiente Prof. Dr. Édler L. de lbuquerque, Eg. Química IFB Prof. Dr. Édler L. de lbuquerque, Eg. Química IFB 8//7 Trasf. de assa - ENG 54, apíulo 5 Trasferêcia de assa ENG 54 apíulo 5 Difusão em regime rasiee Prof.

Leia mais

FÍSICA I AULAS 01 E 02: MOVIMENTO UNIFORME (M.U.) EXERCÍCIOS PROPOSTOS. 16, 16, t = SA 08, 08, t V c 16, 08, t; S e. = v A S A. = 1,6 + v c.

FÍSICA I AULAS 01 E 02: MOVIMENTO UNIFORME (M.U.) EXERCÍCIOS PROPOSTOS. 16, 16, t = SA 08, 08, t V c 16, 08, t; S e. = v A S A. = 1,6 + v c. FÍSICA I AULAS 0 E 0: ANUAL OLUME MOIMENTO UNIFORME (M.U.) EXERCÍCIOS PROPOSTOS 0. Enquanto Aquiles perorre a distânia de,6 km, até atingir o ponto P, a riança perorre a distânia de 0,8 km, até atingir

Leia mais

Lista de Exercícios #6 Assunto: Propriedade dos Estimadores e Métodos de Estimação

Lista 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 mais

Distribuições Amostrais

Distribuições 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 mais

Soluções da Colectânea de Exercícios

Soluções da Colectânea de Exercícios Soluções da Colectânea de Exercícios (Edição de Fevereiro de 2003) Capítulo 1 1.1 d) x = 3.167; s = 0.886 (dados não agrupados) e) mediana = x = 3.25; q 1 = 2.4 ; q 3 = 3.9 1.2 a) x = 2.866 ; x = 3; moda

Leia mais

CONHECIMENTOS BÁSICOS MATEMÁTICA

CONHECIMENTOS BÁSICOS MATEMÁTICA CONHECIENTOS BÁSICOS ATEÁTICA Para repoder à quetõe de o e, utilize o dado da tabela abaixo, que apreeta a freqüêcia acumulada da idade de 0 jove etre 4 e 0 ao. Idade (ao) Freqüêcia Acumulada 4 5 4 6 9

Leia mais

PSI3213 CIRCUITOS ELÉTRICOS II

PSI3213 CIRCUITOS ELÉTRICOS II PSI33 CIRCUITOS ELÉTRICOS II Solução do Exercício Complementare Correpondente à Matéria da a Prova a) il ( ) = ( não há geradore independente ) Reitência equivalente vita pelo indutor: i i 5 i E i = i

Leia mais

Amostragem Casual Estratificada

Amostragem Casual Estratificada CAPÍTUO VI Amotragem Caual Etratificada Profeor Gilo Ferade da Silva Departameto de Egearia Floretal Cetro de Ciêcia Agrária CCA/UFES Itrodução A iteidade de amotragem eceária para etimar o parâmetro de

Leia mais

CONTROLABILIDADE E OBSERVABILIDADE

CONTROLABILIDADE E OBSERVABILIDADE Eduardo obo uoa Cabral CONTROABIIDADE E OBSERVABIIDADE. oiação Em um iema na forma do epaço do eado podem exiir dinâmica que não ão ia pela aída do iema ou não ão influenciada pela enrada do iema. Se penarmo

Leia mais

n ) uma amostra aleatória da variável aleatória X.

n ) 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 mais

MAE Introdução à Probabilidade e Estatística II Resolução Lista 2

MAE 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 mais

- Processamento digital de sinais Capítulo 2 Sinais e sistemas discretos

- Processamento digital de sinais Capítulo 2 Sinais e sistemas discretos - Processameo digial de siais Capíulo Siais e sisemas discreos Siais discreos Siais aalógicos x digiais Coíuos x discreo Admiido como sequêcia de úmeros. {x[]}, 0, ±, ±,... Z Período amosragem: s Variáveis

Leia mais

EXAME DE ESTATÍSTICA AMBIENTAL 2ª Época (V1)

EXAME DE ESTATÍSTICA AMBIENTAL 2ª Época (V1) Nome: Aluno nº: Duração: horas LICENCIATURA EM CIÊNCIAS DE ENGENHARIA - ENGENHARIA DO AMBIENTE EXAME DE ESTATÍSTICA AMBIENTAL ª Época (V) I (7 valores) Na abela seguine apresena-se os valores das coordenadas

Leia mais

IV.4 Análise de Dados da Avaliação

IV.4 Análise de Dados da Avaliação Melhor e Pior? IV - Avaliação IV.4 Análie de Dado da Avaliação Interactive Sytem Deign, Cap. 0, William Newman Melhor e Pior? Reumo Aula Anterior Avaliação com utilizadore Local (Laboratório, Ambiente

Leia mais

MQI 2003 ESTATÍSTICA PARA METROLOGIA - SEMESTRE Teste 2 07/07/2008 Nome: PROBLEMA 1 Sejam X e Y v.a. contínuas com densidade conjunta:

MQI 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 mais

Instituto Tecnológico de Aeronáutica VIBRAÇÕES MECÂNICAS MPD-42

Instituto Tecnológico de Aeronáutica VIBRAÇÕES MECÂNICAS MPD-42 Isiuo Tecológico de Aeroáuica VIBRAÇÕES MECÂNICAS MPD-4 Isiuo Tecológico de Aeroáuica SISTEMAS DISCRETOS MPD-4 Isiuo Tecológico de Aeroáuica SISTEMAS COM UM GRAU DE LIBERDADE: VIBRAÇÃO FORÇADA MPD-4 3

Leia mais

ANÁLISE DE SINAIS E SISTEMAS

ANÁLISE DE SINAIS E SISTEMAS ANÁLISE DE SINAIS E SISTEMAS AULA 3: OPERAÇÕES BÁSICAS EM SINAIS: OPERARAÇÕES NAS VARIÁVEIS DEPENDENTES; OPERARAÇÕES NA VARIÁVEL INDEPENDENTE. FUNÇÕES ELEMENTARES: O DEGRAU UNITÁRIO; A RAMPA UNITÁRIA;

Leia mais

Probabilidades e Estatística

Probabilidades e Estatística Departameto de Matemática robabilidades e Estatística LEGM, LEIC-A, LEIC-T, LEMat, MEBiom, MEFT, MEQ 2 o semestre 2011/2012 2 o Teste A 08/06/2012 9:00 Duração: 1 hora e 30 miutos Justifique coveietemete

Leia mais

Introdução à Bioestatística Turma Nutrição

Introdução 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 mais

Inferência Estatística

Inferência Estatística Inferência Estatística Estimação Intervalar Média e Proporção Estimação Pontual x Estimação Intervalar Exemplo Inicial: Um estudo pretende estimar o valor de µ, a renda média familiar dos alunos da UFMG.

Leia mais