Estatística stica para Metrologia
|
|
- Bernadete da Rocha Pinheiro
- 8 Há anos
- Visualizações:
Transcrição
1 Estatística stica para Metrologia Aula Môica Barros, D.Sc. Juho de 28 Muitos problemas práticos exigem que a gete decida aceitar ou rejeitar alguma afirmação a respeito de um parâmetro de iteresse. Esta afirmação é chamada de hipótese estatística e o procedimeto de tomada de decisão é um teste de hipóteses. Muitos problemas reais podem ser formulados aturalmete como testes de hipóteses. Existe uma coexão muito próxima etre Itervalos de Cofiaça e. 2 Objetivo geral Iferir sobre os parâmetros descohecidos de uma população usado uma amostra (de tamaho possivelmete reduzido). Testar hipóteses é um problema que evolve a tomada de uma decisão. Evetualmete, após recolhermos (ou processarmos) a iformação cotida uma amostra, devemos chegar a uma coclusão sobre parâmetros ão observáveis relacioados à população que gerou aquela amostra. Qual o teste ideal? É aquele que sempre toma a decisão correta. É claro que isso é uma abstração, e ão existe a realidade. Na prática... Procuraremos limitar a probabilidade de um certo tipo de erro, mas ão se pode descartálo totalmete. 3 4
2 O Teste de ipóteses é um procedimeto em que procuramos testar uma hipótese iicial cotra uma alterativa. A primeira hipótese (hipótese iicial) é deomiada hipótese ula e represetada por. A seguda hipótese é chamada hipótese alterativa e represetada por a ou. Em geral a hipótese alterativa represeta uma cojectura ova a ser testada, e a hipótese ula represeta a situação usual, o "status quo". A partir dos dados observados, como podemos decidir sobre qual hipótese (ula ou alterativa) deverá ser rejeitada? A rejeição da hipótese ula implica a aceitação da hipótese alterativa e vice-versa. Não é possível aceitar (ou rejeitar) ambas as hipóteses simultaeamete. 5 6 O que é um teste de hipóteses? É qualquer regra usada para os levar à decisão sobre qual hipótese devemos aceitar. Podemos criar um úmero ifiito de testes de hipóteses, o problema é idetificar quais são os bos testes, e tetar obter um "algoritmo" para criar bos testes em diversas situações. Aqui estaremos cocetrados em obter testes de hipóteses para a média de distribuições. Costrução de um Teste de ipóteses Teste se T(x), uma fução apropriada dos X i s da amostra, está uma região especificada R. Do cotrário, se T(x) ão está a região R, ão rejeitamos a hipótese ula. A região R é chamada de região de rejeição ou região crítica. 7 8
3 Erros do Tipo I e II A partir do que foi observado a amostra podemos tomar a decisão de aceitar ou rejeitar e esta decisão ão é ecessariamete correta, como mostra a tabela a seguir. Decisão tomada Aceitar () (Aceitar ) Estado da realidade é verdadeira DECISÃO CORRETA Erro do tipo I () ( é falsa) é verdadeira ( é falsa) Erro do tipo II (β) DECISÃO CORRETA Erros do Tipo I e II A eficiêcia do teste pode ser medida através das probabilidades dos erros de tipo I e II. Idealmete gostaríamos que a probabilidade de icorrermos em qualquer tipo de erro fosse zero, mas isto ão é possível. Para um tamaho de amostra fixo também ão é possível fixarmos ambos os erros de tipo I e II. 9 Erros do Tipo I e II = Probabilidade de erro do tipo I = Pr{ rejeitar é verdadeira } = Pr{ T(x) a região crítica é verdadeira } é chamado de tamaho do teste ou ível de sigificâcia do teste. β = Probabilidade de erro do tipo II β = Pr{ aceitar éfalsa } β = Pr{ T(x) fora da região crítica éfalsa } Potêcia de um Teste Potêcia do teste (ou poder do teste) - β = - Probabilidade de erro do tipo II - β = Pr{ rejeitar éfalsa } Ou seja, a potêcia do teste é a probabilidade de uma decisão correta! Idealmete, a potêcia de um teste seria sempre alta, mas isso ão é sempre verdade. 2
4 Fução Potêcia Defie-se a fução potêcia como: K(θ) ) = Pr{ rejeitar o valor do parâmetro é θ} O que é uma boa fução potêcia? Se θ está a região da hipótese ula, a fução potêcia deve ser pequea (pois ão queremos rejeitar quado ela é verdadeira). Ao cotrário, se θ estiver a região ode a hipótese alterativa é válida, gostaríamos que a fução potêcia fosse alta. Fução Característica de Operação (OCC) É defiida como: J(θ) = K(θ) = Pr{ aceitar o valor do parâmetro é θ } Note que, ambas K(θ) e J(θ) são probabilidades, e portato limitadas ao itervalo [,]. A OCC é muito utilizada em Cotrole de Qualidade, mas ão falaremos mais dela aqui este curso ituição Supoha que temos uma amostra de tamaho 25 de uma Normal com variâcia cohecida e desejamos testar as seguites hipóteses: : μ = 2 : μ > 2 O que a ossa ituição os diz? A média amostral, X, é um bom estimador de μ, e portato deve trazer evidêcia sobre qual hipótese ( ou ) é verdadeira. Imagie que observamos X = 5. Dados os parâmetros ( = 25 e variâcia ), este parece um úmero bem exagerado, e etão deve ser falsa. Logo, a ossa ituição parece apotar para a seguite regra de decisão: - ituição Devemos rejeitar se X é grade. Ou seja, a região crítica tem a forma: R = { X k} A questão que surge agora é: como escolher a costate k? Uma possibilidade é arbitrar o máximo erro do tipo I, ou seja, a maior probabilidade de rejeitar quado é verdadeira. 5 6
5 - ituição Mas, esta probabilidade pode ser escrita em termos da fução potêcia. Supoha que FIXAMOS, a probabilidade do erro do tipo I, isto é: = { é Verdadeiro} = Por exemplo: Pr = Pr{ X k μ = 2} = Pr k 2 = Φ 2 k z (da N(,)) % % % X 2 / 25 k 2 / 25 = k a tabela ao lado é o valor a partir do qual rejeita-se a hipótese ula 7 - ituição Vamos ver a fução potêcia em cada um dos casos ateriores % 9% 8% 7% 6% 5% 4% 3% 2% % % Fuções Potêcia para Diversos Valores de Alfa k(mu) - alfa = % k(mu) - alfa = 5% k(mu) - alfa = % 8 - ituição Coclusões Se é muito pequeo (erro do tipo I muito pequeo, p.ex., %), a região de rejeição exige um valor de k muito grade para rejeitar a hipótese ula este caso, e a fução potêcia demora muito a crescer. À medida que passamos a aceitar erros do tipo I maiores (por ex, 5% ou %, a fução potêcia já começa a rejeitar a hipótese ula com mais facilidade, pois o valor de k dimiui. - ituição Coclusões A título de exemplo, se o valor de μ fosse 5 (e a hipótese ula decididamete falsa!), as probabilidades de rejeição usado as fuções potêcia do exemplo seriam 2.4%,44.8% e 58.7% respectivamete. 9 2
6 ui-caudais E agora, o que acotece se estedemos o osso teste de hipótese para: : μ 2 : μ > 2 A resposta é: basicamete ada! Por que? Cosidere a fução potêcia para valores de μ detro da hipótese ula estes valores estarão abaixo do especificado. O próximo gráfico mostra esta idéia para a fução potêcia com k = 5.29 (isto é, = 5%) 2 ui-caudais.% 95.% 9.% 85.% 8.% 75.% 7.% 65.% 6.% 55.% 5.% 45.% 4.% 35.% 3.% 25.% 2.% 5.%.% 5.%.% A partir deste poto a hipótese ula começa a ser falsa - logo, alfa = 5% é o MAIOR erro do tipo I cometido quado a hipótese ula é verdadeira Fução Potêcia com alfa = 5% mu 22 ui-caudais Geeralização Supoha que desejamos testar as seguites hipóteses: : μ μ : μ > μ O teste tem exatamete a forma descrita ates, em que a região de rejeição é: R = { X k} ui-caudais Como escolher k? Através do erro do tipo I (), previamete especificado, que leva às seguites receitas de bolo : se: X μ σ > z X > μ + z σ cohecido σ X μ > z s X > μ + z s σ descohecido e usado a hipótese de uma amostra grade, o que possibilita o uso da Normal 23 24
7 ui-caudais O ível de sigificâcia de um teste () é defiido como a maior probabilidade de rejeição de quado é verdadeira. Ou seja, o ível de sigificâcia é o maior erro do tipo I cometido pelo teste. No exemplo aterior, é apeas o valor da fução potêcia em μ = 2. ui-caudais Supoha que agora desejamos testar as seguites hipóteses: : μ μ : μ < μ Pelos mesmos argumetos que o teste aterior, faz setido rejeitar a hipótese ula quado a média amostral for pequea. O que é um valor pequeo? Vai depeder do ível de sigificâcia especificado para o teste, ou seja, do erro máximo do tipo I ui-caudais Receita de Bolo se: X σ X s μ μ < z X < μ. < z X z < μ z. σ s σ cohecido σ descohecido Estes testes são válidos para amostras Normais com variâcia cohecida ou para amostras ão ecessariamete Normais de tamaho GRANDE e σ descohecido. Note que estamos usado z, que é um poto obtido da tabela N(,). 27 ui-caudais Exemplo Uma empresa produz café em pó em embalages de kg. O gerete de produção deseja saber se as embalages realmete possuem em média kg do produto e decidiu realizar um teste. Ele retirou uma amostra de 5 embalages e obteve uma um peso médio de,985 kg de produto. Iformações ateriores a respeito da quatidade de produto por embalagem idicaram um desviopadrão de,75 kg. O gerete deseja saber, com um ível de sigificâcia de % se o coteúdo de cada embalagem é de, o míimo, kg. 28
8 Teste de ipóteses ui-caudais Teste de ipóteses ui-caudais Solução: As hipóteses ula e alterativa para o teste são: a : μ : μ < Para = %, o valor de z é (a partir da tabela ormal) de A região de rejeição é: se X μ z σ.75. X =.975 Como a média m amostral (,985) ão é meor que.975, a hipótese ula ão pode ser rejeitada. Se σ ão fosse cohecido, deveríamos utilizar o desvio-padrão da amostra s. 29 A região crítica do teste aterior é: se X.975 A fução potêcia deste teste é etão: K( μ ) = ( a média é μ ) = = Pr ( X <.975 μ ) = Pr Z < = Φ Pr = Pr.975 μ 5 = Φ.75 ( 94.28(.975 μ )) X μ.975 μ 5 < 5 = μ.975 μ 5 = Φ 5 = Teste de ipóteses ui-caudais Valor de p ( p( p value ) Pela magitude dos úmeros evolvidos (tamaho da amostra grade e desvio padrão pequeo) é ituitivo perceber que qualquer pequea variação a média amostral levará a grades oscilações da fução potêcia, o que pode ser cofirmado o próximo gráfico. % 95% Fução Potêcia - Alfa = % Muitos softwares estatísticos calculam e exibem o p-value, que é a probabilidade de que a estatística de teste teha valor pelo meos tão extremo (muito grade ou muito pequeo) quato o valor ecotrado a amostra. 9% 85% 8% 75% 7% 65% 6% 55% O valor-p (p-value) idica o meor ível de sigificâcia que levaria à rejeição da hipótese ula. 5% 45% 4% 35% 3% 25% 2% 5% % 5% % Por exemplo, se o p-value é.4, a hipótese seria rejeitada com ível 5%, mas ão com ível %
9 ui-caudais Uma outra forma para realizar o teste de hipótese é através do p value. A hipótese ula é rejeitada se essa probabilidade ( p value ) for meor que o ível de sigificâcia defiido para o teste se "p value" < Agora vamos desevolver um teste de hipótese bi-caudal, para uma amostra grade ( 3) e σ da população cohecido a : μ = μ : μ μ O ível de sigificâcia é tal que, se a hipótese ula for falsa, queremos ter uma probabilidade máxima m de aceitá-la, isto é,, queremos cometer uma probabilidade especificada de erro do tipo I Mas, ituitivamete, qual a cara da região crítica? Devemos rejeitar quado estivermos loge de μ, ou seja, quado o módulo da média amostral estiver muito distate de μ. Supoha iicialmete que a hipótese ula seja verdadeira. Para uma amostra grade, podemos cosiderar a distribuição da média amostral como praticamete Normal (pelo teorema cetral do limite). Agora, dado um ível de sigificâcia, devemos cosiderar dois valores de Z Um, abaixo do qual há uma probabilidade /2 da média de uma amostra estar localizada ( z /2 ) Outro, acima do qual há uma probabilidade /2 da média de uma amostra estar localizada (z /2 ) A regra de rejeição é: X μ se Z = < z / 2 ou Z > z σ /
10 Ou seja, em termos da média amostral, a região crítica pode ser descrita como: σ σ se X < μ z / 2 ou se X > μ + z / 2 Isto é, rejeita-se a hipótese ula se a média amostral estiver loge de μ. Note que, aalogamete ao teste ui-caudal, é o ível de sigificâcia do teste, isto é, o maior erro do tipo I. 37 Mas, como aqui rejeita-se a hipótese ula dos dois lados, o poto usado da Normal éz /2 e ão z (que era usado os testes ui- caudais), de tal forma que Pr(Z > z /2 ) = /2. Receita de Bolo potos percetuais da distribuição N(,) para testes bi-caudais Testes Bi-caudais z % %.96 % Exemplo Um fabricate de autopeças utiliza esferas de aço a fabricação de rolametos. Essas esferas devem ter um diâmetro de 2 mm, caso cotrário os rolametos ão atigem as especificações exigidas. Uma amostra de 3 rolametos escolhidos ao acaso foreceu um diâmetro médio de,45 mm e um desvio-padrão de mm. Pode-se dizer que o diâmetro médio m dos rolametos utilizados é igual a 2 mm com um ível de sigificâcia de 5%? 39 Solução: este é um teste de hipótese bi-caudal, com =.5, ode: : μ = 2 : μ 2 a Para =,5, z /2 =,96 Para X =,45mm, temos: X μ.45 2 Z = = = 3. σ / / 3 E portato podemos rejeitar a hipótese ula. Note que rejeitar a hipótese ula para Z < -,96 é completamete equivalete à rejeitá-la para: X <
11 A região crítica este exemplo é: se X < 2.96 ou se X > 2 3 Isto é, rejeitar se : X <.64 ou X > 2.36 A fução potêcia é, este caso (verifique!): % 95% 9% 85% 8% 75% 7% 65% Fução Potêcia - Teste bi-caudal K ( μ ) = Φ ( ) 2 μ.96 + Φ ( 2 μ ) O gráfico desta fução potêcia é mostrado a próxima págia. Note que a potêcia (probabilidade de rejeitar a hipótese ula) cresce à medida que os afastamos de μ = 2 e, em μ = 2, o valor da fução potêcia é exatamete o erro do tipo I, estipulado em 5%. 3 6% 55% 5% 45% 4% 35% 3% 25% 2% 5% % 5% % Teste de hipótese amostra pequea Até o mometo, cosideramos o caso de uma amostra grade ( 3) Para < 3 existem as seguites possibilidades: A população é Normal e σ é cohecido: utilizamos o mesmo procedimeto que para o caso de 3, com σ cohecido (use a distribuição Normal) A população é ormalmete distribuída e σ ão é cohecido: utilizamos o mesmo procedimeto que para o caso de 3, utilizado s como estimador de σ e a distribuição t ao ivés da Normal A população ão é ormalmete distribuída: aumetamos o tamaho da amostra pois ão é possível usar uma aproximação Normal. 43 Teste de hipótese amostra pequea Exemplo Uma revista decidiu realizar uma pesquisa sobre a qualidade de serviço em grades aeroportos ao redor do mudo. O ível de serviço de um aeroporto é cosiderado superior se a ota obtida é igual ou superior a 7. Para o aeroporto de eathrow, em Lodres, foram etrevistadas 2 pessoas que atribuíram as seguites otas: 7, 8,, 8, 6, 9, 6, 7, 7, 8, 9, e 8. Determie, com um ível de sigificâcia de 5%, se o serviço do aeroporto de eathrow pode ser cosiderado superior. Supoha que a população é ormalmete distribuída. 44
12 Teste de hipótese amostra pequea Solução: As hipóteses ula e alterativa para o teste são: : μ < 7 a : μ 7 Com uma população ormal, < 3 e σ descohecido, utilizaremos s e a distribuição t com graus de liberdade para o teste. A média da amostra é 7,75 e s =,25 O valor de t para o teste é,796 A regra de rejeição é: x μ 7,75 7 Rejeita se t = > t t = = 2,4 > t =,796 s,25 2 Logo, existe evidêcia para rejeitar a hipótese ula! 45 Teste de hipótese amostra pequea Exemplo istoricamete, a comissão média paga por pessoas físicas para operações em bolsa de valores através de iteret uma corretora é R$5. Neste mês você fez uma pesquisa com 6 clietes da corretora e otou que a comissão média foi de R$ e o desvio padrão R$ 6. Com ível de sigificâcia %, há evidêcia para afirmar que a comissão este mês foi mais baixa que historicamete? E com ível de sigificâcia 5%? Supoha que os valores pagos são Normalmete distribuídos. 46 Teste de hipótese amostra pequea Desejamos testar as hipóteses: : μ = 5 : μ < 5 A região crítica tem a forma: rejeitar se a média amostral é pequea, e como o tamaho da amostra é pequeo devemos usar a distribuição t de Studet. s μ Ou seja : se X se X 5 -t se X 5 t t,, 5,. 6 (.5) Teste de hipótese amostra pequea Do Excel: Para o teste com ível 5% usamos t 5,.5 = INVT(.,5) =.753 Para o teste com ível % usamos t 5,. = INVT(.2,5) = 2.62 Região crítica a 5%: s μ Ou seja : se X se X 5 -t se X 5 t t,, 5,. 6 (.5) 48. 6
Testes de Hipóteses para a Diferença Entre Duas Médias Populacionais
Estatística II Atoio Roque Aula Testes de Hipóteses para a Difereça Etre Duas Médias Populacioais Vamos cosiderar o seguite problema: Um pesquisador está estudado o efeito da deficiêcia de vitamia E sobre
Leia maisLista 9 - Introdução à Probabilidade e Estatística
UNIVERSIDADE FEDERAL DO ABC Lista 9 - Itrodução à Probabilidade e Estatística Desigualdades e Teoremas Limites 1 Um ariro apota a um alvo de 20 cm de raio. Seus disparos atigem o alvo, em média, a 5 cm
Leia maisJackknife, Bootstrap e outros métodos de reamostragem
Jackkife, Bootstrap e outros métodos de reamostragem Camilo Daleles Reó camilo@dpi.ipe.br Referata Biodiversa (http://www.dpi.ipe.br/referata/idex.html) São José dos Campos, 8 de dezembro de 20 Iferêcia
Leia maisSéries de Potências AULA LIVRO
LIVRO Séries de Potêcias META Apresetar os coceitos e as pricipais propriedades de Séries de Potêcias. Além disso, itroduziremos as primeiras maeiras de escrever uma fução dada como uma série de potêcias.
Leia maisActivALEA. ative e atualize a sua literacia
ActivALEA ative e atualize a sua literacia N.º 29 O QUE É UMA SONDAGEM? COMO É TRANSMIITIIDO O RESULTADO DE UMA SONDAGEM? O QUE É UM IINTERVALO DE CONFIIANÇA? Por: Maria Eugéia Graça Martis Departameto
Leia maisPROBABILIDADES E ESTATÍSTICA
ESCOLA SUPERIOR DE TECNOLOGIA DE SETÚBAL DEPARTAMENTO DE MATEMÁTICA PROBABILIDADES E ESTATÍSTICA o Teste 7 o SEMESTRE 5/6 Data: Sábado, 7 de Jaeiro de 6 Duração: 9:3 às :3 Tópicos de Resolução. O úmero
Leia mais5. A nota final será a soma dos pontos (negativos e positivos) de todas as questões
DEPARTAMENTO DE ESTATÍSTICA - UFMG PROVA DE ESTATÍSTICA E PROBABILIDADE SELEÇÃO - MESTRADO/ UFMG - 2013/2014 Istruções: 1. Cada questão respodida corretamete vale 1 (um) poto. 2. Cada questão respodida
Leia maisTeste de Hipóteses VÍCTOR HUGO LACHOS DÁVILAD
Teste de ióteses VÍCTOR UGO LACOS DÁVILAD Teste De ióteses. Exemlo. Cosidere que uma idustria comra de um certo fabricate, ios cuja resistêcia média à rutura é esecificada em 6 kgf (valor omial da esecificação).
Leia maisO erro da pesquisa é de 3% - o que significa isto? A Matemática das pesquisas eleitorais
José Paulo Careiro & Moacyr Alvim O erro da pesquisa é de 3% - o que sigifica isto? A Matemática das pesquisas eleitorais José Paulo Careiro & Moacyr Alvim Itrodução Sempre que se aproxima uma eleição,
Leia maisCAPÍTULO 5 - INTRODUÇÃO À INFERÊNCIA ESTATÍSTICA
CAPÍTULO 5 - INTRODUÇÃO À INFERÊNCIA ESTATÍSTICA 5. INTRODUÇÃO É freqüete ecotrarmos problemas estatísticos do seguite tipo : temos um grade úmero de objetos (população) tais que se fossem tomadas as medidas
Leia maisINTRODUÇÃO. Exemplos. Comparar três lojas quanto ao volume médio de vendas. ...
INTRODUÇÃO Exemplos Para curar uma certa doeça existem quatro tratametos possíveis: A, B, C e D. Pretede-se saber se existem difereças sigificativas os tratametos o que diz respeito ao tempo ecessário
Leia maisCAPÍTULO 8 - Noções de técnicas de amostragem
INF 6 Estatística I JIRibeiro Júior CAPÍTULO 8 - Noções de técicas de amostragem Itrodução A Estatística costitui-se uma excelete ferrameta quado existem problemas de variabilidade a produção É uma ciêcia
Leia maisCapitulo 6 Resolução de Exercícios
FORMULÁRIO Cojutos Equivaletes o Regime de Juros Simples./Vecimeto Comum. Descoto Racioal ou Por Detro C1 C2 Cm C1 C2 C...... 1 i 1 i 1 i 1 i 1 i 1 i 1 2 m 1 2 m C Ck 1 i 1 i k1 Descoto Por Fora ou Comercial
Leia maisPUCRS FAMAT DEPTº DE ESTATÍSTICA Estimação e Teste de Hipótese- Prof. Sérgio Kato
1 PUCRS FAMAT DEPTº DE ESTATÍSTICA Estimação e Teste de Hipótese- Prof. Sérgio Kato 1. Estimação: O objetivo da iferêcia estatística é obter coclusões a respeito de populações através de uma amostra extraída
Leia maisA TORRE DE HANÓI Carlos Yuzo Shine - Colégio Etapa
A TORRE DE HANÓI Carlos Yuzo Shie - Colégio Etapa Artigo baseado em aula miistrada a IV Semaa Olímpica, Salvador - BA Nível Iiciate. A Torre de Haói é um dos quebra-cabeças matemáticos mais populares.
Leia maisPROGRAMA DE PÓS-GRADUAÇÃO EM ENGENHARIA DE TRANSPORTES E GESTÃO TERRITORIAL PPGTG DEPARTAMENTO DE ENGENHARIA CIVIL ECV
PROGRAMA DE PÓS-GRADUAÇÃO EM ENGENHARIA DE TRANSPORTES E GESTÃO TERRITORIAL PPGTG DEPARTAMENTO DE ENGENHARIA CIVIL ECV DISCIPLINA: TGT410026 FUNDAMENTOS DE ESTATÍSTICA 8ª AULA: ESTIMAÇÃO POR INTERVALO
Leia mais5- CÁLCULO APROXIMADO DE INTEGRAIS 5.1- INTEGRAÇÃO NUMÉRICA
5- CÁLCULO APROXIMADO DE INTEGRAIS 5.- INTEGRAÇÃO NUMÉRICA Itegrar umericamete uma fução y f() um dado itervalo [a, b] é itegrar um poliômio P () que aproime f() o dado itervalo. Em particular, se y f()
Leia maisCarteiras de Mínimo VAR ( Value at Risk ) no Brasil
Carteiras de Míimo VAR ( Value at Risk ) o Brasil Março de 2006 Itrodução Este texto tem dois objetivos pricipais. Por um lado, ele visa apresetar os fudametos do cálculo do Value at Risk, a versão paramétrica
Leia maisCAP. I ERROS EM CÁLCULO NUMÉRICO
CAP I ERROS EM CÁLCULO NUMÉRICO 0 Itrodução Por método umérico etede-se um método para calcular a solução de um problema realizado apeas uma sequêcia fiita de operações aritméticas A obteção de uma solução
Leia maisAMOSTRAGEM. metodologia de estudar as populações por meio de amostras. Amostragem ou Censo?
AMOSTRAGEM metodologia de estudar as populações por meio de amostras Amostragem ou Ceso? Por que fazer amostragem? população ifiita dimiuir custo aumetar velocidade a caracterização aumetar a represetatividade
Leia maisFaculdade de Engenharia Investigação Operacional. Prof. Doutor Engº Jorge Nhambiu
Programação Diâmica Aula 3: Programação Diâmica Programação Diâmica Determiística; e Programação Diâmica Probabilística. Programação Diâmica O que é a Programação Diâmica? A Programação Diâmica é uma técica
Leia mais1.4- Técnicas de Amostragem
1.4- Técicas de Amostragem É a parte da Teoria Estatística que defie os procedimetos para os plaejametos amostrais e as técicas de estimação utilizadas. As técicas de amostragem, tal como o plaejameto
Leia maisJUROS COMPOSTOS. Questão 01 A aplicação de R$ 5.000, 00 à taxa de juros compostos de 20% a.m irá gerar após 4 meses, um montante de: letra b
JUROS COMPOSTOS Chamamos de regime de juros compostos àquele ode os juros de cada período são calculados sobre o motate do período aterior, ou seja, os juros produzidos ao fim de cada período passam a
Leia maisEQUAÇÕES DIFERENCIAIS LINEARES DE ORDEM N
EQUAÇÕES DIFERENCIAIS LINEARES DE ORDEM N Estudaremos este capítulo as equações diereciais lieares de ordem, que são de suma importâcia como suporte matemático para vários ramos da egeharia e das ciêcias.
Leia maisO poço de potencial infinito
O poço de potecial ifiito A U L A 14 Meta da aula Aplicar o formalismo quâtico ao caso de um potecial V(x) que tem a forma de um poço ifiito: o potecial é ifiito para x < a/ e para x > a/, e tem o valor
Leia maisUFRGS 2007 - MATEMÁTICA
- MATEMÁTICA 01) Em 2006, segudo otícias veiculadas a impresa, a dívida itera brasileira superou um trilhão de reais. Em otas de R$ 50, um trilhão de reais tem massa de 20.000 toeladas. Com base essas
Leia maisIntrodução ao Estudo de Sistemas Lineares
Itrodução ao Estudo de Sistemas Lieares 1. efiições. 1.1 Equação liear é toda seteça aberta, as icógitas x 1, x 2, x 3,..., x, do tipo a1 x1 a2 x2 a3 x3... a x b, em que a 1, a 2, a 3,..., a são os coeficietes
Leia maisVII Equações Diferenciais Ordinárias de Primeira Ordem
VII Equações Difereciais Ordiárias de Primeira Ordem Itrodução As equações difereciais ordiárias são istrumetos esseciais para a modelação de muitos feómeos proveietes de várias áreas como a física, química,
Leia maisA seguir, uma demonstração do livro. Para adquirir a versão completa em papel, acesse: www.pagina10.com.br
A seguir, uma demostração do livro. Para adquirir a versão completa em papel, acesse: www.pagia10.com.br Matemática comercial & fiaceira - 2 4 Juros Compostos Iiciamos o capítulo discorredo sobre como
Leia maisCAPÍTULO 5 CIRCUITOS SEQUENCIAIS III: CONTADORES SÍNCRONOS
60 Sumário CAPÍTULO 5 CIRCUITOS SEQUENCIAIS III: CONTADORES SÍNCRONOS 5.1. Itrodução... 62 5.2. Tabelas de trasição dos flip-flops... 63 5.2.1. Tabela de trasição do flip-flop JK... 63 5.2.2. Tabela de
Leia maisAnálise de Projectos ESAPL / IPVC. Critérios de Valorização e Selecção de Investimentos. Métodos Estáticos
Aálise de Projectos ESAPL / IPVC Critérios de Valorização e Selecção de Ivestimetos. Métodos Estáticos Como escolher ivestimetos? Desde sempre que o homem teve ecessidade de ecotrar métodos racioais para
Leia maisDISTRIBUIÇÃO AMOSTRAL DA MÉDIA E PROPORÇÃO ESTATISTICA AVANÇADA
DISTRIBUIÇÃO AMOSTRAL DA MÉDIA E PROPORÇÃO Ferado Mori DISTRIBUIÇÃO AMOSTRAL DA MÉDIA E PROPORÇÃO ESTATISTICA AVANÇADA Resumo [Atraia o leitor com um resumo evolvete, em geral, uma rápida visão geral do
Leia maisFACULDADE DE ADMINISTRAÇÃO E NEGÓCIOS DE SERGIPE
FACULDADE DE ADMINISTRAÇÃO E NEGÓCIOS DE SERGIPE CURSO: ENGENHARIA DE PRODUÇÃO ASSUNTO: INTRODUÇÃO ÀS EQUAÇÕES DIFERENCIAIS, EQUAÇÕES DIFERENCIAIS DE PRIMEIRA ORDEM SEPARÁVEIS, HOMOGÊNEAS, EXATAS, FATORES
Leia maisSUMÁRIO 1. AMOSTRAGEM 4. 1.1. Conceitos básicos 4
SUMÁRIO 1. AMOSTRAGEM 4 1.1. Coceitos básicos 4 1.. Distribuição amostral dos estimadores 8 1..1. Distribuição amostral da média 8 1... Distribuição amostral da variâcia 11 1..3. Distribuição amostral
Leia maisDuas Fases da Estatística
Aula 5. Itervalos de Cofiaça Métodos Estadísticos 008 Uiversidade de Averio Profª Gladys Castillo Jordá Duas Fases da Estatística Estatística Descritiva: descrever e estudar uma amostra Estatística Idutiva
Leia maisEquações Diferenciais (ED) Resumo
Equações Difereciais (ED) Resumo Equações Difereciais é uma equação que evolve derivadas(diferecial) Por eemplo: dy ) 5 ( y: variável depedete, : variável idepedete) d y dy ) 3 0 y ( y: variável depedete,
Leia maisonde d, u, v são inteiros não nulos, com u v, mdc(u, v) = 1 e u e v de paridades distintas.
!"$# &%$" ')( * +-,$. /-0 3$4 5 6$7 8:9)$;$< =8:< > Deomiaremos equação diofatia (em homeagem ao matemático grego Diofato de Aleadria) uma equação em úmeros iteiros. Nosso objetivo será estudar dois tipos
Leia maisO QUE SÃO E QUAIS SÃO AS PRINCIPAIS MEDIDAS DE TENDÊNCIA CENTRAL EM ESTATÍSTICA PARTE li
O QUE SÃO E QUAIS SÃO AS PRINCIPAIS MEDIDAS DE TENDÊNCIA CENTRAL EM ESTATÍSTICA PARTE li Média Aritmética Simples e Poderada Média Geométrica Média Harmôica Mediaa e Moda Fracisco Cavalcate(f_c_a@uol.com.br)
Leia maisAula 2 - POT - Teoria dos Números - Fabio E. Brochero Martinez Carlos Gustavo T. de A. Moreira Nicolau C. Saldanha Eduardo Tengan
Aula - POT - Teoria dos Números - Nível III - Pricípios Fabio E. Brochero Martiez Carlos Gustavo T. de A. Moreira Nicolau C. Saldaha Eduardo Tega de Julho de 01 Pricípios Nesta aula apresetaremos algus
Leia maisProbabilidades. José Viegas
Probabilidades José Viegas Lisboa 001 1 Teoria das probabilidades Coceito geral de probabilidade Supoha-se que o eveto A pode ocorrer x vezes em, igualmete possíveis. Etão a probabilidade de ocorrêcia
Leia maisa taxa de juros i está expressa na forma unitária; o período de tempo n e a taxa de juros i devem estar na mesma unidade de tempo.
UFSC CFM DEPARTAMENTO DE MATEMÁTICA MTM 5151 MATEMÁTICA FINACEIRA I PROF. FERNANDO GUERRA. UNIDADE 3 JUROS COMPOSTOS Capitalização composta. É aquela em que a taxa de juros icide sempre sobre o capital
Leia maisJuros Simples e Compostos
Juros Simples e Compostos 1. (G1 - epcar (Cpcar) 2013) Gabriel aplicou R$ 6500,00 a juros simples em dois bacos. No baco A, ele aplicou uma parte a 3% ao mês durate 5 6 de um ao; o baco B, aplicou o restate
Leia maisFaculdade Campo Limpo Paulista Mestrado em Ciência da Computação Complexidade de Algoritmos Avaliação 2
Faculdade Campo Limpo Paulista Mestrado em Ciêcia da Computação Complexidade de Algoritmos Avaliação 2. (2,0): Resolva a seguite relação de recorrêcia. T() = T( ) + 3 T() = 3 Pelo método iterativo progressivo.
Leia mais1.1 Comecemos por determinar a distribuição de representantes por aplicação do método de Hondt:
Proposta de Resolução do Exame de Matemática Aplicada às Ciêcias Sociais Cód. 835-2ª 1ª Fase 2014 1.1 Comecemos por determiar a distribuição de represetates por aplicação do método de Hodt: Divisores PARTIDOS
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 maisHipótese Estatística:
1 PUCRS FAMAT DEPTº DE ESTATÍSTICA TESTE DE HIPÓTESE SÉRGIO KATO Trata-se de uma técnica para se fazer inferência estatística. Ou seja, a partir de um teste de hipóteses, realizado com os dados amostrais,
Leia maisUNIVERSIDADE DA MADEIRA
Biofísica UNIVERSIDADE DA MADEIRA P9:Lei de Sell. Objetivos Verificar o deslocameto lateral de um feixe de luz LASER uma lâmia de faces paralelas. Verificação do âgulo critico e reflexão total. Determiação
Leia maisFundamentos de Bancos de Dados 3 a Prova
Fudametos de Bacos de Dados 3 a Prova Prof. Carlos A. Heuser Julho de 2008 Duração: 2 horas Prova com cosulta Questão (Costrução de modelo ER - Peso 2 Deseja-se costruir um sistema WEB que armazee a comuicação
Leia maisPRESTAÇÃO = JUROS + AMORTIZAÇÃO
AMORTIZAÇÃO Amortizar sigifica pagar em parcelas. Como o pagameto do saldo devedor pricipal é feito de forma parcelada durate um prazo estabelecido, cada parcela, chamada PRESTAÇÃO, será formada por duas
Leia maisFundamentos de Bancos de Dados 3 a Prova
Fudametos de Bacos de Dados 3 a Prova Prof. Carlos A. Heuser Dezembro de 2008 Duração: 2 horas Prova com cosulta Questão (Costrução de modelo ER) Deseja-se projetar uma base de dados que dará suporte a
Leia maisCurso MIX. Matemática Financeira. Juros compostos com testes resolvidos. 1.1 Conceito. 1.2 Período de Capitalização
Curso MI Matemática Fiaceira Professor: Pacífico Referêcia: 07//00 Juros compostos com testes resolvidos. Coceito Como vimos, o regime de capitalização composta o juro de cada período é calculado tomado
Leia maisOs juros compostos são conhecidos, popularmente, como juros sobre juros.
Módulo 4 JUROS COMPOSTOS Os juros compostos são cohecidos, popularmete, como juros sobre juros. 1. Itrodução Etedemos por juros compostos quado o fial de cada período de capitalização, os redimetos são
Leia maisProblema de Fluxo de Custo Mínimo
Problema de Fluo de Custo Míimo The Miimum Cost Flow Problem Ferado Nogueira Fluo de Custo Míimo O Problema de Fluo de Custo Míimo (The Miimum Cost Flow Problem) Este problema possui papel pricipal etre
Leia maisUniversidade Federal do Maranhão Centro de Ciências Exatas e Tecnologia Coordenação do Programa de Pós-Graduação em Física
Uiversidade Federal do Marahão Cetro de Ciêcias Exatas e Tecologia Coordeação do Programa de Pós-Graduação em Física Exame de Seleção para Igresso o 1º. Semestre de 2011 Disciplia: Mecâica Clássica 1.
Leia maisM = C (1 + i) n. Comparando o cálculo composto (exponencial) com o cálculo simples (linear), vemos no cálculo simples:
PEDRO ORBERTO JUROS COMPOSTOS Da capitalização simples, sabemos que o redimeto se dá de forma liear ou proporcioal. A base de cálculo é sempre o capital iicial. o regime composto de capitalização, dizemos
Leia maisExercício 1. Quantos bytes (8 bits) existem de modo que ele contenha exatamente quatro 1 s? Exercício 2. Verifique que
LISTA INCRÍVEL DE MATEMÁTICA DISCRETA II DANIEL SMANIA 1 Amostras, seleções, permutações e combiações Exercício 1 Quatos bytes (8 bits) existem de modo que ele coteha exatamete quatro 1 s? Exercício 2
Leia maisSÉRIE: Estatística Básica Texto v: CORRELAÇÃO E REGRESSÃO SUMÁRIO 1. CORRELAÇÃO...2
SUMÁRIO 1. CORRELAÇÃO... 1.1. Itrodução... 1.. Padrões de associação... 3 1.3. Idicadores de associação... 3 1.4. O coeficiete de correlação... 5 1.5. Hipóteses básicas... 5 1.6. Defiição... 6 1.7. Distribuição
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 maisMatemática. Resolução das atividades complementares. M10 Progressões. 1 (UFBA) A soma dos 3 o e 4 o termos da seqüência abaixo é:
Resolução das atividades complemetares Matemática M0 Progressões p. 46 (UFBA) A soma dos o e 4 o termos da seqüêcia abaio é: a 8 * a 8 ( )? a, IN a) 6 c) 0 e) 6 b) 8 d) 8 a 8 * a 8 ( )? a, IN a 8 ()? a
Leia mais2.1 Dê exemplo de uma seqüência fa n g ; não constante, para ilustrar cada situação abaixo: (a) limitada e estritamente crescente;
2.1 Dê exemplo de uma seqüêcia fa g ; ão costate, para ilustrar cada situação abaixo: (a) limitada e estritamete crescete; (b) limitada e estritamete decrescete; (c) limitada e ão moótoa; (d) ão limitada
Leia maisAULA: Inferência Estatística
AULA: Iferêcia Estatística stica Prof. Víctor Hugo Lachos Dávila Iferêcia Estatística Iferêcia Estatística é um cojuto de técicas que objetiva estudar uma oulação através de evidêcias forecidas or uma
Leia maisEstatística II Antonio Roque Aula 9. Testes de Hipóteses
Testes de Hipóteses Os problemas de inferência estatística tratados nas aulas anteriores podem ser enfocados de um ponto de vista um pouco diferente: ao invés de se construir intervalos de confiança para
Leia maisEstatística: Aplicação ao Sensoriamento Remoto SER ANO Teste de Hipótese
Estatística: Aplicação ao Sesoriameto Remoto SER 4 - ANO 18 Teste de Hipótese Camilo Daleles Reó camilo@dpi.ipe.br http://www.dpi.ipe.br/~camilo/estatistica/ Estimação de Parâmetros Como já foi visto,
Leia maisINTERPOLAÇÃO. Interpolação
INTERPOLAÇÃO Profa. Luciaa Motera motera@facom.ufms.br Faculdade de Computação Facom/UFMS Métodos Numéricos Iterpolação Defiição Aplicações Iterpolação Liear Equação da reta Estudo do erro Iterpolação
Leia maisMATEMÁTICA FINANCEIRA
MATEMÁTICA FINANCEIRA VALOR DO DINHEIRO NO TEMPO Notas de aulas Gereciameto do Empreedimeto de Egeharia Egeharia Ecoômica e Aálise de Empreedimetos Prof. Márcio Belluomii Moraes, MsC CONCEITOS BÁSICOS
Leia maisMAE 116 - Noções de Estatística Grupo A - 1 o semestre de 2014 Lista de exercício 8 - Aula 8 - Estimação para p - CASA
MAE 116 - Noções de Estatística Grupo A - 1 o semestre de 2014 Lista de exercício 8 - Aula 8 - Estimação para p - CASA 1. (2,5) Um provedor de acesso à iteret está moitorado a duração do tempo das coexões
Leia maisUNIVERSIDADE ESTADUAL DE CAMPINAS FACULDADE DE ENGENHARIA MECÂNICA IM 317 METODOLOGIA PARA PLANEJAMENTO EXPERIMENTAL E ANÁLISE DE RESULTADOS
UNIVERSIDADE ESTADUAL DE CAMPINAS FACULDADE DE ENGENHARIA MECÂNICA PROGRAMA DE PÓS-GRADUAÇÃO EM ENGENHARIA MECÂNICA IM 37 METODOLOGIA PARA PLANEJAMENTO EXPERIMENTAL E ANÁLISE DE RESULTADOS PROF. DR. SÉRGIO
Leia maisLista 2 - Introdução à Probabilidade e Estatística
UNIVERSIDADE FEDERAL DO ABC Lista - Itrodução à Probabilidade e Estatística Modelo Probabilístico experimeto. Que eveto represeta ( =1 E )? 1 Uma ura cotém 3 bolas, uma vermelha, uma verde e uma azul.
Leia maisNeste capítulo, pretendemos ajustar retas ou polinômios a um conjunto de pontos experimentais.
03 Capítulo 3 Regressão liear e poliomial Neste capítulo, pretedemos ajustar retas ou poliômios a um cojuto de potos experimetais. Regressão liear A tabela a seguir relacioa a desidade (g/cm 3 ) do sódio
Leia maisComputação Científica - Departamento de Informática Folha Prática 1
1. Costrua os algoritmos para resolver os problemas que se seguem e determie as respetivas ordes de complexidade. a) Elaborar um algoritmo para determiar o maior elemeto em cada liha de uma matriz A de
Leia maisAté que tamanho podemos brincar de esconde-esconde?
Até que tamaho podemos bricar de escode-escode? Carlos Shie Sejam K e L dois subcojutos covexos e compactos de R. Supoha que K sempre cosiga se escoder atrás de L. Em termos mais precisos, para todo vetor
Leia maisAnexo VI Técnicas Básicas de Simulação do livro Apoio à Decisão em Manutenção na Gestão de Activos Físicos
Aexo VI Técicas Básicas de Simulação do livro Apoio à Decisão em Mauteção a Gestão de Activos Físicos LIDEL, 1 Rui Assis rassis@rassis.com http://www.rassis.com ANEXO VI Técicas Básicas de Simulação Simular
Leia mais(1) E que a força contra-eletromotriz é dada por: (2)
Resolução da questão 3 Para respoder essa questão é ecessário veriicar que o motor já está operado e que em determiado mometo algum gradeza do motor irá variar. Frete a essa variação, deve-se determiar
Leia mais1.5 Aritmética de Ponto Flutuante
.5 Aritmética de Poto Flutuate A represetação em aritmética de poto flutuate é muito utilizada a computação digital. Um exemplo é a caso das calculadoras cietíficas. Exemplo:,597 03. 3 Este úmero represeta:,597.
Leia maisFundamentos de Bancos de Dados 3 a Prova
Fudametos de Bacos de Dados 3 a Prova Prof. Carlos A. Heuser Dezembro de 2007 Duração: 2 horas Prova com cosulta Questão 1 (Costrução de modelo ER - Peso 3) Deseja-se costruir um sistema WEB que armazee
Leia maisDepartamento de Matemática - Universidade de Coimbra. Mestrado Integrado em Engenharia Civil. Capítulo 1: Sucessões e séries
Departameto de Matemática - Uiversidade de Coimbra Mestrado Itegrado em Egeharia Civil Exercícios Teórico-Práticos 200/20 Capítulo : Sucessões e séries. Liste os primeiros cico termos de cada uma das sucessões
Leia maisRESISTORES E RESISTÊNCIAS
ELETICIDADE CAPÍTULO ESISTOES E ESISTÊNCIAS No Capítulo estudamos, detre outras coisas, o coceito de resistêcia elétrica. Vimos que tal costitui a capacidade de um corpo qualquer se opôr a passagem de
Leia maisINTERVALOS DE CONFIANÇA ESTATISTICA AVANÇADA
INTERVALOS DE CONFIANÇA ESTATISTICA AVANÇADA Resumo Itervalos de Cofiaça ara médias e roorções com alicações a Egeharia. Ferado Mori Prof.fmori@gmail.com Itervallos de Cofiiaça ara Médiias e Proorções
Leia maisO oscilador harmônico
O oscilador harmôico A U L A 5 Meta da aula Aplicar o formalismo quâtico ao caso de um potecial de um oscilador harmôico simples, V( x) kx. objetivos obter a solução da equação de Schrödiger para um oscilador
Leia maisSistema Computacional para Medidas de Posição - FATEST
Sistema Computacioal para Medidas de Posição - FATEST Deise Deolido Silva, Mauricio Duarte, Reata Ueo Sales, Guilherme Maia da Silva Faculdade de Tecologia de Garça FATEC deisedeolido@hotmail.com, maur.duarte@gmail.com,
Leia maisProjetos Agropecuários - Módulo 4 ANÁLISE FINANCEIRA DE INVESTIMENTO
Projetos Agropecuários - Módulo 4 ANÁLISE FINANCEIRA DE INVESTIMENTO A parte fiaceira disciplia todas as áreas de uma orgaização que esteja direta ou idiretamete ligadas à tomada de decisão. Todo profissioal
Leia maisTabela Price - verdades que incomodam Por Edson Rovina
Tabela Price - verdades que icomodam Por Edso Rovia matemático Mestrado em programação matemática pela UFPR (métodos uméricos de egeharia) Este texto aborda os seguites aspectos: A capitalização dos juros
Leia maisOtimização e complexidade de algoritmos: problematizando o cálculo do mínimo múltiplo comum
Otimização e complexidade de algoritmos: problematizado o cálculo do míimo múltiplo comum Custódio Gastão da Silva Júior 1 1 Faculdade de Iformática PUCRS 90619-900 Porto Alegre RS Brasil gastaojuior@gmail.com
Leia maisDemonstrações especiais
Os fudametos da Física Volume 3 Meu Demostrações especiais a ) RLAÇÃO NTR próx. e sup. osidere um codutor eletrizado e em equilíbrio eletrostático. Seja P sup. um poto da superfície e P próx. um poto extero
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 maisTestes χ 2 (cont.) Testes χ 2 para k categorias (cont.)
Testes χ 2 de ajustameto, homogeeidade e idepedêcia Testes χ 2 (cot.) Os testes χ 2 cosiderados este último poto do programa surgem associados a dados de cotagem. Mais cocretamete, dados que cotam o úmero
Leia maisConceito 31/10/2015. Módulo VI Séries ou Fluxos de Caixas Uniformes. SÉRIES OU FLUXOS DE CAIXAS UNIFORMES Fluxo de Caixa
Módulo VI Séries ou Fluxos de Caixas Uiformes Daillo Touriho S. da Silva, M.Sc. SÉRIES OU FLUXOS DE CAIXAS UNIFORMES Fluxo de Caixa Coceito A resolução de problemas de matemática fiaceira tora-se muito
Leia maisCURTOSE. Teremos, portanto, no tocante às situações de Curtose de um conjunto, as seguintes possibilidades:
CURTOSE O que sigifica aalisar um cojuto quato à Curtose? Sigifica apeas verificar o grau de achatameto da curva. Ou seja, saber se a Curva de Freqüêcia que represeta o cojuto é mais afilada ou mais achatada
Leia maisMódulo 4 Matemática Financeira
Módulo 4 Matemática Fiaceira I Coceitos Iiciais 1 Juros Juro é a remueração ou aluguel por um capital aplicado ou emprestado, o valor é obtido pela difereça etre dois pagametos, um em cada tempo, de modo
Leia maisVirgílio A. F. Almeida DCC-UFMG 1/2005
Virgílio A. F. Almeida DCC-UFMG 1/005 !" # Comparado quatitativamete sistemas eperimetais: Algoritmos, protótipos, modelos, etc Sigificado de uma amostra Itervalos de cofiaça Tomado decisões e comparado
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 maisBases Matemáticas. Aula 2 Métodos de Demonstração. Rodrigo Hausen. v. 2013-7-31 1/15
Bases Matemáticas Aula 2 Métodos de Demonstração Rodrigo Hausen v. 2013-7-31 1/15 Como o Conhecimento Matemático é Organizado Definições Definição: um enunciado que descreve o significado de um termo.
Leia maisAula 10 Testes de hipóteses
Aula 10 Testes de hipóteses Na teoria de estimação, vimos que é possível, por meio de estatísticas amostrais adequadas, estimar parâmetros de uma população, dentro de certo intervalo de confiança. Nos
Leia maisCIRCUITOS SEQUÊNCIAIS
Coelh ho, J.P. @ Sistem mas Digita ais : Y20 07/08 CIRCUITOS SEQUÊNCIAIS O que é um circuito it sequêcial? Difereça etre circuito combiatório e sequecial... O elemeto básico e fudametal da lógica sequecial
Leia maisLista 9 - Introdução à Probabilidade e Estatística
Lista 9 - Itrodução à Probabilidade e Estatística Desigualdades e Teoremas Limites 2.=000. 1 Um ariro apota a um alvo de 20 cm de raio. Seus disparos atigem o alvo, em média, a 5 cm do cetro deste. Assuma
Leia maisJ. A. M. Felippe de Souza 9 Diagramas de Bode
9 Diagramas de Bode 9. Itrodução aos diagramas de Bode 3 9. A Fução de rasferêcia 4 9.3 Pólos e zeros da Fução de rasferêcia 8 Equação característica 8 Pólos da Fução de rasferêcia 8 Zeros da Fução de
Leia mais1- REFRAÇÃO LUMINOSA é a variação de velocidade da luz devido à mudança do meio de propagação. refração do meio em que o raio se encontra.
REFRAÇÃO - LENTES - REFRAÇÃO LUMINOSA é a variação de velocidade da luz devido à mudaça do meio de propagação. - Ídice de refração absoluto: é uma relação etre a velocidade da luz em um determiado meio
Leia mais37ª OLIMPÍADA BRASILEIRA DE MATEMÁTICA PRIMEIRA FASE NÍVEL 3 (Ensino Médio) GABARITO
37ª OLIMPÍADA BRASILEIRA DE MATEMÁTICA PRIMEIRA FASE NÍVEL 3 Esio Médio) GABARITO GABARITO NÍVEL 3 ) B ) A ) B ) D ) C ) B 7) C ) C 7) B ) C 3) D 8) E 3) A 8) E 3) A ) C 9) B ) B 9) B ) C ) E 0) D ) A
Leia mais