Capítulo 12. Problema 01. (a) (b)

Tamanho: px
Começar a partir da página:

Download "Capítulo 12. Problema 01. (a) (b)"

Transcrição

1 apítulo Problema (a P(Erro I P(dizer que são de B a P Z P( Z P(Erro II 5,87% P(dizer que são de A a P Z P( Z 5,87% (b P(Erro I 5% P ( ~ (75; 75,645 verdade são de A P verdade são de B P 76,645 5% P Z ( 76 ~ (75; ( 76 ~ (77; 75 5% Regra de decisão: e 76, 645, dizer que habitates da ilha são descedetes de B; caso cotrário, dizer que são descedetes de A P(Erro II P (c ( 76,645 ~ (77; P( Z,355 36,3% 76, P Z P(Erro I 5% P ( ~ (75;,5 75,645,5 75,83 5% P Z 75 5%,5 P(Erro II P ( 76,645 ~ (77; P( Z,77,96% 75,83 77 P Z ap Pág

2 µ B P ( Erro II µ B 78 8,77% 8,4% 8,% P(erro II mib,% 8,% 6,% 4,%,%,% 77, , ,5 8 8,5 8 8,5 mib (d Problema (a α P(rejeitar (b H H verdadeir a P 7 5 P Z P( Z,333 9, % 5 β P(aceitar H (c H é verdadeir a P 7 P Z P( Z,5 6,68% α β P ( 7 ~ (5;5 ( 7 ~ (; ( ~ (5; 5 P( ~ (; 5 P Z P Z 5 7,49 ] 7,49 [ R ;+ 5 5 ap Pág

3 Problema 3 (a H : Está começado um ataque H : Está acotecedo uma leve iterferêcia Erro I: Dizer que está acotecedo uma leve iterferêcia, quado a verdade está começado um ataque; Erro II: Dizer que está começado um ataque, quado a verdade está acotecedo uma leve iterferêcia (b H : O acusado é iocete H : O acusado é culpado Erro I: Dizer que o acusado é culpado, quado a verdade é iocete Erro II: Dizer que o acusado é iocete, quado a verdade é culpado (c H : A vacia ão é eficaz H : A vacia é eficaz Erro I: Dizer que a vacia é eficaz, quado a verdade ão é eficaz Erro II: Dizer que a vacia ão é eficaz, quado a verdade é eficaz Problema 4 : úmero de coroas em 3 laçametos ~ Biomial(3;p H : p,5 versus H : p, 5 P( Erro I P(rejeitar H H verdadeir a P( 3 p, 5,5% P( Erro II P(ão rejeitar H H falsa P( 3 p, 667 7,37% Problema 5 (a H : µ versus H : µ (b Por exemplo: e 5, dizer que µ aso cotrário, dizer que µ P(Erro I P(rejeitar H H verdadeir a P( 5 5 P Z P( Z,5,56% 4 ~ (;4 P(Erro II P(ão rejeitar H falsa P( 5 P Z P( Z,5,56% 4 H 5 ~ (;4 ap Pág3

4 Problema 6 (a (b Passo : H : µ 8 versus H : µ 8 Passo : ~ ( µ ;,4 Passo 3: α P(rejeitar P Z H R ] ;7,34[ Passo 4: 7, H 8 5%,4 é verdadeir a P( 8,645,4 ~ (8;,4 7,34 Passo 5: O valor observado pertece à R Logo, rejeita-se H, ou seja, com base a amostra colhida, a diretoria deve decidir por retirar o produto da liha de produção β P(Erro II P(ão rejeitar H falsa P( 7,34 7,8 P Z P( Z,45 87,4%,4 H 7,34 ~ (7,8;,4 (c α P(rejeitar P Z H H 8 %,4 é verdadeir a P( 8,36,4 ~ (8;,4 7,7 R ] ;7,7[ O valor observado ão perteceria à R Logo, a decisão seria diferete, isto é, H ão seria rejeitada (d α P(rejeitar P Z H R ] ;6,684[ H 8 5%,8 é verdadeir a P( 8,645,8 ~ (8;,8 6,684 ovamete, o valor observado ão perteceria à R, e portato, H ão seria rejeitada Problema 7 Passo : H : µ 6 versus H : µ 6 Passo : ~ ( µ ;6,667 ap Pág4

5 6 Passo 3: α, 5,645 49, 3 R ] ;49,3[ 6,667 Passo 4: 5 Passo 5: O valor observado ão pertece à R Logo, ão se rejeita H ão há evidêcias de melhoria Problema 8 Passo : H : µ, 5 versus H : µ, 5 Passo : ~ ( µ ;,74 Passo 3: α, 5,5,645, 38 R ] ;,38[,74 Passo 4:, 3 Passo 5: omo o valor observado pertece à R, rejeita-se H, ou seja, há evidêcias de que esta idústria paga salários iferiores, em média Problema 9 Passo : H : µ 3 versus H : µ 3 Passo : ~ ( µ ;,9 3 Passo 3: α,,8 4, 5 R ] 4,5; + [,9 Passo 4: 4, 7 Passo 5: omo o valor observado pertece à R, rejeita-se H, ou seja, há evidêcias de que a iformação do fabricate é falsa, ao ível sigificâcia de % Problema Passo : H : p, 5 versus H : p, 5 Passo : Passo 3: p( p p ˆ ~ p; 6,5 5%,5/ 6 α P(rejeitar H H é verdadeir a P P Z { p:,836} R p Passo 4: p ˆ, 833 ( ~ (,5;,5 /6,5,645,5/ 6,836 ap Pág5

6 Passo 5: omo o valor observado ão pertece à R, ão se rejeita H, ou seja, ão há evidêcias de que a pessoa acerta mais que metade das vezes Problema Passo : H : p, versus H : p, Passo : p( p p ˆ ~ p; 5, Passo 3: α,,8, 73,,8/ 5 { p:,73} R p Passo 4: p ˆ, 7 Passo 5: omo o valor observado ão pertece à R, aceita-se H, ou seja, ão há evidêcias de que a proporção de peças defeituosas seja maior que % Problema i α, 5 Passo : H : p, 9 versus H : p, 9 Passo : p( p p ˆ ~ p;,9 Passo 3: α, 5,645, 865,9,/ Passo 4: p ˆ, 875 R { p : p,865} Passo 5: omo o valor observado ão pertece à R, aceita-se H, ou seja, ão há evidêcias de que a proporção de peças de acordo com as especificação seja meor que 9% ii α,,9 Passo 3: α,,36, 85,9,/ Passo 4: p ˆ, 875 Passo 5: A coclusão é a mesma obtida com α, 5 R { p : p,85} Problema 3 Passo : H : p, 5 versus H : p, 5 ap Pág6

7 Passo : p( p p ˆ ~ p; 4,5 Passo 3: α, 5,645, 4,5,75/ 4 Passo 4: p ˆ, R { p: p,4} Passo 5: omo o valor observado pertece à R, rejeita-se H, ou seja, há evidêcias de que a proporção de possuidores de TV que assistem ao programa é meor que 5% Logo, a decisão dos produtores deve ser modificar o programa Problema 4 (a : úmero de sucessos em tetativas ~Biomial(;p α P(rejeitar H H é verdadeir a P p ( R,5, 9 (b π ( p P(rejeitar H p P( R p p,,4,5,6,8 π ( p,678,8,9,8,678 ap Pág7

8 Poder,8,7,6,5,4,3,,,,,,4,6,8, p (c π (,5 P (rejeitar H p,5 α, 9 Problema 5 (a Passo : H : µ versus H : µ Passo : ~ ( µ ;4 Passo 3: α, 5, , 58 R ] 6,58; + [ (b π ( µ P (rejeitar H µ P( 6,58 6,58 µ ~ ( µ ;4 P Z 4 µ π (µ,,5,346,84,98,, ap Pág8

9 ,,8 Poder,6,4,, mi 6,58 µ 6,58 µ (c π ( µ P Z 5% µ 6, 58 Logo, para 4 4 µ 6,58, o poder do teste será maior que 5% Problema ( 5 ~ (5;5 P Z P(,4, 345 αˆ P Z 5 Problema 7 Passo : H : µ 5 versus H : µ 5 Passo : ~ ( µ ;,5 Passo 3:, 5,5 5 (,5 ~ (5;,5 P Z P(,8, 36 ˆ α P Z,5 Passo 4: Rejeitamos H para qualquer ível de sigificâcia α αˆ Por exemplo, fixado α 5%, rejeita-se H, isto é, há evidêcias de que a ova técica é melhor que a aterior Problema 8 ˆ * ~ χ ( ; ; ( ~ χ ( (a P( ˆ* a P χ ( a % 5,987 5,987 59, 87 a a (b P( a P χ ( a 5% 3,35 3,35 36, 95 a a 9 ap Pág9

10 P b P χ ( b 5% 6,99 6,99 87,99 b b 9 ( (c α P( 63,6 P χ ( 63,6 P( χ (9 4,684, 9 (d α P( P χ ( P( χ (9 9, 437 (e α P( 8 P χ ( 8 P( χ (9,6, 4 (f P( 8 P χ ( 8 P( χ (9 6,, 63 Problema 9 Passo : H : 3 versus H : 3 Passo : ( ~ χ (3 Passo 3: α P (rejeitar H H é verdadeir a P( χ χ ou χ χ % χ 4,848 e χ 3, 7 { : 4,84ou R χ χ χ 3,7} 3 Passo 4: χ obs 4 3, Passo 5: omo o valor observado ão pertece à R, aceita-se H, ou seja, ão há evidêcias de que a variâcia mudou, ao ível de % Problema (a A variâcia, já que a mesma é uma medida de dispersão em toro da média (b 4,9 I Problema ( ;95% χ ( ; χ ( 4,9 4,9 ;,483 3,47 (a P( 5 t/ P( T t % P( T t 5% t, [ 55,7;35,38] ap Pág

11 x µ 48 5 (b t o, 577 P ( T 9,577, 89 s/ / (c P( 5 P T P T P( T,577, 4 Problema / Passo : H : µ versus H : µ Passo : ob H, ~ t(5 / 4 Passo 3: α, 5 / ( t c 5% t, 753 α P(rejeitar H H é verdadeir a P T5 c R t { t :,753} Passo 4: t 5 o Passo 5: omo t o pertece à R, rejeita-se H Logo, há evidêcias de melhora o tempo médio de execução da tarefa Problema 3 (a Passo : H : µ 9 versus H : µ 9 9 Passo : ob H, ~ t(9 / Passo 3:, 5 α, α P( T t c 5% t, 833 R { t : t,833} 9 c 35 9 Passo 4: t o, ,8 / Passo 5: omo t o ão pertece à R, aceita-se H Logo, ão há evidêcias de que a média das cidades pequeas seja diferete da média do estado (b Isso ocorre devido à grade variâcia da reda dos muicípios Problema 4 (a (b s,35 I ( µ ;95% x ± t5 4,563 ±,3 4,563± 5,54 4 [ 36,5;47,8] uposições: a porcetagem da receita gasta com alimetação pelos moradores dessa vila tem distribuição ormal; foi feita uma amostragem aleatória simples Problema 5 ap Pág

12 (a Passo : H : µ 3 versus H : µ 3 Passo : ~ ( µ ;,33 Passo 3: α, 5, 3,645 3, 7 R ] 3,7; + [,33 Passo 4: 3, 44 Passo 5: omo ão pertece à R, aceita-se H, ou seja, ão há evidêcias de que a média de precipitação pluviométrica aual é maior que 3, 3 (b Passo : ob H, ~ t(8 / 3 α, α P( T t c 5% t, 86 R { t : t,86} Passo 3:, 5 8 c 3,4 3 Passo 4: t o, 4 3, 53/3 Passo 5: A coclusão é a mesma do item (a (c β P(aceitar H H é falsa P ( 3,7 ~ (33;,33 3,7 33 P Z P( Z,58,4,33 Problema 6 5,4 ; 75, 84 ; 5 Passo : H : µ 3 versus H : µ 3 Passo : ~ ( µ ;,875 3 Passo 3: α, 5,96 6, 33 ; 3,96 33, 68,875,875 Passo 4: 5, 4 { x : x 6,33ou 33,68} R x Passo 5: omo pertece à R, rejeita-se H, ou seja, há evidêcias de que o úmero médio de fucioários é diferete de 3 3,6 I( µ ;95% x ± z 5,4 ±,96 5,4 ± 3,675 5 [ 46,7;54,8] ap Pág

13 Problema 7 Passo : H : µ versus H : µ Passo : ~ ( µ ;, 35 Passo 3: α,,8, 7,35 Passo 4:, 3 R { x : x,7} Passo 5: O valor observado pertece à R Logo, há evidêcias de que o cosumo é maior que o auciado pela fábrica Problema 8 H versus H : µ { 45;58} (a : µ 5 (b Erro I: Rejeitar H sedo que H é verdadeira, isto é, dizer que o valor real é diferete (c do declarado, quado a verdade o valor declarado está correto Erro II: Aceitar H sedo que H é falsa, isto é, dizer que o valor declarado está correto, quado a verdade ão está α P(rejeitar H H é verdadeir a P( 5 5 P Z + P Z 5,645 33,55 5,645 66,45 { x : x 33,55 66,45} R ou x % ou ~ (5; (d e µ 45 : β P( aceitar H H é falsa P(33,55 33, ,45 45 P Z e µ 58: β P( aceitar H H 33, ,45 58 P Z é falsa P(33,55 66,45 ~ (45; P(,45 Z,45,858 66,45 ~ (58; P(,445 Z,845,794 ap Pág3

14 (e α : probabilidade de erro tipo I, isto é, probabilidade de afirmar que o valor declarado está icorreto, quado a verdade está correto β : probabilidade de erro tipo II, isto é, probabilidade de afirmar que o valor declarado está correto, quado a verdade está icorreto (depede do verdadeiro valor de µ Problema 9 Passo : H : µ µ versus H : µ µ A B A B Passo : Var ( Var( + Var( / 5+ /6, 5 A A ob H : Passo 3:, 5 B B A B ( A B ( µ A µ B ~ ( µ A µ B;,5 Z ~ (,,5 Z ( A,5 B ~ (, α, α P H H é verdadeir a P( Z z 5% z, 96 { z :,96} R z Passo 4: z, 98 o (rejeitar c Passo 5: omo o valor observado ão pertece à R, ão rejeitamos H, ou seja, ão há evidêcias de que as médias são diferetes Problema 3 Passo : H : p p p versus H : p p Passo : Var( ~ ( p Var( + Var( p ; Var( p ( p + ( Z ˆ p ob H : Z ~ (, p ( p p ( p + p ( p ( p p Var( ~ (, É preciso estimar o deomiador de Z sob H ob H, a estimativa ˆ ˆ s p + p de p p p é dada por: p ˆ, 5 + Passo 3:, 5 s α, α P H H é verdadeir a P( Z z 5% z, 96 R z (rejeitar c { z :,96} ap Pág4

15 ˆ p,5, 78 Passo 4: z, 93 o ( (,89 + Passo 5: omo o valor observado ão pertece à R, aceita-se H, ou seja, ão há evidêcias de que as proporções as duas regiões são diferetes Problema 3 Passo : H : p p p versus H : p p ˆ ˆ p + p Passo : ob H : Z ~ (, p ˆ, 3 p ( p p ( p + + Passo 3:, 5 α, α P H H é verdadeir a P( Z z 5% z, 96 (rejeitar c { z :,96} R z,33,9 Passo 4: z, 3 ˆ ( ˆ (,7 o p p + Passo 5: omo o valor observado ão pertece à R, aceita-se H, ou seja, ão há evidêcias de que as preferêcias os dois aos sejam diferetes Problema 3 (a (,37 ( {,,} ~ (5;,5 P Erro I P(rejeitar H H é verdadeir a P Biomia P( Erro II P(ão rejeitar H,873 (b ~ Biomial(5;,3 P( ~ Biomial (5;,3 π ( µ P (rejeitar H p P( ~ Biomial(5; p (c p,5,,,3,4,5 ap Pág5

16 ,6,8 π ( p,964,86,398,7,7,4,,,,8 Poder,6,4,,,,,4,6,8, p Problema 33 (a H : µ versus H : µ α P(rejeitar H H é verdadeir a P P Z P Z / 5% β P(aceitar H ~ (;/ P % / ( ~ (;4/,645 / + 3,9/ ( ~ (;4/,8 / 5,64/ Logo: + 3,9 / 5,64 / 34,7 35 (b + 3,9/ + 3,9/ 34,7 5, 6 esse caso, a R é dada por: R ] 5,6; + [ ap Pág6

17 Problema 34 Teste para a variâcia Passo : H : versus 8 H : 8 Passo : ( ~ χ (4 Passo 3: α (rejeitar H H é verdadeir a P( χ χ ou χ χ 5% χ,4 e χ 39, 364 { :,4ou R χ χ χ 39,364} P 4 Passo 4: χ obs 5 9, Passo 5: omo o valor observado pertece à R, há evidêcias de que a variâcia teha se alterado Teste para a média Passo : H : µ 5 versus H : µ 5 5 Passo : ob H, ~ t(4 /5 α, α P( T t c 5% t, 7 R { t : t,7} Passo 3:, Passo 4: t o 3 5 /5 4 c Passo 5: omo to pertece à R, rejeita-se H Logo, há evidêcias de que o úmero médio diário de clietes teha aumetado uposições: Amostragem aleatória simples; úmero diário de clietes do posto de gasolia tem distribuição ormal Problema 35 Passo : H : µ 7 versus H : µ 7 7 Passo : ob H, ~ t(8 /3 Passo 3:, 5 α, α P( T t c 5% t, 86 R { t : t,86},556 7 Passo 4: t o 4, 75,555/3 8 c Passo 5: omo t o pertece à R, rejeita-se H Logo, há evidêcias de melhoria s,555 I ( µ ;95% x ± t8,556 ±,36,556±,964 3 [ 8,59;,5] ap Pág7

18 Problema 36 ( ( 8 6,58 8 6,58 6,58 I ( ;9% ; ; [ 3,37;9,] 9, 3,37 χ χ Problema 37 (a erro,645,645 p( p erro p( p Tomado p,5 (para maximizar p(-p: 7,6 7 (b (,4,6 I ( p;,95 ± z,4 ±,96,4 ±,48 [,35;,448] 4 Itervalo coservador: I ( p;,95 ± z,4 ±,96,4±,49 [,35;,449] Problema 38 (,4,6 I ( p;,9 ± z,4 ±,645,4±,8 [,38;,48] Itervalo coservador: I ( p;,9 ± z,4 ±,645,4 ±,8 [,38;,48] 4 4 Problema 39 Passo : H : 5 versus H : 5 Passo : ( ~ χ ( Passo 3: α (rejeitar H H é verdadeir a P( χ χ 5% P χ 8, 37 { χ : 8,37} R χ Passo 4: χ obs 48 9, 5 Passo 5: omo o valor observado pertece à R, rejeita-se H, ou seja, há evidêcias de que a variâcia seja maior que a auciada pelo fabricate Problema 4 ap Pág8

19 Teste para a variâcia Passo : H : 5 versus H : 5 Passo : ( ~ χ (7 Passo 3: α (rejeitar H H é verdadeir a P( χ χ 5% P χ, 67 { χ :,67} R χ 7 Passo 4: χ obs,35, Passo 5: omo o valor observado pertece à R, há evidêcias de que a variâcia teha dimiuído Teste para a média Passo : H : µ 4 versus H : µ 4 4 Passo : ob H, ~ t(7 / 8 Passo 3:, 5 α, α P( T7 t c 5% t, 365 R { t : t,365} 4,6 4 Passo 4: t o, 369,6 / 8 c Passo 5: omo t o ão pertece à R, ão rejeitamos H Ou seja, ão há evidêcias de que o redimeto médio seja diferete de 4% Problema 4 (a ~Biomial(;p H : p, 6 α ˆ P( 3 ~ Biomial (;,6, 55 (b α ˆ P( 3 ~ Biomial (;,6, Problema 4 α ˆ P( 6 ~ Biomial (;,6,66 Problema 43 Exemplo 7 ap Pág9

20 ap Pág,4,476 ( (3;9 ~ 3 (34 3 ( (3;9 ~ 34 ( ˆ + + Z P Z P Z P P P α Problema 4,5 (;,6 ~ 6 ( (;,6 ~ 6 (6 6 ( (;,6 ~ 6 ( ˆ + + Biomial P Biomial P Biomial P α

Capítulo 12 SELECIONADOS PARA ESTUDO PROVA 15/09: Problema 01. (a) (b)

Capítulo 12 SELECIONADOS PARA ESTUDO PROVA 15/09: Problema 01. (a) (b) apítulo ELEIOADO PARA ETUDO PROVA 5/9: -3 5-9 -3 6-7 -8 35-38 Problema (a P(Erro I P(dizer que são de B a 76 75 P Z P( Z 5,87% P(Erro II P(dizer que são de A a 76 77 P Z P( Z 5,87% (b P(Erro I 5% P ( ~

Leia mais

Hipótese Estatística. Tipos de Hipóteses

Hipótese Estatística. Tipos de Hipóteses Hipótese Estatística Hipótese, em estatística, é uma suposição formulada a respeito dos parâmetros de uma distribuição de probabilidade de uma ou mais populações. Podemos formular a hipótese que a produtividade

Leia mais

Objetivos. Testes não-paramétricos

Objetivos. Testes não-paramétricos Objetivos Prof. Lorí Viali, Dr. http://www. ufrgs.br/~viali/ viali@mat.ufrgs.br Testar o valor hipotético de um parâmetro (testes paramétricos) ou de relacioametos ou modelos (testes ão paramétricos).

Leia mais

Intervalos Estatísticos para uma única Amostra - parte II

Intervalos Estatísticos para uma única Amostra - parte II Itervalos Estatísticos para uma úica Amostra - parte II Itervalo de cofiaça para proporção 2012/02 1 Itrodução 2 3 Objetivos Ao fial deste capítulo você deve ser capaz de: Costruir itervalos de cofiaça

Leia mais

Estatística e Probabilidade, D3, 2019_1. Escolha a alternativa correta e indique no gabarito de respostas

Estatística 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 mais

Comparação entre duas populações

Comparação entre duas populações Comparação etre duas populações AMOSTRAS INDEPENDENTES Comparação etre duas médias 3 Itrodução Em aplicações práticas é comum que o iteresse seja comparar as médias de duas diferetes populações (ambas

Leia mais

Contabilometria. Prof.: Patricia Maria Bortolon, D. Sc.

Contabilometria. 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

Cap. 4 - Estimação por Intervalo

Cap. 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 mais

MAE Introdução à Probabilidade e Estatística II Resolução Lista 1

MAE Introdução à Probabilidade e Estatística II Resolução Lista 1 MAE 229 - Itrodução à Probabilidade e Estatística II Resolução Lista 1 Professor: Pedro Moretti Exercício 1 (a) Fazer histograma usado os seguites dados: Distribuição de probabilidade da variável X: X

Leia mais

7. INTERVALOS DE CONFIANÇA

7. INTERVALOS DE CONFIANÇA 7 INTRVALOS D CONFIANÇA 00 stimação por itervalos,, é uma amostra aleatória de uma variável cuja distribuição depede do parâmetro θ Se L(,, ) e U(,, ) são duas fuções tais que L < U e P(L θ U), o itervalo

Leia mais

Objetivos. Os testes de hipóteses ser: Paramétricos e Não Paramétricos. Testes não-paramétricos. Testes paramétricos

Objetivos. Os testes de hipóteses ser: Paramétricos e Não Paramétricos. Testes não-paramétricos. Testes paramétricos Objetivos Prof. Lorí Viali, Dr. http://www.pucrs.br/famat/viali/ viali@pucrs.br Testar o valor hipotético de um parâmetro (testes paramétricos) ou de relacioametos ou modelos (testes ão paramétricos).

Leia mais

MAE Introdução à Probabilidade e Estatística II Resolução Lista 3

MAE Introdução à Probabilidade e Estatística II Resolução Lista 3 MAE 229 - Itrodução à robabilidade e Estatística II Resolução Lista rofessor: edro Moretti Exercício 1 a A hipótese ula H 0 é de que a média de vedas µ permaece ialterada, equato que a hipótese alterativa

Leia mais

Faculdade de Economia Universidade Nova de Lisboa ESTATÍSTICA. Exame Final 2ª Época 26 de Junho de Grupo I (3 valores)

Faculdade de Economia Universidade Nova de Lisboa ESTATÍSTICA. Exame Final 2ª Época 26 de Junho de Grupo I (3 valores) Faculdade de Ecoomia Uiversidade Nova de Lisboa ESTATÍSTIA Exame Fial ª Época 6 de Juho de 00 Ateção:. Respoda a cada grupo em folhas separadas. Idetifique todas as folhas.. Todas as respostas devem ser

Leia mais

INTERVALOS DE CONFIANÇA

INTERVALOS DE CONFIANÇA INTRVALOS D CONFIANÇA 014 stimação por itervalos 1,..., é uma amostra aleatória de uma variável cuja distribuição depede do parâmetro. Se L( 1,..., ) e U( 1,..., ) são duas fuções tais que L < U e P(L

Leia mais

1 Estimação de Parâmetros

1 Estimação de Parâmetros 1 Estimação de arâmetros Vários tipos de estudos tem o objetivo de obter coclusões fazer iferêcias a respeito de parâmetros de uma população. A impossibilidade de avaliar toda a população faz com que a

Leia mais

Lista IC, tamanho de amostra e TH

Lista IC, tamanho de amostra e TH Lista IC, tamaho de amostra e TH 1. Cosidere a amostra abaixo e costrua um itervalo de cofiaça para a média populacioal. Cosidere um ível de cofiaça de 99%. 17 3 19 3 3 1 18 0 13 17 16 Como ão temos o

Leia mais

Testes de Hipóteses sobre uma Proporção Populacional

Testes de Hipóteses sobre uma Proporção Populacional Estatística II Atoio Roque Aula Testes de Hipóteses sobre uma Proporção Populacioal Seja o seguite problema: Estamos iteressados em saber que proporção de motoristas da população usa cito de seguraça regularmete.

Leia mais

Estatística: Aplicação ao Sensoriamento Remoto SER ANO Teste de Hipótese

Estatística: 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 mais

Estimação de Parâmetros. 1. Introdução

Estimação de Parâmetros. 1. Introdução Estimação de Parâmetros. Itrodução O objetivo da Estatística é a realização de iferêcia acerca de uma população, baseadas as iformações amostrais. Como as populações são caracterizados por medidas uméricas

Leia mais

A Inferência Estatística é um conjunto de técnicas que objetiva estudar a população através de evidências fornecidas por uma amostra.

A Inferência Estatística é um conjunto de técnicas que objetiva estudar a população através de evidências fornecidas por uma amostra. UNIVERSIDADE FEDERAL DA PARAÍBA Distribuição Amostral Luiz Medeiros de Araujo Lima Filho Departameto de Estatística INTRODUÇÃO A Iferêcia Estatística é um cojuto de técicas que objetiva estudar a população

Leia mais

Estimação da média populacional

Estimação 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 mais

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

MOQ-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 mais

Avaliação de Desempenho de Sistemas Discretos

Avaliação 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 mais

INFERÊNCIA. Fazer inferência (ou inferir) = tirar conclusões

INFERÊNCIA. 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 mais

Teoria da Estimação 1

Teoria da Estimação 1 Teoria da Estimação 1 Um dos pricipais objetivos da estatística iferecial cosiste em estimar os valores de parâmetros populacioais descohecidos (estimação de parâmetros) utilizado dados amostrais. Etão,

Leia mais

Nosso objetivo agora é estudar a média de uma variável quantitativa X. Denotamos a média desconhecida como E(X)=µ

Nosso objetivo agora é estudar a média de uma variável quantitativa X. Denotamos a média desconhecida como E(X)=µ TESTE DE HIPÓTESES PARA A MÉDIA POPULACIONAL µ Nosso objetivo agora é estudar a média de uma variável quatitativa X. Deotamos a média descohecida como E(X)µ Mais precisamete, estimamos a média µ, costruímos

Leia mais

A finalidade de uma equação de regressão seria estimar valores de uma variável, com base em valores conhecidos da outra.

A 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 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

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

Lista de Exercícios #4 Assunto: Variáveis Aleatórias Contínuas

Lista 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 mais

Teste de Hipóteses Paramétricos

Teste de Hipóteses Paramétricos Teste de Hipóteses Paramétricos Como costruir testes de hipóteses para difereças etre duas médias. Como costruir testes de hipóteses para difereças etre duas proporções. Como costruir testes de hipóteses

Leia mais

Virgílio A. F. Almeida DCC-UFMG 1/2005

Virgílio 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 mais

e, respectivamente. Os valores tabelados para a distribuição t-student dependem do número de graus de liberdade ( n 1 e

e, respectivamente. Os valores tabelados para a distribuição t-student dependem do número de graus de liberdade ( n 1 e Prof. Jaete Pereira Amador 1 1 Itrodução Um fator de grade importâcia a pesquisa é saber calcular corretamete o tamaho da amostra que será trabalhada. Devemos ter em mete que as estatísticas calculadas

Leia mais

ESTATÍSTICA NÃO-PARAMÉTRICA

ESTATÍSTICA NÃO-PARAMÉTRICA ESTATÍSTICA NÃO-PARAMÉTRICA Prof. Dr. Edmilso Rodrigues Pito Faculdade de Matemática - UFU edmilso@famat.ufu.br 1 Programa Itrodução - Plao de curso, sistema de avaliação - Coceitos básicos de iferêcia

Leia mais

Mestrado Integrado em Engenharia Civil. Disciplina: TRANSPORTES. Sessão Prática 4: Amostragem

Mestrado 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 mais

CAPÍTULO 6 - ESTIMAÇÃO E TESTES DE HIPÓTESES

CAPÍTULO 6 - ESTIMAÇÃO E TESTES DE HIPÓTESES CAPÍTULO 6 - ESTIMAÇÃO E TESTES DE HIPÓTESES 6. INTRODUÇÃO INFERÊNCIA ESTATÍSTICA Estimação por poto por itervalo Testes de Hipóteses População X θ =? Amostra θ Iferêcia Estatística X, X,..., X 6. ESTIMAÇÃO

Leia mais

MAE0229 Introdução à Probabilidade e à Estatística II

MAE0229 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 mais

Instruções gerais sobre a Prova:

Instruções gerais sobre a Prova: DEPARTAMENTO DE ESTATÍSTICA - UFMG PROVA DE ESTATÍSTICA & PROBABILIDADES SELEÇÃO MESTRADO/UFMG 2012/2013 Istruções gerais sobre a Prova: (a) Cada questão respodida corretamete vale 1 (um) poto. (b) Cada

Leia mais

PROVA DE ESTATÍSTICA SELEÇÃO MESTRADO/UFMG 2005

PROVA DE ESTATÍSTICA SELEÇÃO MESTRADO/UFMG 2005 PROVA DE ESTATÍSTICA SELEÇÃO MESTRADO/UFMG 005 Istruções para a prova: a) Cada questão respodida corretamete vale um poto. b) Questões deixadas em braco valem zero potos (este caso marque todas alterativas).

Leia mais

Professora Ana Hermínia Andrade. Período

Professora Ana Hermínia Andrade. Período Teste de Hipóteses Professora Ana Hermínia Andrade Universidade Federal do Amazonas Faculdade de Estudos Sociais Departamento de Economia e Análise Período 2016.1 Teste de Hipóteses O Teste de Hipóteses

Leia mais

ESTIMAÇÃO DE PARÂMETROS

ESTIMAÇÃO DE PARÂMETROS ESTIMAÇÃO DE PARÂMETROS 1 Estimação de Parâmetros uiverso do estudo (população) dados observados O raciocíio idutivo da estimação de parâmetros Estimação de Parâmetros POPULAÇÃO p =? AMOSTRA Observações:

Leia mais

Estimação da média populacional

Estimação 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 mais

Ap A r p e r n e d n i d z i a z ge g m e m Es E t s a t tí t s í t s i t c i a c de d e Dado d s Francisco Carvalho

Ap A r p e r n e d n i d z i a z ge g m e m Es E t s a t tí t s í t s i t c i a c de d e Dado d s Francisco Carvalho Apredizagem Estatística de Dados Fracisco Carvalho Avaliação e Comparação de Classificadores Existem poucos estudos aalíticos sobre o comportameto de algoritmos de apredizagem. A aálise de classificadores

Leia mais

Distribuições Amostrais

Distribuições 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 mais

Intervalos de Confiança

Intervalos 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 mais

binomial seria quase simétrica. Nestas condições será também melhor a aproximação pela distribuição normal.

binomial 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 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

EPR 007 Controle Estatístico de Qualidade

EPR 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 mais

TRANSPORTES. Sessão Prática 4 Amostragem de escalares

TRANSPORTES. 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 mais

Testes de Comparação Múltipla

Testes de Comparação Múltipla Testes de Comparação Múltipla Quado a aplicação da aálise de variâcia coduz à reeição da hipótese ula, temos evidêcia de que existem difereças etre as médias populacioais. Mas, etre que médias se registam

Leia mais

Capítulo 5- Introdução à Inferência estatística.

Capítulo 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 mais

Estimadores de Momentos

Estimadores 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 mais

Distribuições Amostrais

Distribuições 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 mais

n C) O EMV é igual a i 1

n 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 mais

Introdução. Exemplos. Comparar três lojas quanto ao volume médio de vendas. ...

Introdução. Exemplos. Comparar três lojas quanto ao volume médio de vendas. ... Itrodução 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 para

Leia mais

1 Distribuições Amostrais

1 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 mais

6. Testes de Hipóteses Conceitos Gerais

6. Testes de Hipóteses Conceitos Gerais 6. Testes de Hipóteses Coceitos Gerais Este capitulo itrodutório, pretede apresetar todas as defiições e todo o vocabulário utilizado em testes de hipóteses. Em um primeiro mometo, talvez você fique um

Leia mais

Como a dimensão da amostra é , o número de inquiridos correspondente é

Como a dimensão da amostra é , o número de inquiridos correspondente é 41. p ˆ 0, 5 e z 1, 960 Se a amplitude é 0,, etão a margem de erro é 0,1. 0,5 0,48 1,960 0,1 0,496 96 0,0510 0,496 0,0510 0,496 0,0510 Tema 5 71) 1.1 4 11 6% Como a dimesão da amostra é 15 800, o úmero

Leia mais

Teste de hipóteses para proporção populacional p

Teste de hipóteses para proporção populacional p Teste de hipóteses para proporção populacional p 1 Métodos Estatísticos Métodos Estatísticos Estatística Descritiva Inferência Estatística Estimação Teste de Hipóteses 2 TESTE DE HIPÓTESES Eu acredito

Leia mais

Distribuições de Estatísticas Amostrais e Teorema Central do Limite

Distribuições 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 mais

Inferência Estatística

Inferência Estatística Iferêcia Estatística opulação Amostra Itroduç Itrodução à Iferêcia Estatística Como tirar coclusões tomar decisões a partir de iformação parcial / icompleta (amostra) projectado /geeralizado resultados

Leia mais

Exame MACS- Inferência-Intervalos.

Exame MACS- Inferência-Intervalos. Exame MACS- Iferêcia-Itervalos. No iício deste capítulo, surgem algumas ideias que devemos ter presetes: O objectivo da iferêcia estatística é usar uma amostra e tirar coclusões para toda a população.

Leia mais

Estatística II Licenciatura em Gestão TESTE I

Estatística II Licenciatura em Gestão TESTE I Estatística II Liceciatura em Gestão 1 o semestre 2015/2016 14/01/2016 09:00 Nome N o Espaço reservado a classificações A utilização do telemóvel, em qualquer circustâcia, é motivo suficiete para a aulação

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

6.1 Estimativa de uma média populacional: grandes amostras. Definição: Um estimador é uma característica amostral (como a média amostral

6.1 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 mais

Teorema do limite central e es/mação da proporção populacional p

Teorema 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 mais

Capítulo 5- Introdução à Inferência estatística. (Versão: para o manual a partir de 2016/17)

Capítulo 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 mais

DETERMINANDO A SIGNIFICÂNCIA ESTATÍSTICA PARA AS DIFERENÇAS ENTRE MÉDIAS

DETERMINANDO A SIGNIFICÂNCIA ESTATÍSTICA PARA AS DIFERENÇAS ENTRE MÉDIAS DTRMINANDO A SIGNIFIÂNIA STATÍSTIA PARA AS DIFRNÇAS NTR MÉDIAS Ferado Lag da Silveira Istituto de Física - UFRGS lag@if.ufrgs.br O objetivo desse texto é apresetar através de exemplos uméricos como se

Leia mais

UNIVERSIDADE FEDERAL DO PARANÁ SETOR DE CIÊNCIAS EXATAS DEPTO. DE ESTATÍSTICA LISTA 4 PROBABILIDADE A (CE068) Prof. Benito Olivares Aguilera

UNIVERSIDADE FEDERAL DO PARANÁ SETOR DE CIÊNCIAS EXATAS DEPTO. DE ESTATÍSTICA LISTA 4 PROBABILIDADE A (CE068) Prof. Benito Olivares Aguilera UNIVERSIDADE FEDERAL DO PARANÁ SETOR DE CIÊNCIAS EATAS DEPTO. DE ESTATÍSTICA LISTA 4 PROBABILIDADE A (CE068) Prof. Beito Olivares Aguilera 2 o Sem./09 1. Das variáveis abaixo descritas, assiale quais são

Leia mais

Probabilidades e Estatística

Probabilidades 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 mais

Pedro Alberto Barbetta / Marcelo Menezes Reis / Antonio Cezar Bornia São Paulo: Atlas, 2004

Pedro 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 mais

Probabilidades e Estatística LEE, LEIC-A, LEIC-T, LEMat, LERC, MEBiol, MEBiom, MEEC, MEFT, MEMec, MEQ

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 mais

ENGENHARIA DA QUALIDADE A ENG AULA 6 CARTAS DE CONTROLE PARA ATRIBUTOS

ENGENHARIA DA QUALIDADE A ENG AULA 6 CARTAS DE CONTROLE PARA ATRIBUTOS ENGENHARIA DA QUALIDADE A ENG 09008 AULA 6 CARTAS DE CONTROLE PARA ATRIBUTOS PROFESSORES: CARLA SCHWENGBER TEN CATEN Tópicos desta aula Cartas de Cotrole para Variáveis Tipo 1: Tipo 2: Tipo 3: X X X ~

Leia mais

Exercícios de Intervalos de Confiança para media, variância e proporção

Exercícios de Intervalos de Confiança para media, variância e proporção Exercícios de Itervalos de Cofiaça para media, variâcia e proporção 1. Se uma amostra aleatória =5, tem uma média amostral de 51,3 e uma desvio padrão populacioal de σ=. Costrua o itervalo com 95% de cofiaça

Leia mais

Objetivo. Estimar a média µ de uma variável aleatória X, que representa uma característica de interesse de uma população, a partir de uma amostra.

Objetivo. 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 mais

Testes de Hipóteses. Júlio Osório. Os dois campos da Análise Estatística. Métodos Estatísticos. Inferência Estatística. Estatística Descritiva

Testes de Hipóteses. Júlio Osório. Os dois campos da Análise Estatística. Métodos Estatísticos. Inferência Estatística. Estatística Descritiva Testes de Hipóteses Júlio Osório Os dois campos da Aálise Estatística Métodos Estatísticos Estatística Descritiva Iferêcia Estatística Estimativa Testes de Hipóteses 1 Exemplo Ilustrativo Mediram-se os

Leia mais

TESTE DE HIPÓTESE. Introdução

TESTE DE HIPÓTESE. Introdução TESTE DE HIPÓTESE Introdução O teste de hipótese estatística objetiva decidir se uma afirmação sobre uma população, usualmente um parâmetro desta, é, ou não, apoiada pela evidência obtida dos dados amostrais.

Leia mais

Teorema do Limite Central, distribuição amostral, estimação por ponto e intervalo de confiança

Teorema 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 mais

Probabilidades e Estatística LEAN, LEE, LEGI, LERC, LMAC, MEAer, MEAmbi, MEBiol, MEBiom, MEEC, MEFT, MEMat, MEQ

Probabilidades 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 mais

Lista 9 - Introdução à Probabilidade e Estatística

Lista 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 mais

Teorema do Limite Central, distribuição amostral, estimação por ponto e intervalo de confiança

Teorema 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 mais

TESTES DE HIPÓTESES. HIPÓTESES: São suposições que fazemos para testar a fixação de decisões, que poderão ser verdadeiras ou não.

TESTES DE HIPÓTESES. HIPÓTESES: São suposições que fazemos para testar a fixação de decisões, que poderão ser verdadeiras ou não. TESTES DE HIPÓTESES HIPÓTESES: São suposições que fazemos para testar a fixação de decisões, que poderão ser verdadeiras ou não. HIPÓTESES ESTATÍSTICA: Hipótese Nula (H 0 ): a ser validada pelo teste.

Leia mais

Estatística: Aplicação ao Sensoriamento Remoto SER ANO Teoria da amostragem

Estatística: Aplicação ao Sensoriamento Remoto SER ANO Teoria da amostragem Estatística: Aplicação ao Sesoriameto Remoto SER 04 - ANO 017 Teoria da amostragem Camilo Daleles Reó camilo@dpi.ipe.br http://www.dpi.ipe.br/~camilo/estatistica/ Algumas Cosiderações... É importate ter

Leia mais

Disciplina: TRANSPORTES. Sessão Prática 4 (Tipo A): Amostragem

Disciplina: TRANSPORTES. Sessão Prática 4 (Tipo A): Amostragem Mestrado Itegrado em Egeharia Civil Disciplia: TRANSPORTES Prof. Resposável: José Mauel Viegas Sessão Prática 4 (Tipo A): Amostragem 008 / 009 Istituto Superior Técico / Mestrado Itegrado Egª Civil Trasportes

Leia mais

Exame final de Estatística 1ª Época - 3 de Junho de Duração: 2h30m. Note bem:

Exame final de Estatística 1ª Época - 3 de Junho de Duração: 2h30m. Note bem: xame fial de statística ª Época 3 de Juho de 4 Faculdade de coomia José Atóio iheiro Uiversidade Nova de Lisboa aria Helea Almeida Duração: h3m Note bem:. Resolva grupos diferetes em folhas diferetes.

Leia mais

Estimar uma proporção p (desconhecida) de elementos em uma população, apresentando certa característica de interesse, a partir da informação

Estimar uma proporção p (desconhecida) de elementos em uma população, apresentando certa característica de interesse, a partir da informação ESTIMAÇÃO DA PROPORÇÃO POPULACIONAL p 1 Objetivo Estimar uma proporção p (descohecida) de elemetos em uma população, apresetado certa característica de iteresse, a partir da iformação forecida por uma

Leia mais

Propriedades: Notação: X ~ U(α, β). PRINCIPAIS MODELOS CONTÍNUOS

Propriedades: 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 mais

ESTIMAÇÃO DA PROPORÇÃO POPULACIONAL p

ESTIMAÇÃO DA PROPORÇÃO POPULACIONAL p ESTIMAÇÃO DA PROPORÇÃO POPULACIONAL p Objetivo Estimar uma proporção p (descohecida) de elemetos em uma população, apresetado certa característica de iteresse, a partir da iformação forecida por uma amostra.

Leia mais

Probabilidades e Estatística TODOS OS CURSOS

Probabilidades 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 mais

ESTIMAÇÃO DE PARÂMETROS

ESTIMAÇÃO DE PARÂMETROS ESTIMAÇÃO DE PARÂMETROS 1 Estimação de Parâmetros uiverso do estudo (população) dados observados O raciocíio idutivo da estimação de parâmetros Estimação de Parâmetros População p Amostra X S pˆ (parâmetros:

Leia mais

Unidade IX Estimação

Unidade IX Estimação Uidade IX Estimação 6/09/07 Itervalos de cofiaça ii. Para a difereça etre médias de duas populações (μ μ ) caso : Variâcias cohecidas Pressupostos: 6/09/07 x - x x - x ; N é - x x ) ( x x x x E ) ( x x

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

ESTIMAÇÃO POR INTERVALO (INTERVALOS DE CONFIANÇA)

ESTIMAÇÃO POR INTERVALO (INTERVALOS DE CONFIANÇA) 06 ETIMÇÃO OR INTERVLO (INTERVLO DE CONINÇ) Cada um dos métodos de estimação potual permite associar a cada parâmetro populacioal um estimador. Ora a cada estimador estão associadas tatas estimativas diferetes

Leia mais

d) A partir do item c) encontre um estimador não viciado para σ 2.

d) 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 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

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

Objetivo. Estimar a média de uma variável aleatória X, que representa uma característica de interesse de uma população, a partir de uma amostra.

Objetivo. Estimar a média de uma variável aleatória X, que representa uma característica de interesse de uma população, a partir de uma amostra. Objetivo Estimar a média de uma variável aleatória X, que represeta uma característica de iteresse de uma população, a partir de uma amostra. Exemplos: : peso médio de homes a faixa etária de 20 a 30 aos,

Leia mais

MAE 116 Estimação para a média FEA - 2º Semestre de 2018

MAE 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 mais

1. Dados: Deve compreender-se a natureza dos dados que formam a base dos procedimentos

1. Dados: Deve compreender-se a natureza dos dados que formam a base dos procedimentos 9. Testes de Hipóteses 9.. Itrodução Uma hipótese pode defiir-se simplesmete como uma afirmação acerca de uma mais populações. Em geral, a hipótese se refere aos parâmetros da população sobre os quais

Leia mais

Uma amostra aleatória simples de n elementos é selecionada a partir da população. Calcula-se o valor da média a partir da amostra

Uma 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 mais