Introdução à Inferência Estatística
|
|
- Joana Castelhano Escobar
- 8 Há anos
- Visualizações:
Transcrição
1 Introdução à Inferência Estatística 1. População: conjunto de indivíduos, ou itens, com pelo menos uma característica em comum. Também será denotada por população objetivo, que é sobre a qual desejamos obter informações e/ou fazer inferências. Pode, ainda, ser chamada de Universo. Será denotada por: U u,u,u, u unidades elementares, i = 1,,..., N. i 1 3,u N N = n o de elementos, ou tamanho, da população. Exemplos: a) Residentes da cidade de São Carlos; b) Lote de peças produzido numa linha de produção de uma indústria; c) Eleitores do município de São Paulo, aptos a votar na eleição; d) Indivíduos do sexo masculino que sofrem de diabetes; etc, etc, etc Amostra: subconjunto, necessariamente finito, de uma população. é selecionada de forma que todos os elementos da população tenham a mesma chance de serem escolhidos Planejamentos Amostrais: são esquemas para coletas de dados numa pesquisa amostral. Existem vários tipos de planejamentos dos quais destacaremos: Amostra Aleatória Simples AAS Amostra Aleatória Estratificada AAE Amostra Aleatória por Conglomerados AAC
2 1.. Estudo Experimental: experimento no qual um tratamento é deliberadamente aplicado aos indivíduos (ou itens) a fim de observar a sua resposta. Exemplos: a) ensaios para se verificar a dureza de materiais; b) estudos caso-controle em epidemiologia; c) pesos de cobaias submetidas à diferentes dietas; Requer um Planejamento Experimental. No estudo experimental é muito importante determinar o número de elementos necessários, ou seja, o tamanho da amostra; É importante, também, planejar adequadamente a amostra de maneira a não interferir nos resultados.. Levantamentos de dados: a seguir, serão apresentadas algumas situações envolvendo levantamentos de dados..1. Uma amostra: sortear ao acaso n elementos de uma população para participar da amostra. Exemplos: a) dentre os eleitores de um município, sortear uma amostra para participar de uma pesquisa de intenção de votos; b) produzir uma amostra de peças de espuma, segundo uma específica formulação, para serem colocadas num teste de resistência à tração. Normalmente compara-se a amostra com um padrão já conhecido; Espera-se que a população seja homogênea (pouca variabilidade).
3 1 1 3 N n População Amostra.. Duas Amostras: amostras são retiradas de uma ou duas populações. quando dispomos de duas amostras, geralmente queremos realizar uma comparação entre as mesmas...1. Amostras independentes: nenhum elemento da primeira amostra interfere nos da segunda. a) dois tratamentos: tomar n elementos de uma única população e dividílos em dois grupos, de preferência de mesmo tamanho. (ou sortear, independentemente, duas amostras de uma mesma população) n 1 n 1 + n = n 1 N n População Amostras
4 b) Duas populações: sortear n 1 elementos da primeira população e n da segunda e aplicar o mesmo tratamento em ambas n 1 N 1 n 1 + n = n n N Populações Amostras... Amostras pareadas ou emparelhadas (dependentes): uma amostra observada em dois instantes diferentes: (antes/depois), (tempo 1, tempo ). 1 1 Fazer as diferenças: t d i = y i y i1 n n t 1 t Amostras
5 ..3. k amostras: quando se tem k 3 amostras para comparar. a) k grupos independentes: classificar, ao acaso, n elementos em k grupos tal que n = n 1 + n n k. O ideal é que todos os grupos sejam de mesmo tamanho: n 1 = n =... = n k A 1 : 1,,..., n 1 A : 1,,..., n k grupos independentes A k : 1,,..., n k A variável A é chamada de fator e os grupos A 1, A,..., A k são os tratamentos ou níveis do fator A. b) Medidas Repetidas: o mesmo grupo, de tamanho n, é observado em k instantes diferentes n n n n t 1 t t 3 t k
6 c) k grupos independentes com duas classificações: classificação de vários grupos quando se tem dois critérios (ou fatores) para a divisão dos mesmos. Considere, por exemplo, um fator com três níveis (A 1, A, A 3 ) e um segundo fator com dois níveis (B 1, B ), terem-se k = 3 = 6 grupos para serem comparados. A 1 B 1 A 1 B 1 B A 1 B A B 1 A B 1 B A B 6 grupos A 3 B 1 A 3 B 1 B A 3 B RESUMO 1 amostra 1 população amostras k amostras ( k 3 ) Independentes Dependentes Independentes Dependentes tratamentos (1 pop) 1 tratamento ( pop) dados pareados 1 fator fatores medidas repetidas
7 3. Conceitos em Inferência 3.1. Parâmetro Populacional Geralmente denotado por, é uma característica populacional de interesse que pode ser expressa através de uma quantidade numérica. É desconhecido e fixo. Exemplos: n o de desempregados, salário médio de uma categoria ou população, opinião a respeito de uma dada atitude, casos de dengue, tempo gasto com filhotes, tamanho da população tempo de vida n o de votos para um determinado candidato, produção agrícola, etc Espaço Paramétrico Denotado por, é o conjunto dos possíveis valores de. Exemplos: = { < < }; = { 0 < < }; = { 0 1 }; = { ( 1, ) < 1 < e 0 < < }.
8 3.3. Amostra aleatória: representada pelas iniciais aa, é formada pela observação de n variáveis aleatórias X 1, X,..., X n, independentes e identicamente distribuídas, iid. 1, X, X n F (x) X, iid 3.4. Variável aleatória: uma variável aleatória ou va, é uma característica desconhecida, que pode variar de um indivíduo para outro da população e que, ao ser observada ou mensurada, deve gerar uma única resposta. Tipos de variáveis: a) Variáveis qualitativas: variáveis cujos possíveis resultados são atributos ou qualidades. São NÃO NUMÉRICAS. Podem ser classificadas em: ORDINAIS, quando obedecem a uma ordem natural ou NOMINAIS, quando não seguem nenhuma ordem. b) Variáveis quantitativas: variáveis cujos possíveis resultados são valores NUMÉRICOS, resultantes de mensuração ou contagem. Podem ser classificadas em: DISCRETAS, quando assumem valores num espaço finito ou infinito enumerável ou CONTÍNUAS, quando assumem valores num conjunto não enuméral (conjunto dos números reais).
9 3.5. Estatística: é uma medida numérica, S(X), que descreve uma característica da amostra e que não depende de parâmetros desconhecidos. A estatística é uma função da amostra: S(X) = f (X 1, X,..., X n ) toda estatística S(X) é uma va Exemplos: n X i i X 1 média amostral, n s n i1 X i X n 1 variância amostral, X (1) = mínimo 1ª estatística de ordem, X (n) = máximo n-ésima estatística de ordem. PARÂMETROS E ESTATÍSTICAS ESTATÍSTICA PARÂMETRO Nome Amostra População Média X Variância s Correlação r X,Y X,Y Proporção pˆ p 3.6. Estimador: é uma quantidade, obtida a partir de uma amostra, que estima o valor de um parâmetro populacional. Será denotado por T(X).
10 { T(X) } { S(X) }, ou seja, todo estimador é uma função da amostra e, portanto, é uma estatística, porém, nem toda estatística é um estimador. todo estimador T(X) é uma va Notação: Como T(X) estima o parâmetro, uma notação simplificada para o estimador é dada por: T (X) ˆ Estimativa: estimativa é o valor de T(X) obtido de uma aa A Inferência Estatística: A Inferência Estatística busca obter informações de parâmetros populacionais por intermédio das características de uma amostra e de suas distribuições de probabilidade. Amostra aleatória = parâmetro ˆ = estimador Intervalos de Confiança Testes de Hipótese
11 ESQUEMATICAMENTE Questões que surgem: Quantos estimadores existem para um parâmetro populacional? Quais as qualidades que se deseja de um estimador? Como escolher o melhor estimador? Resposta: Teoria da Otimalidade.
12 3.8. O Estimador Ótimo A teoria da Otimalidade estuda as propriedades dos estimadores e define critérios para a escolha do estimador ótimo. Segundo essa teoria um estimador é ótimo basicamente se for: não viesado e de mínima variância Estimador não viesado (não viciado): o viés, do inglês bias, é definido pela diferença entre o valor esperado do estimador e o parâmetro o qual este está estimando. Seja ˆ, estimador de, então o viés de ˆ é definido por: B(ˆ ) = E(ˆ ) em que é o espaço paramétrico. Se E(ˆ ) =, ˆ é dito não viesado (ou não viciado) e B(ˆ ) = Precisão: uma propriedade importante para um estimador é que seja preciso, em outras palavras, que tenha baixa variabilidade ˆ deve ser escolhido tal que sua variância seja a menor possível ˆ Var (ˆ ) seja mínima
13 Consistência: além de ser não viesado e de variância mínima deseja-se que o estimador ˆ seja consistente. Um estimador ˆ é dito ser consistente para se lim E(ˆ) n e lim Var (ˆ) 0 n Conforme aumenta o tamanho da amostra, mais ˆ se aproxima de O Erro Quadrático Médio (EQM): o erro quadrático médio de um estimador ˆ é definido por Prova-se facilmente que EQM(ˆ )= E[(ˆ ) ] EQM(ˆ ) = Var(ˆ ) + [B()] Logo, se o estimador ˆ é não viesado, então, seu EQM é mínimo e EQM(ˆ ) = Var(ˆ ) Assim, a teoria da otimalidade procura, dentre os estimadores não viesados, aquele de menor variância.
14
15 Exemplo: estimadores para a média populacional -. 1) Estimar a média das alturas dos alunos da turma B de Estatística. Quais os estimadores possíveis? Vamos propor 4 estimadores: a) a média amostral: ˆ A X X n i b) o ponto médio entre os valores máximo e o mínimo da amostra: X( n ) X(1) ˆ B ~ c) a mediana da amostra: ˆ X d) a 5ª observação: ˆ D X5 C
16 4. Estimadores para a média A maioria das aplicações em estatística envolvem a estimação da média populacional. Quais os possíveis estimadores e qual deles é o melhor (estimador ótimo). Média aritmética ou média amostral ( X ); Média geométrica; Média harmônica; Média aparada; Média ponderada; Mediana amostral ( X ~ ); Extimadores do tipo ˆ e ˆ (ver exemplo). B D Qual desses estimadores é o melhor para estimar? a) 1º - escolher os não viesados; b) º - dentre os não viesados, encontrar o de menor variância. A teoria estatística (otimalidade) resolve esse problema e mostra qual o estimador ótimo para. Segundo essa teoria, o estimador ótimo para é a média amostral (aritmética) X.
17 Estudo das propriedades dos estimadores: média amostral, média harmônica, média geométrica e média ponderada ( X 1 /3 + *X /3 ) para amostras de tamanho n =, com reposição. População Parâmetros Populacionais Média = 4.8 Variância = 4.56 Tamanho N = 5 =.8 n Amostras Estimadores X1 X X M. Harm. M. Geom. M. Pond Médias Variâncias
18 Tabela resumo dos estimadores para a Média Populacional. Estimadores X M. Harm. M. Geom. M. Pond. Média do Estimador Vício Vício ao quadrado Variância do Estimador EQM Relação da variância de X com as demais
19 Métodos de Estimação: A teoria estatística define diversos métodos de estimação, dentre os quais destacamos: 4.1. Método da máxima verossimilhança: o estimador é dado pelo valor que maximiza a distribuição conjunta da amostra, também chamada de função de verossimilhança. n L( dados) f ( ) ˆ max[ L( )] i1 x i MV 4.. Métodos dos momentos: o estimador é obtido igualando os momentos amostrais com os momentos populacionais. Depende da distribuição de probabilidade da população O momento de ordem k de uma va é definido como k E( X ), k 1, se k = 1 E( ) k 1 X O momento amostral de ordem k de uma va é definido como m k k Xi, se k = 1 m1 X n Para estimar a média populacional, faz-se: ˆ ˆ1 m 1 ou seja, ˆ X
20 Para um parâmetro qualquer, se k k E( X ) f ( ) ˆ MM f 1 (ˆ k ). Se k = 1, f ( ) 1 e o estimador dos momentos para é ˆ MM f 1 ( X ) 4.3. Método mínimos quadrados: o estimador é aquele que minimiza uma soma de quadrados de erros entre os valores da amostra e uma função do parâmetro g (). Se queremos estimar a média, então g( ) E( X ). Nesse caso, o erro e para cada observação é calculado por e [ x g ( )], i = 1,,... n, e i i i n SQE( ) [ x i g i ( )]. i1 O estimador de mínimos quadrados é dado pelo valor de que minimiza SQE(): ˆ MQ min[ SQE( )] O estimador de mínimos quadrados é mais utilizado no ajuste de modelos de regressão linear.
21 4.4. Estimador Bayesiano: o estimador Bayesiano é obtido a partir de uma ponderação da função de verossimilhança por uma distribuição de probabilidade para. Seja uma distribuição de probabilidade (), denominada de distribuição a priori de, então ( dados) ()L( dados), ( dados) é a distribuição a posteriori de, dada a amostra. Um estimador Bayesiano muito utilizado é dado pelo valor que maximiza a posteriori, ou seja, pela moda de ( dados): ˆ Bay max[ ( dados)] 5. O Estimador para a média Mostrar que a média amostral X atende às propriedades de estimador ótimo para. 5.. A distribuição da média amostral X O Teorema do Limite Central (TLC) O estimador para a proporção p A distribuição da proporção amostral pˆ.
22 5.4. Determinação do tamanho da amostra na estimação da média 5.5. O estimador para a variância populacional A distribuição da variância amostral s. Exemplos: 1) Um elevador de capacidade 500kg serve um edifício. Se a distribuição do peso dos usuários for N(70, 100), determine: a) A probabilidade de que 7 passageiros ultrapassem esse limite. b) E 6 passageiros? ) Um produto da marca XIS é comercializado em pacotes de 1kg, sendo que a distribuição do peso dos pacotes, em gramas, é N(1000, 51.). A fiscalização inspeciona o produto por amostras de 5 pacotes e aplica uma multa se a média for menor do que 4g a menos do peso especificado. a) Qual a probabilidade de que o produto XIS seja multado? Os produtores de XIS pretendem diminuir essa probabilidade. Para isso o Estatístico da empresa deu duas sugestões: deslocar a média, aumentando o peso dos pacotes ou aplicar ações visando reduzir a variabilidade do processo de empacotamento. b) Para quanto deve ser regulada a nova média de tal forma que a probabilidade em (a) seja de no máximo 0.03? c) Caso se escolha a segunda opção, de quanto deve ser a nova variância para se obter o mesmo resultado?
23 Considere, agora, que a produtora tenha um custo adicional de 5 centavos por cada pacote com peso acima de 1008g. Qual a alteração no custo em cada um dos casos para um produção de 5 toneladas? 3) Para estimar o nível de dureza de peças de espuma injetada com boa precisão o técnico responsável decide selecionar uma amostra da produção para medição. Como os ensaios de medição são destrutivos, o número de peças para análise deve ser bem determinado para evitar gastos desnecessários. (dados históricos registram a variância do processo de produção como =.96). Inicialmente fixou-se como precisão = 0.5ud. a) Determinar o número de peças tal que a probabilidade de que a precisão seja alcançada seja de b) A gerência achou esse número muito elevado e decidiu reduzir a precisão para 0.75ud. Que o número de peças deve ser inspecionado com esse novo valor? 4) Numa pesquisa eleitoral foi realizada uma pré-amostra de tamanho 40 obtendo-se p ˆ 0. 4 de eleitores que votam no candidato do partido PX. a) Qual deve ser o tamanho da amostra para que, com probabilidade 0.95, a estimativa pˆ não se distancie de p mais do que 0.0? b) Refazer o cálculo do tamanho da amostra pelo método conservativo. 5) Seja uma população com 0 e a) Numa amostra de tamanho n = 9, qual a probabilidade de que a variância amostral seja superior a 4.3? b) Determine um limite inferior k para o qual a probabilidade de que ser menor do que k seja de s
24 Exercícios de Revisão 6) Um produto pesa em média 10g com desvio-padrão de 3g. Este é embalado em caixas de 150 unidades. A caixa vazia pesa, em média, 00g com desvio-padrão de 9g. Admitindo que as variáveis em questão tenham distribuições normais e que as 150 unidades que são colocadas em uma caixa são tomadas ao acaso, determine a probabilidade de uma caixa cheia pesar mais de 1610g. Resolução: Sejam as va s X P : peso do produto N( 10 ; 9 ) X C : peso da caixa N( 00 ; 81 ) X T : peso total da caixa cheia? Resultados: i) Se X 1 N( 1 ; 1 ) e X N( ; ), independentes, então X 1 ± X N( 1 ± ; 1 + ) ii) Se X 1, X,..., X n N( ; ), iid X 1 + X X n N(n ; n ) De (i) e (ii), temos que X T = X P1 + X P X P150 + X C e, X T N( T ; ou seja, X T N( 1700 ; 1431 ). T ), em que: T = = 1700g = = 1431g T P( X T 1610) P( Z.38)
25 7) Uma máquina automática enche latas, baseada no peso bruto das mesmas. O peso bruto tem distribuição normal com média 1.000g e desvio padrão 0g. As latas têm pesos distribuídos normalmente com média 90g e desvio padrão 10g. Qual a probabilidade de que uma lata escolhida ao acaso tenha de peso líquido: a) menor do que 830g? b) maior do que 870 g? c) entre 860 e 930g? Resolução: Sejam as va s X B : peso do produto N( 1000 ; 400 ) X L : peso da caixa N( 90 ; 100 ) X Q : peso total da caixa cheia N( Q ; De (i) temos que X Q = X B X L e, ou seja, X Q N( 910 ; 500 ). Q = = 910g Q ), Q = = 500g a) ( X 830) P( Z 3.58) P Q b) ( X 870) P( Z 1.79) P Q c) P( 860 X 930) P(.4 Z 0.89) Q P ( 860 X 930) 0.80 Q
26 8) Seja X uma única observação de uma va com distribuição Bernoulli(). Sejam ˆ 1= X e ˆ = 1/, dois estimadores para : a) verifique se os estimadores são não viesados para ; b) compare os EQM s construa um gráfico como função de. X Bernoulli( ), 0 1, tal que E (X ) e Var ( X ) (1 ) a) E ( ˆ 1 ) E( X ) ˆ 1 não é viesado para 1 E ( ˆ ) E(1/ ) ˆ é viesado para, sendo B ( ˆ ) [1/ b) ] EQM ( ˆ 1 ) Var(ˆ 1) [ B(ˆ 1)] EQM ( ˆ ) Var(1/ ) [ B(ˆ )] 0. 5 Os EQM s podem ser comparados obtendo-se os valores de tal que ˆ EQM ) EQM (ˆ ), ou seja,: 0.5 ( 1 Desta forma, se : 0 a ou b 1 ˆ 1 é melhor a b ˆ é melhor a ou b tanto faz
27 9) Sejam X 1, X,..., X n uma aa de tamanho n da distribuição uniforme no intervalo (0, ). Considere os estimadores ˆ 1 c 1 X e ˆ X 1 X c n. a) Ache c 1 e c tais que ˆ 1 e ˆ sejam não viesados para ; b) encontre os EQM s dos dois estimadores X U( 0, ), a) E (X ) e ˆ E ( 1) E( c1 X ) c1 para c 1, ˆ 1 não é viesado para Var ( X ) 1 ˆ X1 X n E( X1) E( X E ) Ec c para c, ˆ não é viesado para ( c ) Logo, ˆ1 X e ˆ X1 X não são viesados para. b) EQM ( ˆ) Var(ˆ) [ B(ˆ)] EQM (ˆ EQM (ˆ 1 1 ) Var(ˆ ) 3n 1 ) Var(X ) ( / n) 4 1 X1 X n EQM (ˆ ) 4Var EQM (ˆ ) 6 Var( X 1 ) Var( X ) 1
Cláudio Tadeu Cristino 1. Julho, 2014
Inferência Estatística Estimação Cláudio Tadeu Cristino 1 1 Universidade Federal de Pernambuco, Recife, Brasil Mestrado em Nutrição, Atividade Física e Plasticidade Fenotípica Julho, 2014 C.T.Cristino
Leia maisO que é a estatística?
Elementos de Estatística Prof. Dr. Clécio da Silva Ferreira Departamento de Estatística - UFJF O que é a estatística? Para muitos, a estatística não passa de conjuntos de tabelas de dados numéricos. Os
Leia maisPÓS GRADUAÇÃO EM CIÊNCIAS DE FLORESTAS TROPICAIS-PG-CFT INSTITUTO NACIONAL DE PESQUISAS DA AMAZÔNIA-INPA. 09/abril de 2014
PÓS GRADUAÇÃO EM CIÊNCIAS DE FLORESTAS TROPICAIS-PG-CFT INSTITUTO NACIONAL DE PESQUISAS DA AMAZÔNIA-INPA 09/abril de 2014 Considerações Estatísticas para Planejamento e Publicação 1 Circularidade do Método
Leia maisUNIVERSIDADE DE SÃO PAULO. Faculdade de Arquitetura e Urbanismo
UNIVERSIDADE DE SÃO PAULO Faculdade de Arquitetura e Urbanismo DISTRIBUIÇÃO AMOSTRAL ESTIMAÇÃO AUT 516 Estatística Aplicada a Arquitetura e Urbanismo 2 DISTRIBUIÇÃO AMOSTRAL Na aula anterior analisamos
Leia maisCOMENTÁRIO AFRM/RS 2012 ESTATÍSTICA Prof. Sérgio Altenfelder
Comentário Geral: Prova muito difícil, muito fora dos padrões das provas do TCE administração e Economia, praticamente só caiu teoria. Existem três questões (4, 45 e 47) que devem ser anuladas, por tratarem
Leia maisUniversidade Federal Fluminense
Universidade Federal Fluminense INSTITUTO DE MATEMÁTICA E ESTATÍSTICA DEPARTAMENTO DE ESTATÍSTICA ESTATÍSTICA V Lista 9: Intervalo de Confiança. 1. Um pesquisador está estudando a resistência de um determinado
Leia maisProbabilidade. Renata Souza. Introdução. Tabelas Estatísticas. População, Amostra e Variáveis. Gráficos e Distribuição de Freqüências
Probabilidade Introdução Tabelas Estatísticas População, Amostra e Variáveis Gráficos e Distribuição de Freqüências Renata Souza Conceitos Antigos de Estatística stica a) Simples contagem aritmética Ex.:
Leia maisDisciplinas: Cálculo das Probabilidades e Estatística I
Introdução a Inferência Disciplinas: Cálculo das Probabilidades e Estatística I Universidade Federal da Paraíba Prof a. Izabel Alcantara Departamento de Estatística (UFPB) Introdução a Inferência Prof
Leia maisEstatística Aplicada. Gestão de TI. Evanivaldo Castro Silva Júnior
Gestão de TI Evanivaldo Castro Silva Júnior Porque estudar Estatística em um curso de Gestão de TI? TI trabalha com dados Geralmente grandes bases de dados Com grande variabilidade Difícil manipulação,
Leia maisEXERCÍCIOS EXERCÍCIOS. Definições Básicas. Definições Básicas. Definições Básicas. Introdução à Estatística. Dados: valores de variáveis observadas.
Definições Básicas Introdução à Estatística ESTATÍSTICA: estudo dos métodos para coletar, organizar, apresentar e analisar dados. População: conjunto constituído por todos os indivíduos que apresentem
Leia maisCAPÍTULO 9 Exercícios Resolvidos
CAPÍTULO 9 Exercícios Resolvidos R9.1) Diâmetro de esferas de rolamento Os dados a seguir correspondem ao diâmetro, em mm, de 30 esferas de rolamento produzidas por uma máquina. 137 154 159 155 167 159
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 maisInferência Estatística
Universidade Federal Fluminense Instituto de Matemática e Estatística Inferência Estatística Ana Maria Lima de Farias Departamento de Estatística Conteúdo 1 Inferência estatística Conceitos básicos 1 1.1
Leia maisDISTRIBUIÇÃO NORMAL 1
DISTRIBUIÇÃO NORMAL 1 D ensid ade Introdução Exemplo : Observamos o peso, em kg, de 1500 pessoas adultas selecionadas ao acaso em uma população. O histograma por densidade é o seguinte: 0.04 0.03 0.02
Leia maisDESENVOLVIMENTO DE UM SOFTWARE NA LINGUAGEM R PARA CÁLCULO DE TAMANHOS DE AMOSTRAS NA ÁREA DE SAÚDE
DESENVOLVIMENTO DE UM SOFTWARE NA LINGUAGEM R PARA CÁLCULO DE TAMANHOS DE AMOSTRAS NA ÁREA DE SAÚDE Mariane Alves Gomes da Silva Eliana Zandonade 1. INTRODUÇÃO Um aspecto fundamental de um levantamento
Leia maisDistribuição Uniforme Discreta. Modelos de distribuições discretas. Distribuição de Bernoulli. Distribuição Uniforme Discreta
Distribuição Uniforme Discreta Modelos de distribuições discretas Notas de Aula da Profa. Verónica González-López e do Prof. Jesús Enrique García, digitadas por Beatriz Cuyabano. Acréscimos e modicações:
Leia maisPesquisa em Marketing
Pesquisa em Marketing Aula 4 1. Identificar o tamanho da amostral ideal 2. Saber calcular a amostra O Processo de Amostragem TIPOS DE AMOSTRAGEM Amostra não-probabilística Amostra por Conveniência Amostra
Leia maishttp://www.de.ufpb.br/~luiz/
UNIVERSIDADE FEDERAL DA PARAÍBA MEDIDAS DESCRITIVAS Departamento de Estatística Luiz Medeiros http://www.de.ufpb.br/~luiz/ Vimos que é possível sintetizar os dados sob a forma de distribuições de frequências
Leia maisMÓDULO 1. I - Estatística Básica
MÓDULO 1 I - 1 - Conceito de Estatística Estatística Técnicas destinadas ao estudo quantitativo de fenômenos coletivos e empíricamente observáveis. Unidade Estatística nome dado a cada observação de um
Leia maisPrimeira Lista de Exercícios de Estatística
Primeira Lista de Exercícios de Estatística Professor Marcelo Fernandes Monitor: Márcio Salvato 1. Suponha que o universo seja formado pelos naturais de 1 a 10. Sejam A = {2, 3, 4}, B = {3, 4, 5}, C =
Leia maisUniversidade Federal do Paraná Departamento de Informática. Reconhecimento de Padrões. Revisão de Probabilidade e Estatística
Universidade Federal do Paraná Departamento de Informática Reconhecimento de Padrões Revisão de Probabilidade e Estatística Luiz Eduardo S. Oliveira, Ph.D. http://lesoliveira.net Conceitos Básicos Estamos
Leia maisUniversidade Federal de Pernambuco Mestrado em Estatística
Universidade Federal de Pernambuco Mestrado em Estatística Lista 4 de Exercícios de Amostragem Prof. Cristiano Ferraz 1. Em relação ao plano amostral de Bernoulli: a) Explique como retirar uma amostra
Leia maisEstatística Aplicada às Ciências Sociais e Ambientais. Organização da Disciplina. Conteúdo da Aula. Contextualização. Farmácia Industrial UFPR
Estatística Aplicada às Ciências Sociais e Ambientais Apresentação Aula 1 Prof. Daniel de Christo Farmácia Industrial UFPR Mestrado em Genética UFPR Lecionando no Ensino Superior desde 2003 Organização
Leia maisVariáveis Aleatórias Discretas e Distribuições de Probabilidade
Variáveis Aleatórias Discretas e Distribuições de Probabilidade Objetivos do aprendizado a.determinar probabilidades a partir de funções de probabilidade b.determinar probabilidades a partir de funções
Leia maisDistribuições de Probabilidade Distribuição Normal
PROBABILIDADES Distribuições de Probabilidade Distribuição Normal BERTOLO PRELIMINARES Quando aplicamos a Estatística na resolução de situações-problema, verificamos que muitas delas apresentam as mesmas
Leia maisAula 4 Conceitos Básicos de Estatística. Aula 4 Conceitos básicos de estatística
Aula 4 Conceitos Básicos de Estatística Aula 4 Conceitos básicos de estatística A Estatística é a ciência de aprendizagem a partir de dados. Trata-se de uma disciplina estratégica, que coleta, analisa
Leia maisANÁLISE DOS SISTEMAS DE MEDIÇÃO MSA SISTEMA DE MEDIÇÃO NÃO REPLICÁVEL
ANÁLISE DOS SISTEMAS DE MEDIÇÃO MSA SISTEMA DE MEDIÇÃO NÃO REPLICÁVEL Vinicius Fechio Técnico de Metrologia Brasmetal Waelzholz S. A. Ind. e Com. Julho/ 2009 E-mail: vfechio@brasmetal.com.br / Site: www.brasmetal.com.br
Leia maisO QUE É E COMO FUNCIONA O CREDIT SCORING PARTE I
O QUE É E COMO FUNCIONA O CREDIT SCORING PARTE I! A utilização de escores na avaliação de crédito! Como montar um plano de amostragem para o credit scoring?! Como escolher as variáveis no modelo de credit
Leia maisEstatística I Aula 1. Prof.: Patricia Maria Bortolon, D. Sc.
Estatística I Aula 1 Prof.: Patricia Maria Bortolon, D. Sc. Estatística Estatística
Leia maisApós essa disciplina você vai ficar convencido que a estatística tem enorme aplicação em diversas áreas.
UNIVERSIDADE FEDERAL DA PARAÍBA INTRODUÇÃO Departamento de Estatística Luiz Medeiros http://www.de.ufpb.br/~luiz/ CONCEITOS FUNDAMENTAIS DE ESTATÍSTICA O que a Estatística significa para você? Pesquisas
Leia maisCURSO ON-LINE PROFESSOR GUILHERME NEVES
Olá pessoal! Neste ponto resolverei a prova de Matemática Financeira e Estatística para APOFP/SEFAZ-SP/FCC/2010 realizada no último final de semana. A prova foi enviada por um aluno e o tipo é 005. Os
Leia maisCURSO ON-LINE PROFESSOR: VÍTOR MENEZES. Comentários sobre as provas de estatística e financeira ICMS RJ
Comentários sobre as provas de estatística e financeira ICMS RJ Caríssimos, Acabei de voltar de uma longa auditoria em que visitamos inúmeros assentamentos federais do INCRA no interior do estado. Ou seja:
Leia mais1. Avaliação de impacto de programas sociais: por que, para que e quando fazer? (Cap. 1 do livro) 2. Estatística e Planilhas Eletrônicas 3.
1 1. Avaliação de impacto de programas sociais: por que, para que e quando fazer? (Cap. 1 do livro) 2. Estatística e Planilhas Eletrônicas 3. Modelo de Resultados Potenciais e Aleatorização (Cap. 2 e 3
Leia maisLista IV - Curva Normal. Professor Salvatore Estatística I
Lista IV - Curva Normal Professor Salvatore Estatística I 19/12/2011 Consulta à tabela Normal: 1. Estabeleça a área entre 0 (zero) e Zi igual a a. + 1,35 b. + 1,58 c. +2,05 d. +2,76 e. -1,26 f. -2,49 g.
Leia maisHistogramas. 12 de Fevereiro de 2015
Apêndice B Histogramas Uma situação comum no laboratório e na vida real é a de se ter uma grande quantidade de dados e deles termos que extrair uma série de informações. Encontramos essa situação em pesquisas
Leia maisVetores Aleatórios, correlação e conjuntas
Vetores Aleatórios, correlação e conjuntas Cláudio Tadeu Cristino 1 1 Universidade Federal Rural de Pernambuco, Recife, Brasil Segundo Semestre, 2013 C.T.Cristino (DEINFO-UFRPE) Vetores Aleatórios 2013.2
Leia maisCURSO ON-LINE PROFESSOR GUILHERME NEVES 1
CURSO ON-LINE PROFESSOR GUILHERME NEVES 1 Olá pessoal! Resolverei neste ponto a prova de Matemática e Estatística para Técnico Administrativo para o BNDES 2008 organizado pela CESGRANRIO. Sem mais delongas,
Leia maisQUALITATIVA VARIÁVEL QUANTITATIVA
NOMINAL ORDINAL QUALITATIVA VARIÁVEL QUANTITATIVA DISCRETA CONTÍNUA - Variável qualitativa nominal = valores que expressam atributos, sem nenhum tipo de ordem. Ex: cor dos olhos, sexo, estado civil, presença
Leia maisResoluções comentadas das questões de Estatística da prova para. ANALISTA DE GERENCIAMENTO DE PROJETOS E METAS da PREFEITURA/RJ
Resoluções comentadas das questões de Estatística da prova para ANALISTA DE GERENCIAMENTO DE PROJETOS E METAS da PREFEITURA/RJ Realizada pela Fundação João Goulart em 06/10/2013 41. A idade média de todos
Leia maisDisciplina Estatística Prof. Msc Quintiliano Siqueira Schroden Nomelini LISTA DE DSITRIBUIÇÕES DE PROBABILIDADE DISTRIBUIÇÕES DISCRETAS
Disciplina Estatística Prof. Msc Quintiliano Siqueira Schroden Nomelini LISTA DE DSITRIBUIÇÕES DE PROBABILIDADE DISTRIBUIÇÕES DISCRETAS 1) Devido às altas taxas de juros, uma firma informa que 30% de suas
Leia maisEstatística: Conceitos e Organização de Dados. Introdução Conceitos Método Estatístico Dados Estatísticos Tabulação de Dados Gráficos
Estatística: Conceitos e Organização de Dados Introdução Conceitos Método Estatístico Dados Estatísticos Tabulação de Dados Gráficos Introdução O que é Estatística? É a parte da matemática aplicada que
Leia maisUNIVERSIDADE FEDERAL DO PIAUÍ (UFPI) ENG. DE PRODUÇÃO PROBABILIDADE E ESTATÍSTICA 2
UNIVERSIDADE FEDERAL DO PIAUÍ (UFPI) ENG. DE PRODUÇÃO PROBABILIDADE E ESTATÍSTICA 2 LISTA N O 2 Prof.: William Morán Sem. I - 2011 1) Considere a seguinte função distribuição conjunta: 1 2 Y 0 0,7 0,0
Leia maisEstatística Aplicada ao Serviço Social
Estatística Aplicada ao Serviço Social Prof a. Juliana Freitas Pires Departamento de Estatística Universidade Federal da Paraíba - UFPB juliana@de.ufpb.br Introdução O que é Estatística? Coleção de métodos
Leia maisResoluções comentadas de Raciocínio Lógico e Estatística - SEPLAG-2010 - EPPGG
Resoluções comentadas de Raciocínio Lógico e Estatística - SEPLAG-010 - EPPGG 11. Em uma caixa há 1 bolas de mesmo tamanho: 3 brancas, 4 vermelhas e 5 pretas. Uma pessoa, no escuro, deve retirar n bolas
Leia maisValor Prático da Distribuição Amostral de
DISTRIBUIÇÃO AMOSTRAL DA MÉDIA DA AMOSTRA OU DISTRIBUIÇÃO AMOSTRAL DE Antes de falarmos como calcular a margem de erro de uma pesquisa, vamos conhecer alguns resultados importantes da inferência estatística.
Leia maisAvaliando o que foi Aprendido
Avaliando o que foi Aprendido Treinamento, teste, validação Predição da performance: Limites de confiança Holdout, cross-validation, bootstrap Comparando algoritmos: o teste-t Predecindo probabilidades:função
Leia maisAnálise descritiva de Dados. a) Média: (ou média aritmética) é representada por x e é dada soma das observações, divida pelo número de observações.
Análise descritiva de Dados 4. Medidas resumos para variáveis quantitativas 4.1. Medidas de Posição: Considere uma amostra com n observações: x 1, x,..., x n. a) Média: (ou média aritmética) é representada
Leia maisANÁLISE DA INSPEÇÃO DA LARGURA DOS TECIDOS DE POLIPROPILENO DA INDÚSTRIA TÊXTIL OESTE LTDA
ANÁLISE DA INSPEÇÃO DA LARGURA DOS TECIDOS DE POLIPROPILENO DA INDÚSTRIA TÊXTIL OESTE LTDA ORIENTADORA: Dra. Maria Emília Camargo - UNISC - kamargo@zaz.com.br CO-ORIENTADORA: Dra. Suzana Leitão Russo -
Leia maisRevisão de Estatística Básica:
Revisão de Estatística Básica: Estatística: Um número é denominado uma estatística (singular). Ex.: As vendas de uma empresa no mês constituem uma estatística. Estatísticas: Uma coleção de números ou fatos
Leia maisAula de Exercícios - Variáveis Aleatórias Discretas - Modelos Probabiĺısticos
Aula de Exercícios - Variáveis Aleatórias Discretas - Modelos Probabiĺısticos Organização: Airton Kist Digitação: Guilherme Ludwig Exercício Se X b(n, p), sabendo-se que E(X ) = 12 e σ 2 = 3, determinar:
Leia maisMÓDULO 6 INTRODUÇÃO À PROBABILIDADE
MÓDULO 6 INTRODUÇÃO À PROBBILIDDE Quando estudamos algum fenômeno através do método estatístico, na maior parte das vezes é preciso estabelecer uma distinção entre o modelo matemático que construímos para
Leia maisTecido 1 2 3 4 5 6 7 A 36 26 31 38 28 20 37 B 39 27 35 42 31 39 22
Teste para diferença de médias Exemplo Dois tipos diferentes de tecido devem ser comparados. Uma máquina de testes Martindale pode comparar duas amostras ao mesmo tempo. O peso (em miligramas) para sete
Leia maisLista 09: Estimação de Parâmetros
INSTITUTO TECNOLÓGICO DE AERONÁUTICA DIVISÃO DE ENGENHARIA MECÂNICA-AERONÁUTICA MB-210: Probabilidade e Estatística Lista 09: Estimação de Parâmetros Prof. Denise Beatriz Ferrari denise@ita.br 2 o Sem/2013
Leia mais7Testes de hipótese. Prof. Dr. Paulo Picchetti M.Sc. Erick Y. Mizuno. H 0 : 2,5 peças / hora
7Testes de hipótese Prof. Dr. Paulo Picchetti M.Sc. Erick Y. Mizuno COMENTÁRIOS INICIAIS Uma hipótese estatística é uma afirmativa a respeito de um parâmetro de uma distribuição de probabilidade. Por exemplo,
Leia maisO comportamento conjunto de duas variáveis quantitativas pode ser observado por meio de um gráfico, denominado diagrama de dispersão.
ESTATÍSTICA INDUTIVA 1. CORRELAÇÃO LINEAR 1.1 Diagrama de dispersão O comportamento conjunto de duas variáveis quantitativas pode ser observado por meio de um gráfico, denominado diagrama de dispersão.
Leia maisAula 5 Distribuição amostral da média
Aula 5 Distribuição amostral da média Nesta aula você irá aprofundar seus conhecimentos sobre a distribuição amostral da média amostral. Na aula anterior analisamos, por meio de alguns exemplos, o comportamento
Leia maisCAP5: Amostragem e Distribuição Amostral
CAP5: Amostragem e Distribuição Amostral O que é uma amostra? É um subconjunto de um universo (população). Ex: Amostra de sangue; amostra de pessoas, amostra de objetos, etc O que se espera de uma amostra?
Leia maisVariáveis Aleatórias Contínuas
Variáveis aleatórias contínuas: vamos considerar agora uma lista de quantidades as quais não é possível associar uma tabela de probabilidades pontuais ou frequências tempo de duração de uma chamada telefônica
Leia maisModelagem e Simulação
AULA 11 EPR-201 Modelagem e Simulação Modelagem Processo de construção de um modelo; Capacitar o pesquisador para prever o efeito de mudanças no sistema; Deve ser próximo da realidade; Não deve ser complexo.
Leia maisESTATÍSTICA. aula 1. Insper Ibmec São Paulo. Prof. Dr. Marco Antonio Leonel Caetano
ESTATÍSTICA aula 1 Prof. Dr. Marco Antonio Leonel Caetano Insper Ibmec São Paulo ESTATÍSTICA COISAS DO ESTADO ESTATÍSTICA: - Apresentação e Análise de dados - Tomadas de Decisões baseadas em análises -
Leia maisAnálise Exploratória de Dados
Análise Exploratória de Dados Profª Alcione Miranda dos Santos Departamento de Saúde Pública UFMA Programa de Pós-graduação em Saúde Coletiva email: alcione.miranda@gmail.com Introdução O primeiro passo
Leia maisDistribuições: Binomial, Poisson e Normal. Distribuição Binomial
Distribuições: Binomial, Poisson e Normal Distribuição Binomial Monitor Adan Marcel e Prof. Jomar 1. Uma remessa de 800 estabilizadores de tensão é recebida pelo controle de qualidade de uma empresa. São
Leia maisLeia o texto abaixo para resolver as questões sobre população e amostra.
Leia o texto abaixo para resolver as questões sobre população e amostra. População e amostra População e amostra referem-se ao conjunto de entes cujas propriedades desejamos averiguar. População estatística
Leia maisCAP. I ERROS EM CÁLCULO NUMÉRICO
CAP. I ERROS EM CÁLCULO NUMÉRICO 0. Introdução Por método numérico entende-se um método para calcular a solução de um problema realizando apenas uma sequência finita de operações aritméticas. A obtenção
Leia maisUNIVERSIDADE FEDERAL DE UBERLÂNDIA FACULDADE DE MATEMÁTICA 4 a LISTA DE EXERCÍCIOS GBQ12 Professor: Ednaldo Carvalho Guimarães AMOSTRAGEM
1 UNIVERSIDADE FEDERAL DE UBERLÂNDIA FACULDADE DE MATEMÁTICA 4 a LISTA DE EXERCÍCIOS GBQ12 Professor: Ednaldo Carvalho Guimarães AMOSTRAGEM 1) Um pesquisador está interessado em saber o tempo médio que
Leia maisExercícios Resolvidos sobre Amostragem
Exercícios Resolvidos sobre Amostragem Observe agora, nestes Exercícios Resolvidos, como alguns parâmetros estatísticos devem ser construídos para formar amostras fidedignas de certas populações ou fenômenos
Leia maisLISTA DE EXERCÍCIOS VARIÁVEIS ALEATÓRIAS
LISTA DE EXERCÍCIOS VARIÁVEIS ALEATÓRIAS 1. Construir um quadro e o gráfico de uma distribuição de probabilidade para a variável aleatória X: número de coroas obtidas no lançamento de duas moedas. 2. Fazer
Leia maisA ESTATÍSTICA. Mas enfim, o que é Estatística?
A ESTATÍSTICA A Estatística é uma ferramenta indispensável para qualquer profissional que precisa analisar informações, tomar decisões no trabalho ou mesmo na vida pessoal. Muitas vezes, essas decisões
Leia maisCurso: Logística e Transportes Disciplina: Estatística Profa. Eliane Cabariti. Distribuição Normal
Curso: Logística e Transportes Disciplina: Estatística Profa. Eliane Cabariti Distribuição Normal 1. Introdução O mundo é normal! Acredite se quiser! Muitos dos fenômenos aleatórios que encontramos na
Leia maisEspaço Amostral ( ): conjunto de todos os
PROBABILIDADE Espaço Amostral (): conjunto de todos os resultados possíveis de um experimento aleatório. Exemplos: 1. Lançamento de um dado. = {1,, 3, 4,, 6}. Doador de sangue (tipo sangüíneo). = {A, B,
Leia maisESCOLA SECUNDÁRIA MANUEL DA FONSECA, SANTIAGO DO CACÉM GRUPO DISCIPLINAR: 500 Matemática Aplicada às Ciências Sociais
ANO: 11º ANO LECTIVO : 008/009 p.1/7 CONTEÚDOS MODELOS MATEMÁTICOS COMPETÊNCIAS A DESENVOLVER - Compreender a importância dos modelos matemáticos na resolução de problemas de problemas concretos. Nº. AULAS
Leia mais4 Avaliação Econômica
4 Avaliação Econômica Este capítulo tem o objetivo de descrever a segunda etapa da metodologia, correspondente a avaliação econômica das entidades de reservas. A avaliação econômica é realizada a partir
Leia maisIntrodução a Química Analítica. Professora Mirian Maya Sakuno
Introdução a Química Analítica Professora Mirian Maya Sakuno Química Analítica ou Química Quantitativa QUÍMICA ANALÍTICA: É a parte da química que estuda os princípios teóricos e práticos das análises
Leia maisIntrodução à análise de dados discretos
Exemplo 1: comparação de métodos de detecção de cárie Suponha que um pesquisador lhe apresente a seguinte tabela de contingência, resumindo os dados coletados por ele, oriundos de um determinado experimento:
Leia maisESCOLA SECUNDÁRIA/3 da RAINHA SANTA ISABEL 402643 ESTREMOZ PLANIFICAÇÃO ANUAL DA DISCIPLINA DE MATEMÁTICA APLICADA ÀS CIÊNCIAS SOCIAIS (MACS) 10º ANO
ESCOLA SECUNDÁRIA/3 da RAINHA SANTA ISABEL 402643 ESTREMOZ PLANIFICAÇÃO ANUAL DA DISCIPLINA DE MATEMÁTICA APLICADA ÀS CIÊNCIAS SOCIAIS (MACS) 10º ANO ANO LETIVO DE 2015/2016 PROFESSORES: Inácio Véstia
Leia maisAula 1 Estatística e Probabilidade
Aula 1 Estatística e Probabilidade Anamaria Teodora Coelho Rios da Silva O QUE É ESTATÍSTICA? No nosso cotidiano, precisamos tomar decisões, muitas vezes decisões rápidas. A Estatística fornece métodos
Leia maisCÁLCULO DO TAMANHO DA AMOSTRA PARA UMA PESQUISA ELEITORAL. Raquel Oliveira dos Santos, Luis Felipe Dias Lopes
CÁLCULO DO TAMANHO DA AMOSTRA PARA UMA PESQUISA ELEITORAL Raquel Oliveira dos Santos, Luis Felipe Dias Lopes Programa de Pós-Graduação em Estatística e Modelagem Quantitativa CCNE UFSM, Santa Maria RS
Leia maisSimulação Transiente
Tópicos Avançados em Avaliação de Desempenho de Sistemas Professores: Paulo Maciel Ricardo Massa Alunos: Jackson Nunes Marco Eugênio Araújo Dezembro de 2014 1 Sumário O que é Simulação? Áreas de Aplicação
Leia maisAULAS 04 E 05 Estatísticas Descritivas
1 AULAS 04 E 05 Estatísticas Descritivas Ernesto F. L. Amaral 19 e 28 de agosto de 2010 Metodologia de Pesquisa (DCP 854B) Fonte: Triola, Mario F. 2008. Introdução à estatística. 10 ª ed. Rio de Janeiro:
Leia maisTeorema do Limite Central e Intervalo de Confiança
Probabilidade e Estatística Teorema do Limite Central e Intervalo de Confiança Teorema do Limite Central Teorema do Limite Central Um variável aleatória pode ter uma distribuição qualquer (normal, uniforme,...),
Leia maisAula 4 Estatística Conceitos básicos
Aula 4 Estatística Conceitos básicos Plano de Aula Amostra e universo Média Variância / desvio-padrão / erro-padrão Intervalo de confiança Teste de hipótese Amostra e Universo A estatística nos ajuda a
Leia maisNOTAS DE AULA Capítulo 1 Introdução à Análise Exploratória de dados
NOTAS DE AULA Capítulo 1 Introdução à Análise Exploratória de dados 1) Estatística: o O que é? o Para que serve? o Qual a importância para o meu trabalho? o Qual a importância no dia a dia?? 2) Abordagem:
Leia maisPesquisa Aplicada à Estatística
Pesquisa Aplicada à Estatística Tatiene Correia de Souza / UFPB tatiene@de.ufpb.br September 14, 2014 Souza () Pesquisa Aplicada à Estatística September 14, 2014 1 / 23 Estatística: ideias gerais O que
Leia maisAula 11 Esperança e variância de variáveis aleatórias discretas
Aula 11 Esperança e variância de variáveis aleatórias discretas Nesta aula você estudará os conceitos de média e variância de variáveis aleatórias discretas, que são, respectivamente, medidas de posição
Leia maisFunção Mudar de unidade estatística
Função Mudar de unidade estatística Frequentemente, certas pesquisas contêm informações correspondentes a níveis estatísticos diferentes. No Sphinx (Survey ou Léxica), a partir do menu Gestão, opção Mudar
Leia maisDISTRIBUIÇÕES DE PROBABILIDADES de variável discreta BERNOULLI E BINOMIAL
DISTRIBUIÇÕES DE PROBABILIDADES de variável discreta BERNOULLI E BINOMIAL Introdução Variável aleatória Discreta: assume um número finito ou infinito numerável de valores Contínua: assume todos os valores
Leia maisMedidas e Incertezas
Medidas e Incertezas O que é medição? É o processo empírico e objetivo de designação de números a propriedades de objetos ou eventos do mundo real de forma a descreve-los. Outra forma de explicar este
Leia maisRevisão: Noções básicas de estatística aplicada a avaliações de imóveis
Curso de Avaliações Prof. Carlos Aurélio Nadal cnadal@ufpr.br 1 AULA 03 Revisão: Noções básicas de estatística aplicada a avaliações de imóveis 2 OBSERVAÇÃO: é o valor obtido durante um processo de medição.
Leia maisTeorema Central do Limite e Intervalo de Confiança
Probabilidade e Estatística Teorema Central do Limite e Intervalo de Confiança Teorema Central do Limite Teorema Central do Limite Um variável aleatória pode ter uma distribuição qualquer (normal, uniforme,...),
Leia maisProf. M. Sc. Jarbas Thaunahy Santos de Almeida 1
Prof. M. Sc. Jarbas Thaunahy Santos de Almeida 1 Aula 7 Covariância e suas aplicações Roteiro Introdução Covariância Valor esperado, Variância e Desvio-padrão da soma entre duas variáveis aleatórias Retorno
Leia maisMAT 461 Tópicos de Matemática II Aula 3: Resumo de Probabilidade
MAT 461 Tópicos de Matemática II Aula 3: Resumo de Probabilidade Edson de Faria Departamento de Matemática IME-USP 19 de Agosto, 2013 Probabilidade: uma Introdução / Aula 3 1 Probabilidade Discreta: Exemplos
Leia maisIntrodução à Probabilidade e Estatística
Professor Cristian F. Coletti Introdução à Probabilidade e Estatística (1 Para cada um dos casos abaixo, escreva o espaço amostral correspondente e conte seus elementos. a Uma moeda é lançada duas vezes
Leia maisINTELIGÊNCIA ARTIFICIAL Data Mining (DM): um pouco de prática. (1) Data Mining Conceitos apresentados por
INTELIGÊNCIA ARTIFICIAL Data Mining (DM): um pouco de prática (1) Data Mining Conceitos apresentados por 1 2 (2) ANÁLISE DE AGRUPAMENTOS Conceitos apresentados por. 3 LEMBRE-SE que PROBLEMA em IA Uma busca
Leia maisLista de Exercícios 03b Repetição. 63) Escreva um programa que receba números do usuário enquanto eles forem positivos e
Lista de Exercícios 03b Repetição 61) Escreva um programa que receba números do usuário e imprima o triplo de cada número. O programa deve encerrar quando o número 999 for digitado. 62) Escreva um programa
Leia maisMétodos de Síntese e Evidência: Revisão Sistemática e Metanálise
Métodos de Síntese e Evidência: Revisão Sistemática e Metanálise Mirian Carvalho de Souza Divisão de Epidemiologia Coordenação de Pesquisa Populacional Coordenação Geral Técnico-Científica Estudos Revisão
Leia maisMatemática Aplicada às Ciências Sociais
Prova de Exame Nacional de Matemática Aplicada às Ciências Sociais Prova 835 2011 10.º e 11.º Anos de Escolaridade Decreto-Lei n.º 74/2004, de 26 de Março Para: Direcção-Geral de Inovação e de Desenvolvimento
Leia maisDecidir como medir cada característica. Definir as características de qualidade. Estabelecer padrões de qualidade
Escola de Engenharia de Lorena - EEL Controle Estatístico de Processos CEP Prof. MSc. Fabrício Maciel Gomes Objetivo de um Processo Produzir um produto que satisfaça totalmente ao cliente. Conceito de
Leia maisDistribuição de Freqüências
Distribuição de Freqüências Por constituir-se o tipo de tabela importante para a Estatística Descritiva, faremos um estudo completo da distribuição de freqüências. Uma distribuição de freqüências condensa
Leia maisFlorianópolis, 17 de agosto de 2011.
PROXIMIDADE DO FIM DE ANO IMPACTA A PERSPECTIVA DE CONSUMO DAS FAMÍLIAS CATARINENSES EM SETEMBRO O forte crescimento mensal da perspectiva de consumo das famílias catarinenses, de 12,7%, foi o principal
Leia maisAULAS 13, 14 E 15 Correlação e Regressão
1 AULAS 13, 14 E 15 Correlação e Regressão Ernesto F. L. Amaral 23, 28 e 30 de setembro de 2010 Metodologia de Pesquisa (DCP 854B) Fonte: Triola, Mario F. 2008. Introdução à estatística. 10 ª ed. Rio de
Leia mais