Livro Eletrônico Aula 00 Noções de Estatística p/ ANTAQ - Especialista / Técnico em Regulação (com videoaulas)

Tamanho: px
Começar a partir da página:

Download "Livro Eletrônico Aula 00 Noções de Estatística p/ ANTAQ - Especialista / Técnico em Regulação (com videoaulas)"

Transcrição

1 Lvro Eletrônco Aula 00 Noções de Estatístca p/ ANTAQ - Especalsta / Técnco em Regulação (com vdeoaulas) Professor: Arthur Lma

2 ! AULA 00 (demonstratva) SUMÁRIO PÁGINA 1. Apresentação Cronograma do curso Resolução de questões CESPE Questões apresentadas na aula Gabarto APRESENTAÇÃO Seja bem-vndo a este curso de Noções de Estatístca desenvolvdo para auxlá-lo a se preparar para o próxmo concurso da ANTAQ (cargos de Especalsta em Regulação Área Econômco-Fnancera, Especalsta em Regulação e Técnco em Regulação), a ser aplcado pelo CESPE em 28/09/2014, conforme edtal recémpublcado. Trata-se de um curso de teora e exercícos, ou seja, veremos todo o conteúdo teórco de Estatístca prevsto no edtal e trabalharemos mas de 200 questões de concursos recentes, sendo váras do própro CESPE. Frso que todos os exercícos serão resolvdos e comentados em aula. Além dsso, estou dsponblzando vídeo-aulas gratutas na área do aluno sobre todos os tópcos do seu edtal! Caso você não me conheça, segue uma breve ntrodução. Sou Engenhero Aeronáutco graduado pelo Insttuto Tecnológco de Aeronáutca (ITA), e trabalhe por 5 anos no mercado de avação, até ngressar no cargo de Audtor-Fscal da Receta Federal do Brasl. Na ocasão, também fu aprovado para o cargo de Analsta-Trbutáro da Receta Federal. Estare dsponível daramente para trar dúvdas através do fórum presente na área do aluno. Caso você quera trar alguma dúvda comgo antes de adqurr o curso, basta escrever para arthurlma@estrategaconcursos.com.br.

3 ! 2. CRONOGRAMA DO CURSO Transcrevo abaxo o conteúdo programátco prevsto no edtal: NOÇÕES DE ESTATÍSTICA 1 Estatístca descrtva e análse exploratóra de dados: gráfcos, dagramas, tabelas, meddas descrtvas (posção, dspersão, assmetra e curtose). 2 Probabldade. 2.1 Defnções báscas e axomas. 2.2 Probabldade condconal e ndependênca. 3 Técncas de amostragem: amostragem aleatóra smples, estratfcada, sstemátca e por conglomerados. O nosso curso será dvddo em 5 aulas, além desta aula demonstratva. Fnalzaremos o curso em tempo hábl para que você possa estudar com calma a últma aula, trando as eventuas dúvdas tempestvamente. Segue abaxo a data lmte para publcação de cada aula. Da Aula 24/07 Aula 00 (demonstratva) 04/08 Aula 01 - Prncípos de contagem (pré-requsto para Probabldade) Aula 02 - Probabldade. Defnções báscas e axomas. Probabldade 14/08 condconal e ndependênca. Aula 03 - Estatístca descrtva e análse exploratóra de dados: gráfcos, 24/08 dagramas, tabelas, meddas descrtvas (posção, dspersão, assmetra e curtose). Aula 04 - Técncas de amostragem: amostragem aleatóra smples, 04/09 estratfcada, sstemátca e por conglomerados. 10/09 Aula 05 - Resumo teórco Por fm, retero que dsponblzare na área do aluno vídeo-aulas sobre os prncpas tópcos do seu edtal, como uma forma alternatva para o seu estudo. Como já mencone, se você sentr a necessdade de mas explcações antes de adqurr o curso, entre em contato comgo através do e-mal arthurlma@estrategaconcursos.com.br para sanar qualquer dúvda, ok? Sem mas, vamos resolver algumas questões CESPE para você começar a sua preparação.

4 ! 3. RESOLUÇÃO DE QUESTÕES Nesta prmera aula vamos resolver juntos algumas questões elaboradas pelo CESPE, para você começar a se famlarzar com a banca e também com a mnha forma de leconar. É natural que você tenha alguma dfculdade para resolver as questões agora. Voltaremos a tratar delas ao longo do curso, em momento mas oportuno, sto é, após ver a teora necessára! Vamos começar? Sugro que você lea a questão e tente soluconá-la antes de ver a resolução comentada. 1. CESPE ANTAQ 2009) Consderando a tabela acma, que apresenta a movmentação anual de cargas no porto de Santos de 2003 a 2007, em mlhões de toneladas/ano e assoca as quantdades de carga movmentadas para exportação e mportação às varáves X e Y, respectvamente, julgue os tens subsequentes. ( ) A quantdade de carga movmentada para exportação em 2007 fo, pelo menos, 35% maor que a quantdade de carga movmentada para exportação em ( ) A méda das dferenças X Y no período mostrado fo superor a 25,5 mlhões de toneladas/ano. ( ) Nesse período, a medana dos totas movmentados (X+Y) fo nferor a 70 mlhões de toneladas. ( ) A varânca amostral de Y fo, no período, nferor a 8 (toneladas/ano) 2.

5 ! ( ) O coefcente de varação da dstrbução dos valores de X é superor ao coefcente de varação da dstrbução dos valores de Y. ( ) X e Y são varáves qualtatvas em escala ordnal. ( ) Hstorcamente, de 2003 a 2007, a quantdade exportada X fo, pelo menos, duas vezes maor que a quantdade mportada Y. RESOLUÇÃO: Vamos avalar cada tem separadamente: ( ) A quantdade de carga movmentada para exportação em 2007 fo, pelo menos, 35% maor que a quantdade de carga movmentada para exportação em As exportações em 2007 somaram 54 mlhões de toneladas, e em 2003 somaram 40 mlhões. Como 54 / 40 = 1,35 (ou seja, 1 + 0,35 = %), podemos dzer que as exportações de 2007 foram 35% maores que as de Item CORRETO. ( ) A méda das dferenças X Y no período mostrado fo superor a 25,5 mlhões de toneladas/ano. Efetuando a subtração X Y para cada ano, obtemos os valores {20, 25, 28, 28, 27}, cuja méda é: Méda = = 25,6 5 Portanto, o tem está CORRETO. ( ) Nesse período, a medana dos totas movmentados (X+Y) fo nferor a 70 mlhões de toneladas. Colocando os valores X+Y em ordem crescente, temos {60, 67, 72, 76, 81}. São n = 5 termos, de modo que a medana é o termo da posção: Posção da medana = (n + 1) / 2 Posção da medana = (5 + 1) / 2 = 3

6 ! Isto é, a medana é o 3º termo. O tercero termo (na ordem crescente que escrevemos) é gual a 72, sendo a medana. Este valor é superor a 70 mlhões de toneladas, tornando o tem ERRADO. ( ) A varânca amostral de Y fo, no período, nferor a 8 (toneladas/ano) 2. A méda de Y é: Méda = ( ) / 5 = 22,8 Assm, a varânca amostral é dada por: Var = n 1 ( X X ) n 1 (20 22,8) + (21 22,8) + (22 22,8) + (24 22,8) + (27 22,8) Var = ( 2,8) + ( 1,8) + ( 0,8) + (1,2) + (4,2) Var = = 7,7 4 Item CORRETO ( ) O coefcente de varação da dstrbução dos valores de X é superor ao coefcente de varação da dstrbução dos valores de Y. Já sabemos que Var(Y) = 7,7, e Méda(Y) = 22,8. O seu desvo padrão é: σ = Var( Y ) = 7,7 y Deste modo, o coefcente de varação de Y é dado por: CV y σ y 7,7 = = Méda( Y ) 22,8 Antes de efetuar esta conta, vamos obter a expressão para o coefcente de varação de X. A méda de X é:

7 ==0==! Méda(X) = ( )/ 5 = 48,4 A varânca amostral de X é: Var = n 1 ( X X ) n (40 48, 4) + (46 48, 4) + (50 48, 4) + (52 48, 4) + (54 48, 4) Var = = 30,8 5 1 O desvo padrão de X é: σ = Var( X ) = 30,8 x Deste modo, o coefcente de varação de X é dado por: CV x σ x 30,8 = = Méda( X ) 48,4 Para saber qual dos coefcentes de varação é maor, podemos comparar o quadrado de cada um deles (CV 2 ), ao nvés de trar as raízes. Veja: 7,7 7,7 CV = = = 0, ,8 519,84 ( ) 2 y 2 30,8 30,8 CV = = = 0, , ,56 ( ) 2 x 2 Como o quadrado de CV y é maor que o quadrado de CV x, podemos dzer também que CV y > CV x. Item ERRADO. ( ) X e Y são varáves qualtatvas em escala ordnal.

8 ! X e Y representam os valores mportados e exportados, que são varáves quanttatvas. Item ERRADO. ( ) Hstorcamente, de 2003 a 2007, a quantdade exportada X fo, pelo menos, duas vezes maor que a quantdade mportada Y. Vejamos novamente a tabela fornecda no enuncado: Repare que, a cada ano, o valor de X é maor ou gual ao dobro de Y, sendo gual apenas nos anos de 2003 e de Portanto, é correto dzer que X fo, pelo menos, duas vezes maor que Y neste período. Item CORRETO. Resposta: C C E C E E C 2. CESPE MEC 2009) Merendas escolares demandadas em 10 dferentes escolas: 200, 250, 300, 250, 250, 200, 150, 200, 150, 200. Com base nessas nformações, julgue os próxmos tens. ( ) A medana da dstrbução do número dáro de merendas escolares é gual a 225. ( ) O desvo padrão amostral dos números dáros de merendas escolares é superor a 50. RESOLUÇÃO: ( ) A medana da dstrbução do número dáro de merendas escolares é gual a 225.

9 ! Para obter a medana, o prmero passo é colocar os dados em ordem crescente. Veja sso abaxo: 150, 150, 200, 200, 200, 200, 250, 250, 250, 300. Temos 10 elementos, portanto n = 10. A segur devemos calcular o valor de (n+1)/2, que neste caso será (10+1)/2 = 5,5. Veja que não obtvemos um valor exato, pos n é par. Assm, a medana será a méda artmétca dos dos termos centras da amostra, que são aqueles mas próxmos da posção 5,5, ou seja, o 5º e o 6º termo, marcados em vermelho abaxo: 150, 150, 200, 200, 200, 200, 250, 250, 250, 300 Calculando a medana: Medana = = Item ERRADO. ( ) O desvo padrão amostral dos números dáros de merendas escolares é superor a 50. O desvo padrão amostral é dado por: s = n = 1 ( X X ) n 1 onde n é o número de elementos (n = 10), X representa cada elemento da amostra e X é a méda da amostra. A méda, neste caso, é: 2 X = = Portanto, o desvo padrão será:

10 ! s = n = 1 ( X X ) n 1 2 s = 2 ( ) + 4 ( ) + 3 ( ) + 1 ( ) s = 2 ( 65) + 4 ( 15) + 3 (35) + 1 (85) s = = Observe que esse número é nferor a 50, pos 50 = está ERRADO. Resposta: E E Assm, o tem 3. CESPE CEHAP/PB 2009) O gráfco acma mostra a dstrbução percentual de veículos de acordo com suas velocdades aproxmadas, regstradas por meo de um radar nstalado em uma avenda. A velocdade méda aproxmada, em km/h, dos veículos que foram regstrados pelo radar fo A) nferor a 40. B) superor a 40 e nferor a 43. C) superor a 43 e nferor a 46. D) superor a 46. RESOLUÇÃO: A partr do gráfco dado podemos construr a tabela de freqüêncas abaxo para auxlar-nos no cálculo da méda:

11 ! Frequêncas (% de veículos) Velocdade Veja que para as velocdades de 60, 70 e 80km/h fo precso chutar um valor aproxmado do percentual de veículos, olhando o gráfco. Esses chutes foram dados de forma que o total da coluna de frequêncas somasse 100%. Assm, temos: Méda = 5% % % % % % % 80 Méda = 43,9 km / h C. Resposta: C Esta velocdade méda encontra-se entre 43 e 46km/h, conforme a alternatva 4. CESPE Políca Federal 2012) Dez polcas federas dos delegados, dos pertos, dos escrvães e quatro agentes foram desgnados para cumprr mandado de busca e apreensão em duas localdades próxmas à superntendênca regonal. O grupo será dvddo em duas equpes. Para tanto, exge-se que cada uma seja composta, necessaramente, por um delegado, um perto, um escrvão e dos agentes. Consderando essa stuação hpotétca, julgue os tens que se seguem.

12 ! ( ) Se todos os polcas em questão estverem habltados a drgr, então, formadas as equpes, a quantdade de maneras dstntas de se organzar uma equpe dentro de um veículo com cnco lugares motorsta e mas quatro pasageros será superor a 100. ( ) Há mas de 50 maneras dferentes de compor as referdas equpes. ( ) Se cnco dos ctados polcas forem escolhdos, aleatoramente e ndependentemente dos cargos, então a probabldade de que esses escolhdos consttuam uma equpe com a exgênca ncal será superor a 20% RESOLUÇÃO: ( ) Se todos os polcas em questão estverem habltados a drgr, então, formadas as equpes, a quantdade de maneras dstntas de se organzar uma equpe dentro de um veículo com cnco lugares motorsta e mas quatro pasageros será superor a 100. Temos 5 lugares no carro para preencher com 5 pessoas. Pelo prncípo fundamental da contagem, o número de possbldades é dado por 5x4x3x2x1 = 120. Este número é superor a 100, tornando o tem CORRETO. ( ) Há mas de 50 maneras dferentes de compor as referdas equpes. Precsamos escolher 1 delegado dos 2 dsponíves, 1 perto dos 2 dsponíves, 1 escrvão dentre os 2 dsponíves e 2 agentes dentre os 4 dsponíves. Como a ordem de escolha não mporta, usamos a fórmula da combnação. Temos: Nº de possbldades p/ Delegado = C(2, 1) = 2 Nº de possbldades p/ Perto = C(2, 1) = 2 Nº de possbldades p/ Escrvão = C(2, 1) = 2 Nº de possbldades p/ Agente = C(4, 2) = 4 x 3 / 2 = 6 Como as escolhas dos profssonas de cada cargo são ndependentes entre s, o total de maneras de compor as equpes é dado pela multplcação das possbldades: Total = 2x2x2x6 = 48 Este número é nferor a 50, tornando o tem ERRADO.

13 ! ( ) Se cnco dos ctados polcas forem escolhdos, aleatoramente e ndependentemente dos cargos, então a probabldade de que esses escolhdos consttuam uma equpe com a exgênca ncal será superor a 20%. O total de grupos de 5 pessoas que podemos formar utlzando as 10 dsponíves é dado por C(10,5) = 252. Já o número de casos favoráves, sto é, aqueles que formam equpes com 1 delegado, 1 perto, 1 escrvão e 2 agentes, é gual a 48, como calculamos no tem anteror. Logo, a probabldade de escolher um grupo de 5 pessoas que consttua uma equpe é: P = favoráves/total = 48/252 = 19,04% Esse valor é nferor a 20%, tornando o tem ERRADO. Resposta: C E E 5. CESPE INPI 2013) Em um rebanho de 30 novlhas 7 são marrons, 13 são malhadas e 10 são brancas. A respeto desse rebanho, julgue os tens seguntes. ( ) Se um desses anmas for seleconado ao acaso, a probabldade de ele ser malhado é nferor a 40%. RESOLUÇÃO: Temos 13 malhadas dentre 30 ao todo. A probabldade de seleconar uma malhada, ao acaso, é: P = casos favoráves / total de casos P = 13 / 30 P = 0,433 = 43,3% Item ERRADO. Resposta: E 6. CESPE TRT/10ª 2013) No concurso de loteras denomnado mnquna, o apostador pode marcar 5, 6 ou 7 dezenas em uma cartela que possu as dezenas de 01 a 15. Nesse concurso, o prêmo prncpal é dado ao apostador que marcar em sua cartela as cnco dezenas sorteadas aleatoramente em uma urna. Com relação ao concurso hpotétco acma apresentado, julgue os tens subsequentes.

14 ! ( ) Consdere que o cálculo do valor a ser pago pela aposta seja feto medante a multplcação do valor de uma aposta de 5 dezenas, que é fxo, pela quantdade de jogos de cnco dezenas que é possível fazer com as dezenas que o apostador marcar em sua cartela. Consdere, anda, que um jogo de 5 dezenas custe R$ 3,00. Em face dessa stuação, é correto afrmar que o apostador deverá pagar, caso marque 7 dezenas em sua cartela, mas de R$60,00. ( ) Caso um apostador marque 5 dezenas em sua cartela, a chance de ele acertar exatamente uma dezena entre as 5 sorteadas será superor a 30%. ( ) Se um apostador marcar apenas 5 dezenas em sua cartela, a probabldade de ele ganhar o prêmo prncpal com essa cartela será superor a 1/ ( ) As dezenas que forem sorteadas em concursos anterores terão mas chances de serem sorteadas novamente. ( ) Se o apostador A marcar 6 dezenas em sua cartela e o apostador B marcar 5 dezenas, a probabldade de A ganhar será ses vezes superor à de B. RESOLUÇÃO: ( ) Consdere que o cálculo do valor a ser pago pela aposta seja feto medante a multplcação do valor de uma aposta de 5 dezenas, que é fxo, pela quantdade de jogos de cnco dezenas que é possível fazer com as dezenas que o apostador marcar em sua cartela. Consdere, anda, que um jogo de 5 dezenas custe R$ 3,00. Em face dessa stuação, é correto afrmar que o apostador deverá pagar, caso marque 7 dezenas em sua cartela, mas de R$60,00. Caso marque 7 dezenas, o número de combnações de 5 dezenas é: C(7,5) Para facltar os cálculos, devemos lembrar a propredade das combnações: C(n, p) = C(n, n-p) Portanto, C(7,5) = C(7, 7-5) = C(7,2) Assm, C(7,5) = C(7,2) = 7x6 / (2x1) = 21 combnações

15 ! Portanto, como cada combnação de 5 dezenas custa 3 reas, ao todo este apostador pagará 3 x 21 = 63 reas. Item CORRETO. ( ) Caso um apostador marque 5 dezenas em sua cartela, a chance de ele acertar exatamente uma dezena entre as 5 sorteadas será superor a 30%. O total de formas de seleconar 5 das 15 dezenas possíves é: Total = C(15,5) = 3003 Os casos que nos nteressam são as cartelas com 1 dezena correta e 4 dezenas erradas. Temos 5 possbldades de acertar uma das dezenas sorteadas (qualquer uma das 5). Já para as 4 dezenas sorteadas, devemos lembrar que temos 15 dezenas possíves, sendo que 5 serão sorteadas e 10 não. O número de combnações das 10 dezenas não sorteadas, em grupos de 4, é: C(10,4) = (10 x 9 x 8 x 7) / (4 x 3 x 2 x 1) C(10,4) = 210 possbldades Assm, o número de formas de pegar 1 dezena sorteada e 4 não sorteadas é 5 x 210 = 1050 possbldades. Portanto, a probabldade de acertar apenas 1 dezena é: P = casos favoráves / total P = 1050 / 3003 P = 0,349 = 34,9% Item CORRETO. ( ) Se um apostador marcar apenas 5 dezenas em sua cartela, a probabldade de ele ganhar o prêmo prncpal com essa cartela será superor a 1/ Como vmos acma, o total de combnações das 15 dezenas, 5 a 5, é C(15,5) = Como o apostador escolheu apenas 1 dessas combnações, a chance de ele acertar é: P = 1 / 3003 Este número é MENOR que 1/3000. Item ERRADO.

16 ! ( ) As dezenas que forem sorteadas em concursos anterores terão mas chances de serem sorteadas novamente. ERRADO. Não há nada que ndque sto no enuncado e, em regra, neste tpo de sorteo as dezenas não são vcadas, sto é, todas elas tem a mesma chance de serem sorteadas. ( ) Se o apostador A marcar 6 dezenas em sua cartela e o apostador B marcar 5 dezenas, a probabldade de A ganhar será ses vezes superor à de B. Se A marcar 6 dezenas, o número de combnações de 5 dezenas que pode ser formado é C(6, 5) = C(6, 1) = 6. Portanto, ao marcar 6 dezenas o jogador A está seleconando 6 conjuntos de 5 números. Já o apostador B tem apenas 1 forma de acertar, dado que marcou apenas 1 conjunto de 5 dezenas. Assm, a probabldade de A ganhar é 6 vezes maor. Item CORRETO. Resposta: C C E E C 7. CESPE TRT/ ) Consderando que, dos 10 postos de combustíves de determnada cdade, exatamente dos deles cometam a nfração de vender gasolna adulterada, e que sejam escolhdos ao acaso alguns desses postos para serem fscalzados, julgue os tens seguntes. ( ) Cnco é a menor quantdade de postos que devem ser escolhdos para serem fscalzados de modo que, com certeza, um deles seja nfrator. ( ) Há mas de 15 maneras dstntas de se escolher dos postos, de modo que exatamente um deles seja nfrator. ( ) Se dos postos forem escolhdos aleatoramente, a probabldade de esses dos postos serem os nfratores será nferor a 2%. ( ) Há menos de 30 maneras dferentes de se escolher quatro postos, de modo que dos deles sejam os nfratores. RESOLUÇÃO: ( ) Cnco é a menor quantdade de postos que devem ser escolhdos para serem fscalzados de modo que, com certeza, um deles seja nfrator. ERRADO. Podemos dar o azar de escolher 5 dos 8 postos que não são nfratores. Para ter certeza de pegar pelo menos 1 nfrator, deveríamos fscalzar 9 postos.

17 ! ( ) Há mas de 15 maneras dstntas de se escolher dos postos, de modo que exatamente um deles seja nfrator. Para escolher 1 posto nfrator dentre os 2 possíves, exstem C(2,1) = 2 possbldades. Para escolher 1 posto não-nfrator dentre o 8 possíves, exstem C(8,1) = 8 possbldades. Assm, o número de maneras dstntas de se escolher dos postos, de modo que exatamente um deles seja nfrator, é 2 x 8 = 16. Item CORRETO. ( ) Se dos postos forem escolhdos aleatoramente, a probabldade de esses dos postos serem os nfratores será nferor a 2%. O total de maneras de se escolher 2 postos em 10 é: C(10,2) = 10 x 9 / (2 x 1) = 45 O total de maneras de se escolher 2 dos 2 postos nfratores é: C(2,2) = 1 Portanto, a probabldade de escolher exatamente dos postos nfratores é: P = 1 / 45 = 0,0222 = 2,22% Item ERRADO. ( ) Há menos de 30 maneras dferentes de se escolher quatro postos, de modo que dos deles sejam os nfratores. Para escolher os 2 postos nfratores, há apenas 1 forma, pos C(2,2) = 1. Para os outros 2 postos a serem escolhdos, temos 8 possbldades, o que nos dá um total de maneras de escolha gual a C(8,2) = 8 x 7 / (2 x 1) = 28. Assm, o número de maneras dferentes de se escolher quatro postos, de modo que dos deles sejam os nfratores, é 1 x 28 = 28. Item CORRETO. Resposta: E C E C 8. CESPE MPU 2013) Em razão da lmtação de recursos humanos, a dreção de determnada undade do MPU determnou ser prordade analsar os processos

18 ! em que se nvestguem crmes contra a admnstração públca que envolvam autordades nfluentes ou desvo de altos valores. A partr dessas nformações, consderando P = conjunto dos processos em análse na undade, A = processos de P que envolvem autordades nfluentes, B = processos de P que envolvem desvo de altos valores, C P (X) = processos de P que não estão no conjunto X, e supondo que, dos processos de P, 2/3 são de A e 3/5 são de B, julgue os tens a segur. ( ) Seleconando-se ao acaso um processo em trâmte na undade em questão, a probabldade de que ele não envolva autordade nfluente será superor a 30%. RESOLUÇÃO: Fo dto que 2/3 dos processos fazem parte de A, sto é, 2/3 envolvem autordades nfluentes. Assm, o restante (1/3) não envolve autordade nfluente. A chance de seleconar um deles é de 1/3 = 33,33%. Item CORRETO. Resposta: C 9. CESPE STM 2011) Consdere o segunte conjunto de dados composto por cnco elementos: {82,93; 94,54; 98,40; 115,41; 123,07}. Com base nesses dados, julgue os tens subsequentes acerca das meddas de tendênca central. ( ) Em uma dstrbução de dados unmodal, se a méda e a medana forem guas, não é possível determnar o valor da moda se todos os dados não estverem dsponíves. ( ) A méda do conjunto de dados em questão é 102,87 e a medana é 98,40. Se o valor 123,07 for alterado para 200, a méda rá aumentar, mas a medana contnuará sendo 98,40. ( ) Se o valor de um dos elementos do conjunto não for fornecdo, esse valor pode ser determnado se a méda do conjunto for conhecda, mas não será possível obter esse valor conhecendo-se apenas a medana. RESOLUÇÃO: ( ) Em uma dstrbução de dados unmodal, se a méda e a medana forem guas, não é possível determnar o valor da moda se todos os dados não estverem dsponíves.

19 ! ERRADO, pos é possível determnar o valor da moda anda que algum valor esteja faltando. Exemplfcando, veja a segunte dstrbução: {1; 1; 1; 1; 3,74; 6; 6; 7; 7} Ela possu méda gual a 3,74 e medana também gual a 3,74. Anda que não soubéssemos um dos valores, já sera possível determnar que a moda é gual a 1. Exemplfcando, se tvéssemos: {1; 1; 1; 1; 3,74; X; 6; 7; 7}, onde o X representa um valor desconhecdo, já poderíamos afrmar que a moda é gual a 1, ndependente do valor que X venha a assumr. Obs.: a banca anulou este tem por consderar que a redação prejudcou o julgamento objetvo. Anda assm, é nteressante você compreender os concetos envolvdos, pos eles podem voltar a ser cobrados! ( ) A méda do conjunto de dados em questão é 102,87 e a medana é 98,40. Se o valor 123,07 for alterado para 200, a méda rá aumentar, mas a medana contnuará sendo 98,40. A méda do conjunto {82,93; 94,54; 98,40; 115,41; 123,07} pode ser calculada somando-se todos os elementos (total = 514,35) e dvdndo-se pela quantdade de elementos (5). Assm, obtém-se o valor 102,87. A medana é o termo central. Como n = 5, a posção da medana é: Posção da medana = (n + 1)/ 2 = (5 + 1) / 2 = 3 Vemos que a medana é o 3º termo, que é gual a 98,40. Trocando-se o últmo valor por um número maor (200), a méda naturalmente va aumentar, pos ela é nfluencada por todos os elementos da dstrbução. Já a medana não será alterada, pos ela contnua sendo gual ao termo central, que manteve-se em 98,40. Item CORRETO. ( ) Se o valor de um dos elementos do conjunto não for fornecdo, esse valor pode ser determnado se a méda do conjunto for conhecda, mas não será possível obter esse valor conhecendo-se apenas a medana.

20 ! Item CORRETO, pos se não conhecemos apenas um valor, é possível obtêlo sabendo-se a méda, o número de termos e o valor de cada um dos demas termos (ou da soma dos demas termos). Isto porque todos os termos entram no cálculo da méda: Méda = n X X = Méda n X1 + X X n = Méda n 0 Já a medana é obtda apenas a partr do termo central (se o número de termos é ímpar), ou da méda artmétca dos termos centras (se o número de termos é par). Assm, em regra não é possível obter um termo desconhecdo conhecendo-se apenas a medana (a menos que o termo buscado seja o termo central). Obs.: novamente a banca entendeu ser melhor anular este tem devdo à redação confusa. Apresente para você mesmo assm pos em provas futuras a banca pode cobrar o mesmo assunto, porém aperfeçoando a redação, para não dar margem à novas anulações. Resposta: E C C 10. CESPE TJ/DF 2008)

21 ! A tabela acma apresenta a dstrbução de freqüênca absoluta das notas dadas por 125 usuáros de um servço públco, em uma avalação da qualdade do atendmento. Consderando essas nformações, julgue os próxmos tens. ( ) A méda, a moda e a medana dos valores apresentados na tabela são superores a 2,8 e nferores a 3,3. ( ) O desvo-padrão das notas apresentadas na tabela é superor a 1,1. RESOLUÇÃO: Para resolver esta questão, vamos calcular a méda, moda, medana e desvo-padrão das notas da tabela. A tabela abaxo nos auxla a efetuar o cálculo: Nota (X ) Frequênca (f ) X x f Frequêncas acumuladas (fac) f = 125 X f = Logo, a méda é: X X f = = 3 f A moda é a nota que possu mas frequêncas. Na tabela, vemos que a moda é gual a 3, que possu 47 repetções. Como temos n = 125 (número ímpar) repetções, a medana é o termo da posção (n+1)/2 = (125+1)/2 = 63. Olhando a coluna das frequêncas acumuladas (fac), veja que temos 32 frequêncas até a nota 2, e 79 frequêncas até a nota 3. Logo, a posção 63 só pode estar na classe da nota 3. Assm, Medana = 3. Para obter o desvo-padrão, vamos ncalmente calcular a varânca. Repare que vamos calcular a varânca amostral, e não populaconal (pos os 125 usuáros do servço públco são apenas uma amostra do total de usuáros do servço). Para uma tabela de frequêncas, a fórmula é:

22 ! s n 2 [ f ( X X ) ] 2 1 = n 1 f 1 Antes de usar a fórmula, vamos contnuar preenchendo a mesma tabela: Nota (X ) Frequênca (f ) X X ( X X ) 2 f ( X X ) n f X X f = 125 [ ( ) ] = Portanto, s n 2 [ f ( X X ) ] 2 1 n 124 = = = f 1 1 Desta forma, é CORRETO dzer que a méda/medana/moda estão entre 2,8 e 3,3, porém é ERRADO dzer que o desvo-padrão é superor a 1,1. Resposta: C E 11. CESPE CORREIOS 2011) Julgue os tens seguntes, relaconados aos concetos de estatístca. ( ) Escolardade e número de flhos são exemplos de varáves quanttatvas ordenável e dscreta, respectvamente. ( ) Quando a varável é qualtatva, a únca medda de tendênca que se pode utlzar é a moda. ( ) Varânca, desvo padrão e coefcente de varação são tpos dferentes de meddas de dspersão. ( ) A característca fundamental de uma dstrbução smétrca, como a normal e a t- Student, é apresentar méda, moda e medana guas.

23 ! ( ) Defne-se varável como o conjunto de resultados possíves para uma característca avalada. RESOLUÇÃO: ( ) Escolardade e número de flhos são exemplos de varáves quanttatvas ordenável e dscreta, respectvamente. A varável Escolardade pode assumr valores como: Nível Fundamental, Nível Médo, Nível Superor, Pós Graduação etc. Trata-se, portanto, de uma varável qualtatva, e não quanttatva. Isto já torna o tem ERRADO. Já a varável número de flhos é, de fato, quanttatva. Trata-se realmente de uma varável dscreta, uma vez que o número de flhos pode ser {0, 1, 2, 3...}, mas não pode assumr qualquer valor entre 0 e 1, ou entre 1 e 2, por exemplo. ( ) Quando a varável é qualtatva, a únca medda de tendênca que se pode utlzar é a moda. Vamos utlzar como exemplo a varável Escolardade, que já vmos ser qualtatva. Se, em uma amostra, sabemos que 5 pessoas tem nível fundamental, 10 tem nível médo, 15 tem nível superor e 1 tem pós graduação, quas meddas de posção (ou tendênca central) podemos calcular? Ora, descabdo é calcular a méda, afnal não faz sentdo somar 5 fundamental + 5 médo + 15 superor + 1 pós, e muto menos dvdr por qualquer cosa. O mesmo vale para a medana, cujo cálculo exge que trabalhemos com varáves numércas e que possam ser ordenadas da menor para a maor. Já a moda é defnda como sendo o valor que mas se repete. Neste exemplo, claramente a moda é nível superor, que é o valor que possu o maor número de freqüêncas. Item CORRETO. ( ) Varânca, desvo padrão e coefcente de varação são tpos dferentes de meddas de dspersão. CORRETO. As três meddas de dspersão, ou varabldade, que estudamos foram exatamente a varânca, o desvo padrão e o coefcente de varação. Elas medem quão próxmos ou quão dspersos/afastados encontram-se os dados de determnada amostra ou população.

24 ! ( ) A característca fundamental de uma dstrbução smétrca, como a normal e a t- Student, é apresentar méda, moda e medana guas. Veja abaxo um exemplo de dstrbução smétrca: Repare que tanto a méda, a moda e a medana encontram-se na mesma posção. Item CORRETO. ( ) Defne-se varável como o conjunto de resultados possíves para uma característca avalada. CORRETO. Consderando a característca dade das pessoas, defnmos a varável Idade como sendo os valores desta característca em uma determnada amostra ou população. Resposta: E C C C C 12. CESPE CNPq 2011)

25 ! Consderando a fgura acma, que lustra a função de densdade de probabldade de uma varável aleatóra X, julgue o segunte tem. ( ) Infere-se do gráfco acma que a dstrbução é assmétrca à dreta e, portanto, o valor médo de X é maor que a sua medana. RESOLUÇÃO: Uma dstrbução é consderada assmétrca à dreta quando possu uma concentração na parte esquerda e uma longa cauda estendendo-se para o lado dreto. É exatamente sto que ocorre na fgura acma. A concentração de resultados na parte esquerda da curva puxa a medana para este lado, sto é, a dmnu. E a presença de valores mas altos ao longo da cauda aumenta o valor da méda, puxando-a para a dreta, sto é, a aumenta. Por sso a méda é superor à medana neste caso. Item CORRETO. Resposta: C 13. CESPE TRE/ES 2011) A tabela acma apresenta uma dstrbução hpotétca das quantdades de eletores que não votaram no segundo turno da eleção para presdente da Repúblca bem como os números de muncípos em que essas quantdades ocorreram. Com base nessa tabela, julgue os tens seguntes, relatvos à análse exploratóra de dados.

26 ! ( ) Consderando-se os três ntervalos de classe centras, é correto afrmar que a dstrbução dos dados da tabela acma é aproxmadamente smétrca em torno da méda. ( ) A moda da dstrbução se encontra no mesmo ntervalo de classe que contempla a medana e a méda. ( ) A méda e a medana do número de eletores que não votaram estão entre e ( ) Na tabela de frequêncas, o uso de ntervalos de classe permte conclur que a varável em questão é contínua. RESOLUÇÃO: ( ) Consderando-se os três ntervalos de classe centras, é correto afrmar que a dstrbução dos dados da tabela acma é aproxmadamente smétrca em torno da méda. Vamos representar grafcamente os três ntervalos de classe centras: Observe que, de fato, temos um gráfco smétrco. Isto podera ser percebdo com a mera análse da tabela, afnal tanto à dreta quanto à esquerda da classe com 3000 frequêncas temos classes com 1000 frequêncas cada. Item CORRETO. ( ) A moda da dstrbução se encontra no mesmo ntervalo de classe que contempla a medana e a méda.

27 ! A classe modal, sto é, a classe com maor número de freqüêncas, é a de eletores, pos ela possu 3000 muncípos. Para saber onde se encontram a medana e a méda, vamos utlzar a tabela abaxo, que já apresenta os pontos médos de cada ntervalo e também as freqüêncas acumuladas. Quantdade de Pontos médos dos Quantdade de Frequêncas eletores ntervalos (PM ) muncípos (f ) acumuladas (fac) Repare que temos n = 5564 frequêncas, número par. Portanto, a medana é a méda artmétca entre os termos ao redor da posção (5564+1)/2 = 2782,5, sto é, os 2782º e 2783º termos. Analsando a coluna de freqüêncas acumuladas, vemos que na classe de temos da 1365ª até a 4364ª freqüêncas, logo a medana está nesta classe. A méda é dada por: Méda PM = Méda = = Assm, a méda também pertence à classe Item CORRETO. f f ( ) A méda e a medana do número de eletores que não votaram estão entre e Como já vmos no tem anteror, a medana e a méda encontram-se na classe de eletores, portanto o tem está CORRETO.

28 ! ( ) Na tabela de frequêncas, o uso de ntervalos de classe permte conclur que a varável em questão é contínua. Apesar da tabela do enuncado ter utlzado ntervalos de classe, repare que as varáves número de eletores ou número de muncípos, não são contínuas. Afnal, é possível ter 20 eletores, ou 21, mas não é possível ter 20,5 eletores. Trata-se de varáves dscretas. Isto torna o tem ERRADO. Porém atenção: também é possível utlzar ntervalos para representar varáves contínuas! Resposta: C C C E 14. CESPE MS 2010) A fgura acma apresenta os totas anuas de casos de febre hemorrágca da dengue, de 1988 a 2008, em Fortaleza, cdade em que a doença fo confrmada pela prmera vez em A partr de 1998, verfca-se a ocorrênca anual da enfermdade, ncando em um patamar de baxa ncdênca (1998 a 2000) e segundo para um patamar elevado que vara de 44 a 254 casos, com exceção de Secretara Muncpal da Saúde de Fortaleza. Plano de contngênca para o controle da dengue no muncípo de Fortaleza em 2009, (com adaptações).

29 ! Com base nas nformações acma, consderando que a varável X representa o total anual de casos de febre hemorrágca da dengue em Fortaleza, julgue os tens a segur. ( ) A méda artmétca de X no trêno fo gual a 75% da méda artmétca de X no trêno ( ) Consderando o período de 1988 a 2008, a moda da varável X fo gual a 254. ( ) De 1988 a 2008, a medana amostral de X fo superor a 3. ( ) A fgura apresentada é um hstograma da varável X. ( ) Consderando-se as observações no período de 1995 a 1999, a varânca amostral de X fo gual a 3. RESOLUÇÃO: ( ) A méda artmétca de X no trêno fo gual a 75% da méda artmétca de X no trêno Consderando os anos de 2001, 2002 e 2003 a méda do total de casos de febre é: Méda = = 90 3 Já nos anos de 2005, 2006 e 2007 a méda é: Méda = = Como 90/120 = 0,75 = 75%, o tem está CORRETO. ( ) Consderando o período de 1988 a 2008, a moda da varável X fo gual a 254. A moda é defnda como o valor da varável X que possu o maor número de frequêncas. 254 é o maor número de frequêncas, que ocorre no ano de Portanto, a moda é Item ERRADO. ( ) De 1988 a 2008, a medana amostral de X fo superor a 3. Lstando em ordem crescente todos os valores de X, temos:

30 ! {0, 0, 0, 0, 0, 0, 0, 0, 0, 1, 2, 4, 6, 21, 44, 60, 118, 119, 123, 166, 254} Ao todo, temos n = 21 termos, de modo que a medana será o termo da posção (21 + 1)/2 = 11. Na 11ª posção temos o valor x = 2. Portanto, a medana é gual a 2, sendo nferor a 3. Item ERRADO. ( ) A fgura apresentada é um hstograma da varável X. ERRADO. Observe que X não é uma varável aleatóra como outra qualquer, trata-se de uma varável conhecda como sére temporal, sto é, uma sére de observações de um mesmo fenômeno (casos de febre) ordenados no tempo. Não temos um hstograma, que se caracterzara pela exstênca de ntervalos de classes. ( ) Consderando-se as observações no período de 1995 a 1999, a varânca amostral de X fo gual a 3. De 1995 a 1999 as frequêncas de X foram {0, 0, 0, 4, 1}, tendo méda gual a 1. Portanto, a varânca amostral é: (0 1) + (0 1) + (0 1) + (4 1) + (1 1) Var = Var = = Item CORRETO. Resposta: C E E E C *************************** Pessoal, a aula de hoje fo um breve aquecmento para o nosso curso. Até a aula 01, quando começaremos a trabalhar os concetos teórcos que vão te ajudar a resolver as questões. Abraço, Arthur Lma arthurlma@estrategaconcursos.com.br

31 ! 4. LISTA DAS QUESTÕES APRESENTADAS NA AULA 1. CESPE ANTAQ 2009) Consderando a tabela acma, que apresenta a movmentação anual de cargas no porto de Santos de 2003 a 2007, em mlhões de toneladas/ano e assoca as quantdades de carga movmentadas para exportação e mportação às varáves X e Y, respectvamente, julgue os tens subsequentes. ( ) A quantdade de carga movmentada para exportação em 2007 fo, pelo menos, 35% maor que a quantdade de carga movmentada para exportação em ( ) A méda das dferenças X Y no período mostrado fo superor a 25,5 mlhões de toneladas/ano. ( ) Nesse período, a medana dos totas movmentados (X+Y) fo nferor a 70 mlhões de toneladas. ( ) A varânca amostral de Y fo, no período, nferor a 8 (toneladas/ano) 2. ( ) O coefcente de varação da dstrbução dos valores de X é superor ao coefcente de varação da dstrbução dos valores de Y. ( ) X e Y são varáves qualtatvas em escala ordnal. ( ) Hstorcamente, de 2003 a 2007, a quantdade exportada X fo, pelo menos, duas vezes maor que a quantdade mportada Y. 2. CESPE MEC 2009) Merendas escolares demandadas em 10 dferentes escolas:

32 ! 200, 250, 300, 250, 250, 200, 150, 200, 150, 200. Com base nessas nformações, julgue os próxmos tens. ( ) A medana da dstrbução do número dáro de merendas escolares é gual a 225. ( ) O desvo padrão amostral dos números dáros de merendas escolares é superor a CESPE CEHAP/PB 2009) O gráfco acma mostra a dstrbução percentual de veículos de acordo com suas velocdades aproxmadas, regstradas por meo de um radar nstalado em uma avenda. A velocdade méda aproxmada, em km/h, dos veículos que foram regstrados pelo radar fo A) nferor a 40. B) superor a 40 e nferor a 43. C) superor a 43 e nferor a 46. D) superor a CESPE Políca Federal 2012) Dez polcas federas dos delegados, dos pertos, dos escrvães e quatro agentes foram desgnados para cumprr mandado de busca e apreensão em duas localdades próxmas à superntendênca regonal. O grupo será dvddo em duas equpes. Para tanto, exge-se que cada uma seja

33 ! composta, necessaramente, por um delegado, um perto, um escrvão e dos agentes. Consderando essa stuação hpotétca, julgue os tens que se seguem. ( ) Se todos os polcas em questão estverem habltados a drgr, então, formadas as equpes, a quantdade de maneras dstntas de se organzar uma equpe dentro de um veículo com cnco lugares motorsta e mas quatro pasageros será superor a 100. ( ) Há mas de 50 maneras dferentes de compor as referdas equpes. ( ) Se cnco dos ctados polcas forem escolhdos, aleatoramente e ndependentemente dos cargos, então a probabldade de que esses escolhdos consttuam uma equpe com a exgênca ncal será superor a 20% 5. CESPE INPI 2013) Em um rebanho de 30 novlhas 7 são marrons, 13 são malhadas e 10 são brancas. A respeto desse rebanho, julgue os tens seguntes. ( ) Se um desses anmas for seleconado ao acaso, a probabldade de ele ser malhado é nferor a 40%. 6. CESPE TRT/10ª 2013) No concurso de loteras denomnado mnquna, o apostador pode marcar 5, 6 ou 7 dezenas em uma cartela que possu as dezenas de 01 a 15. Nesse concurso, o prêmo prncpal é dado ao apostador que marcar em sua cartela as cnco dezenas sorteadas aleatoramente em uma urna. Com relação ao concurso hpotétco acma apresentado, julgue os tens subsequentes. ( ) Consdere que o cálculo do valor a ser pago pela aposta seja feto medante a multplcação do valor de uma aposta de 5 dezenas, que é fxo, pela quantdade de jogos de cnco dezenas que é possível fazer com as dezenas que o apostador marcar em sua cartela. Consdere, anda, que um jogo de 5 dezenas custe R$ 3,00. Em face dessa stuação, é correto afrmar que o apostador deverá pagar, caso marque 7 dezenas em sua cartela, mas de R$60,00. ( ) Caso um apostador marque 5 dezenas em sua cartela, a chance de ele acertar exatamente uma dezena entre as 5 sorteadas será superor a 30%. ( ) Se um apostador marcar apenas 5 dezenas em sua cartela, a probabldade de ele ganhar o prêmo prncpal com essa cartela será superor a 1/3.000.

34 ! ( ) As dezenas que forem sorteadas em concursos anterores terão mas chances de serem sorteadas novamente. ( ) Se o apostador A marcar 6 dezenas em sua cartela e o apostador B marcar 5 dezenas, a probabldade de A ganhar será ses vezes superor à de B. 7. CESPE TRT/ ) Consderando que, dos 10 postos de combustíves de determnada cdade, exatamente dos deles cometam a nfração de vender gasolna adulterada, e que sejam escolhdos ao acaso alguns desses postos para serem fscalzados, julgue os tens seguntes. ( ) Cnco é a menor quantdade de postos que devem ser escolhdos para serem fscalzados de modo que, com certeza, um deles seja nfrator. ( ) Há mas de 15 maneras dstntas de se escolher dos postos, de modo que exatamente um deles seja nfrator. ( ) Se dos postos forem escolhdos aleatoramente, a probabldade de esses dos postos serem os nfratores será nferor a 2%. ( ) Há menos de 30 maneras dferentes de se escolher quatro postos, de modo que dos deles sejam os nfratores. 8. CESPE MPU 2013) Em razão da lmtação de recursos humanos, a dreção de determnada undade do MPU determnou ser prordade analsar os processos em que se nvestguem crmes contra a admnstração públca que envolvam autordades nfluentes ou desvo de altos valores. A partr dessas nformações, consderando P = conjunto dos processos em análse na undade, A = processos de P que envolvem autordades nfluentes, B = processos de P que envolvem desvo de altos valores, C P (X) = processos de P que não estão no conjunto X, e supondo que, dos processos de P, 2/3 são de A e 3/5 são de B, julgue os tens a segur. ( ) Seleconando-se ao acaso um processo em trâmte na undade em questão, a probabldade de que ele não envolva autordade nfluente será superor a 30%. 9. CESPE STM 2011) Consdere o segunte conjunto de dados composto por cnco elementos: {82,93; 94,54; 98,40; 115,41; 123,07}.

35 ! Com base nesses dados, julgue os tens subsequentes acerca das meddas de tendênca central. ( ) Em uma dstrbução de dados unmodal, se a méda e a medana forem guas, não é possível determnar o valor da moda se todos os dados não estverem dsponíves. ( ) A méda do conjunto de dados em questão é 102,87 e a medana é 98,40. Se o valor 123,07 for alterado para 200, a méda rá aumentar, mas a medana contnuará sendo 98,40. ( ) Se o valor de um dos elementos do conjunto não for fornecdo, esse valor pode ser determnado se a méda do conjunto for conhecda, mas não será possível obter esse valor conhecendo-se apenas a medana. 10. CESPE TJ/DF 2008) A tabela acma apresenta a dstrbução de freqüênca absoluta das notas dadas por 125 usuáros de um servço públco, em uma avalação da qualdade do atendmento. Consderando essas nformações, julgue os próxmos tens. ( ) A méda, a moda e a medana dos valores apresentados na tabela são superores a 2,8 e nferores a 3,3. ( ) O desvo-padrão das notas apresentadas na tabela é superor a 1, CESPE CORREIOS 2011) Julgue os tens seguntes, relaconados aos concetos de estatístca.

36 ! ( ) Escolardade e número de flhos são exemplos de varáves quanttatvas ordenável e dscreta, respectvamente. ( ) Quando a varável é qualtatva, a únca medda de tendênca que se pode utlzar é a moda. ( ) Varânca, desvo padrão e coefcente de varação são tpos dferentes de meddas de dspersão. ( ) A característca fundamental de uma dstrbução smétrca, como a normal e a t- Student, é apresentar méda, moda e medana guas. ( ) Defne-se varável como o conjunto de resultados possíves para uma característca avalada. 12. CESPE CNPq 2011) Consderando a fgura acma, que lustra a função de densdade de probabldade de uma varável aleatóra X, julgue o segunte tem. ( ) Infere-se do gráfco acma que a dstrbução é assmétrca à dreta e, portanto, o valor médo de X é maor que a sua medana. 13. CESPE TRE/ES 2011)

37 ! A tabela acma apresenta uma dstrbução hpotétca das quantdades de eletores que não votaram no segundo turno da eleção para presdente da Repúblca bem como os números de muncípos em que essas quantdades ocorreram. Com base nessa tabela, julgue os tens seguntes, relatvos à análse exploratóra de dados. ( ) Consderando-se os três ntervalos de classe centras, é correto afrmar que a dstrbução dos dados da tabela acma é aproxmadamente smétrca em torno da méda. ( ) A moda da dstrbução se encontra no mesmo ntervalo de classe que contempla a medana e a méda. ( ) A méda e a medana do número de eletores que não votaram estão entre e ( ) Na tabela de frequêncas, o uso de ntervalos de classe permte conclur que a varável em questão é contínua. 14. CESPE MS 2010)

38 ! A fgura acma apresenta os totas anuas de casos de febre hemorrágca da dengue, de 1988 a 2008, em Fortaleza, cdade em que a doença fo confrmada pela prmera vez em A partr de 1998, verfca-se a ocorrênca anual da enfermdade, ncando em um patamar de baxa ncdênca (1998 a 2000) e segundo para um patamar elevado que vara de 44 a 254 casos, com exceção de Secretara Muncpal da Saúde de Fortaleza. Plano de contngênca para o controle da dengue no muncípo de Fortaleza em 2009, (com adaptações). Com base nas nformações acma, consderando que a varável X representa o total anual de casos de febre hemorrágca da dengue em Fortaleza, julgue os tens a segur. ( ) A méda artmétca de X no trêno fo gual a 75% da méda artmétca de X no trêno ( ) Consderando o período de 1988 a 2008, a moda da varável X fo gual a 254. ( ) De 1988 a 2008, a medana amostral de X fo superor a 3. ( ) A fgura apresentada é um hstograma da varável X. ( ) Consderando-se as observações no período de 1995 a 1999, a varânca amostral de X fo gual a 3.

39 ! 5. GABARITO 01 CCECEEC 02 EE 03 C 04 CEE 05 E 06 CCEEC 07 ECEC 08 C 09 ECC 10 CE 11 ECCCC 12 C 13 CCCE 14 CEEEC

40

! ( ) Se todos os policiais em questão estiverem habilitados a dirigir, então, formadas as equipes, a quantidade de maneiras distintas de se organizar uma equipe dentro de um veículo com cinco lugares

Leia mais

4 Critérios para Avaliação dos Cenários

4 Critérios para Avaliação dos Cenários Crtéros para Avalação dos Cenáros É desejável que um modelo de geração de séres sntétcas preserve as prncpas característcas da sére hstórca. Isto quer dzer que a utldade de um modelo pode ser verfcada

Leia mais

CAPÍTULO 2 DESCRIÇÃO DE DADOS ESTATÍSTICA DESCRITIVA

CAPÍTULO 2 DESCRIÇÃO DE DADOS ESTATÍSTICA DESCRITIVA CAPÍTULO DESCRIÇÃO DE DADOS ESTATÍSTICA DESCRITIVA. A MÉDIA ARITMÉTICA OU PROMÉDIO Defnção: é gual a soma dos valores do grupo de dados dvdda pelo número de valores. X x Soma dos valores de x número de

Leia mais

3.6. Análise descritiva com dados agrupados Dados agrupados com variáveis discretas

3.6. Análise descritiva com dados agrupados Dados agrupados com variáveis discretas 3.6. Análse descrtva com dados agrupados Em algumas stuações, os dados podem ser apresentados dretamente nas tabelas de frequêncas. Netas stuações devemos utlzar estratégas específcas para obter as meddas

Leia mais

AEP FISCAL ESTATÍSTICA

AEP FISCAL ESTATÍSTICA AEP FISCAL ESTATÍSTICA Módulo 11: Varáves Aleatóras (webercampos@gmal.com) VARIÁVEIS ALEATÓRIAS 1. Conceto de Varáves Aleatóras Exemplo: O expermento consste no lançamento de duas moedas: X: nº de caras

Leia mais

7 - Distribuição de Freqüências

7 - Distribuição de Freqüências 7 - Dstrbução de Freqüêncas 7.1 Introdução Em mutas áreas há uma grande quantdade de nformações numércas que precsam ser dvulgadas de forma resumda. O método mas comum de resumr estes dados numércos consste

Leia mais

Ao se calcular a média, moda e mediana, temos: Quanto mais os dados variam, menos representativa é a média.

Ao se calcular a média, moda e mediana, temos: Quanto mais os dados variam, menos representativa é a média. Estatístca Dscplna de Estatístca 0/ Curso de Admnstração em Gestão Públca Profª. Me. Valéra Espíndola Lessa e-mal: lessavalera@gmal.com Meddas de Dspersão Indcam se os dados estão, ou não, prómos uns dos

Leia mais

1. ANÁLISE EXPLORATÓRIA E ESTATÍSTICA DESCRITIVA

1. ANÁLISE EXPLORATÓRIA E ESTATÍSTICA DESCRITIVA 1. ANÁLISE EXPLORATÓRIA E ESTATÍSTICA DESCRITIVA 014 Estatístca Descrtva e Análse Exploratóra Etapas ncas. Utlzadas para descrever e resumr os dados. A dsponbldade de uma grande quantdade de dados e de

Leia mais

FICHA de AVALIAÇÃO de MATEMÁTICA A 10.º Ano Versão 3

FICHA de AVALIAÇÃO de MATEMÁTICA A 10.º Ano Versão 3 FICHA de AVALIAÇÃO de MATEMÁTICA A 10.º Ano Versão 3 Nome Nº Turma: Data: / / Professor 10.º Ano Classfcação Apresente o seu racocíno de forma clara, ndcando todos os cálculos que tver de efetuar e todas

Leia mais

FICHA de AVALIAÇÃO de MATEMÁTICA A 10.º Ano Versão 2

FICHA de AVALIAÇÃO de MATEMÁTICA A 10.º Ano Versão 2 FICHA de AVALIAÇÃO de MATEMÁTICA A 10.º Ano Versão 2 Nome Nº Turma: Data: / / Professor 10.º Ano Classfcação Apresente o seu racocíno de forma clara, ndcando todos os cálculos que tver de efetuar e todas

Leia mais

Ao se calcular a média, moda e mediana, temos: Quanto mais os dados variam, menos representativa é a média.

Ao se calcular a média, moda e mediana, temos: Quanto mais os dados variam, menos representativa é a média. Estatístca Dscplna de Estatístca 0/ Curso Superor de tecnólogo em Gestão Ambental Profª. Me. Valéra Espíndola Lessa e-mal: lessavalera@gmal.com Meddas de Dspersão Indcam se os dados estão, ou não, prómos

Leia mais

FICHA de AVALIAÇÃO de MATEMÁTICA A 10.º Ano Versão 1

FICHA de AVALIAÇÃO de MATEMÁTICA A 10.º Ano Versão 1 FICHA de AVALIAÇÃO de MATEMÁTICA A 10.º Ano Versão 1 Nome Nº Turma: Data: / / Professor 10.º Ano Classfcação Apresente o seu racocíno de forma clara, ndcando todos os cálculos que tver de efetuar e todas

Leia mais

Algarismos Significativos Propagação de Erros ou Desvios

Algarismos Significativos Propagação de Erros ou Desvios Algarsmos Sgnfcatvos Propagação de Erros ou Desvos L1 = 1,35 cm; L = 1,3 cm; L3 = 1,30 cm L4 = 1,4 cm; L5 = 1,7 cm. Qual destas meddas está correta? Qual apresenta algarsmos com sgnfcado? O nstrumento

Leia mais

FICHA de AVALIAÇÃO de MATEMÁTICA A 10.º Ano Versão 4

FICHA de AVALIAÇÃO de MATEMÁTICA A 10.º Ano Versão 4 FICHA de AVALIAÇÃO de MATEMÁTICA A 10.º Ano Versão 4 Nome Nº Turma: Data: / / Professor 10.º Ano Classfcação Apresente o seu racocíno de forma clara, ndcando todos os cálculos que tver de efetuar e todas

Leia mais

Variável discreta: X = número de divórcios por indivíduo

Variável discreta: X = número de divórcios por indivíduo 5. Análse descrtva com dados agrupados Em algumas stuações, os dados podem ser apresentados dretamente nas tabelas de frequêncas. Netas stuações devemos utlzar estratégas específcas para obter as meddas

Leia mais

Análise Descritiva com Dados Agrupados

Análise Descritiva com Dados Agrupados Análse Descrtva com Dados Agrupados Em algumas stuações, os dados podem ser apresentados dretamente nas tabelas de frequêncas. Netas stuações devemos utlzar estratégas específcas para obter as meddas descrtvas

Leia mais

X = 1, se ocorre : VB ou BV (vermelha e branca ou branca e vermelha)

X = 1, se ocorre : VB ou BV (vermelha e branca ou branca e vermelha) Estatístca p/ Admnstração II - Profª Ana Cláuda Melo Undade : Probabldade Aula: 3 Varável Aleatóra. Varáves Aleatóras Ao descrever um espaço amostral de um expermento, não especfcamos que um resultado

Leia mais

8 - Medidas Descritivas

8 - Medidas Descritivas 8 - Meddas Descrtvas 8. Introdução Ao descrevemos um conjunto de dados por meo de tabelas e gráfcos temos muto mas nformações sobre o comportamento de uma varável do que a própra sére orgnal de dados.

Leia mais

ANÁLISE EXPLORATÓRIA E ESTATÍSTICA DESCRITIVA

ANÁLISE EXPLORATÓRIA E ESTATÍSTICA DESCRITIVA ANÁLISE EXPLORATÓRIA E ESTATÍSTICA DESCRITIVA 014 Estatístca Descrtva e Análse Exploratóra Etapas ncas. Utlzadas para descrever e resumr os dados. A dsponbldade de uma grande quantdade de dados e de métodos

Leia mais

CAPÍTULO 2 - Estatística Descritiva

CAPÍTULO 2 - Estatística Descritiva INF 16 Prof. Luz Alexandre Peternell CAPÍTULO - Estatístca Descrtva Exercícos Propostos 1) Consderando os dados amostras abaxo, calcular: méda artmétca, varânca, desvo padrão, erro padrão da méda e coefcente

Leia mais

Estatística stica Descritiva

Estatística stica Descritiva AULA1-AULA5 AULA5 Estatístca stca Descrtva Prof. Vctor Hugo Lachos Davla oo que é a estatístca? Para mutos, a estatístca não passa de conjuntos de tabelas de dados numércos. Os estatístcos são pessoas

Leia mais

x Ex: A tabela abaixo refere-se às notas finais de três turmas de estudantes. Calcular a média de cada turma:

x Ex: A tabela abaixo refere-se às notas finais de três turmas de estudantes. Calcular a média de cada turma: Professora Janete Perera Amador 1 8 Meddas Descrtvas Vmos anterormente que um conjunto de dados pode ser resumdo através de uma dstrbução de freqüêncas, e que esta pode ser representada através de uma

Leia mais

Probabilidade e Estatística I Antonio Roque Aula 4. Resumos Numéricos de Distribuições

Probabilidade e Estatística I Antonio Roque Aula 4. Resumos Numéricos de Distribuições Probabldade e Estatístca I Antono Roque Aula Resumos umércos de Dstrbuções As representações tabulares e grácas de dados são muto útes, mas mutas vezes é desejável termos meddas numércas quanttatvas para

Leia mais

FAAP APRESENTAÇÃO (1)

FAAP APRESENTAÇÃO (1) ARESENTAÇÃO A Estatístca é uma cênca que organza, resume e smplfca nformações, além de analsá-las e nterpretá-las. odemos dvdr a Estatístca em três grandes campos:. Estatístca Descrtva- organza, resume,

Leia mais

UNIDADE IV DELINEAMENTO INTEIRAMENTE CASUALIZADO (DIC)

UNIDADE IV DELINEAMENTO INTEIRAMENTE CASUALIZADO (DIC) UNDADE V DELNEAMENTO NTERAMENTE CASUALZADO (DC) CUABÁ, MT 015/ PROF.: RÔMULO MÔRA romulomora.webnode.com 1. NTRODUÇÃO Este delneamento apresenta como característca prncpal a necessdade de homogenedade

Leia mais

Resumos Numéricos de Distribuições

Resumos Numéricos de Distribuições Estatístca Aplcada à Educação Antono Roque Aula Resumos umércos de Dstrbuções As representações tabulares e grácas de dados são muto útes, mas mutas vezes é desejável termos meddas numércas quanttatvas

Leia mais

Estatística I Licenciatura MAEG 2006/07

Estatística I Licenciatura MAEG 2006/07 Estatístca I Lcencatura MAEG 006/07 AMOSTRAGEM. DISTRIBUIÇÕES POR AMOSTRAGEM.. Em determnada unversdade verfca-se que 30% dos alunos têm carro. Seleccona-se uma amostra casual smples de 0 alunos. a) Qual

Leia mais

3 Metodologia de Avaliação da Relação entre o Custo Operacional e o Preço do Óleo

3 Metodologia de Avaliação da Relação entre o Custo Operacional e o Preço do Óleo 3 Metodologa de Avalação da Relação entre o Custo Operaconal e o Preço do Óleo Este capítulo tem como objetvo apresentar a metodologa que será empregada nesta pesqusa para avalar a dependênca entre duas

Leia mais

AULA 4. Segundo Quartil ( Q observações são menores que ele e 50% são maiores.

AULA 4. Segundo Quartil ( Q observações são menores que ele e 50% são maiores. Estatístca Aplcada à Engenhara AULA 4 UNAMA - Unversdade da Amazôna.8 MEDIDA EPARATRIZE ão valores que separam o rol (os dados ordenados) em quatro (quarts), dez (decs) ou em cem (percents) partes guas.

Leia mais

TABELAS E GRÁFICOS PARA VARIÁVEIS ALEATÓRIAS QUANTITATIVAS CONTÍNUAS

TABELAS E GRÁFICOS PARA VARIÁVEIS ALEATÓRIAS QUANTITATIVAS CONTÍNUAS TABELAS E GRÁFICOS PARA VARIÁVEIS ALEATÓRIAS QUANTITATIVAS CONTÍNUAS Varável Qualquer característca assocada a uma população Classfcação de varáves Qualtatva { Nomnal sexo, cor dos olhos Ordnal Classe

Leia mais

1. ANÁLISE EXPLORATÓRIA E ESTATÍSTICA DESCRITIVA

1. ANÁLISE EXPLORATÓRIA E ESTATÍSTICA DESCRITIVA 1. ANÁLISE EXPLORATÓRIA E ESTATÍSTICA DESCRITIVA 011 Estatístca Descrtva e Análse Exploratóra Etapas ncas. Utlzadas para descrever e resumr os dados. A dsponbldade de uma grande quantdade de dados e de

Leia mais

Medidas de Tendência Central. Prof.: Ademilson Teixeira

Medidas de Tendência Central. Prof.: Ademilson Teixeira Meddas de Tendênca Central Prof.: Ademlson Texera ademlson.texera@fsc.edu.br 1 Servem para descrever característcas báscas de um estudo com dados quanttatvos e comparar resultados. Meddas de Tendênca Central

Leia mais

Capítulo 2 Estatística Descritiva Continuação. Prof. Fabrício Maciel Gomes

Capítulo 2 Estatística Descritiva Continuação. Prof. Fabrício Maciel Gomes Capítulo Estatístca Descrtva Contnuação Prof. Fabríco Macel Gomes Problema Uma peça após fundda sob pressão a alta temperatura recebe um furo com dâmetro especfcado em 1,00 mm e tolerânca de 0,5 mm: (11,75

Leia mais

Termo-Estatística Licenciatura: 4ª Aula (08/03/2013)

Termo-Estatística Licenciatura: 4ª Aula (08/03/2013) Termo-Estatístca Lcencatura: 4ª Aula (08/03/013) Prof. Alvaro Vannucc RELEMBRADO Dstrbução dscreta (hstogramas) x contínua (curvas de dstrbução): Dada uma Função de Dstrbução de Densdade de Probabldade,

Leia mais

CONCEITOS INICIAIS DE ESTATÍSTICA MÓDULO 2 DISTRIBUIÇÃO DE FREQÜÊNCIA - ELEMENTOS Prof. Rogério Rodrigues

CONCEITOS INICIAIS DE ESTATÍSTICA MÓDULO 2 DISTRIBUIÇÃO DE FREQÜÊNCIA - ELEMENTOS Prof. Rogério Rodrigues CONCEITOS INICIAIS DE ESTATÍSTICA MÓDULO DISTRIBUIÇÃO DE FREQÜÊNCIA - ELEMENTOS Prof. Rogéro Rodrgues I) TABELA PRIMITIVA E DISTRIBUIÇÃO DE FREQÜÊNCIA : No processo de amostragem, a forma de regstro mas

Leia mais

CURSO de ESTATÍSTICA Gabarito

CURSO de ESTATÍSTICA Gabarito UNIVERSIDADE FEDERAL FLUMINENSE TRANSFERÊNCIA o semestre letvo de 010 e 1 o semestre letvo de 011 CURSO de ESTATÍSTICA Gabarto INSTRUÇÕES AO CANDIDATO Verfque se este caderno contém: PROVA DE REDAÇÃO com

Leia mais

Redução dos Dados. Júlio Osório. Medidas Características da Distribuição. Tendência Central (Localização) Variação (Dispersão) Forma

Redução dos Dados. Júlio Osório. Medidas Características da Distribuição. Tendência Central (Localização) Variação (Dispersão) Forma Redução dos Dados Júlo Osóro Meddas Característcas da Dstrbução Tendênca Central (Localzação) Varação (Dspersão) Forma 1 Meddas Característcas da Dstrbução Meddas Estatístcas Tendênca Central Dspersão

Leia mais

37 [C] Verdadeira. Veja justificativa do item [B]. Moda = 8

37 [C] Verdadeira. Veja justificativa do item [B]. Moda = 8 Resposta da questão 1: [C] Calculando:,5 + 10 + 8 + 9,4 + 8 +,4 + x + 7,4 = 8, 8,5 + 10 + 8 + 9,4 + 8 +,4 + x + 7,4 = 5, x = 9,9 Moda = 8 8+ 8 Medana = = 8,5 + 10 + 8 + 9,4 + 8 +,4 + 7,4 Méda das outras

Leia mais

UNIVERSIDADE NOVA DE LISBOA Faculdade de Economia Análise de Dados e Probabilidade 2º Semestre 2008/2009 Exame Final 1ª Época. Grupo I (4 Valores)

UNIVERSIDADE NOVA DE LISBOA Faculdade de Economia Análise de Dados e Probabilidade 2º Semestre 2008/2009 Exame Final 1ª Época. Grupo I (4 Valores) UNIVERSIDADE NOVA DE LISBOA Faculdade de Economa Análse de Dados e Probabldade º Semestre 008/009 Exame Fnal ª Época Clara Costa Duarte Data: 8/05/009 Graça Slva Duração: h0 Grupo I (4 Valores) A gelatara

Leia mais

2. VARIÁVEIS ALEATÓRIAS

2. VARIÁVEIS ALEATÓRIAS VARIÁVEIS ALEATÓRIAS 0 Varável aleatóra Ω é o espaço amostral de um epermento aleatóro Uma varável aleatóra é uma função que atrbu um número real a cada resultado em Ω Eemplo Retra- ao acaso um tem produzdo

Leia mais

Curso de extensão, MMQ IFUSP, fevereiro/2014. Alguns exercício básicos

Curso de extensão, MMQ IFUSP, fevereiro/2014. Alguns exercício básicos Curso de extensão, MMQ IFUSP, feverero/4 Alguns exercíco báscos I Exercícos (MMQ) Uma grandeza cujo valor verdadero x é desconhecdo, fo medda três vezes, com procedmentos expermentas dêntcos e, portanto,

Leia mais

RISCO. Investimento inicial $ $ Taxa de retorno anual Pessimista 13% 7% Mais provável 15% 15% Otimista 17% 23% Faixa 4% 16%

RISCO. Investimento inicial $ $ Taxa de retorno anual Pessimista 13% 7% Mais provável 15% 15% Otimista 17% 23% Faixa 4% 16% Análse de Rsco 1 RISCO Rsco possbldade de perda. Quanto maor a possbldade, maor o rsco. Exemplo: Empresa X va receber $ 1.000 de uros em 30 das com títulos do governo. A empresa Y pode receber entre $

Leia mais

CORRELAÇÃO E REGRESSÃO

CORRELAÇÃO E REGRESSÃO CORRELAÇÃO E REGRESSÃO Constata-se, freqüentemente, a estênca de uma relação entre duas (ou mas) varáves. Se tal relação é de natureza quanttatva, a correlação é o nstrumento adequado para descobrr e medr

Leia mais

Figura 8.1: Distribuição uniforme de pontos em uma malha uni-dimensional. A notação empregada neste capítulo para avaliação da derivada de uma

Figura 8.1: Distribuição uniforme de pontos em uma malha uni-dimensional. A notação empregada neste capítulo para avaliação da derivada de uma Capítulo 8 Dferencação Numérca Quase todos os métodos numércos utlzados atualmente para obtenção de soluções de equações erencas ordnáras e parcas utlzam algum tpo de aproxmação para as dervadas contínuas

Leia mais

3 A técnica de computação intensiva Bootstrap

3 A técnica de computação intensiva Bootstrap A técnca de computação ntensva ootstrap O termo ootstrap tem orgem na expressão de língua nglesa lft oneself by pullng hs/her bootstrap, ou seja, alguém levantar-se puxando seu própro cadarço de bota.

Leia mais

Medidas de Dispersão e Assimetria Desvio Médio Variância Desvio Padrão Medidas de Assimetria Coeficiente de Assimetria Exemplos.

Medidas de Dispersão e Assimetria Desvio Médio Variância Desvio Padrão Medidas de Assimetria Coeficiente de Assimetria Exemplos. Meddas de Dspersão e Assmetra Desvo Médo Varânca Desvo Padrão Meddas de Assmetra Coefcente de Assmetra Exemplos lde 1 de 16 Meddas de Dspersão - Méda ervem para verfcação e representatvdade das meddas

Leia mais

MEDIDAS DE TENDÊNCIA CENTRAL

MEDIDAS DE TENDÊNCIA CENTRAL 3.1- Introdução. ESTATÍSTICA MEDIDAS DE TENDÊNCIA CENTRAL Como na representação tabular e gráfca dos dados a Estatístca Descrtva consste num conjunto de métodos que ensnam a reduzr uma quantdade de dados

Leia mais

Gráficos de Controle para Processos Autocorrelacionados

Gráficos de Controle para Processos Autocorrelacionados Gráfcos de Controle para Processos Autocorrelaconados Gráfco de controle de Shewhart: observações ndependentes e normalmente dstrbuídas. Shewhart ao crar os gráfcos de controle não exgu que os dados fossem

Leia mais

Universidade da Beira Interior Departamento de Matemática. Ficha de exercícios nº2: Distribuições Bidimensionais

Universidade da Beira Interior Departamento de Matemática. Ficha de exercícios nº2: Distribuições Bidimensionais Ano lectvo: 2006/2007 Unversdade da Bera Interor Departamento de Matemátca ESTATÍSTICA Fcha de exercícos nº2: Dstrbuções Bdmensonas Curso: Cêncas do Desporto 1. Consdere a segunte tabela de contngênca:

Leia mais

2. MEDIDAS DE TENDÊNCIA CENTRAL OU MEDIDAS DE POSIÇÃO

2. MEDIDAS DE TENDÊNCIA CENTRAL OU MEDIDAS DE POSIÇÃO Materal elaborado por Mara Tereznha Marott, Rodrgo Coral e Carla Regna Kuss Ferrera Atualzado por Mlton Procópo de Borba. MEDIDAS DE TENDÊNCIA CENTRAL OU MEDIDAS DE POSIÇÃO Para melhor caracterzar um conjunto

Leia mais

DELINEAMENTOS EXPERIMENTAIS

DELINEAMENTOS EXPERIMENTAIS SUMÁRIO 1 Delneamentos Expermentas 2 1.1 Delneamento Interamente Casualzado..................... 2 1.2 Delneamento Blocos Casualzados (DBC).................... 3 1.3 Delneamento Quadrado Latno (DQL)......................

Leia mais

Prof. Lorí Viali, Dr.

Prof. Lorí Viali, Dr. Prof. Lorí Val, Dr. val@mat.ufrgs.br http://www.mat.ufrgs.br/~val/ É o grau de assocação entre duas ou mas varáves. Pode ser: correlaconal ou expermental. Prof. Lorí Val, Dr. UFRG Insttuto de Matemátca

Leia mais

CONCEITOS BÁSICOS. Podemos assim caracterizar três áreas de interesse (ramos) da Estatística: Estatística Inferencial ESTATÍSTICA

CONCEITOS BÁSICOS. Podemos assim caracterizar três áreas de interesse (ramos) da Estatística: Estatística Inferencial ESTATÍSTICA 1 Estatístca CONCEITOS BÁSICOS 6 É uma metodologa ou conjunto de técncas que utlza a coleta de dados, sua classfcação, sua apresentação ou representação, sua análse e sua nterpretação vsando a sua utlzação

Leia mais

ANÁLISE EXPLORATÓRIA E ESTATÍSTICA DESCRITIVA

ANÁLISE EXPLORATÓRIA E ESTATÍSTICA DESCRITIVA ANÁLISE EXPLORATÓRIA E ESTATÍSTICA DESCRITIVA 014 Estatístca Descrtva e Análse Exploratóra Etapas ncas. Utlzadas para descrever e resumr os dados. A dsponbldade de uma grande quantdade de dados e de métodos

Leia mais

ANÁLISE EXPLORATÓRIA E ESTATÍSTICA DESCRITIVA

ANÁLISE EXPLORATÓRIA E ESTATÍSTICA DESCRITIVA ANÁLISE EXPLORATÓRIA E ESTATÍSTICA DESCRITIVA 0 Estatístca Descrtva e Análse Eploratóra Realzadas em etapas ncas. Utlzadas para descrever e resumr os dados. A dsponbldade de grande quantdade de dados e

Leia mais

Teoria Elementar da Probabilidade

Teoria Elementar da Probabilidade 10 Teora Elementar da Probabldade MODELOS MATEMÁTICOS DETERMINÍSTICOS PROBABILÍSTICOS PROCESSO (FENÓMENO) ALEATÓRIO - Quando o acaso nterfere na ocorrênca de um ou mas dos resultados nos quas tal processo

Leia mais

2 Metodologia de Medição de Riscos para Projetos

2 Metodologia de Medição de Riscos para Projetos 2 Metodologa de Medção de Rscos para Projetos Neste capítulo remos aplcar os concetos apresentados na seção 1.1 ao ambente de projetos. Um projeto, por defnção, é um empreendmento com metas de prazo, margem

Leia mais

É o grau de associação entre duas ou mais variáveis. Pode ser: correlacional ou experimental.

É o grau de associação entre duas ou mais variáveis. Pode ser: correlacional ou experimental. Prof. Lorí Val, Dr. val@mat.ufrgs.br http://www.mat.ufrgs.br/~val/ É o grau de assocação entre duas ou mas varáves. Pode ser: correlaconal ou expermental. Numa relação expermental os valores de uma das

Leia mais

INTRODUÇÃO À PROBABILIDADE. A probabilidade é uma medida da incerteza dos fenômenos. Traduz-se por um número real compreendido de 0 ( zero) e 1 ( um).

INTRODUÇÃO À PROBABILIDADE. A probabilidade é uma medida da incerteza dos fenômenos. Traduz-se por um número real compreendido de 0 ( zero) e 1 ( um). INTRODUÇÃO À PROILIDDE teora das probabldade nada mas é do que o bom senso transformado em cálculo probabldade é o suporte para os estudos de estatístca e expermentação. Exemplos: O problema da concdênca

Leia mais

Estatística II Antonio Roque Aula 18. Regressão Linear

Estatística II Antonio Roque Aula 18. Regressão Linear Estatístca II Antono Roque Aula 18 Regressão Lnear Quando se consderam duas varáves aleatóras ao mesmo tempo, X e Y, as técncas estatístcas aplcadas são as de regressão e correlação. As duas técncas estão

Leia mais

1. CORRELAÇÃO E REGRESSÃO LINEAR

1. CORRELAÇÃO E REGRESSÃO LINEAR 1 CORRELAÇÃO E REGREÃO LINEAR Quando deseja-se estudar se exste relação entre duas varáves quanttatvas, pode-se utlzar a ferramenta estatístca da Correlação Lnear mples de Pearson Quando essa correlação

Leia mais

Associação entre duas variáveis quantitativas

Associação entre duas variáveis quantitativas Exemplo O departamento de RH de uma empresa deseja avalar a efcáca dos testes aplcados para a seleção de funconáros. Para tanto, fo sorteada uma amostra aleatóra de 50 funconáros que fazem parte da empresa

Leia mais

3. Estatística descritiva bidimensional

3. Estatística descritiva bidimensional 3. Estatístca descrtva bdmensonal (Tabelas, Gráfcos e números) Análse bvarada (ou bdmensonal): avala o comportamento de uma varável em função da outra, por exemplo: Quantas TV Phlps são venddas na regão

Leia mais

4.1. Medidas de Posição da amostra: média, mediana e moda

4.1. Medidas de Posição da amostra: média, mediana e moda 4. Meddas descrtva para dados quanttatvos 4.1. Meddas de Posção da amostra: méda, medana e moda Consdere uma amostra com n observações: x 1, x,..., x n. a) Méda: (ou méda artmétca) é representada por x

Leia mais

N 70 = 40 25N+1500 = N = 1300 N = 52 LETRA D

N 70 = 40 25N+1500 = N = 1300 N = 52 LETRA D QUESTÃO 01 QUESTÃO 0 Seja x a méda dos saláros do departamento comercal. A méda procurada é tal que 00 = x + 30 + 4 4 + + 4 x = 000 0 3300 x = R$ 400,00. QUESTÃO 03 4 0+ 3 Tem-se xp I = = 1,8 e 4+ Logo,

Leia mais

RAD1507 Estatística Aplicada à Administração I Prof. Dr. Evandro Marcos Saidel Ribeiro

RAD1507 Estatística Aplicada à Administração I Prof. Dr. Evandro Marcos Saidel Ribeiro UNIVERIDADE DE ÃO PAULO FACULDADE DE ECONOMIA, ADMINITRAÇÃO E CONTABILIDADE DE RIBEIRÃO PRETO DEPARTAMENTO DE ADMINITRAÇÃO RAD1507 Estatístca Aplcada à Admnstração I Prof. Dr. Evandro Marcos adel Rbero

Leia mais

O problema da superdispersão na análise de dados de contagens

O problema da superdispersão na análise de dados de contagens O problema da superdspersão na análse de dados de contagens 1 Uma das restrções mpostas pelas dstrbuções bnomal e Posson, aplcadas usualmente na análse de dados dscretos, é que o parâmetro de dspersão

Leia mais

Variação ao acaso. É toda variação devida a fatores não controláveis, denominadas erro.

Variação ao acaso. É toda variação devida a fatores não controláveis, denominadas erro. Aplcação Por exemplo, se prepararmos uma área expermental com todo cudado possível e fzermos, manualmente, o planto de 100 sementes seleconadas de um mlho híbrdo, cudando para que as sementes fquem na

Leia mais

Cap. IV Análise estatística de incertezas aleatórias

Cap. IV Análise estatística de incertezas aleatórias TLF 010/11 Cap. IV Análse estatístca de ncertezas aleatóras Capítulo IV Análse estatístca de ncertezas aleatóras 4.1. Méda 43 4.. Desvo padrão 44 4.3. Sgnfcado do desvo padrão 46 4.4. Desvo padrão da méda

Leia mais

4.1 Modelagem dos Resultados Considerando Sazonalização

4.1 Modelagem dos Resultados Considerando Sazonalização 30 4 METODOLOGIA 4.1 Modelagem dos Resultados Consderando Sazonalzação A sazonalzação da quantdade de energa assegurada versus a quantdade contratada unforme, em contratos de fornecmento de energa elétrca,

Leia mais

Os modelos de regressão paramétricos vistos anteriormente exigem que se suponha uma distribuição estatística para o tempo de sobrevivência.

Os modelos de regressão paramétricos vistos anteriormente exigem que se suponha uma distribuição estatística para o tempo de sobrevivência. MODELO DE REGRESSÃO DE COX Os modelos de regressão paramétrcos vstos anterormente exgem que se suponha uma dstrbução estatístca para o tempo de sobrevvênca. Contudo esta suposção, caso não sea adequada,

Leia mais

Testes não-paramétricos

Testes não-paramétricos Testes não-paramétrcos Prof. Lorí Val, Dr. http://www.mat.ufrgs.br/val/ val@mat.ufrgs.br Um teste não paramétrco testa outras stuações que não parâmetros populaconas. Estas stuações podem ser relaconamentos,

Leia mais

Capítulo 2. APROXIMAÇÕES NUMÉRICAS 1D EM MALHAS UNIFORMES

Capítulo 2. APROXIMAÇÕES NUMÉRICAS 1D EM MALHAS UNIFORMES Capítulo. Aproxmações numércas 1D em malhas unformes 9 Capítulo. AROXIMAÇÕS NUMÉRICAS 1D M MALHAS UNIFORMS O prncípo fundamental do método das dferenças fntas (MDF é aproxmar através de expressões algébrcas

Leia mais

Estatística Espacial: Dados de Área

Estatística Espacial: Dados de Área Estatístca Espacal: Dados de Área Dstrbução do número observado de eventos Padronzação e SMR Mapas de Probabldades Mapas com taxas empírcas bayesanas Padronzação Para permtr comparações entre dferentes

Leia mais

3 Algoritmos propostos

3 Algoritmos propostos Algortmos propostos 3 Algortmos propostos Nesse trabalho foram desenvolvdos dos algortmos que permtem classfcar documentos em categoras de forma automátca, com trenamento feto por usuáros Tas algortmos

Leia mais

Aula Características dos sistemas de medição

Aula Características dos sistemas de medição Aula - Característcas dos sstemas de medção O comportamento funconal de um sstema de medção é descrto pelas suas característcas (parâmetros) operaconas e metrológcas. Aqu é defnda e analsada uma sére destes

Leia mais

Análise Exploratória de Dados

Análise Exploratória de Dados Análse Exploratóra de Dados Objetvos Análse de duas varáves quanttatvas: traçar dagramas de dspersão, para avalar possíves relações entre as duas varáves; calcular o coefcente de correlação entre as duas

Leia mais

Prof. Lorí Viali, Dr.

Prof. Lorí Viali, Dr. Prof. Lorí Val, Dr. val@mat.ufrgs.br http://www.mat.ufrgs.br/~val/ 1 É o grau de assocação entre duas ou mas varáves. Pode ser: correlaconal ou expermental. Numa relação expermental os valores de uma das

Leia mais

NOÇÕES SOBRE CORRELAÇÃO E REGRESSÃO LINEAR SIMPLES

NOÇÕES SOBRE CORRELAÇÃO E REGRESSÃO LINEAR SIMPLES NOÇÕES SOBRE CORRELAÇÃO E REGRESSÃO LINEAR SIMPLES 1 O nosso objetvo é estudar a relação entre duas varáves quanttatvas. Eemplos:. Idade e altura das cranças.. v. Tempo de prátca de esportes e rtmo cardíaco

Leia mais

Estatística e Probabilidade

Estatística e Probabilidade Estatístca e Probabldade Professor conteudsta: Rcardo Vda Sumáro Estatístca e Probabldade Undade I 1 CONCEITOS BÁSICOS...1 1.1 Concetos fundamentas... 1. Processos estatístcos de abordagem... 1.3 Dados

Leia mais

3 Método Numérico. 3.1 Discretização da Equação Diferencial

3 Método Numérico. 3.1 Discretização da Equação Diferencial 3 Método Numérco O presente capítulo apresenta a dscretação da equação dferencal para o campo de pressão e a ntegração numérca da expressão obtda anterormente para a Vscosdade Newtonana Equvalente possbltando

Leia mais

DEFINIÇÃO - MODELO LINEAR GENERALIZADO

DEFINIÇÃO - MODELO LINEAR GENERALIZADO DEFINIÇÃO - MODELO LINEAR GENERALIZADO 1 Um modelo lnear generalzado é defndo pelos seguntes três componentes: Componente aleatóro; Componente sstemátco; Função de lgação; Componente aleatóro: Um conjunto

Leia mais

Exercícios de CPM e PERT Enunciados

Exercícios de CPM e PERT Enunciados Capítulo 7 Exercícos de CPM e PERT Enuncados Exercícos de CPM e PERT Enuncados 106 Problema 1 O banco TTM (Tostão a Tostão se faz um Mlhão) decdu transferr e amplar a sua sede e servços centras para a

Leia mais

Exercícios. Utilizando um novo critério, essa banca avaliadora resolveu descartar a maior e a menor notas atribuídas ao professor.

Exercícios. Utilizando um novo critério, essa banca avaliadora resolveu descartar a maior e a menor notas atribuídas ao professor. Estatístca Exercícos 1. (Enem 013) Fo realzado um levantamento nos 00 hotés de uma cdade, no qual foram anotados os valores, em reas, das dáras para um quarto padrão de casal e a quantdade de hotés para

Leia mais

PROBABILIDADE - CONCEITOS BÁSICOS

PROBABILIDADE - CONCEITOS BÁSICOS ROBBILIDD - CONCITOS BÁSICOS xpermento leatóro é um expermento no qual: todos os possíves resultados são conhecdos; resulta num valor desconhecdo, dentre todos os resultados possíves; pode ser repetdo

Leia mais

Experiência V (aulas 08 e 09) Curvas características

Experiência V (aulas 08 e 09) Curvas características Experênca (aulas 08 e 09) Curvas característcas 1. Objetvos 2. Introdução 3. Procedmento expermental 4. Análse de dados 5. Referêncas 1. Objetvos Como no expermento anteror, remos estudar a adequação de

Leia mais

Q 1-1,5(Q3-Q1) < X i < Q 3 + 1,5(Q 3 -Q 1 ) Q 3 +1,5(Q 3 -Q 1 ) < X i < Q 3 +3(Q 3 -Q 1 ) Q 1 3(Q 3 -Q 1 ) < X i < Q 1 1,5(Q 3 -Q 1 )

Q 1-1,5(Q3-Q1) < X i < Q 3 + 1,5(Q 3 -Q 1 ) Q 3 +1,5(Q 3 -Q 1 ) < X i < Q 3 +3(Q 3 -Q 1 ) Q 1 3(Q 3 -Q 1 ) < X i < Q 1 1,5(Q 3 -Q 1 ) DIGRM OX-PLOT E CRCTERIZÇÃO DE OUTLIERS E VLORES EXTREMOS Outlers e valores extremos são aqueles que estão muto afastados do centro da dstrbução. Uma forma de caracterzá-los é através do desenho esquemátco

Leia mais

ESTUDO DE MODELOS PARA AJUSTE E PREVISÃO DE UMA SÉRIE TEMPORAL

ESTUDO DE MODELOS PARA AJUSTE E PREVISÃO DE UMA SÉRIE TEMPORAL Revsta Matz Onlne ESTUDO DE MODELOS PARA AJUSTE E PREVISÃO DE UMA SÉRIE TEMPORAL Valera Ap. Martns Ferrera Vvane Carla Fortulan Valéra Aparecda Martns. Mestre em Cêncas pela Unversdade de São Paulo- USP.

Leia mais

ESCOLA SECUNDÁRIA COM 3º CICLO D. DINIS 10º ANO DE MATEMÁTICA A Tema III Estatística. Aula 1 do plano de trabalho nº 2

ESCOLA SECUNDÁRIA COM 3º CICLO D. DINIS 10º ANO DE MATEMÁTICA A Tema III Estatística. Aula 1 do plano de trabalho nº 2 Aula 1 do plano de trabalho nº 2 Medram-se as alturas dos 40 alunos do prossegumento de estudos do 10º ano de uma escola e as alturas dos 40 alunos do 10º ano dos cursos tecnológcos dessa escola e obtveram-se

Leia mais

Regressão Múltipla. Parte I: Modelo Geral e Estimação

Regressão Múltipla. Parte I: Modelo Geral e Estimação Regressão Múltpla Parte I: Modelo Geral e Estmação Regressão lnear múltpla Exemplos: Num estudo sobre a produtvdade de trabalhadores ( em aeronave, navos) o pesqusador deseja controlar o número desses

Leia mais

R X. X(s) Y Y(s) Variáveis aleatórias discretas bidimensionais

R X. X(s) Y Y(s) Variáveis aleatórias discretas bidimensionais 30 Varáves aleatóras bdmensonas Sea ε uma experênca aleatóra e S um espaço amostral assocado a essa experênca. Seam X X(s) e Y Y(s) duas funções cada uma assocando um número real a cada resultado s S.

Leia mais

Eventos coletivamente exaustivos: A união dos eventos é o espaço amostral.

Eventos coletivamente exaustivos: A união dos eventos é o espaço amostral. DEFINIÇÕES ADICIONAIS: PROBABILIDADE Espaço amostral (Ω) é o conjunto de todos os possíves resultados de um expermento. Evento é qualquer subconjunto do espaço amostral. Evento combnado: Possu duas ou

Leia mais

Y X Baixo Alto Total Baixo 1 (0,025) 7 (0,175) 8 (0,20) Alto 19 (0,475) 13 (0,325) 32 (0,80) Total 20 (0,50) 20 (0,50) 40 (1,00)

Y X Baixo Alto Total Baixo 1 (0,025) 7 (0,175) 8 (0,20) Alto 19 (0,475) 13 (0,325) 32 (0,80) Total 20 (0,50) 20 (0,50) 40 (1,00) Bussab&Morettn Estatístca Básca Capítulo 4 Problema. (b) Grau de Instrução Procedênca º grau º grau Superor Total Interor 3 (,83) 7 (,94) (,) (,33) Captal 4 (,) (,39) (,) (,3) Outra (,39) (,7) (,) 3 (,3)

Leia mais

Prof. Lorí Viali, Dr.

Prof. Lorí Viali, Dr. Prof. Lorí Val, Dr. vall@mat.ufrgs.br http://www.mat.ufrgs.br/~val/ Em mutas stuações duas ou mas varáves estão relaconadas e surge então a necessdade de determnar a natureza deste relaconamento. A análse

Leia mais

Flambagem. Cálculo da carga crítica via MDF

Flambagem. Cálculo da carga crítica via MDF Flambagem Cálculo da carga crítca va MDF ROF. ALEXANDRE A. CURY DEARTAMENTO DE MECÂNICA ALICADA E COMUTACIONAL Flambagem - Cálculo da carga crítca va MDF Nas aulas anterores, vmos como avalar a carga crítca

Leia mais

2ª Atividade Formativa UC ECS

2ª Atividade Formativa UC ECS I. Explque quando é que a méda conduz a melhores resultados que a medana. Dê um exemplo para a melhor utlzação de cada uma das meddas de localzação (Exame 01/09/2009). II. Suponha que um professor fez

Leia mais

MOQ-14 PROJETO E ANÁLISE DE EXPERIMENTOS LISTA DE EXERCÍCIOS 1 REGRESSÃO LINEAR SIMPLES

MOQ-14 PROJETO E ANÁLISE DE EXPERIMENTOS LISTA DE EXERCÍCIOS 1 REGRESSÃO LINEAR SIMPLES MOQ-14 PROJETO E ANÁLISE DE EXPERIMENTOS LISTA DE EXERCÍCIOS 1 REGRESSÃO LINEAR SIMPLES 1. Obtenha os estmadores dos coefcentes lnear e angular de um modelo de regressão lnear smples utlzando o método

Leia mais

DIAGNÓSTICO EM MODELOS LINEARES GENERALIZADOS

DIAGNÓSTICO EM MODELOS LINEARES GENERALIZADOS DIAGNÓSTICO EM MODELOS LINEARES GENERALIZADOS 1 A análse de dagnóstco (ou dagnóstco do ajuste) confgura uma etapa fundamental no ajuste de modelos de regressão. O objetvo prncpal da análse de dagnóstco

Leia mais

Análise de Regressão. Profa Alcione Miranda dos Santos Departamento de Saúde Pública UFMA

Análise de Regressão. Profa Alcione Miranda dos Santos Departamento de Saúde Pública UFMA Análse de Regressão Profa Alcone Mranda dos Santos Departamento de Saúde Públca UFMA Introdução Uma das preocupações estatístcas ao analsar dados, é a de crar modelos que explctem estruturas do fenômeno

Leia mais