TRANSPORTES. Sessão Prática 4 Amostragem de escalares

Tamanho: px
Começar a partir da página:

Download "TRANSPORTES. Sessão Prática 4 Amostragem de escalares"

Transcrição

1 Mestrado Itegrado em Egeharia Civil TRNPORTE Prof. Resposável: Luis Picado atos essão Prática 4 mostragem de escalares Istituto uperior Técico / Mestrado Itegrado Egeharia Civil Trasportes ulas Práticas /0

2 Distribuição t-tudet Noções básicas (I) Distribuição da Média mostral Para uma variável, represetativa de uma população e para amostras de dimesão, a média amostral é defiida por: upodo que,, são variáveis idepedetes e seguem distribuição ormal com valor esperado e variâcia. Valor esperado da Média mostral é: Variâcia da Média mostral é: i var i E E var Z segue distribuição ormal com média 0 e variâcia : Z μ σ Istituto uperior Técico / Mestrado Itegrado Egeharia Civil Trasportes ulas Práticas /0

3 Distribuição t-tudet Noções básicas (II) distribuição t-tudet surge quado: a dimesão da amostra () é pequea o desvio padrão é descohecido e tem de ser estimado a partir dos dados da amostra Variâcia da amostra: ( i ) i T segue uma distribuição t-tudet com - graus de liberdade: Para dimesões de amostras muito grades (), a variável T tede para seguir uma distribuição Normal. Campos de aplicação: T μ s Estimar o itervalo de cofiaça do valor esperado de uma distribuição ormal quado a dimesão da amostra é pequea. valiar a sigificâcia estatística da igualdade da média de duas amostras. Istituto uperior Técico / Mestrado Itegrado Egeharia Civil Trasportes ulas Práticas 3/0

4 Distribuição t-tudet Noções básicas (III) Fig. - Fução desidade probabilidade t Fig. - Fução distribuição t k = GL = Graus de Liberdade = - Istituto uperior Técico / Mestrado Itegrado Egeharia Civil Trasportes ulas Práticas 4/0

5 Distribuição t-tudet Noções básicas (IV) tabela seguite lista algus valores da distribuição t-tudet com GL graus de liberdade e diferetes graus de cofiaça: GL / (bi-caudal) Istituto uperior Técico / Mestrado Itegrado Egeharia Civil Trasportes ulas Práticas 5/0

6 Istituto uperior Técico / Mestrado Itegrado Egeharia Civil Trasportes ulas Práticas 6/0 Distribuição t-studet Noções básicas (V) Itervalo de cofiaça para o valor esperado. mostra de pequea dimesão, População Normal Grau de cofiaça - Defiir a de tal forma que Itervalo de cofiaça: a também pode ser represetado por a μ a P a μ a P a ; a ;GL t a) P(T a) T a ( P

7 mostragem aleatória simples Dimesioameto (I) s gradezas calculadas a partir de amostras são apeas estimativas. Há que ter sempre presete as respectivas marges de erro. Margem de erro absoluto () ou emi-largura do itervalo de cofiaça (LIC) ode, t / abcissa correspodete ao grau de cofiaça (-) a lei t-studet estimativa do desvio padrão da população dimesão da amostra t Istituto uperior Técico / Mestrado Itegrado Egeharia Civil Trasportes ulas Práticas 7/0

8 mostragem aleatória simples Dimesioameto (II) Erro relativo () esta formulação permite uma iterpretação idepedete da variâcia da variável a estimar. dimesão da amostra () ecessária para um determiado erro pretedido: t t Istituto uperior Técico / Mestrado Itegrado Egeharia Civil Trasportes ulas Práticas 8/0

9 mostragem aleatória simples Dimesioameto (III) Frequetemete ão há uma ideia clara sobre o erro relativo pretedido por ão ser evidete quato vale/custa a igorâcia associada a esse erro. decisão deve ser tomada cosiderado o custo da falta de iformação (C ) e o custo de aquisição de iformação (C ). dimesão óptima da amostra é coseguida através do valor míimo do custo total (CT). CT c t c MiCT dct d 0 c t c 3 dimesão da amostra cresce com o custo do erro e desvio padrão da variável base e decresce com o custo de aquisição de iformação (iquéritos, cotages). Istituto uperior Técico / Mestrado Itegrado Egeharia Civil Trasportes ulas Práticas 9/0

10 Istituto uperior Técico / Mestrado Itegrado Egeharia Civil Trasportes ulas Práticas 0/0 Distribuição t-studet Itervalo de cofiaça para a difereça etre valores esperados mostra de pequea dimesão, População Normal Duas populações e com valores esperados e e variâcias e. dmitase que a partir destas populações se obtiveram amostras idepedetes de dimesão e, com base as quais se calcularam os estimadores dos valores esperados,, e das variâcias e. variável T segue uma distribuição t-studet com GL = + - Itervalo de cofiaça:,gl,gl t ; t e μ μ T ) /, ( N ) /, ( N

11 Eercício P4. mostragem aleatória simples Pretede-se estimar o úmero de veículos rodoviários pesados que etram diariamete em Lisboa etre as 7 e as 0h, um cojuto de 6 eios pricipais. Esse cojuto de eios tem uma capacidade horária global por setido de cerca de veículos por hora. dmite-se que a percetagem de veículos pesados o tráfego esses eios e período horário seja etre 4 e 6%, e que a estimativa do desvio padrão é 50. a) Qual o úmero de dias de observação ecessário para estimar o valor pretedido com um erro ão superior a 00 veículos/dia? b) Um técico ligado ao sector afirma que os tráfegos pesados às segudas-feiras são marcadamete diferetes dos ocorridos os outros dias úteis, pelo que deveriam ser estimados separadamete. dmita que tiham sido feitas observações em todos os dias úteis de semaas, com os seguites resultados: Idicador ªf Outros dias úteis Nº observações 8 Média mostral Desvio padrão Pode afirmar-se que as médias do úmero de veículos pesados são, o geral, iguais às segudas-feiras e os outros dias úteis? Istituto uperior Técico / Mestrado Itegrado Egeharia Civil Trasportes ulas Práticas /0

12 mostragem aleatória simples (Eercício P4. Resolução) a) Fórmulas relevates: Dados: t t () () Capacidade global dos 6 eios veículos/hora % de veículos pesados mí. 4%.00 veíc. pes./hora má. 6%.800 veíc. pes./hora No itervalo das 7-0h mí veículos pesados má veículos pesados Estimativa do desvio padrão 50 veíc. pes./dia Erro máimo admitido 00 veíc. pes./dia Istituto uperior Técico / Mestrado Itegrado Egeharia Civil Trasportes ulas Práticas /0

13 mostragem aleatória simples (Eercício P4. Resolução) Defiição do grau de cofiaça: O grau de cofiaça correspode à probabilidade de o verdadeiro valor da média se situar detro do itervalo de cofiaça que vai ser calculado. ida que o mais habitual seja trabalhar-se com 95%, pode admitir-se que, face ao vasto cojuto de factores que pode fazer variar os volumes de tráfego, ão ecessitemos estes casos de uma tal precisão, descedo até aos 80%. Dimesioameto da amostra: Como o valor de t / (abcissa correspodete ao grau de cofiaça pretedido a lei de t-studet) depede do úmero de graus de liberdade (-), a fórmula () tem de ser resolvida por um processo iterativo. edo a distribuição t-tudet simétrica em relação à média, a um grau de cofiaça de 80% correspodem duas caudas de 0% cada, pelo que a abcissa do lado do erro positivo deve ser procurada o percetil 90. lgumas tabelas têm como etrada o valor 0%. Istituto uperior Técico / Mestrado Itegrado Egeharia Civil Trasportes ulas Práticas 3/0

14 mostragem aleatória simples (Eercício P4. Resolução) ª Iteração ( = ) Iiciaremos o processo cosiderado =, ou seja, admitido que temos uma distribuição Normal. Com recurso à tabela da Normal Padroizada Logo, ª Iteração ( = 3) ormal 50,8 00 P(Z t,57 3 ) 0,9 t,8 Cosultado agora a tabela de probabilidades associada à cauda direita da distribuição t-studet com grau de liberdade (-).,, 50 t0%,,886,886 5, Istituto uperior Técico / Mestrado Itegrado Egeharia Civil Trasportes ulas Práticas 4/0

15 mostragem aleatória simples (Eercício P4. Resolução) Iterações seguites 3ª Iteração Esaio com dimesão 6 t 0%,5,476 Dimesão da amostra () 3,40 4 4ª Iteração Esaio com dimesão 4 t 0%,3,638 Dimesão da amostra () 4,9 5 5ª Iteração Esaio com dimesão 5 t 0%,4,533 Dimesão da amostra () 3,67 4 Verifica-se assim que com o valor de t associado a uma amostra de 5 se poderia usar uma amostra 4, mas com o t correspodete a esta implica a dimesão de amostra 5. Dever-se-á optar pela dimesão cujo erro correspodete resultar ão superior a 00 veículos pesados por dia. 5,t 4,t,533,638 50, , CONCLUÃO: Com a dimesão de amostra 5 o erro máimo de estimativa da média é de 7 veículos, para o grau de cofiaça 80%, sedo portato iferior ao máimo admissível. Istituto uperior Técico / Mestrado Itegrado Egeharia Civil Trasportes ulas Práticas 5/0

16 Grau de cofiaça de 95% Esaio com dimesão ª Iteração t,5%,,960 Dimesão da amostra () 6, ª Iteração Esaio com dimesão 0 t,5%,9,6 Dimesão da amostra () 7, ª Iteração Esaio com dimesão 9 t,5%,8,306 Dimesão da amostra () 8,3 9 mostragem aleatória simples (Eercício P4. Resolução) 50, Istituto uperior Técico / Mestrado Itegrado Egeharia Civil Trasportes ulas Práticas 6/0 9,t ª Iteração Esaio com dimesão 7 t,5%,6,447 Dimesão da amostra () 9, ª Iteração Esaio com dimesão 8 t,5%,7,365 Dimesão da amostra () 8,74 9,306 50, ,t,638 8 CONCLUÃO: Com a dimesão de amostra 9 o erro máimo de estimativa da média é de 9 veículos, para o grau de cofiaça 95%, sedo portato iferior ao máimo admissível.

17 mostragem aleatória simples (Eercício P4. Resolução) b) Dados: veículos pesados que etram diariamete às segudas-feiras veículos pesados que etram diariamete os restates dias úteis N(, ) e N(, ) Da amostra da população : Da amostra da população : 4640 e s 90 e 4360 e s 35 e Idicador ªf Outros dias úteis Nº observações 8 8 Média mostral Desvio padrão Istituto uperior Técico / Mestrado Itegrado Egeharia Civil Trasportes ulas Práticas 7/0

18 Teste de Hipóteses: Pretede-se testar se as médias das duas populações e são iguais, ou seja, pretede-se saber se o valor esperado de Y é ulo ( y =0), sedo y = - H 0 : y =0 H : y 0 Y Y Tratado-se de amostras de pequea dimesão T segue uma distribuição t-studet (t /,GL ), ode GL= + - e depede do grau de cofiaça assumido a estimativa de y. e e seguem distribuição Normal, sedo Y = -, etão Y N( y, y ) Y Y s Y s s s s 90 mostragem aleatória simples (Eercício P4. Resolução) 35 8 Y s Y Istituto uperior Técico / Mestrado Itegrado Egeharia Civil Trasportes ulas Práticas 8/0

19 mostragem aleatória simples (Eercício P4. Resolução) Itervalos de cofiaça (a determiar para graus de cofiaça de 80% e 95%): Grau de Liberdade = +8-= 8 Erro absoluto (LIC) t t Y ode e =+8=0 Y Limite Iferior do itervalo de cofiaça Limite superior do itervalo de cofiaça Grau de cofiaça Grau de Liberdade (t /,GL ) Y Y Limite iferior It. Cof Y Limite superior It. Cof 80% 8, ,7-8,7 588,7 95% 8, ,6-9,6 789,6 y Y CONCLUÃO: Como se pode observar, em ambos os casos, graus de cofiaça de 80% e 95%, o valor 0 pertece ao itervalo de cofiaça, logo ão se deve rejeitar a hipótese de que as médias das duas amostras são iguais, ou seja, o tráfego de pesados à seguda-feira ão é suficietemete diferete do que ocorre os outros dias. Istituto uperior Técico / Mestrado Itegrado Egeharia Civil Trasportes ulas Práticas 9/0

20 mostragem aleatória simples Eercício P4. Para efeito de bom dimesioameto dos tempos de ciclo em eploração, pretede-se avaliar o tempo adequado de paragem do metropolitao em cada estação, em fução do seu úmero de embarques e desembarques por hora. Esses volumes podem ser observados para as estações eistetes e modelados para ovas estações. Um cojuto de observações já com algus aos permite cosiderar adequado que o cojuto de estações e horas de serviço seja agrupado em três classes (tráfego iteso, médio e moderado), com tempos médios em toro dos 5 seg., 8 seg. e seg.. abe-se que a variabilidade relativa (ou seja, as difereças etre a média da população μ e a média amostral ) dos tempos de embarque e desembarque é maior as situações de tráfego iteso, para os quais valores de 8 seg. acima e abaio da média são relativamete frequetes (i.e., a probabilidade associada pode ser cosiderada de 40% dos casos). Nos casos de tráfego médio e moderado, estes desvios são meos frequetes, correspodedo a uma probabilidade iferior de 30% para ambos os casos. Qual o úmero de observações (i.e., úmero de parages de comboios em estações em que se deve cotabilizar o respectivo tempo de paragem) a fazer em cada uma dessas classes de itesidade de tráfego se se quiser estimar o tempo médio e o itervalo de cofiaça desse estimador com uma margem de erro ão superior a 3 seg.? Istituto uperior Técico / Mestrado Itegrado Egeharia Civil Trasportes ulas Práticas 0/0

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

Mestrado Integrado em Engenharia Civil. Disciplina: TRANSPORTES. Sessão Prática 4: Amostragem Mestrado Itegrado em Egeharia Civil Disciplia: TRNSPORTES Prof. Resposável: José Mauel Viegas Sessão Prática 4: mostragem Istituto Superior Técico / Mestrado Itegrado Egª Civil Trasportes ulas Práticas

Leia mais

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

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

Leia mais

ESTIMAÇÃO POR INTERVALO (INTERVALOS DE CONFIANÇA)

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

Leia mais

Cap. 4 - Estimação por Intervalo

Cap. 4 - Estimação por Intervalo Cap. 4 - Estimação por Itervalo Amostragem e iferêcia estatística População: cosiste a totalidade das observações em que estamos iteressados. Nº de observações a população é deomiado tamaho=n. Amostra:

Leia mais

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

6.1 Estimativa de uma média populacional: grandes amostras. Definição: Um estimador é uma característica amostral (como a média amostral 6 ESTIMAÇÃO 6.1 Estimativa de uma média populacioal: grades amostras Defiição: Um estimador é uma característica amostral (como a média amostral x ) utilizada para obter uma aproximação de um parâmetro

Leia mais

Distribuições Amostrais

Distribuições Amostrais Distribuições Amostrais O problema da iferêcia estatística: fazer uma afirmação sobre os parâmetros da população θ (média, variâcia, etc) através da amostra. Usaremos uma AAS de elemetos sorteados dessa

Leia mais

Distribuições Amostrais

Distribuições Amostrais 9/3/06 Uiversidade Federal do Pará Istituto de Tecologia Estatística Aplicada I Prof. Dr. Jorge Teófilo de Barros Lopes Campus de Belém Curso de Egeharia Mecâica 3/09/06 3:38 ESTATÍSTICA APLICADA I - Teoria

Leia mais

Distribuições Amostrais

Distribuições Amostrais 7/3/07 Uiversidade Federal do Pará Istituto de Tecologia Estatística Aplicada I Prof. Dr. Jorge Teófilo de Barros Lopes Campus de Belém Curso de Egeharia Mecâica 3/07/07 09:3 ESTATÍSTICA APLICADA I - Teoria

Leia mais

Estimação da média populacional

Estimação da média populacional Estimação da média populacioal 1 MÉTODO ESTATÍSTICO Aálise Descritiva Teoria das Probabilidades Iferêcia Os dados efetivamete observados parecem mostrar que...? Se a distribuição dos dados seguir uma certa

Leia mais

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

Obtemos, então, uma amostra aleatória de tamanho n de X, que representamos por X 1, X 2,..., X n. Vamos observar elemetos, extraídos ao acaso e com reposição da população; Para cada elemeto selecioado, observamos o valor da variável X de iteresse. Obtemos, etão, uma amostra aleatória de tamaho de X,

Leia mais

Teoria da Estimação 1

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

Leia mais

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

binomial seria quase simétrica. Nestas condições será também melhor a aproximação pela distribuição normal. biomial seria quase simétrica. Nestas codições será também melhor a aproximação pela distribuição ormal. Na prática, quado e p > 7, a distribuição ormal com parâmetros: µ p 99 σ p ( p) costitui uma boa

Leia mais

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

Capítulo 5- Introdução à Inferência estatística. (Versão: para o manual a partir de 2016/17) Capítulo 5- Itrodução à Iferêcia estatística. (Versão: para o maual a partir de 2016/17) 1.1) Itrodução.(222)(Vídeo 39) Na iferêcia estatística, aalisamos e iterpretamos amostras com o objetivo de tirar

Leia mais

Avaliação de Desempenho de Sistemas Discretos

Avaliação de Desempenho de Sistemas Discretos Distribuições Comus Avaliação de Desempeho de Sistemas Discretos Probabilidade e Estatística 2 Uiforme Normal Poisso Hipergeométrica Biomial Studet's Geométrica Logormal Expoecial Beta Gamma Qui-Quadrado

Leia mais

Comparação entre duas populações

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

Leia mais

DESIGUALDADES, LEIS LIMITE E TEOREMA DO LIMITE CENTRAL. todas as repetições). Então, para todo o número positivo ξ, teremos:

DESIGUALDADES, LEIS LIMITE E TEOREMA DO LIMITE CENTRAL. todas as repetições). Então, para todo o número positivo ξ, teremos: 48 DESIGUALDADES, LEIS LIMITE E TEOREMA DO LIMITE CENTRAL LEI DOS GRANDES NÚMEROS Pretede-se estudar o seguite problema: À medida que o úmero de repetições de uma experiêcia cresce, a frequêcia relativa

Leia mais

Capítulo 5- Introdução à Inferência estatística.

Capítulo 5- Introdução à Inferência estatística. Capítulo 5- Itrodução à Iferêcia estatística. 1.1) Itrodução.(184) Na iferêcia estatística, aalisamos e iterpretamos amostras com o objetivo de tirar coclusões acerca da população de ode se extraiu a amostra.

Leia mais

NOTAS DE AULA: DISTRIBUIÇÃO AMOSTRAL E INTERVALOS DE CONFIANÇA

NOTAS DE AULA: DISTRIBUIÇÃO AMOSTRAL E INTERVALOS DE CONFIANÇA NOTAS DE AULA: DISTRIBUIÇÃO AMOSTRAL E INTERVALOS DE CONFIANÇA Objetivos da aula: Compreeder que um estimador é uma variável aleatória e, portato, pode-se estabelecer sua distribuição probabilística; Estabelecer

Leia mais

n ) uma amostra aleatória da variável aleatória X.

n ) uma amostra aleatória da variável aleatória X. - Distribuições amostrais Cosidere uma população de objetos dos quais estamos iteressados em estudar uma determiada característica. Quado dizemos que a população tem distribuição FX ( x ), queremos dizer

Leia mais

1 Distribuições Amostrais

1 Distribuições Amostrais 1 Distribuições Amostrais Ao retirarmos uma amostra aleatória de uma população e calcularmos a partir desta amostra qualquer quatidade, ecotramos a estatística, ou seja, chamaremos os valores calculados

Leia mais

Intervalos de Confiança

Intervalos de Confiança Itervalos de Cofiaça Prof. Adriao Medoça Souza, Dr. Departameto de Estatística - PPGEMQ / PPGEP - UFSM - 0/9/008 Estimação de Parâmetros O objetivo da Estatística é a realização de iferêcias acerca de

Leia mais

Inferência Estatística

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

Leia mais

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

A finalidade de uma equação de regressão seria estimar valores de uma variável, com base em valores conhecidos da outra. Jaete Pereira Amador Itrodução A aálise de regressão tem por objetivo descrever através de um modelo matemático, a relação existete etre duas variáveis, a partir de observações dessas viráveis. A aálise

Leia mais

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

Contabilometria. Prof.: Patricia Maria Bortolon, D. Sc. Cotabilometria Prof.: Patricia Maria Bortolo, D. Sc. Teste para Duas Amostras Fote: LEVINE, D. M.; STEPHAN, D. F.; KREHBIEL, T. C.; BERENSON, M. L.; Estatística Teoria e Aplicações, 5a. Edição, Editora

Leia mais

Lista IC, tamanho de amostra e TH

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

Leia mais

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

Virgílio A. F. Almeida DCC-UFMG 1/2005 Virgílio A. F. Almeida DCC-UFMG 1/005 !" # Comparado quatitativamete sistemas eperimetais: Algoritmos, protótipos, modelos, etc Sigificado de uma amostra Itervalos de cofiaça Tomado decisões e comparado

Leia mais

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

Teorema do limite central e es/mação da proporção populacional p Teorema do limite cetral e es/mação da proporção populacioal p 1 RESULTADO 1: Relembrado resultados importates Seja uma amostra aleatória de tamaho de uma variável aleatória X, com média µ e variâcia σ.temos

Leia mais

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

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

Leia mais

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

DISTRIBUIÇÃO AMOSTRAL E ESTIMAÇÃO PONTUAL INTRODUÇÃO ROTEIRO POPULAÇÃO E AMOSTRA. Estatística Aplicada à Engenharia ROTEIRO DISTRIBUIÇÃO AMOSTRAL E ESTIMAÇÃO PONTUAL 1. Itrodução. Teorema Cetral do Limite 3. Coceitos de estimação potual 4. Métodos de estimação potual 5. Referêcias Estatística Aplicada à Egeharia 1 Estatística

Leia mais

ESTIMAÇÃO PARA A MÉDIA

ESTIMAÇÃO PARA A MÉDIA ESTIMAÇÃO PARA A MÉDIA Objetivo Estimar a média de uma variável aleatória, que represeta uma característica de iteresse de uma população, a partir de uma amostra. Vamos observar elemetos, extraídos ao

Leia mais

Lista de Exercícios #4 Assunto: Variáveis Aleatórias Contínuas

Lista de Exercícios #4 Assunto: Variáveis Aleatórias Contínuas . ANPEC 8 - Questão Seja x uma variável aleatória com fução desidade de probabilidade dada por: f(x) = x, para x f(x) =, caso cotrário. Podemos afirmar que: () E[x]=; () A mediaa de x é ; () A variâcia

Leia mais

ESTIMAÇÃO DA PROPORÇÃO POPULACIONAL p

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

Leia mais

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

Introdução. Exemplos. Comparar três lojas quanto ao volume médio de vendas. ... Itrodução Exemplos Para curar uma certa doeça existem quatro tratametos possíveis: A, B, C e D. Pretede-se saber se existem difereças sigificativas os tratametos o que diz respeito ao tempo ecessário para

Leia mais

AMOSTRAGEM ALEATÓRIA DISTRIBUIÇÕES POR AMOSTRAGEM

AMOSTRAGEM ALEATÓRIA DISTRIBUIÇÕES POR AMOSTRAGEM 6 AMOSTRAGEM ALEATÓRIA DISTRIBUIÇÕES POR AMOSTRAGEM Quado se pretede estudar uma determiada população, aalisam-se certas características ou variáveis dessa população. Essas variáveis poderão ser discretas

Leia mais

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

Objetivo. Estimar a média µ de uma variável aleatória X, que representa uma característica de interesse de uma população, a partir de uma amostra. ESTIMAÇÃO PARA A MÉDIAM Objetivo Estimar a média µ de uma variável aleatória X, que represeta uma característica de iteresse de uma população, a partir de uma amostra. Exemplos: µ : peso médio de homes

Leia mais

Estimação da média populacional

Estimação da média populacional Estimação da média populacioal 1 MÉTODO ESTATÍSTICO Aálise Descritiva Teoria das Probabilidades Iferêcia Os dados efetivamete observados parecem mostrar que...? Se a distribuição dos dados seguir uma certa

Leia mais

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

Lista de Exercícios #6 Assunto: Propriedade dos Estimadores e Métodos de Estimação Assuto: Propriedade dos Estimadores e Métodos de Estimação. ANPEC 08 - Questão 6 Por regulametação, a cocetração de um produto químico ão pode ultrapassar 0 ppm. Uma fábrica utiliza esse produto e sabe

Leia mais

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

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

Leia mais

CONHECIMENTOS ESPECÍFICOS

CONHECIMENTOS ESPECÍFICOS CESPE/UB FUB/0 fa 5 4 CONHECIMENTOS ESPECÍFICOS 60 As distribuições B e C possuem os mesmos valores para os quartis Q e Q, e o quartil superior em B correspode ao quartil cetral (Q ) da distribuição A.

Leia mais

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

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

Leia mais

Estimadores de Momentos

Estimadores de Momentos Estimadores de Mometos A média populacioal é um caso particular daquilo que chamamos de mometo. Na realidade, ela é o primeiro mometo. Se X for uma v.a. cotíua, com desidade f(x; θ 1,..., θ r ), depededo

Leia mais

Instruções gerais sobre a Prova:

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

Leia mais

Probabilidades e Estatística TODOS OS CURSOS

Probabilidades e Estatística TODOS OS CURSOS Duração: 90 miutos Grupo I Probabilidades e Estatística TODOS OS CURSOS Justifique coveietemete todas as respostas 1 o semestre 2018/2019 30/01/2019 15:00 2 o Teste C 10 valores 1. Seja X X 1, X 2,...,

Leia mais

Probabilidades e Estatística

Probabilidades e Estatística Departameto de Matemática Probabilidades e Estatística Primeiro exame/segudo teste 2 o semestre 29/21 Duração: 18/9 miutos Grupo I Justifique coveietemete todas as respostas. 17/6/21 9: horas 1. Com base

Leia mais

Estatística: Aplicação ao Sensoriamento Remoto SER ANO Teste de Hipótese

Estatística: Aplicação ao Sensoriamento Remoto SER ANO Teste de Hipótese Estatística: Aplicação ao Sesoriameto Remoto SER 4 - ANO 18 Teste de Hipótese Camilo Daleles Reó camilo@dpi.ipe.br http://www.dpi.ipe.br/~camilo/estatistica/ Estimação de Parâmetros Como já foi visto,

Leia mais

Revisando... Distribuição Amostral da Média

Revisando... Distribuição Amostral da Média Estatística Aplicada II DISTRIBUIÇÃO AMOSTRAL MÉDIA AULA 08/08/16 Prof a Lilia M. Lima Cuha Agosto de 016 Revisado... Distribuição Amostral da Média Seja X uma v. a. de uma população com média µ e variâcia

Leia mais

Stela Adami Vayego DEST/UFPR

Stela Adami Vayego DEST/UFPR Resumo 0 Estimação de parâmetros populacioais 9.. Itrodução Aqui estudaremos o problema de avaliar certas características dos elemetos da população (parâmetros), com base em operações com os dados de uma

Leia mais

Probabilidades e Estatística LEAN, LEGM, LEIC-A, LEIC-T, MA, MEMec

Probabilidades e Estatística LEAN, LEGM, LEIC-A, LEIC-T, MA, MEMec Duração: 90 miutos Grupo I Probabilidades e Estatística LEAN, LEGM, LEIC-A, LEIC-T, MA, MEMec Justifique coveietemete todas as respostas 2 o semestre 2016/2017 16/06/2017 9h:00 2 o teste 10 valores 1.

Leia mais

Teste de Hipóteses Paramétricos

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

Leia mais

PROVA DE ESTATÍSTICA SELEÇÃO MESTRADO/UFMG 2005

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

Leia mais

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

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

Leia mais

DISTRIBUIÇÕES DE PROBABILIDADE

DISTRIBUIÇÕES DE PROBABILIDADE DISTRIBUIÇÕES DE PROBABILIDADE DISTRIBUIÇÃO DE PROBABILIDADE Seja uma v.a. que assume os valores,,..., com probabilidade p, p,..., p associadas a cada elemeto de, sedo p p... p diz-se que está defiida

Leia mais

CAPÍTULO 6 - ESTIMAÇÃO E TESTES DE HIPÓTESES

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

Leia mais

Probabilidades e Estatística LEAN, LEGI, LEGM, LMAC, MEAer, MEAmbi, MEC

Probabilidades e Estatística LEAN, LEGI, LEGM, LMAC, MEAer, MEAmbi, MEC Duração: 90 miutos Grupo I Probabilidades e Estatística LEAN, LEGI, LEGM, LMAC, MEAer, MEAmbi, MEC Justifique coveietemete todas as respostas o semestre 207/208 /0/208 09:00 2 o teste A 0 valores. Admita

Leia mais

A DESIGUALDADE DE CHEBYCHEV

A DESIGUALDADE DE CHEBYCHEV A DESIGUALDADE DE CHEBYCHEV Quado se pretede calcular a probabilidade de poder ocorrer determiado acotecimeto e se cohece a distribuição probabilística que está em causa o problema, ão se colocam dificuldades

Leia mais

Stela Adami Vayego Estatística II CE003/DEST/UFPR

Stela Adami Vayego Estatística II CE003/DEST/UFPR Resumo 0 Estimação de parâmetros populacioais Defiição : Estimador e Estimativa Um estimador do parâmetro θ é qualquer fução das observações... isto é g(... ). O valor que g assume isto é g(x x... x )

Leia mais

Probabilidades e Estatística

Probabilidades e Estatística Departameto de Matemática robabilidades e Estatística LEGM, LEIC-A, LEIC-T, LEMat, MEBiom, MEFT, MEQ o semestre 0/0 o Teste A 08/06/0 9:00 Duração: hora e 30 miutos Justifiue coveietemete todas as respostas!

Leia mais

Probabilidades e Estatística

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

Leia mais

Probabilidades e Estatística LEIC-A, LEIC-T, LEGM, MA, MEMec

Probabilidades e Estatística LEIC-A, LEIC-T, LEGM, MA, MEMec Duração: 90 miutos Probabilidades e Estatística LEIC-A, LEIC-T, LEGM, MA, MEMec Justifique coveietemete todas as respostas! 2 o semestre 2015/2016 09/06/2016 11:00 2 o teste B Grupo I 10 valores 1. Seja

Leia mais

Testes de Hipóteses sobre uma Proporção Populacional

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

Leia mais

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

MAE 116 Estimação para a média FEA - 2º Semestre de 2018 MAE 116 Estimação para a média FEA - 2º Semestre de 2018 1 Objetivo da aula O objetivo é estimar a média de uma população (ou de uma variável aleatória) Vamos iicialmete estudar de forma empírica a distribuição

Leia mais

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

Estatística e Probabilidade, D3, 2019_1. Escolha a alternativa correta e indique no gabarito de respostas Estatística e Probabilidade, D3, 2019_1 Escolha a alterativa correta e idique o gabarito de respostas 1. Uma avaliação é costituída de 20 questões, cada uma delas com cico alterativas, das quais apeas

Leia mais

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

Estatística. Estatística II - Administração. Prof. Dr. Marcelo Tavares. Distribuições de amostragem. Estatística Descritiva X Estatística Inferencial Estatística II - Admiistração Prof. Dr. Marcelo Tavares Distribuições de amostragem Na iferêcia estatística vamos apresetar os argumetos estatísticos para fazer afirmações sobre as características de uma

Leia mais

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

Pedro Alberto Barbetta / Marcelo Menezes Reis / Antonio Cezar Bornia São Paulo: Atlas, 2004 Estatística para Cursos de Egeharia e Iformática Pedro Alberto Barbetta / Marcelo Meezes Reis / Atoio Cezar Boria São Paulo: Atlas, 004 Cap. 7 - DistribuiçõesAmostrais e Estimaçãode deparâmetros APOIO:

Leia mais

7. INTERVALOS DE CONFIANÇA

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

Leia mais

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

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

Leia mais

10 - Medidas de Variabilidade ou de Dispersão

10 - Medidas de Variabilidade ou de Dispersão 10 - Medidas de Variabilidade ou de Dispersão 10.1 Itrodução Localizado o cetro de uma distribuição de dados, o próximo passo será verificar a dispersão desses dados, buscado uma medida para essa dispersão.

Leia mais

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

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

Leia mais

Aprendizagem de Máquina

Aprendizagem de Máquina predizagem de Máquia Modelos de Mistura lgoritmo EM Estimação semi-paramétrica de desidade abordagem paramétrica para estimação de desidade supõe que a amostra X é extraída de uma distribuição que segue

Leia mais

ESTIMAÇÃO DE PARÂMETROS

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

Leia mais

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

Probabilidades e Estatística LEE, LEIC-A, LEIC-T, LEMat, LERC, MEBiol, MEBiom, MEEC, MEFT, MEMec, MEQ Duração: 90 miutos Grupo I Probabilidades e Estatística LEE, LEIC-A, LEIC-T, LEMat, LERC, MEBiol, MEBiom, MEEC, MEFT, MEMec, MEQ Justifique coveietemete todas as respostas 1 o semestre 2017/2018 11/01/2018

Leia mais

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

Probabilidades e Estatística LEAN, LEE, LEGI, LERC, LMAC, MEAer, MEAmbi, MEBiol, MEBiom, MEEC, MEFT, MEMat, MEQ Duração: 90 miutos Grupo I Probabilidades e Estatística LEAN, LEE, LEGI, LERC, LMAC, MEAer, MEAmbi, MEBiol, MEBiom, MEEC, MEFT, MEMat, MEQ Justifique coveietemete todas as respostas 2 o semestre 207/208

Leia mais

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

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

Leia mais

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

Amostras Aleatórias e Distribuições Amostrais. Probabilidade e Estatística: afinal, qual é a diferença? Amostras Aleatórias e Distribuições Amostrais Probabilidade e Estatística: afial, qual é a difereça? Até agora o que fizemos foi desevolver modelos probabilísticos que se adequavam a situações reais. Por

Leia mais

Sumário. 2 Índice Remissivo 17

Sumário. 2 Índice Remissivo 17 i Sumário 1 Itrodução à Iferêcia Estatística 1 1.1 Defiições Básicas................................... 1 1.2 Amostragem....................................... 2 1.2.1 Tipos de Amostragem.............................

Leia mais

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

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

Leia mais

INFERÊNCIA. Fazer inferência (ou inferir) = tirar conclusões

INFERÊNCIA. Fazer inferência (ou inferir) = tirar conclusões INFERÊNCIA Fazer iferêcia (ou iferir) = tirar coclusões Iferêcia Estatística: cojuto de métodos de aálise estatística que permitem tirar coclusões sobre uma população com base em somete uma parte dela

Leia mais

Distribuições de Estatísticas Amostrais e Teorema Central do Limite

Distribuições de Estatísticas Amostrais e Teorema Central do Limite Distribuições de Estatísticas Amostrais e Teorema Cetral do Limite Vamos começar com um exemplo: A mega-sea de 996 a N 894 úmeros de a 6: Média: m 588 Desvio padrão: 756 49 amostras de 6 elemetos Frequêcia

Leia mais

Estatística II Licenciatura em Gestão TESTE I

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

Leia mais

INTERVALOS DE CONFIANÇA

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

Leia mais

MAE Introdução à Probabilidade e Estatística II Resolução Lista 1

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

Leia mais

ESTIMAÇÃO DE PARÂMETROS

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

Leia mais

Probabilidades e Estatística TODOS OS CURSOS

Probabilidades e Estatística TODOS OS CURSOS Duração: 90 miutos Grupo I robabilidades e Estatística TODOS OS CURSOS Justifique coveietemete todas as respostas 2 o semestre 2016/2017 05/07/2017 15:00 2 o Teste C 10 valores 1. Admita que a proporção

Leia mais

Métodos Numéricos e Estatísticos Parte II-Métodos Estatísticos Estimação pontual e intervalar

Métodos Numéricos e Estatísticos Parte II-Métodos Estatísticos Estimação pontual e intervalar potual por itervalos Métodos Numéricos e Estatísticos Parte II-Métodos Estatísticos potual e itervalar Lic. Eg. Biomédica e Bioegeharia-2009/2010 potual por itervalos A Teoria das Probabilidades cosiste

Leia mais

EPR 007 Controle Estatístico de Qualidade

EPR 007 Controle Estatístico de Qualidade EP 7 Cotrole Estatístico de Qualidade Prof. Dr. Emerso José de Paiva Gráficos e tabelas origiadas de Costa, Epprecht e Carpietti (212) 1 Num julgameto, ifelizmete, um iocete pode ir pra cadeia, assim como

Leia mais

Estimação de Parâmetros. 1. Introdução

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

Leia mais

Probabilidades e Estatística TODOS OS CURSOS

Probabilidades e Estatística TODOS OS CURSOS Duração: 90 miutos Grupo I Probabilidades e Estatística TODOS OS CURSOS Justifique coveietemete todas as respostas o semestre 017/018 04/07/018 15:00 o Teste C 10 valores 1. Admita que os tempos (em cetea

Leia mais

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

Teorema do Limite Central, distribuição amostral, estimação por ponto e intervalo de confiança Teorema do Limite Cetral, distribuição amostral, estimação por poto e itervalo de cofiaça Prof. Marcos Pó Métodos Quatitativos para Ciêcias Sociais Distribuição amostral Duas amostrages iguais oriudas

Leia mais

Probabilidades e Estatística

Probabilidades e Estatística Duração: 90 miutos Probabilidades e Estatística LEIC-A, LEIC-T, LEGM, MA, MEMec Justifique coveietemete todas as respostas! o semestre 015/016 09/06/016 11:00 o teste B Grupo I 10 valores 1. Seja (X 1,

Leia mais

Métodos de Amostragem

Métodos de Amostragem Métodos de Amostragem Amostragem aleatória Este é o procedimeto mais usual para ivetários florestais e baseia-se o pressuposto de que todas as uidades amostrais têm a mesma chace de serem amostradas a

Leia mais

Caderno de Exercício 2

Caderno de Exercício 2 1 Cadero de Exercício Estimação Potual e Itervalos de Cofiaça 1. Exercícios Aulas 1. Exercício 8.6 do livro Statistics for Ecoomics ad Busiess. O úmero de adares vedidos em cada dia por uma empresa imobiliária

Leia mais

Estimação A estimação de um parâmetro, θ, de uma população pode ser feita por dois processos: Estimação Pontual e Estimação intervalar.

Estimação A estimação de um parâmetro, θ, de uma população pode ser feita por dois processos: Estimação Pontual e Estimação intervalar. Escola uperior de Tecologia de Viseu ETIMAÇÃO Estimação A estimação de um parâmetro, θ, de uma população pode ser feita por dois processos: Estimação Potual e Estimação itervalar. Exemplo: Num dos diversos

Leia mais

5 Teoria dos Valores Extremos

5 Teoria dos Valores Extremos Teoria dos Valores Extremos 57 5 Teoria dos Valores Extremos A Teoria dos Valores Extremos vem sedo bastate utilizada em campos ligados a evetos raros. Sua estatística é aplicada a estimação de evetos

Leia mais

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

Teorema do Limite Central, distribuição amostral, estimação por ponto e intervalo de confiança Teorema do Limite Cetral, distribuição amostral, estimação por poto e itervalo de cofiaça Prof. Marcos Pó Métodos Quatitativos para Ciêcias Sociais Distribuição amostral Duas amostrages iguais oriudas

Leia mais

Exame Final Nacional de Matemática Aplicada às Ciências Sociais a Fase

Exame Final Nacional de Matemática Aplicada às Ciências Sociais a Fase Exame Fial Nacioal de Matemática Aplicada às Ciêcias Sociais 04 -. a Fase Proposta de resolução... Aplicado o método de Hodt a distribuição dos madatos, temos: Partido A B C D E Número de votos 4 4 Divisão

Leia mais

Estatística: Aplicação ao Sensoriamento Remoto SER ANO Técnicas de Reamostragem

Estatística: Aplicação ao Sensoriamento Remoto SER ANO Técnicas de Reamostragem Estatística: Aplicação ao Sesoriameto Remoto SER 202 - ANO 2016 Técicas de Reamostragem Camilo Daleles Reó camilo@dpi.ipe.br http://www.dpi.ipe.br/~camilo/estatistica/ Distribuição Amostral Testes paramétricos

Leia mais

Objetivos. Testes não-paramétricos

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

Leia mais

FACULDADE DE ECONOMIA DO PORTO. Licenciatura em Economia E C O N O M E T R I A I I PARTE

FACULDADE DE ECONOMIA DO PORTO. Licenciatura em Economia E C O N O M E T R I A I I PARTE FACULDADE DE ECONOMIA DO PORTO Liceciatura em Ecoomia E C O N O M E T R I A I (LEC0) Exame Fial 0 de Jaeiro de 00 RESOLUÇÃO: I PARTE I GRUPO a) Dispoível uma amostra de observações de Y para períodos cosecutivos,

Leia mais

Exame Final Nacional de Matemática Aplicada às Ciências Sociais a Fase

Exame Final Nacional de Matemática Aplicada às Ciências Sociais a Fase Exame Fial Nacioal de Matemática Aplicada às Ciêcias Sociais 006 -. a Fase Proposta de resolução 1. 1.1. 1.1.1. Utilizado a iformação da tabela dada e idetificado o úmero de votos de cada partido com a

Leia mais

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

d) A partir do item c) encontre um estimador não viciado para σ 2. Uiversidade de Brasília Departameto de Estatística 6 a Lista de PE 1 Seja X 1,, X ) uma AAS tal que EX i ) = µ e VarX i ) = σ 2 a) Ecotre EXi 2 ) e E X 2) b) Calcule EX i X) X i X) 2 c) Se T =, mostre

Leia mais