1 Probabilidade - Modelos Probabilísticos
|
|
- Ayrton Valente
- 5 Há anos
- Visualizações:
Transcrição
1 1 Probabilidade - Modelos Probabilísticos Modelos probabilísticos devem, de alguma forma, 1. identificar o conjunto de resultados possíveis do fenômeno aleatório, que costumamos chamar de espaço amostral, em geral denotado por S e 2. designar chances (probabilidades) aos resultados ou conjuntos de resultados possíveis. Chamamos evento a qualquer subconjunto do espaço amostral (S). Os eventos são geralmente denotados por letras maiúsculas A, B, etc. Em particular chamamos o conjunto vazio ( ) de evento impossível, pois ele nunca ocorrerá e, o espaço amostral (S), de evento certo, pois sempre ocorrerá um dos resultados possíveis. Para o evento impossível designamos uma probabilidade nula e para o evento certo designamos uma probabilidade igual a 1 (ou 100%). 1.1 Definição Axiomática da Probabilidade Independentemente da interpretação de probabilidade adotada, a probabilidade é uma função P (.) que mede chances de eventos. A função probabilidade está definida na coleção de eventos e assume valores entre 0 e 1, satisfazendo os seguintes axiomas: A1 : P (A) 0 para todo evento A na coleção de eventos. A probabilidade de um evento qualquer é sempre um número não-negativo. A2 : P (S) = 1. A probabilidade do evento certo é igual a 1. A3 : Se A B =, então P (A B) = P (A) + P (B). Se os eventos A e B são disjuntos, então a probabilidade da união dos dois (de pelo menos um deles ocorrer) é a soma de suas probabilidades. 1.2 Probabilidade Condicional: Definição A probabilidade condicional de ocorrer um evento A, dado que sabemos que ocorreu um evento B, P (B) > 0 é definida por P (A B) P (A B) =. P (B) Eventos independentes Dizemos que os eventos A e B são independentes, se a ocorrência de um deles, por exemplo de B, não interfere no nosso conhecimento sobre a incerteza do outro A. A e B são eventos independentes se P (A B) = P (A). Nesse caso, observe que vale a seguinte propriedade para A e B eventos independentes. P (A B) = P (A) P (B), 1
2 1.3 Variáveis Aleatórias De modo bastante informal, uma variável aleatória é uma característica numérica do resultado de um experimento. Variáveis aleatórias contínuas: de modo informal as variáveis aleatórias são contínuas quando resultam de algum tipo de medição tal que seu campo de definição é um intervalo limitado da reta, uma semi-reta ou a reta. Por exemplo: o tempo de vida de uma lâmpada, a altura de uma pessoa, o peso de uma pessoa, o tempo de cura após iniciar um tratamento, etc. O modelo probabilístico usual para descrever o comportamento de variáveis aleatórias contínuas é a função de densidade de probabilidade ou simplesmente densidade de probabilidade. A função de distribuição F (x) = P (X x) também pode ser usada para descrever o comportamento de uma variável aleatória contínua. Uma densidade de probabilidade é uma função real, não-negativa e tal que a área delimitada sob o gráfico da densidade é igual a 1. Se X é uma variável aleatória contínua com densidade f(x), então a probabilidade de X cair num intervalo entre a e b será dada pela área delimitada pela densidade f(x) entre a e b como mostra a figura seguir. Se X é uma variável aleatória com densidade f(x) também é possível calcular o valor esperado (média) de X e sua respectiva variância. O valor esperado representa um centro de massa em relação à medida de probabilidade e a variância representa a dispersão dos valores no campo de definição em relação à média. 2
3 1.4 O modelo Normal (Gaussiano, Forma de Sino) O modelo normal é caracterizado por dois parâmetros: seu valor esperado (ou sua média), denotada pela letra grega µ e a sua variância, denotada por σ 2 ou, equivalentemente pelo seu desvio-padrão σ. Notação X N(µ, σ 2 ) para dizer que a variável aleatória X tem distribuição normal com média µ e variância σ Distribuição Normal Padrão Quando µ = 0 e σ 2 = 1 a distribuição é chamada normal padrão ou normal reduzida. Z N(0, 1) Usaremos a letra Z para denotar uma variável aleatória normal com distribuição normal padrão. Outra notação a ser adotada é φ(z) = P (Z z), para a função de distribuição da normal padrão. Como calcular probabilidades no modelo normal? Caso 1: Z N(0, 1), ou seja, se a distribuição considerada é uma normal padrão. Nesse caso usamos tabelas disponíveis da distribuição normal padrão para calcular probabilidades. Leia sempre o cabeçalho da tabela antes de usá-la. Lembre que a curva normal padrão é simétrica em torno de z = 0 e que a área sob a curva é 1. Caso 2: X N(µ, σ 2 ) Se X N(µ, σ 2 ), então Z = 2 Inferência Estatística 2.1 Conceitos Importantes Trasnformação de Padronização X µ N(0, 1) }{{ σ } transf. de padronização População: é o conjunto de todos os elementos sob investigação com pelo menos uma característica em comum. Amostra: é qualquer subconjunto não-vazio da população. Parâmetro: Característica numérica da população. Estatística: Característica numérica da amostra. 3
4 Amostra Aleatória Simples(AAS) Uma amostra aleatória simples ocorre quando atribuímos probabilidades de seleção na amostra iguais para todos os elementos da população. Distribuição Amostral Suponha o problema de estimar um parâmetro θ de certa população e que para isso dispomos de uma amostra de tamanho n dessa população: x 1, x 2,..., x n. Suponha também que usaremos uma estatística T função da amostra para estimar θ. T pode ser a soma ( T = t(x 1, x 2,..., x n ) n x i ), a média ( x), a mediana, a amplitude, o desvio padrão amostral, e sua escolha dependerá i=1 do parâmetro que queremos estimar. Para poder avaliar a qualidade de T como estimador de θ é fundamental conhecer o modelo probabilísitco que explica a variabilidadde de seus valores, ou seja, a distribuição amostral de T. 2.2 Aplicações do Teorema Central do Limite (TCL) Sejam X uma população com média µ e variância σ 2 ; X 1, X 2,..., X n uma amostra aleatória de tamanho n da população; n X = 1 n X i a média amostral. i=1 Então, o valor esperado, ou simplesmente a média, da distribuição de X é dado por E[ X] = µ e, a variância, por Var( X) = σ2 n. O erro-padrão (desvio padrão) de X: σ X = σ n Se a população for normal, para qualquer tamanho de amostra. Se a população não for normal, para n 30, X µ σ/ n X µ σ/ n N(0, 1), a N(0, 1). Para amostras grandes n 30, se σ 2 é desconhecido, usamos uma estimativa dada por s e aplicamos o TCL. X µ S/ n a N (0, 1). com S estimador de σ. Para amostras moderadas de uma população normal com média µ e desvio padrão σ desconhecidos. Se X 1, X 2,..., X n uma amostra da distribuição N(µ, σ 2 ). Então, tem uma distribuição t com n 1 graus de liberdade. T = X µ S/ n 4
5 2.3 A distribuição t A distribuição t, como a normal padrão, também tem densidade simétrica em torno de zero, porém apresenta caudas mais pesadas do que a normal padrão. O único parâmetro que a define (ν) caracteriza a sua forma e é chamado número de graus de liberdade. Quanto maior for o valor do parâmetro ν, a distribuição t (ν) se aproximará da distribuição normal padrão. A distribuição t é caracterizada por um parâmetro ν, chamado número de graus de liberdade. 2.4 Intervalos de Confiança Notação: IC(µ, 0.95) : X ± 1, 96σ X com σ X = σ n. Resumindo: Se pudessemos construir uma quantidade grande de intervalos da forma X ± 1, 96σ X, todos baseados em amostras aleatórias de tamanho n da população, 95% deles conteriam o parâmetro µ. Podemos usar um nível de confiança qualquer. 1,96 é o quantil da distribuição normal padrão tal que P ( 1, 96 < Z < 1, 96) = 0, 95. Notação: seja z (γ) tal que P ( z (γ) < Z < z (γ) ) = γ, 0 < γ < 1. Observe que com essa notação z (0.95) = 1, 96. E também que um intervalo de nível de confiança γ para µ é dado por X ± z (γ) σ X. Intervalos de Confiança com nível de confiança γ para a média populacional 1. Amostras da distribuição normal ou amostras suficientemente grandes n 30 IC(µ, γ) : σ }{{} X ±z (γ) n média amostral }{{} erro padrão Observação: se o valor de σ não for conhecido substitua-o na expressão acima por uma estimativa. 2. Amostras da distribuição normal, σ desconhecido, n < 30 IC(µ, γ) : s }{{} X ±t (γ,n 1) n média amostral }{{} erro padrão de X Em (2) a notação t (γ,n 1) é similar à notação usada na distribuição normal, conforme a figura a seguir. A diferença é que agora usamos uma distribuição t com n 1 graus de liberdade. Intervalos de Confiança para a proporção populacional Alternativa conservadora: Outra alternativa: IC(p, γ) : ˆp ± z (γ) 1 4n IC(p, γ) : ˆp ± z (γ) ˆp(1 ˆp) n 5
6 3 Testes de Hipóteses Em estatística, uma hipótese é uma afirmativa sobre um parâmetro, ou seja, sobre uma característica da população. Um teste de hipótese é um procedimento para testar uma hipótese baseado numa amostra da população. 3.1 Fundamentos do Teste de Hipótese 1. Hipóteses Nula (H 0 ) e Alternativa (H 1 ) A hipótese nula, denotada por H 0, é uma afirmativa sobre um parâmetro. A hipótese alternativa, denotada por H 1, é uma afirmativa complementar à hipótese nula tal que não exista interseção entre as duas hipóteses. Temos que decidir por uma das duas hipóteses baseando-nos numa amostra da população. Logo, estamos sujeitos a dois erros diferentes. Decisão H 0 é verdadeira H 0 não é verdadeira Rejeitar H 0 Erro tipo I sem erro Não rejeitar H 0 sem erro Erro tipo II 2. Estatística de Teste: é uma função que produz um valor real com base nos dados amostrais. Uma regra de decisão consiste em especificar um conjunto de valores da estatística de teste para os quais rejeitaremos a hipótese nula (H 0 ). Chamamos esse conjunto de valores, para os quais rejeitaremos H 0, de Região Crítica (RC) do teste. A escolha da estatística de teste dependerá das hipóteses que serão testadas. 4. Nível de Significância (α) do teste: é a probabilidade de se cometer o erro tipo I, ou seja, é a probabilidade de rejeitar uma hipótese nula verdadeira. No procedimento clássico de testes de hipóteses, fixa-se o valor do nível de significância, geralmente em 1%, 5% ou 10%, e, usando a distribuição amostral da estatística de teste, é possível determinar a Região Crítica (RC) do teste. Esse procedimento baseia-se na suposição de que o erro tipo I é o mais grave. 5. Erro tipo II: usamos a letra grega β para representar a probabilidade de cometer o erro tipo II: não rejeitar uma hipótese nula falsa. Para fins práticos, a hipótese nula a ser fixada aqui será sempre uma hipótese simples, isto é, admitirá um único valor para o parâmetro. Desse modo, calcular a probabilidade de se cometer o erro I, é trivial, pois se H 0 é verdadeira, o valor do parâmetro está determinado. 6. Testes Bilaterais e Unilaterais: estão associados à forma da hipótese alternativa e, consequentemente, da região crítica. Suponha um teste sobre a média populacional e que a média amostral é usada como estatística de teste. Suponha também que H 0 : µ = µ 0. Se a hipótese alternativa é do tipo µ µ 0, rejeitaremos H 0 para valores da média amostral significativamente afastados de µ 0, à esquerda ou à direita de µ 0. Nesse caso, temos um teste bicaudal/bilateral. Se a hipótese alternativa é do tipo µ > µ 0, rejeitaremos H 0 para valores da média amostral significativamente afastados de µ 0, à direita de µ 0. Nesse caso, temos um teste unicaudal/unilateral. Se a hipótese alternativa é do tipo µ < µ 0, rejeitaremos H 0 para valores da média amostral significativamente afastados de µ 0, à esquerda de µ 0. Nesse caso, temos um teste unicaudal/unilateral. 7. Procedimento Clássico de Testes de Hipóteses: Passo 1: Fixe a hpótese nula a ser testada e qual é a forma da hipótese alternativa. Passo 2: Use a teoria estatística e as informações disponíveis para decidir qual estatística será usada no teste. Obtenha a distribuição amostral da estatística de teste. 6
7 Passo 3: Fixe o nível de significância α do teste, isto é, a probabilidade de rejeitar uma hipótese nula verdadeira e determine a região crítica do teste. Passo 4: Use a amostra para calcular o valor amostral da estatística de teste. Passo 5: Se o valor amostral cair na região crítica, rejeite H 0, caso contrário, não rejeite H Valor-P ou p-valor ou Nível Descritivo ou Probabilidade de Significância De maneira informal, o p-valor caracteriza o grau de adesão dos dados amostrais à hipótese nula. É calculado usando-se uma probabilidade condicional, supondo que H 0 é verdadeira. Portanto, o p-valor está entre 0 e 1. Na prática, rejeitaremos H 0 para p-valores muito pequenos. Se o valor amostral da estatística de teste estiver muito na cauda da distribuição da estatística de teste sob a suposição de que H 0 é verdadeira, concluiremos que os dados não estão trazendo evidência a favor de H 0. Caso contrário, não teremos evidência contra H 0. O cálculo do p-valor dependerá se o teste é uni ou bilateral. O p-valor corresponde ao maior nível de significância para o qual aceitaremos H 0. Para qualquer nível de significância α p-valor, aceitamos H Testes sobre proporções populacionais (p) Hipótese nula H 0 : p = p 0, p 0 é uma proporção fixada. Nível de significância α (probabilidade de cometer o erro I). Em geral é fixado em 1%, 5% ou 10%. Estatística de teste: Z 0 = ˆp p 0 p0 (1 p 0 ) em que ˆp é a proporção amostral e n é o tamanho da amostra observada. A seguir, três formas possíveis para a hipótese alternativa e as respectivas regiões críticas em função do nível de significância são apresentadas. Lembre que a região crítica do teste é o conjunto de valores amostrais da estatística de teste para os quais rejeitaremos H 0. H 1 n Região Crítica, p p 0 Z 0 > z (1 α) p > p 0 Z 0 > z (1 2α) p < p 0 Z 0 < z (1 2α) 3.3 Teste sobre a média (µ) da população, quando o desvio-padrão populacional (σ) é conhecido H 0 : µ = µ 0, dispõe-se de amostras suficientemente grandes (n 30) e usamos uma estimativa s de σ. Estatística de teste: Z 0 = X µ 0 σ/ n Nível de significância: α H 1 região crítica µ µ 0 Z 0 > z (1 α) µ > µ 0 Z 0 > z (1 2α) µ < µ 0 Z 0 < z (1 2α) 7
8 3.4 Teste sobre a média, σ, o desvio padrão da população é desconhecido, a população é normal e a amostra tem menos de 30 observações Seja X 1, X 2,..., X n é uma amostra aleatória simples de uma população normal com média µ e variância σ 2 ambos desconhecidos. Esse caso é similar ao anterior com as seguintes substituições: Usa-se T 0 = X µ 0 S/ n no lugar de Z 0 = X µ 0 σ/ n e, os quantis da distribuição t com n 1 graus de liberdade em vez dos quantis da normal padrão. Se H 0 : µ = µ 0, α é o nível de significância e T 0 = X µ 0 S/ n, temos H 1 região crítica µ µ 0 T 0 > t (1 α,n 1) µ > µ 0 T 0 > t (1 2α,n 1) P ( t (1 α,n 1) < T < t (1 α,n 1) ) = 1 α, T t n 1. µ < µ 0 T 0 < t (1 2α,n 1) 4 Testes de hipóteses: duas amostras 4.1 Amostras independentes Sejam X 1, X 2,..., X n e Y 1, Y 2,..., Y m duas amostras independentes sorteadas de duas populações normais N(µ 1, σ 2 ) e N(µ 2, σ 2 ). O teste a seguir foi construído baseando-se nessas suposições. T = X 1 X 2 (µ 1 µ 2 ) S 1 n + 1 m tem uma distribuição t com n + m 2 graus de liberdade. Na expressão da estatística T, X1 representa a média amostral referente à amostra 1 e X 2 representa a média amostral referente à amostra 2. Além disso S 2 é uma estimativa combinada da variância populacional σ 2 que é suposta ser a mesma em ambas as populações, a saber, S 2 = (n 1)S2 1 + (m 1)S2 2 n + m 2 em que S1 2 é a variância amostral na amostra 1 e S2 2 é a variância amostral na amostra 2. Assim, se H 0 é verdadeira segue que tem uma distribuição t com n + m 2 graus de liberdade. T 0 = X 1 X 2 S 1 n + 1 m 8
9 Fixado um nível de significância α, basta obter a(s) cauda(s) correspondente(s) à região crítica do teste, usando a distribuição t com n + m 2 graus de liberdade. Quadro de procedimentos no caso de duas amostras independentes de populações normais com variâncias iguais. Sejam H 0 : µ 1 = µ 2 a hipótese nula, T 0 = X 1 X 2 a estatística de teste e S 1 n + 1 m α o nível de significância do teste. H 1 Região crítica µ 1 µ 2 T 0 > t (1 α,n+m 2) µ 1 > µ 2 T 0 > t (1 2α,n+m 2) µ 1 < µ 2 T 0 < t (1 2α,n+m 2) Intervalo de Confiança para a diferença entre as médias µ 1 e µ 2 : Suposição: populações normais com variâncias iguais. IC(µ 1 µ 2, γ) : X1 X 2 ± t (γ,n+m 2) S 1 n + 1 m em que t (γ,n+m 2) é um quantil da distribuição t com n+m 2 graus de liberdade tal que P ( ) t (γ,n+m 2) < T < t (γ,n+m 2) = γ, com T t (n+m 2). O teste de Wilcoxon, também conhecido como teste de Mann-Whitney, e que daqui em diante chamaremos de teste W MW, é um teste não paramétrico de comparação de duas populações que não requer a normalidade. Tem-se duas amostras independentes de duas populações P 1 e P 2. Queremos testar H 0 : P 1 = P 2 contra a hipótese alternativa de que as distribuições diferem em localização: estaremos interessados em saber se uma população tende a ter valores maiores que a outra; ou se elas têm a mesma mediana ou a mesma média. O teste de Wilcoxon-Mann-Whitney (W M W ) é baseado nos postos dos valores obtidos combinando-se as duas amostras. A estatística de teste é a soma dos postos associados aos valores amostrados de uma população, P 1, por exemplo. Se essa soma for grande, isso é uma indicação de que os valores dessa população tendem a ser maiores do que os valores da população P 2, e, então rejeitamos H 0. O teste t é mais poderoso do que os testes não-paramétricos. Desse modo, se a suposição de normalidade for adequada, recomenda-se usar o teste t. Use o teste W MW se a suposição de normalidade não for adequada. 4.2 Amostras relacionadas Suponha que (X 1, Y 1 ), (X 2, Y 2 ),..., (X n, Y n ) seja uma amostra aleatória bivariada de tamanho n de uma população. Por exemplo, medidas antes e depois de um tratamento, contagens sob duas condições diferentes, etc. Defina as diferenças D i = X i Y i, i = 1, 2,..., n. Se a população das diferenças tiver uma distribuição normal, então é possível construir um teste t para a média das diferenças. Suponha que a distribuição de D seja N(µ D, σ 2 D ). Como estamos comparando o mesmo grupo sob diferentes condições, aqui a hipótese nula, será da forma µ D = 0, ou seja, não há efeito de tratamento. As hipóteses alternativas podem ser µ D 0 (bilateral), µ D > 0 (unilateral à direita) ou µ D < 0 (unilateral à esquerda). 9
10 Em geral o desvio padrão da população de diferenças é desconhecido e também deverá ser estimado por S D com n SD 2 = 1 (D i D) 2, com D a média amostral das diferenças D 1, D 2,..., D n. n 1 i=1 De fato, podemos notar que esse caso reduz-se ao teste t, com H 0 : µ D = 0 para uma amostra aleatória simples de uma população normal dada por D 1, D 2,..., D n. Observe que a suposição de normalidade das populações não é crucial. As diferenças é que devem ter um comportamento normal. D A estatística de teste a ser usada é T 0 = S D / n. Sob H 0, T 0 tem uma distribuição t com n 1 graus de liberdade. Fixando α o nível de significância, basta identificar a(s) cauda(s) da distribuição t com n 1 graus de liberdade adequada(s) à hipótese alternativa sob consideração. Depois é só verificar se o valor amostral da estatística caiu ou não na região crítica para concluir o teste. Quadro de procedimentos no caso de duas amostras pareadas cujas diferenças são supostas normais. Sejam H 0 : µ D = 0 a hipótese nula, T 0 = D S D / a estatística de teste e n α o nível de significância do teste. H 1 Região crítica µ D 0 T 0 > t (1 α,n 1) µ D > 0 T 0 > t (1 2α,n 1) µ D < 0 T 0 < t (1 2α,n 1) Intervalo de Confiança para µ D = µ 1 µ 2 : Suposição: as diferenças D i s são normalmente distribuídas. em que D é a média amostral das diferenças n SD 2 = 1 (D i D) 2 n 1 i=1 IC(µ D, γ) : D S ± t D (γ,n 1) n n é o tamanho da amostra. Se as diferenças não forem normais, podemos usar um teste não paramétrico também baseado em postos. Para amostras emparelhadas, um teste apropriado é o teste de Wilcoxon dos postos sinalizados. Esse teste também atribui postos, agora, aos valores absolutos das diferenças D i s. O Bioestat tem esse procedimentos na opção de duas amostras relacionadas. 10
Estatística (MAD231) Turma: IGA. Período: 2018/2
Estatística (MAD231) Turma: IGA Período: 2018/2 Aula #04 de Probabilidade: 26/10/2018 1 Variáveis Aleatórias Contínuas De modo informal as variáveis aleatórias são contínuas quando resultam de algum tipo
Leia maisAULA 05 Teste de Hipótese
1 AULA 05 Teste de Hipótese Ernesto F. L. Amaral 03 de setembro de 2012 Faculdade de Filosofia e Ciências Humanas (FAFICH) Universidade Federal de Minas Gerais (UFMG) Fonte: Triola, Mario F. 2008. Introdução
Leia maisTestes de Hipóteses. Ricardo Ehlers Departamento de Matemática Aplicada e Estatística Universidade de São Paulo
Testes de Hipóteses Ricardo Ehlers ehlers@icmc.usp.br Departamento de Matemática Aplicada e Estatística Universidade de São Paulo Introdução e notação Em geral, intervalos de confiança são a forma mais
Leia maisAULA 04 Teste de hipótese
1 AULA 04 Teste de hipótese Ernesto F. L. Amaral 03 de outubro de 2013 Centro de Pesquisas Quantitativas em Ciências Sociais (CPEQS) Faculdade de Filosofia e Ciências Humanas (FAFICH) Universidade Federal
Leia maisEstatística (MAD231) Turma: IGA. Período: 2018/2
Estatística (MAD231) Turma: IGA Período: 2018/2 Aula #03 de Inferência Estatística: 09/11/2018 1 Testes de Hipóteses: Na aula de hoje veremos a terminologia usada em testes de hipóteses (hipóteses nula
Leia maisBioestatística (MAD125) Turma: ENA. Período: 2015/2
Bioestatística (MAD125) Turma: ENA Período: 2015/2 Testes de Hipóteses: noções básicas: 17/02/2016 1 Testes de Hipóteses: Na aula de hoje veremos a terminologia usada em testes de hipóteses (hipóteses
Leia mais7 Teste de Hipóteses
7 Teste de Hipóteses 7-1 Aspectos Gerais 7-2 Fundamentos do Teste de Hipóteses 7-3 Teste de uma Afirmação sobre a Média: Grandes Amostras 7-4 Teste de uma Afirmação sobre a Média : Pequenas Amostras 7-5
Leia maisTestes de Hipóteses: Duas Amostras
Testes de Hipóteses: Duas Amostras Na aula de hoje veremos como comparar duas populações P 1 e P 2, baseados em dados fornecidos por amostras dessas populações. Grande parte das técnicas usadas em Estatística
Leia maisTestes de Hipóteses. Ricardo Ehlers Departamento de Matemática Aplicada e Estatística Universidade de São Paulo
Testes de Hipóteses Ricardo Ehlers ehlers@icmc.usp.br Departamento de Matemática Aplicada e Estatística Universidade de São Paulo Introdução e notação Em geral, intervalos de confiança são a forma mais
Leia maisInferência. 1 Estimativa pontual de uma média 2 Estimativa intervalar de uma média. Renata Souza
Inferência 1 Estimativa pontual de uma média 2 Estimativa intervalar de uma média Renata Souza Aspectos Gerais A estatística descritiva tem por objetivo resumir ou descrever características importantes
Leia mais1 Teoria da Decisão Estatística
1 Teoria da Decisão Estatística 1.1 Teste de Hipótese É uma metodologia estatística que permite tomar decisão sobre uma ou mais populações baseando no conhecimento de informações da amostra. Ao tentarmos
Leia maisInferência para duas populações
Inferência para duas populações Capítulo 13, Estatística Básica (Bussab&Morettin, 8a Edição) 7a AULA 27/04/2015 MAE229 - Ano letivo 2015 Lígia Henriques-Rodrigues 7a aula (27/04/2015) MAE229 1 / 27 1.
Leia maisDE ESPECIALIZAÇÃO EM ESTATÍSTICA APLICADA)
1. Sabe-se que o nível de significância é a probabilidade de cometermos um determinado tipo de erro quando da realização de um teste de hipóteses. Então: a) A escolha ideal seria um nível de significância
Leia maisPrincípios de Bioestatística Teste de Hipóteses
1/36 Princípios de Bioestatística Teste de Hipóteses Enrico A. Colosimo/UFMG http://www.est.ufmg.br/ enricoc/ Depto. Estatística - ICEx - UFMG Tabela 2/36 3/36 Exemplo A concentração de certa substância
Leia maisTestes de Hipóteses Paramétricos
Testes de Hipóteses Paramétricos Carla Henriques Departamento de Matemática Escola Superior de Tecnologia de Viseu Introdução Exemplos Testar se mais de metade da população irá consumir um novo produto
Leia maisProfessora Ana Hermínia Andrade. Universidade Federal do Amazonas Faculdade de Estudos Sociais Departamento de Economia e Análise. Período 2017.
Professora Ana Hermínia Andrade Universidade Federal do Amazonas Faculdade de Estudos Sociais Departamento de Economia e Análise Período 2017.1 Distribuições Amostrais O intuito de fazer uma amostragem
Leia maisTESTES DE HIPÓTESES. Lucas Santana da Cunha Universidade Estadual de Londrina
TESTES DE HIPÓTESES Lucas Santana da Cunha email: lscunha@uel.br http://www.uel.br/pessoal/lscunha/ Universidade Estadual de Londrina 26 de setembro de 2016 Introdução Viu-se a construção de intervalos
Leia maisTestes de Hipóteses: Média e proporção
Testes de Hipóteses: Média e proporção Lucas Santana da Cunha email: lscunha@uel.br http://www.uel.br/pessoal/lscunha/ 12 de setembro de 2018 Londrina 1 / 27 Viu-se a construção de intervalos de confiança
Leia maisTestes de Hipóteses Paramétricos
Testes de Hipóteses Paramétricos Departamento de Matemática Escola Superior de Tecnologia de Viseu (DepMAT ESTV) Testes de Hipóteses Paramétricos 1 / 41 Introdução. Hipóteses Estatísticas. Erro Tipo I
Leia maisTESTE DE HIPÓTESE. Introdução
TESTE DE HIPÓTESE Introdução O teste de hipótese estatística objetiva decidir se uma afirmação sobre uma população, usualmente um parâmetro desta, é, ou não, apoiada pela evidência obtida dos dados amostrais.
Leia maisAULA 07 Inferência a Partir de Duas Amostras
1 AULA 07 Inferência a Partir de Duas Amostras Ernesto F. L. Amaral 10 de setembro de 2012 Faculdade de Filosofia e Ciências Humanas (FAFICH) Universidade Federal de Minas Gerais (UFMG) Fonte: Triola,
Leia maisTOMADA DE DECISÃO PARA UMA AMOSTRA. Estatística Aplicada à Engenharia 1
TOMADA DE DECISÃO PARA UMA AMOSTRA Estatística Aplicada à Engenharia 1 ROTEIRO 1. Teste de hipóteses; 2. Inferência sobre a média de uma população (variância conhecida); 3. Inferência sobre a média de
Leia maisEstatística (MAD231) Turma: IGA. Período: 2016/2
Estatística (MAD231) Turma: IGA Período: 2016/2 Aula #02 de Inferência Estatística: 28/11/2016 1 Intervalos de Confiança Vamos começar com um exemplo. Suponha que se deseja estimar a média µ de uma população
Leia maisMedidas de Dispersão ou variabilidade
Medidas de Dispersão ou variabilidade A média - ainda que considerada como um número que tem a faculdade de representar uma série de valores - não pode, por si mesma, destacar o grau de homogeneidade ou
Leia maisMAE Introdução à Probabilidade e Estatística II Resolução Lista 5
MAE 229 - Introdução à Probabilidade e Estatística II Resolução Lista 5 Professor: Pedro Morettin e Profa. Chang Chian Exercício 1 (a) De uma forma geral, o desvio padrão é usado para medir a dispersão
Leia maisInferência. 1 Estimativa pontual de uma média 2 Estimativa intervalar de uma média. Renata Souza
Inferência 1 Estimativa pontual de uma média 2 Estimativa intervalar de uma média Renata Souza Aspectos Gerais A estatística descritiva tem por objetivo resumir ou descrever características importantes
Leia maisTestes de Hipóteses. Professor: Josimar Vasconcelos Contato: ou
Testes de Hipóteses Professor: Josimar Vasconcelos Contato: josimar@ufpi.edu.br ou josimar@uag.ufrpe.br http://prof-josimar.blogspot.com.br/ Universidade Federal do Piauí UFPI Campus Senador Helvídio Nunes
Leia maisInferência Estatistica
Inferência Estatistica Ricardo Ehlers ehlers@icmc.usp.br Departamento de Matemática Aplicada e Estatística Universidade de São Paulo Modelos e Inferência Um modelo é uma simplificação da realidade (e alguns
Leia maisEstimação e Testes de Hipóteses
Estimação e Testes de Hipóteses 1 Estatísticas sticas e parâmetros Valores calculados por expressões matemáticas que resumem dados relativos a uma característica mensurável: Parâmetros: medidas numéricas
Leia maisEstatística (MAD231) Turma: IGA. Período: 2015/2
Estatística (MAD231) Turma: IGA Período: 2015/2 Aula #01 de Inferência Estatística: 03/02/2016 1 Inferência Estatística: como fazer afirmações sobre uma população conhecendo uma amostra da população? Referência:
Leia maisProfessora Ana Hermínia Andrade. Período
Teste de Hipóteses Professora Ana Hermínia Andrade Universidade Federal do Amazonas Faculdade de Estudos Sociais Departamento de Economia e Análise Período 2016.1 Teste de Hipóteses O Teste de Hipóteses
Leia maisa terminologia usada em testes de hipóteses (hipóteses nula e alternativa, erros tipo I e tipo II, hipóteses unilaterais e bilaterais, etc);
Testes de Hipóteses: Na aula de hoje veremos a terminologia usada em testes de hipóteses (hipóteses nula e alternativa, erros tipo I e tipo II, hipóteses unilaterais e bilaterais, etc); como construir
Leia maisInferência estatística
Inferência estatística Susana Barbosa Mestrado em Ciências Geofísicas 2013-2014 Inferência estatística Obtenção de conclusões sobre propriedades da população a partir das propriedades de uma amostra aleatória
Leia maisCapítulo 4 Inferência Estatística
Capítulo 4 Inferência Estatística Slide 1 Resenha Intervalo de Confiança para uma proporção Intervalo de Confiança para o valor médio de uma variável aleatória Intervalo de Confiança para a diferença de
Leia maisParte 8 Testes de hipóteses Comparação de dois grupos
Parte 8 Testes de hipóteses Comparação de dois grupos Um objetivo frequente em estudos de diferentes áreas é a comparação de dois ou mais grupos (ou populações). Alguns exemplos: o Comparação dos salários
Leia maisInferência a partir de duas amostras
Inferência a partir de duas amostras Inferência a partir de duas amostras. Inferência sobre duas médias: amostras dependentes. Inferência sobre duas médias: amostras grandes e independêntes 3. Comparação
Leia maisIntrodução a Estatística
Introdução a Estatística Prof a. Juliana Freitas Pires Departamento de Estatística Universidade Federal da Paraíba - UFPB juliana@de.ufpb.br Introdução O curso foi dividido em três etapas: 1 vimos como
Leia maisDISTRIBUIÇÃO AMOSTRAL E ESTIMAÇÃO PONTUAL INTRODUÇÃO ROTEIRO POPULAÇÃO E AMOSTRA. Estatística Aplicada à Engenharia
ROTEIRO 1. Introdução; DISTRIBUIÇÃO AMOSTRAL E ESTIMAÇÃO PONTUAL. Teorema Central do Limite; 3. Conceitos de estimação pontual; 4. Métodos de estimação pontual; 5. Referências. 1 POPULAÇÃO E AMOSTRA População:
Leia maisMétodos Quantitativos
Métodos Quantitativos Unidade 3 Estatística inferencial parte I Prof. Me. Diego Fernandes 1 Sumário Seção Slides 3.1 Noções de probabilidade 03 21 3.2 Distribuição dos estimadores 22 41 3.3 e 3.4 - Testes
Leia maisTestes de Hipóteses I
Testes de Hipóteses I Capítulo 12, Estatística Básica (Bussab&Morettin, 8a Edição) 5a AULA 23/04/2015 MAE229 - Ano letivo 2015 Lígia Henriques-Rodrigues 1. Introdução Neste capítulo pretendemos resolver
Leia maisTestes de Hipótese para uma única Amostra - parte II
Testes de Hipótese para uma única Amostra - parte II 01 de Julho de 2014 Objetivos Ao final deste capítulo você deve ser capaz de: Testar hipóteses para média de uma população. Serão usadas as distribuições
Leia maisIntervalos de Confiança - Amostras Pequenas
Intervalos de Confiança - Amostras Pequenas Teste de Hipóteses para uma Média Jorge M. V. Capela, Marisa V. Capela, Instituto de Química - UNESP Araraquara, SP capela@iq.unesp.br Araraquara, SP - 2016
Leia maisTestes de Hipóteses para. uma Única Amostra. Objetivos de Aprendizagem. 9.1 Teste de Hipóteses. UFMG-ICEx-EST-027/031 07/06/ :07
-027/031 07/06/2018 10:07 9 ESQUEMA DO CAPÍTULO 9.1 TESTE DE HIPÓTESES 9.2 TESTES PARA A MÉDIA DE UMA DISTRIBUIÇÃO NORMAL, VARIÂNCIA CONHECIDA 9.3 TESTES PARA A MÉDIA DE UMA DISTRIBUIÇÃO NORMAL, VARIÂNCIA
Leia maisTestes de Hipótese para uma única Amostra - parte II
Testes de Hipótese para uma única Amostra - parte II 2012/02 1 Teste para média com variância conhecida 2 3 Objetivos Ao final deste capítulo você deve ser capaz de: Testar hipóteses para média de uma
Leia maisTestes de hipóteses. Wagner H. Bonat Fernando P. Mayer Elias T. Krainski
Testes de hipóteses Wagner H. Bonat Fernando P. Mayer Elias T. Krainski Universidade Federal do Paraná Departamento de Estatística Laboratório de Estatística e Geoinformação 07/06/2018 WB, FM, EK ( LEG/DEST/UFPR
Leia maisEstimação parâmetros e teste de hipóteses. Prof. Dr. Alberto Franke (48)
Estimação parâmetros e teste de hipóteses Prof. Dr. Alberto Franke (48) 91471041 Intervalo de confiança para média É um intervalo em que haja probabilidade do verdadeiro valor desconhecido do parâmetro
Leia maisTOMADA DE DECISÃO PARA DUAS AMOSTRAS INTRODUÇÃO ROTEIRO. Estatística Aplicada à Engenharia 1 INFERÊNCIA SOBRE A DIFERENÇA DE MÉDIAS
ROTEIRO. Introdução. Inferência sobre as médias de duas populações com variâncias conhecidas TOMADA DE DECISÃO PARA DUAS AMOSTRAS 3. Inferência sobre as médias de duas populações com variâncias desconhecidas
Leia maisTestes de Hipótese para uma única Amostra - parte I
Testes de Hipótese para uma única Amostra - parte I 26 de Junho de 2014 Objetivos Ao final deste capítulo você deve ser capaz de: Estruturar problemas de engenharia como testes de hipótese. Entender os
Leia maisAnálise da Regressão múltipla: Inferência. Aula 4 6 de maio de 2013
Análise da Regressão múltipla: Inferência Revisão da graduação Aula 4 6 de maio de 2013 Hipóteses do modelo linear clássico (MLC) Sabemos que, dadas as hipóteses de Gauss- Markov, MQO é BLUE. Para realizarmos
Leia maisTeste de Hipóteses. Enrico A. Colosimo/UFMG enricoc/ Depto. Estatística - ICEx - UFMG 1/24
1/24 Introdução à Bioestatística Teste de Hipóteses Enrico A. Colosimo/UFMG http://www.est.ufmg.br/ enricoc/ Depto. Estatística - ICEx - UFMG 2/24 Exemplo A concentração de certa substância no sangue entre
Leia maisAULA 11 - Normalidade e Inferência em Regressão Múltipla - Parte 1
AULA 11 - Normalidade e Inferência em Regressão Múltipla - Parte 1 Susan Schommer Econometria I - IE/UFRJ Distribuições amostrais dos estimadores MQO Nas aulas passadas derivamos o valor esperado e variância
Leia maisProbabilidade e Estatística
Probabilidade e Estatística Aula 9 Fundamentos de Testes de Hipóteses Leitura: Devore, Capítulo 8 Chap 9-1 Objetivos Neste capítulo, vamos aprender: Os princípios básicos de testes de hipóteses Estabelecer
Leia maisInferência Estatística Básica. Teste de Hipóteses: decidindo na presença de incerteza
Inferência Estatística Básica Teste de Hipóteses: decidindo na presença de incerteza Exemplo Inicial A ProCare Industries LTDA lançou, certa vez, um produto chamado Gender Choice. De acordo com a propaganda,
Leia maisUniversidade Federal de Lavras
Universidade Federal de Lavras Departamento de Estatística Prof. Daniel Furtado Ferreira 6 a Lista de Exercícios Teoria da Estimação pontual e intervalar 1) Marcar como verdadeira ou falsa as seguintes
Leia maisPHD 5742 Estatística Aplicada ao Gerenciamento dos Recursos Hídricos. 6 a aula Testes de Hipóteses
PHD 5742 Estatística Aplicada ao Gerenciamento dos Recursos Hídricos 6 a aula Testes de Hipóteses Mario Thadeu Leme de Barros Luís Antonio Villaça de Garcia Abril / 2007 Estatística Aplicada ao Gerenciamento
Leia maisCarlos Antonio Filho
Estatística II - Seção 04 Carlos Antonio Filho ESAGS 2 o semestre de 2017 Carlos Antonio Filho (ESAGS) Estatística II - Seção 04 2 o semestre de 2017 1 / 137 Comparação de médias de duas populações Vamos
Leia maisEstatística (MAD231) Turma: IGA. Período: 2017/2
Estatística (MAD231) Turma: IGA Período: 2017/2 Aula #01 de Probabilidade: 27/09/2017 1 Probabilidade: incerteza? como medir e gerenciar a Introdução Os jornais informaram que há uma chance de 60% de chover
Leia maisPlanejamento e Otimização de Experimentos
Planejamento e Otimização de Experimentos Um Pouco de Estatística Prof. Dr. Anselmo E de Oliveira anselmo.quimica.ufg.br anselmo.disciplinas@gmail.com Populações, Amostras e Distribuições População Amostra
Leia maisIntrodução à probabilidade e estatística II
Introdução à probabilidade e estatística II Testes de hipóteses para duas médias populacionais Prof. Alexandre G Patriota Sala: 98A Email: patriota@ime.usp.br Site: www.ime.usp.br/ patriota Testes de hipóteses
Leia maisEstatística e Modelos Probabilísticos - COE241
Estatística e Modelos Probabilísticos - COE241 Aula passada Para que serve a inferência estatística? Método dos Momentos Maximum Likehood Estimator (MLE) Teste de hipótese: definições Aula de hoje Teste
Leia maisProbabilidade e Estatística
Probabilidade e Estatística Aula 7: Intervalos de Confiança com uma amostra Leitura obrigatória: Devore, cap 7 ou Montgomery e Runger, cap 8 Chap 8-1 Objetivos Como inferir sobre um parâmetro da população,
Leia maisDefinição. Os valores assumidos pelos estimadores denomina-se estimativas pontuais ou simplesmente estimativas.
1. Inferência Estatística Inferência Estatística é o uso da informção (ou experiência ou história) para a redução da incerteza sobre o objeto em estudo. A informação pode ou não ser proveniente de um experimento
Leia maisAULA 11 Teste de Hipótese
1 AULA 11 Teste de Hipótese Ernesto F. L. Amaral 20 de setembro de 2012 Metodologia de Pesquisa (DCP 854B) Fonte: Triola, Mario F. 2008. Introdução à estatística. 10 ª ed. Rio de Janeiro: LTC. Capítulo
Leia maisDistribuição Amostral e Estimação Pontual de Parâmetros
Roteiro Distribuição Amostral e Estimação Pontual de Parâmetros 1. Introdução 2. Teorema Central do Limite 3. Conceitos de Estimação Pontual 4. Métodos de Estimação Pontual 5. Referências Estatística Aplicada
Leia maisINFERÊNCIA ESTATÍSTICA. ESTIMAÇÃO PARA A PROPORÇÃO POPULACIONAL p
INFERÊNCIA ESTATÍSTICA ESTIMAÇÃO PARA A PROPORÇÃO POPULACIONAL p Objetivo Estimar uma proporção p (desconhecida) de elementos em uma população, apresentando certa característica de interesse, a partir
Leia maisINTRODUÇÃO À INFERÊNCIA ESTATÍSTICA. Prof. Anderson Rodrigo da Silva
INTRODUÇÃO À INFERÊNCIA ESTATÍSTICA Prof. Anderson Rodrigo da Silva anderson.silva@ifgoiano.edu.br Tipos de Pesquisa Censo: é o levantamento de toda população. Aqui não se faz inferência e sim uma descrição
Leia maisUnidade IV Inferência estatística
6//5 Unidade IV Inferência estatística 4.. Introdução e histórico 4.. Conceitos fundamentais 4.3. Distribuições amostrais e Teorema central do limite 4.4. Estimação de parâmetros 4.5. Testes de hipóteses
Leia maisEnrico A. Colosimo Depto. Estatística UFMG
Bioestatística F Conceitos de Teste de Hipóteses Enrico A. Colosimo Depto. Estatística UFMG http://www.est.ufmg.br/~enricoc/ f(x).4.35.3.25.2.15.1.5 Tabela Normal Padronizada Distribuicao Gaussiana com
Leia maisEstatística Não Paramétrica
Estatística Não Paramétrica Como construir testes de hipóteses para uma amostra Como construir testes de hipóteses para duas amostras dependentes Como construir testes de hipóteses para duas amostras independentes
Leia maisTeste de hipóteses. Tiago Viana Flor de Santana
ESTATÍSTICA BÁSICA Teste de hipóteses Tiago Viana Flor de Santana www.uel.br/pessoal/tiagodesantana/ tiagodesantana@uel.br sala 07 Curso: MATEMÁTICA Universidade Estadual de Londrina UEL Departamento de
Leia maisTeste de hipótese. Prof. Tiago Viana Flor de Santana
INFERÊNCIA ESTATÍSTICA Teste de hipótese Prof. Tiago Viana Flor de Santana www.uel.br/pessoal/tiagodesantana/ tiagodesantana@uel.br sala 07 Universidade Estadual de Londrina UEL Departamento de Estatística
Leia maisAula 5. Teste de Hipóteses II. Capítulo 12, Bussab&Morettin Estatística Básica 7ª Edição
Aula 5. Teste de Hipóteses II. Capítulo 12, Bussab&Morettin Estatística Básica 7ª Edição Procedimento teste de hipótese para proporção. Resumo. (1) Estabelecer as hipóteses: H: p = p 0 contra uma das alternativas
Leia maisProbabilidade II. Departamento de Estatística. Universidade Federal da Paraíba
Probabilidade II Departamento de Estatística Universidade Federal da Paraíba Prof. Tarciana Liberal (UFPB) Aula Distribuição t de Student 02/14 1 / 1 A distribuição t de Student é uma das distribuições
Leia maisTESTE DE HIPÓTESES ELISETE AUBIN E MONICA SANDOVAL - IME
1 TESTE DE HIPÓTESES ELISETE AUBIN E MONICA SANDOVAL - IME 2 MÉTODOS ESTATÍSTICOS Métodos Estatísticos Estatística Descritiva Inferência Estatística Estimação Teste de Hipóteses 3 Teste de hipóteses para
Leia maisPlanejamento e Otimização de Experimentos
Planejamento e Otimização de Experimentos Um Pouco de Estatística Descritiva Prof. Dr. Anselmo E de Oliveira anselmo.quimica.ufg.br elcana@quimica.ufg.br Populações, Amostras e Distribuições População
Leia maisTeste de hipóteses para proporção populacional p
Teste de hipóteses para proporção populacional p 1 Métodos Estatísticos Métodos Estatísticos Estatística Descritiva Inferência Estatística Estimação Teste de Hipóteses 2 TESTE DE HIPÓTESES Eu acredito
Leia maisFernando de Pol Mayer
Fernando de Pol Mayer Laboratório de Estatística e Geoinformação (LEG) Departamento de Estatística (DEST) Universidade Federal do Paraná (UFPR) Este conteúdo está disponível por meio da Licença Creative
Leia maisIntrodução à Probabilidade e à Estatística II
Introdução à Probabilidade e à Estatística II Introdução à Inferência Estatística Capítulo 10, Estatística Básica (Bussab&Morettin, 7a Edição) Lígia Henriques-Rodrigues MAE0229 1º semestre 2018 1 / 36
Leia maisLucas Santana da Cunha 12 de julho de 2017
DISTRIBUIÇÃO NORMAL Lucas Santana da Cunha http://www.uel.br/pessoal/lscunha/ Universidade Estadual de Londrina 12 de julho de 2017 Distribuição Normal Dentre todas as distribuições de probabilidades,
Leia maisA qualidade das inferências feitas por estes. de normalidade se fazem necessários.
Verificação da Suposição de Normalidade A maior parte das técnicas estudadas de Inferência Estatística partem do pressuposto de normalidade dos dados: teste t para uma a- mostra, teste t pareado, teste
Leia maisInferência Estatística: DEEST/UFOP Prof.: Spencer Barbosa da Silva
Inferência Estatística: Prof.: Spencer Barbosa da Silva Amostragem Estatística Descritiva Cálculo de Probabilidade Inferência Estatística Estimação Teste de Hipótese Pontual Por Intervalo Conceitos básicos
Leia mais(Hipótese alternativa unilateral)
Nível descritivo e Teste de Hipóteses para a média populacional µ 1 Exemplo 1: Pelo Anuário do IBGE de 2010, a proporção de analfabetos em uma cidade era de 15%. Em 2015, entre 200 entrevistados dessa
Leia maisIntrodução em Probabilidade e Estatística II
Introdução em Probabilidade e Estatística II Lista 7 Exercicio Em estudo genético um gene A foi destacado para detectar uma doença. Se dita que em pessoas doentes (pacientes) este gene mostra atividade
Leia maisLucas Santana da Cunha de junho de 2018 Londrina
Distribuição Normal Lucas Santana da Cunha email: lscunha@uel.br http://www.uel.br/pessoal/lscunha/ 25 de junho de 2018 Londrina 1 / 17 Distribuição Normal Dentre todas as distribuições de probabilidades,
Leia maisNotas de aula Testes de Hipóteses. Idemauro Antonio Rodrigues de Lara
Notas de aula Testes de Hipóteses Idemauro Antonio Rodrigues de Lara 1. Fundamentos O que é uma hipótese? HIPÓTESE GREGA PROPOSIÇÃO. PALAVRA DE ORIGEM BASE, FUNDAMENTO, Hipótese Pensamento indutivo Inferência
Leia maisIntrodução à probabilidade e estatística II
Introdução à probabilidade e estatística II Testes de hipóteses para duas médias populacionais Prof. Alexandre G Patriota Sala: 98A Email: patriota@ime.usp.br Site: www.ime.usp.br/ patriota Testes de hipóteses
Leia maisCap. 8 - Intervalos Estatísticos para uma Única Amostra
Intervalos Estatísticos para ESQUEMA DO CAPÍTULO 8.1 INTRODUÇÃO 8.2 INTERVALO DE CONFIANÇA PARA A MÉDIA DE UMA DISTRIBUIÇÃO NORMAL, VARIÂNCIA CONHECIDA 8.3 INTERVALO DE CONFIANÇA PARA A MÉDIA DE UMA DISTRIBUIÇÃO
Leia mais7. Testes de Hipóteses
7. Testes de Hipóteses Suponha que você é o encarregado de regular o engarrafamento automatizado de leite numa determinada agroindústria. Sabe-se que as máquinas foram reguladas para engarrafar em média,
Leia maisNOÇÕES DE TESTE DE HIPÓTESES (I) Teste de hipóteses para a proporção populacional
NOÇÕES DE TESTE DE HIPÓTESES (I) Teste de hipóteses para a proporção populacional Métodos Estatísticos Métodos Estatísticos Estatística Descritiva Inferência Estatística Estimação Teste de Hipóteses TESTE
Leia maisCONHECIMENTOS ESPECÍFICOS
CONHECIMENTOS ESPECÍFICOS As variáveis aleatórias X e Y seguem uma distribuição de Bernoulli com probabilidade de sucesso igual a 0,4. Considerando S = X + Y e que os eventos aleatórios A = [X = 1] e B
Leia maisTESTES DE HIPÓTESES. HIPÓTESES: São suposições que fazemos para testar a fixação de decisões, que poderão ser verdadeiras ou não.
TESTES DE HIPÓTESES HIPÓTESES: São suposições que fazemos para testar a fixação de decisões, que poderão ser verdadeiras ou não. HIPÓTESES ESTATÍSTICA: Hipótese Nula (H 0 ): a ser validada pelo teste.
Leia maisAula 8 - Testes de hipóteses
Aula 8 - Testes de hipóteses PhD. Wagner Hugo Bonat Laboratório de Estatística e Geoinformação-LEG Universidade Federal do Paraná 1/2017 Bonat, W. H. (LEG/UFPR) 1/2017 1 / 1 Testes de hipóteses Exemplo
Leia maisStela Adami Vayego DEST/UFPR. Resumo 11 - Testes de Hipóteses
Resumo - Testes de Hipóteses.. Introdução Como para a estimação, o propósito dos testes de hipóteses é ajudar o pesquisador a tomar uma decisão referente a uma população, examinando uma amostra (a menos
Leia maisTESTES DE HIPÓTESES Notas de aula. Prof.: Idemauro Antonio Rodrigues de Lara
1 TESTES DE HIPÓTESES Notas de aula Prof.: Idemauro Antonio Rodrigues de Lara 2 Conteúdo 1. Fundamentos e conceitos básicos; 2. Função poder; 3. Testes mais poderosos e Lema de Neyman-Pearson; 4. Teste
Leia maisRazão para rejeitar H 0
Processo do teste de hipótese Hipótese de pesquisa: a idade média da população é 5 H : μ = 5 H 1 : μ 5 É X = improvável se μ =5? População Selecionar amostra aleatória Sim: Rejeite Ho Para definir pouco
Leia maisDistribuições Amostrais e Estimação Pontual de Parâmetros
Distribuições Amostrais e Estimação Pontual de Parâmetros - parte I 19 de Maio de 2011 Introdução Objetivos Ao final deste capítulo você deve ser capaz de: Entender estimação de parâmetros de uma distribuição
Leia maisMAE Introdução à Probabilidade e Estatística II Resolução Lista 4
MAE 9 - Introdução à Probabilidade e Estatística II Resolução Lista 4 Professor: Pedro Morettin e Profa. Chang Chian Exercício 1 Antes de testar se a produtividade média dos operários do período diurno
Leia maisAULA 7 - Inferência em MQO: ICs e Testes de
AULA 7 - Inferência em MQO: ICs e Testes de Hipóteses Susan Schommer Econometria I - IE/UFRJ Nosso primeiro objetivo aqui é relembrar a diferença entre estimação de ponto vs estimação de intervalo. Vamos
Leia mais