Ferramenta Avaliativa Pedagógica para Cursos a Distância Baseada em Testes Adaptativos Informatizados e Teoria de Resposta ao Item
|
|
- Ana Clara Carneiro
- 5 Há anos
- Visualizações:
Transcrição
1 Ferrameta Avalatva Pedagógca para Cursos a Dstâca Baseada em Testes Adaptatvos Iformatzados e Teora de Resposta ao Item Fabríca Damado Satos (UFG) fdamado@ufgvrtual.ufg.br Lucíla Rbero (UFG) lucla@f.ufg.br Weber Marts (UFG/UCG) weber@eee.ufg.br Leoardo Guerra de Rezede Guedes (UFG/UCG) lguedes@eee.ufg.br Resumo: A comucação tem cotrbuído para as trasformações as dversas áreas do cohecmeto. A utlzação da Web em ambetes educacoas expadu-se muto e a utlzação de softwares para esses ovos ambetes educacoas está em crescete estudo e aprmorameto. Neste artgo, apreseta-se uma ferrameta computacoal para realzação de avalação de aluos em cursos a dstâca, utlzado como fudametação a teora de resposta ao tem e os testes adaptatvos formatzados. O objetvo fal é apresetar ao aluo questões de seu ível dvdual de habldade. Expermetos foram coduzdos para avalar o sstema proposto em duas versões. A velocdade de busca do ível de habldade do aluo defe as duas versões. Resultados promssores foram obtdos, mostrado a adequação de cada uma das versões. Palavras Chaves: Educação a Dstâca, Avalação, Teora de Resposta ao Item, Testes Adaptatvos Iformatzados, formátca a Educação. 1 Itrodução A avalação é uma questão muto mportate o eso. Cada vez mas, os professores estão buscado ovas prátcas avalatvas, passado a cotestar a avalação como sgfcado socal e polítco. Evtar que a avalação assuma uma fução comparatva e classfcatóra é busca costate. Para cursos a dstâca, essa preocupação é mportate. O desevolvmeto de softwares aplcados a avalação de aluos, que foreçam formações de acompahameto do aluo para o professor, objetva o aprmorameto do eso através da Iteret. A proposta apresetada é uma ferrameta computacoal destada ao professor que receberá formações sobre as habldades dos aluos, os íves de dfculdade das questões, acompahameto do aluo o teste e as otas poderadas equalzadas. Esta ferrameta é mplemetada a partr da Teora de Resposta ao Item e das metodologas dos Testes Adaptatvos Iformatzados. A detecção e classfcação de dfculdades e habldades dos aluos servrão prcpalmete como strumeto de auto-avalação para o professor. Teora de Resposta ao Item A Teora de Resposta ao Item é uma reuão de modelos estatístcos usados para fazer predções, estmatvas ou ferêcas sobre as habldades (ou competêcas) meddas em um teste. Através dos modelos estatístcos, é possível predzer tas habldades por meo de correspodêcas
2 etre a potuação obtda por um estudate em uma stuação de teste e os tes a ele forecdos [Hambleto & Swamatha, 1985; Ruder, 1998]. A Teora de Resposta ao Item propõe modelos que represetam a relação etre a probabldade de uma resposta certa a um tem e a habldade de um aluo, proporcoado a avalação dvdual do aluo, pos, cada estudate respoderá tes referetes à sua habldade, torado a avalação persoalzada. Os modelos de respostas forecem dferetes cojutos de tes em uma avalação, permtdo comparar o desempeho etre eles e, portato, auxlado o professor a tarefa de avalação. A Teora de Resposta ao Item possu város modelos, dferecados pelas curvas característcas e forma de potuação empregada. Detre os modelos propostos pela teora, optamos por utlzar o Modelo Logístco de um Parâmetro, também cohecdo como The Rasch [Baker, 001]. A equação que caracterza a probabldade do aluo respoder corretamete é mostrada abaxo. P( ) = 1 θ 1( b ) 1+ exp θ ode: ( θ ) P é a probabldade de um determado aluo com habldade θ, respoder a um tem corretamete; b é o ídce de dfculdade do tem. O parâmetro b pode ser alterado à medda que os estudates passam a realzar o teste e a respoder corretamete ou corretamete ao tem. Os valores para b varam este modelo de -.0 (tes fáces) a +.0 (tes dfíces). A partr do modelo estudado, desevolvemos uma ova proposta para o cálculo da potuação obtda por um aluo e a sua habldade. 3 Proposta de Modelos de Potuação e Habldade Propomos, este trabalho, uma ova abordagem de potuação e habldade do aluo. Nestas abordages, utlzamos os cocetos de Esperaça Matemátca e Medaa. 3.1 Potuação Frequetemete, a apresetação de otas para a sttução é ecessára. Nestes mometos, a potuação é realzada a partr da medda de habldade do aluo. No caso, propomos calcular a Esperaça Matemátca de acerto de uma questão de ível de dfculdade P θ a probabldade de acerto da questão por um aluo com ível de habldade θ. E ( x ) = b. P ( θ ) b sedo ( ) A ota π do aluo é defda como a razão etre o desempeho obtdo pelo desempeho esperado coforme seu ível de habldade. Matematcamete, é expressa pela equação abaxo. π R. E ( x) = = 1 = 1 = = E ( x) R. b. P ( θ ) 1 b. P ( θ )
3 Ode R represeta a resposta do tem (0 ou 1). O acerto correspode ao valor utáro equato o erro é regstrado pelo valor ulo. Perceba que, em termos matemátcos, o deomador represeta o desempeho esperado do aluo com seu ível de habldade. O quocete, a ota, especfca qual razão deste desempeho efetvamete ocorreu, ou seja, quato o aluo coseguu cocretzar do que sera esperado dele. Deve-se ressaltar que o desempeho esperado pressupõe íves cotíuos de acerto e, ão, apeas certo e errado (como é o caso). De qualquer modo, trata-se de uma medda dvdualzada, pos cosdera o ível de habldade específco de cada aluo. 3. Habldade Para se estmar a habldade cal de um aluo, podemos utlzar um valor costate ( default ), e, a partr desse valor, ajustar a habldade do aluo, obtda através das respostas dos tes do teste. A habldade do aluo é resultate da probabldade de acerto de uma questão de determado ível de dfculdade b. Um aluo com habldade θ terá 50% de probabldade de acerto de questões com ível de dfculdade b =θ. Assm, devemos ecotrar qual ível de dfculdade de questão b o aluo terá 50% de chaces de acerto, que será realzada pela busca da medaa das questões aplcadas. Em outras palavras, o ível de habldade procurado dvde o cojuto de questões (ordeado por ível de dfculdade) em duas metades. Desevolvemos uma ova fórmula para cálculo da habldade dos aluos. Para a Teora de Resposta ao Item, a habldade vara de -.0 a +.0. Como o osso caso o ídce de dfculdade de um tem pode varar de 0 a 10, ajustamos a fórmula da habldade para: ode: b ( b,5 ) = ' b é o ídce de dfculdades dos tes; b ' é o osso valor do ível de dfculdade (0 a 10). Para calcularmos a habldade θ, trabalhamos com o valor medao dos tes aplcados o teste, levado-os a um valor cetral. θ [( med /,5) ] = ves Portato, aplcado o valor da habldade o Modelo The Rash, ecotra-se a probabldade de um aluo respoder corretamete um tem dado a sua habldade. 4 Modelos Desevolvdos Foram desevolvdos dos modelos avalatvos que podem ser usados em cursos a dstâca. Cada modelo possu as suas peculardades e juto a esses modelos desevolvemos uma Ferrameta Computacoal para apoo pedagógco que auxla o professor a detfcar as habldades dos aluos, realza o acompahameto dos aluos o curso e das questões relacoadas ao teste. Para o desevolvmeto dos modelos avalatvos, utlzamos um baco de tes (questões) com város íves de dfculdade, varado de 0 (mas fáces) a 10 (mas dfíces). As questões são
4 cadastradas pelo própro professor, composta por um códgo, descrção da perguta, cco alteratvas, o ível de dfculdade cal da questão e o gabarto (resposta correta). 4.1 Admstração de Ites o Teste Todos os aluos cam o teste com uma questão de mesmo ível de dfculdade. No caso, camos um teste com uma perguta de ível de dfculdade 5 (dfculdade termedára). Tal habldade rá se ajustar o decorrer do teste. O aluo é submetdo ao teste, ode respode questões que revelam seu cohecmeto, retratado pela sua habldade. No Modelo Avalatvo I (coservador), quado o aluo acerta um tem, o próxmo tem a ser admstrado tem ível de dfculdade acrescdo de uma udade. Se errar, o ível é dmuído em uma udade. Obvamete, há de se respetar os lmtes superor (10) e feror (0). Um exemplo da estratéga de seleção de tes do teste aplcado com o Modelo Avalatvo I é mostrado abaxo (ver Fgura 1). Respostas ao Teste Nível das Questões Quatdade de Ites Fgura 1: Regstro de resposta do aluo o Modelo Avalatvo I. Quado dos aluos fazem o teste smultaeamete, provavelmete ão respodem as mesmas questões, tedo em vsta que são escolhdas de acordo com a habldade de cada aluo. O Modelo Avalatvo II (adaptação rápda) possu a mesma dâmca do modelo ateror. A dfereça está a forma com a qual o ível da próxma questão é defdo. O segudo modelo busca com mas rapdez stozar-se o ível do aluo. Ao cotráro do cremeto/decremeto utáro costate, o segudo modelo adota estratégas dferetes para o acerto e erro. Quado ocorre acerto, o próxmo ível é defdo pela méda do ível correte e o lmte superor (10) (ver equação abaxo). atual + máx ovo = Na preseça de erro, temos duas stuações. Quado se trata de erro solado ( prmero erro ), usamos a méda etre o ível correte e o ível do tem ateror (ver Equação 4a). Quado se trata de erro ão solado (tedo ocorrdo erro o tem ateror), a méda etre o ível atual e o lmte feror (0) é empregada (Equação 4b). Na ecessdade de coverter valores fracoáros para teros (3,5, por exemplo), tedo em vsta que os íves são úmeros teros, leva-se para o ível medatamete superor (4, este mesmo exemplo).
5 ovo atual + ateror = (4a) ovo atual + mí = (4b) A Fgura mostra uma das execuções do segudo modelo. Covém regstrar que se tratado das mesmas questões utlzadas o prmero modelo (ou melhor, extraídas do mesmo baco de questões). A comparação etre as fguras 1 e esclarece a maor velocdade a busca do ível de habldade do aluo apresetada o segudo modelo, ode saltos maores são empregados. Respostas ao teste Nível das Questões Quatdade de Ites Fgura : Regstro de resposta do aluo o Modelo Avalatvo II. 4. Varação do Nível de Dfculdade da Questão À medda que as questões são respoddas, os íves de dfculdade varam, caracterzado os modelos desevolvdos como auto-adaptatvos. Quato mas aluos acertarem uma determada questão, ela é cosderada mas fácl e coseqüetemete seu ível de dfculdade dmu. Por outro lado, quato mas aluos respoderem corretamete uma questão, a questão é cosderada mas dfícl, elevado seu ível. O ovo ível da questão é calculado através da segute equação: 5 Ferrameta Computacoal um _ acertos ível = 10 * 10 um _ acessos Programamos para aos Modelos Avalatvos I e II, uma ferrameta computacoal para apoo pedagógco que, através dos testes realzados com os aluos, auxla o professor a detfcar as habldades dos aluos, fazer acompahameto dos mesmos e o acompahameto dos íves de dfculdade das questões. A ferrameta fo desevolvda em lguagem ASP (Actve Server Pages), terface HTML, sedo a valdação dos campos realzada através de JavaScrpt e do baco de dados Access. A ferrameta oferece a edção de questões, a correção dos testes aplcados aos aluos e posteror dvulgação dos resultados, podedo ser utlzado pelo admstrador do sstema, pelo professor e pelo aluo.
6 5.1 Mapulação das Questões O professor é resposável pelo cadastro, alteração e exclusão de questões. O aluo é cadastrado o sstema pelo admstrador, recebe uma seha para utlzar a ferrameta. Quado o aluo etra o sstema para realzar o teste, escolhe etre o Questoáro I (Modelo Avalatvo I) ou o Questoáro II (Modelo Avalatvo II). Após tal escolha, as questões são admstradas, estabelecedo os modelos de busca descrtos aterormete. No mometo da realzação do teste, é mostrado um formuláro ao aluo com o úmero da questão, o ome do aluo, o eucado e as opções de respostas, além do botão cofrmar resposta. Após o aluo escolher sua resposta, o própro sstema faz a correção e armazea as formações o baco de dados. Com os dados armazeados, tato para professor quato para o aluo, o relatóro tora-se de fácl mapulação. 5. Apresetação dos Resultados (Relatóro) Ao fal do teste, um relatóro statâeo é mostrado ao aluo, ode as questões que foram respoddas corretamete são lstadas. Neste mometo, o aluo pode drecoar o estudo para as questões e assutos de maor dfculdade, mostrado que o relatóro cocretza o apoo à apredzagem. Para o professor, os resultados se mostram mas robustos. O professor vsualza o desempeho de cada aluo ou da turma, em forma de ota, lstagem das questões respoddas pelos aluos e as otas sugerdas. O relatóro mostra ada a medaa, a habldade do aluo e méda de todas as otas dos aluos o teste. A ferrameta fo desevolvda para oferecer formações tato para o professor quato para o aluo, smplfcar o trabalho de correção de questões, forecedo apoo ao professor. A forma de medr a habldade do aluo cotrbu para detfcar suas dfculdades e facldades, fazedo com que, detro de seus lmtes, qualquer aluo cosga realzar o teste, que será ajustado ao seu perfl. 6 Aálse dos resultados Para valdação da ferrameta desevolvda, desevolvemos um teste em Iglês para os modelos avalatvos I e II. Cadastramos 186 questões com ível de dfculdade varado de zero a dez. Para cada modelo, tvemos dez aluos realzado o teste. Optamos por um úco grupo de questões, pos as comparações etre os modelos toram-se mas precsas. Como mostrado a Fgura 3, observa-se que 60% dos aluos obtveram otas mas altas o Modelo Avalatvo II (Questoáro II). O desempeho quato às habldades (ver Fgura 4) correspodeu às defções aterores. Para evtar efetos de ordem de apresetação, alterou-se a aplcação dos questoáros de aluo para aluo.
7 Fgura 3 - Descrção das otas obtdas pelos aluos os dos questoáros. Fgura 4 Habldade dos Aluos Podemos afrmar que os aluos estão aptos a respoderem questões com íves de dfculdade próxma ao de suas habldades. Com a habldade do aluo é possível desevolver testes dvdualzados para cada um, auxlado o processo ddátco-pedagógco. O tempo médo gasto pelos aluos para respoder cada questoáro fo de aproxmadamete 11,5 mutos. A maora das questões respoddas apresetou ível de dfculdade 5 (segudas pelas de ível 4) e as meos respoddas foram as de ível de dfculdade 9 (segudas pelas de ível zero). Um fator teressate observado fo o questo facldade do modelo, ou seja, a mafestação de qual dos modelos fo percebdo como o mas fácl (Questoáro I ou Questoáro II). Todos os aluos cocordaram em que o questoáro mas fácl era aquele em que ele realzava prmero. Ifermos, portato, a fadga como fator assocado ao questo dfculdade do modelo. Ates dos aluos respoderem aos questoáros, fo pergutado a eles qual o cohecmeto admtdo por eles em Iglês. Cerca de 50% dos aluos admtram ter cohecmeto médo, 40% básco e 10% avaçado. Ao fal do teste, pergutamos qual a opão sobre a terface da ferrameta. Todos respoderam ser de fácl mauseo.
8 6.1 Curvas Para melhor vsualzação e aálse dos dados obtdos, selecoamos algus aluos e suas respectvas curvas dos íves de dfculdade calculados Questoáro I Questoáro II Gráfco 1- Curvas das habldades para o Aluo X Nota-se que, o caso do aluo X (ver Gráfco 1), o Modelo Avalatvo I (Questoáro I) apreseta aumetos gradatvos dos íves de dfculdade das questões até o aluo alcaçar o ível mas alto. Somete depos ecotramos varações alteradas para os íves e posteror queda gradatva. Para o Modelo Avalatvo II (Questoáro II), há varabldade maor os íves calmete e logo depos ocorre establzação Questoáro I Questoáro II Gráfco - Curvas das habldades para o Aluo Y No caso do aluo Y (ver Gráfco ), fca claro que houve maor varabldade o Modelo Avalatvo II (Questoáro II), porém, sempre que houve a apresetação de questões com íves de dfculdade muto altos, o aluo as respodeu corretamete e, em seguda, fo admstrado uma questão de ível de dfculdade meor. O Modelo Avalatvo I (Questoáro I) apresetou-se
9 mas estável o íco, porém segudos de erros cosecutvos. Cabe saletar que o Questoáro II fo respoddo prmero para este aluo. De modelo geral, observamos que o Modelo Avalatvo I ão submeteu os aluos a uma grade varabldade de íves de dfculdade das questões, apresetado-se mas estável e desafado o aluo em seu ível de habldade. Já para o modelo avalatvo II, houve uma maor varabldade de ível de dfculdade, potecalzado o acerto. No Modelo Avalatvo I, os íves de dfculdade varam meos, e pode ser bem aplcado para aluos ode as suas habldades são termedáras (em muto alta e em muto baxa), pos o ível de uma questão vara gradatvamete. Porém, os casos com aluos de habldades altas, a mudaça de ível é meos rápda, o que leva ao aluo respoder questões as quas ele já possu cohecmeto, sedo cosderadas fáces. Para o Modelo Avalatvo II, chega-se mas rápdo à habldade do aluo os casos em que o aluo tem cohecmeto avaçado ou básco. Se o aluo possu habldade alta, o modelo II admstrará questões de maor ível de dfculdade de forma mas rápda, pos sempre trabalha com a méda dos íves das questões (atual e máxma). Caso o aluo possua uma habldade baxa, o modelo II também drecoará de forma mas rápda a questões de ível meor. Quato aos íves de dfculdade das questões, eles vararam o decorrer do teste, torado o baco de tes mas calbrado, ou seja, questões com íves de dfculdade reas para um aluo ou turma. Especfcamete, 44% das questões aumetaram o ível de dfculdade e 4% dmuíram o seu ível de dfculdade, o que realmete demostra que estão se ajustado ao logo do tempo. 6. Cálculo da Correlação Realzamos o cálculo da correlação etre as habldades e otas obtdas pelos aluos os Questoáro I e II. Cosegumos o valor de 0,94 para o Questoáro I e de 0,97 para o Questoáro II, o que demostra matematcamete resultados satsfatóros. A plalha abaxo pode esclarecer melhor os resultados ecotrados. Aluo Habldade Modelo I Questoáro I Nota Modelo I Habldade Modelo II Questoáro II Nota Modelo II A 8 6,9 10 6,81 B 1 1,36 1,76 C 3 3, 1,96 D 4 3,38 7 4,11 E 9 8, ,6 F 3,16 6 3,6 G 8 7,38 5 3,86 H 6 3, I 3 3,85 4,7 J 4 4,49 8 6,09 7 Coclusão A ferrameta desevolvda oferece apoo ao professor, mostrado resultados relevates para decsões de o quê esar. Pode ser utlzada para acompahameto do aluo o curso, auxlado
10 o professor a dagostcar o desempeho do aluo e da turma, assm como sua cocepção sobre dfculdade das questões presetes o baco de tes. Quato aos dos modelos propostos, observou-se que o modelo com meos varações (Modelo I) pode ser bem aplcado a todos os aluos e prcpalmete àqueles com ível de habldade méda, pos va testado o aluo ível a ível. Para os casos de aluos avaçados, o Modelo II se apreseta mas favorável, pos faz com que o aluo respoda questões com íves de dfculdade mas compatíves com a sua habldade, o que pode favorecê-lo o setdo de mater seu teresse. Referêcas Baker, F. B. The Bass of Item Respose Theory. Secod Edto. ERIC Clearghouse o Assessmet ad Evaluato, 001. Hambleto, R.. ad Swamatha, H. Respose Theory: Prcples a Applcato. Kluwer Publshg, Ruder, M. L. A O-Le, teratve, computer adaptve testg m-tutoral, Dspoível em:< Acesso: Ma, 00.
TESTES ADAPTATIVOS INFORMATIZADOS BASEADOS EM TEORIA DE RESPOSTA AO ITEM UTILIZADOS EM AMBIENTES VIRTUAIS DE APRENDIZAGEM *
CINTED-UFRGS Novas Tecologas a Educação TESTES ADAPTATIVOS INFORMATIZADOS BASEADOS EM TEORIA DE RESPOSTA AO ITEM UTILIZADOS EM AMBIENTES VIRTUAIS DE APRENDIZAGEM * Fabríca Damado Satos ** Leoardo Guerra
Leia maisFERRAMENTA AVALIATIVA DINÂMICA A PARTIR DA TEORIA DE RESPOSTA AO ITEM
FERRAMENTA AVALIATIVA DINÂMICA A PARTIR DA TEORIA DE RESPOSTA AO ITEM Fabríca D. Satos, Lucla G. Rbero, Leoardo G. de R. Guedes, Weber Marts Uversdade Católca de Goás, Departameto de Computação Uversdade
Leia maisMEDIDAS DE TENDÊNCIA CENTRAL I
Núcleo das Cêcas Bológcas e da Saúde Cursos de Bomedca, Ed. Físca, Efermagem, Farmáca, Fsoterapa, Fooaudologa, edca Veterára, uscoterapa, Odotologa, Pscologa EDIDAS DE TENDÊNCIA CENTRAL I 7 7. EDIDAS DE
Leia maisEstatística - exestatmeddisper.doc 25/02/09
Estatístca - exestatmeddsper.doc 5/0/09 Meddas de Dspersão Itrodução ão meddas estatístcas utlzadas para avalar o grau de varabldade, ou dspersão, dos valores em toro da méda. ervem para medr a represetatvdade
Leia maisMEDIDAS DE POSIÇÃO: X = soma dos valores observados. Onde: i 72 X = 12
MEDIDAS DE POSIÇÃO: São meddas que possbltam represetar resumdamete um cojuto de dados relatvos à observação de um determado feômeo, pos oretam quato à posção da dstrbução o exo dos, permtdo a comparação
Leia maisANÁLISE DE ERROS. Todas as medidas das grandezas físicas deverão estar sempre acompanhadas da sua dimensão (unidades)! ERROS
ANÁLISE DE ERROS A oservação de um feómeo físco ão é completa se ão pudermos quatfcá-lo. Para é sso é ecessáro medr uma propredade físca. O processo de medda cosste em atrur um úmero a uma propredade físca;
Leia maisInterpolação. Exemplo de Interpolação Linear. Exemplo de Interpolação Polinomial de grau superior a 1.
Iterpolação Iterpolação é um método que permte costrur um ovo cojuto de dados a partr de um cojuto dscreto de dados potuas cohecdos. Em egehara e cêcas, dspõese habtualmete de dados potuas, obtdos a partr
Leia maisAtividades Práticas Supervisionadas (APS)
Uversdade Tecológca Federal do Paraá Prof: Lauro Cesar Galvão Campus Curtba Departameto Acadêmco de Matemátca Cálculo Numérco Etrega: juto com a a parcal DATA DE ENTREGA: da da a PROVA (em sala de aula
Leia maisFaculdade de Tecnologia de Catanduva CURSO SUPERIOR DE TECNOLOGIA EM AUTOMAÇÃO INDUSTRIAL
Faculdade de Tecologa de Cataduva CURSO SUPERIOR DE TECNOLOGIA EM AUTOMAÇÃO INDUSTRIAL 5. Meddas de Posção cetral ou Meddas de Tedêca Cetral Meddas de posção cetral preocupam-se com a caracterzação e a
Leia maisArquitetura da ART Controle 1 Controle 2
Teora de Ressoâca Adaptatva - ART Arqutetura da ART Cotrole Cotrole 2 Desevolvda por Carpeter e Grossberg como uma alteratva para resolver o dlema establdade-plastcdade (rede ão aprede ovos padrões). Realme
Leia maisCAPÍTULO 3 MEDIDAS DE TENDÊNCIA CENTRAL E VARIABILIDADE PPGEP Medidas de Tendência Central Média Aritmética para Dados Agrupados
3.1. Meddas de Tedêca Cetral CAPÍTULO 3 MEDIDA DE TENDÊNCIA CENTRAL E VARIABILIDADE UFRG 1 Há váras meddas de tedêca cetral. Etre elas ctamos a méda artmétca, a medaa, a méda harmôca, etc. Cada uma dessas
Leia maisMédia. Mediana. Ponto Médio. Moda. Itabira MEDIDAS DE CENTRO. Prof. Msc. Emerson José de Paiva 1 BAC011 - ESTATÍSTICA. BAC Estatística
BAC 0 - Estatístca Uversdade Federal de Itajubá - Campus Itabra BAC0 - ESTATÍSTICA ESTATÍSTICA DESCRITIVA MEDIDAS DE CENTRO Méda Medda de cetro ecotrada pela somatóra de todos os valores de um cojuto,
Leia maisEstatística Descritiva. Medidas estatísticas: Localização, Dispersão
Estatístca Descrtva Meddas estatístcas: Localzação, Dspersão Meddas estatístcas Localzação Dspersão Meddas estatístcas - localzação Méda artmétca Dados ão agrupados x x Dados dscretos agrupados x f r x
Leia maisx n = n ESTATÍSTICA STICA DESCRITIVA Conjunto de dados: Organização; Amostra ou Resumo; Apresentação. População
ESTATÍSTICA STICA DESCRITIVA Prof. Lorí Val, Dr. val@mat.ufrgs.br http://.ufrgs.br/~val/ Orgazação; Resumo; Apresetação. Cojuto de dados: Amostra ou População Um cojuto de dados é resumdo de acordo com
Leia mais? Isso é, d i= ( x i. . Percebeu que
Estatístca - Desvo Padrão e Varâca Preparado pelo Prof. Atoo Sales,00 Supoha que tehamos acompahado as otas de quatro aluos, com méda 6,0. Aluo A: 4,0; 6,0; 8,0; méda 6,0 Aluo B:,0; 8,0; 8,0; méda 6,0
Leia maisESTATÍSTICA MÓDULO 2 OS RAMOS DA ESTATÍSTICA
ESTATÍSTICA MÓDULO OS RAMOS DA ESTATÍSTICA Ídce. Os Ramos da Estatístca...3.. Dados Estatístcos...3.. Formas Icas de Tratameto dos Dados....3. Notação por Ídces...5.. Notação Sgma ()...5 Estatístca Módulo
Leia maisPerguntas Freqüentes - Bandeiras
Pergutas Freqüetes - Baderas Como devo proceder para prestar as formações de quatdade e valor das trasações com cartões de pagameto, os casos em que o portador opte por lqudar a obrgação de forma parcelada
Leia mais( ) Editora Ferreira - Toque de Mestre. Olá Amigos!
Olá Amgos! Hoje coloco à dsposção de vocês aqu a seção Toque de Mestre da Edtora Ferrera (www.edtoraferrera.com.br) as questões de Matemátca Facera cobradas o últmo cocurso da axa Ecoômca Federal (EF),
Leia maisAvaliação da qualidade do ajuste
Avalação da qualdade do ajuste 1 Alguma termologa: Modelo ulo: é o modelo mas smples que pode ser defdo, cotedo um úco parâmetro ( µ) comum a todos os dados; Modelo saturado: é o modelo mas complexo a
Leia maisCap. 5. Testes de Hipóteses
Cap. 5. Testes de Hpóteses Neste capítulo será estudado o segudo problema da ferêca estatístca: o teste de hpóteses. Um teste de hpóteses cosste em verfcar, a partr das observações de uma amostra, se uma
Leia maisEstudo das relações entre peso e altura de estudantes de estatística através da análise de regressão simples.
Estudo das relações etre peso e altura de estudates de estatístca através da aálse de regressão smples. Waessa Luaa de Brto COSTA 1, Adraa de Souza COSTA 1. Tago Almeda de OLIVEIRA 1 1 Departameto de Estatístca,
Leia maisTabela 1 Números de acidentes /mês no Cruzamento X em CG/07. N de acidentes / mês fi f
Lsta de exercícos Gabarto e chave de respostas Estatístca Prof.: Nelse 1) Calcule 1, e para o segute cojuto de valores. A,1,8,0,11,,7,8,6,,9, 1 O úmero que correspode a 5% do rol é o valor. O úmero que
Leia maisESTATÍSTICA MÓDULO 3 MEDIDAS DE TENDÊNCIA CENTRAL
ESTATÍSTICA MÓDULO 3 MEDIDAS DE TEDÊCIA CETRAL Ídce. Meddas de Tedêca Cetral...3 2. A Méda Artmétca Smles ( μ, )...3 3. A Méda Artmétca Poderada...6 Estatístca Módulo 3: Meddas de Tedêca Cetral 2 . MEDIDAS
Leia maisÉ o grau de associação entre duas ou mais variáveis. Pode ser: correlacional ou. experimental.
É o grau de assocação etre duas ou mas varáves. Pode ser: correlacoal ou Prof. Lorí Val, Dr. val@mat.ufrgs.r http://www.mat.ufrgs.r/~val/ expermetal. Numa relação expermetal os valores de uma das varáves
Leia mais7 Análise de covariância (ANCOVA)
Plejameto de Expermetos II - Adlso dos Ajos 74 7 Aálse de covarâca (ANCOVA) 7.1 Itrodução Em algus expermetos, pode ser muto dfícl e até mpossível obter udades expermetas semelhtes. Por exemplo, pode-se
Leia maisDifusão entre Dois Compartimentos
59087 Bofísca II FFCLRP USP Prof. Atôo Roque Aula 4 Dfusão etre Dos Compartmetos A le de Fck para membraas (equação 4 da aula passada) mplca que a permeabldade de uma membraa a um soluto é dada pela razão
Leia maisUNIVERSIDADE FEDERAL DO ESPÍRITO SANTO CENTRO UNIVERSITÁRIO NORTE DO ESPÍRITO SANTO DEPARTAMENTO DE ENGENHARIAS E TECNOLOGIA Plano de Ensino
Plao de Eso Uversdade Federal do Espírto Sato Campus: São Mateus Curso: Egehara de Produção Departameto Resposável: Departameto de Egeharas e Tecologa Data de Aprovação (Art. º 91): Docete resposável:
Leia mais( k) Tema 02 Risco e Retorno 1. Conceitos Básicos
FEA -USP Graduação Cêcas Cotábes EAC05 04_0 Profa. Joaíla Ca. Rsco e Retoro. Cocetos Báscos Rotero BE-cap.6 Tema 0 Rsco e Retoro. Cocetos Báscos I. O que é Retoro? II. Qual é o Rsco de um Atvo Idvdual
Leia maisDistribuições de Probabilidades
Estatístca - aulasestdstrnormal.doc 0/05/06 Dstrbuções de Probabldades Estudamos aterormete as dstrbuções de freqüêcas de amostras. Estudaremos, agora, as dstrbuções de probabldades de populações. A dstrbução
Leia maisRACIOCÍNIO LÓGICO / ESTATÍSTICA LISTA 2 RESUMO TEÓRICO
RACIOCÍIO LÓGICO - Zé Carlos RACIOCÍIO LÓGICO / ESTATÍSTICA LISTA RESUMO TEÓRICO I. Cocetos Icas. O desvo médo (DM), é a méda artmétca dos desvos de cada dado da amostra em toro do valor médo, sto é x
Leia maisProfessor Mauricio Lutz REGRESSÃO LINEAR SIMPLES. Vamos, então, calcular os valores dos parâmetros a e b com a ajuda das formulas: ö ; ø.
Professor Maurco Lutz 1 EGESSÃO LINEA SIMPLES A correlação lear é uma correlação etre duas varáves, cujo gráfco aproma-se de uma lha. O gráfco cartesao que represeta essa lha é deomado dagrama de dspersão.
Leia maisCentro de Ciências Agrárias e Ambientais da UFBA Departamento de Engenharia Agrícola
Cetro de Cêcas Agráras e Ambetas da UFBA Departameto de Egehara Agrícola Dscpla: AGR Boestatístca Professor: Celso Luz Borges de Olvera Assuto: Estatístca TEMA: Somatóro RESUMO E NOTAS DA AULA Nº 0 Seja
Leia mais16/03/2014. IV. Juros: taxa efetiva, equivalente e proporcional. IV.1 Taxa efetiva. IV.2 Taxas proporcionais. Definição:
6// IV. Juros: taxa efetva, equvalete e proporcoal Matemátca Facera Aplcada ao Mercado Facero e de Captas Professor Roaldo Távora IV. Taxa efetva Defção: É a taxa de juros em que a udade referecal de seu
Leia maisTotal Bom Ruim Masculino
UNIDADE I - ESTUDO DIRIGIDO Questão - Classfque as varáves em qualtatva (omal ou ordal ou quattatva (cotíua ou dscreta: a. População: aluos de uma Uversdade. Varável: cor dos cabelos (louro, castaho, ruvo,
Leia maisMEDIDAS DE DISPERSÃO:
MEDID DE DIPERÃO: fução dessas meddas é avalar o quato estão dspersos os valores observados uma dstrbução de freqüêca ou de probabldades, ou seja, o grau de afastameto ou de cocetração etre os valores.
Leia maisd s F = m dt Trabalho Trabalho
UNIVERSIDADE DO ESTADO DE MATO GROSSO CAMPUS UNIVERSITÁRIO DE SINOP FACULDADE DE CIÊNCIAS EXATAS E TECNOLÓGICAS CURSO DE ENGENHARIA CIVIL DISCIPLINA: CÁLCULO DIFERENCIAL E INTEGRAL I Trabalho 1. Itrodução
Leia maisESTATÍSTICA Aula 7. Prof. Dr. Marco Antonio Leonel Caetano
ESTATÍSTICA Aula 7 Prof. Dr. Marco Atoo Leoel Caetao Dstrbuções de Probabldade DISCRETAS CONTÍNUAS (Números teros) Bomal Posso Geométrca Hper-Geométrca Pascal (Números reas) Normal t-studet F-Sedecor Gama
Leia maisMEDIDAS DE DISPERSÃO 9. MEDIDAS DE DISPERSÃO
Núcleo das Cêcas Bológcas e da Saúde Cursos de Bomedca, Ed. Físca, Efermagem, Farmáca, Fsoterapa, Fooaudologa, Medca Veterára, Muscoterapa, Odotologa, Pscologa MEDIDAS DE DISPERSÃO 9 9. MEDIDAS DE DISPERSÃO
Leia maisDISTRIBUIÇÃO HIPERGEOMÉTRICA
7 DISTRIBUIÇÃO HIPERGEOMÉTRICA Cosdere-se uma população fta costtuída por N elemetos dstrbuídos por duas categoras eclusvas e eaustvas de dmesões M e N M, respectvamete. Os elemetos da prmera categora
Leia mais5 Critérios para Análise dos Resultados
5 Crtéros para Aálse dos Resultados Este capítulo tem por objetvos forecer os crtéros utlzados para aálse dos dados ecotrados a pesqusa, bem como uma vsão geral dos custos ecotrados e a forma de sua evolução
Leia maisNoções Básicas de Medidas e Algarismos Significativos
Noções Báscas de Meddas e Algarsmos Sgfcatvos Prof. Theo Z. Pava Departameto de Físca - Faculdade de Flosofa, Cêcas e Letras de Rberão Preto-USP Físca Acústca Motvações Quas são os padrões de meddas? Podemos
Leia maisMÉTODO DOS MÍNIMOS QUADRADOS
MÉTODO DOS MÍNIMOS QUADRADOS I - INTRODUÇÃO O processo de medda costtu uma parte essecal a metodologa cetífca e também é fudametal para o desevolvmeto e aplcação da própra cêca. No decorrer do seu curso
Leia maisMAE0229 Introdução à Probabilidade e Estatística II
Exercíco Cosdere a dstrbução expoecal com fução de desdade de probabldade dada por f (y; λ) = λe λy, em que y, λ > 0 e E(Y) = /λ Supor que o parâmetro λ pode ser expresso proporcoalmete aos valores de
Leia maisEstatística: Aplicação ao Sensoriamento Remoto SER ANO Estimação Pontual
Estatístca: Aplcação ao Sesorameto Remoto SER 04 - ANO 08 Estmação Potual Camlo Daleles Reó camlo@dp.pe.br http://www.dp.pe.br/~camlo/estatstca/ Iferêca Estatístca Cosdere o expermeto: retram-se 3 bolas
Leia maisA REGRESSÃO LINEAR EM EVENTOS HIDROLÓGICOS EXTREMOS: enchentes
Mostra Nacoal de Icação Cetífca e Tecológca Iterdscplar VI MICTI Isttuto Federal Catarese Câmpus Camború 30 a 3 de outubro de 03 A REGRESSÃO LINEAR EM EVENTOS HIDROLÓGICOS EXTREMOS: echetes Ester Hasse
Leia maisEx: Cálculo da média dos pesos dos terneiros da fazenda Canoas-SC, à partir dos dados originais: x = 20
. MEDIDAS DE TENDÊNCIA CENTRAL (OU DE POSIÇÃO) Coceto: São aquelas que mostram o alor em toro do qual se agrupam as obserações.. MÉDIA ARITMÉTICA ( ) Sea (x, x,..., x ), uma amostra de dados: Se os dados
Leia maisHIDROLOGIA E RECURSOS HÍDRICOS. Análise estatística aplicada à hidrologia
Aálse estatístca aplcada à hdrologa. Séres hdrológcas oções complemetares HIDROLOGIA E RECURSOS HÍDRICOS Aálse estatístca aplcada à hdrologa O Egehero HIDRÁULICO Echerá? Que população pode abastecer e
Leia maisEstudo do intervalo de confiança da regressão inversa utilizando o software R
Estudo do tervalo de cofaça da regressão versa utlzado o software R Llae Lopes Cordero João Domgos Scalo. Itrodução Na maora das aplcações evolvedo regressão, determa-se o valor de Y correspodete a um
Leia maisMaterial Teórico - Módulo de MATEMÁTICA FINANCEIRA. Financiamentos. Primeiro Ano do Ensino Médio
Materal Teórco - Módulo de MATEMÁTICA FINANCEIRA Facametos Prmero Ao do Eso Médo Autor: Prof Fracsco Bruo Holada Autor: Prof Atoo Camha Muz Neto 20 de agosto de 2018 1 Itrodução Neste materal, remos aplcar
Leia maisCursos de Licenciatura em Ensino de Matemática e de EGI. Teoria de Probabilidade
Celso Albo FACULDADE DE CIÊNCIAS NATURAIS E MATEMÁTICA DEPARTAMENTO DE MATEMÁTICA Campus de Lhaguee, Av. de Moçambque, km, Tel: +258 240078, Fax: +258 240082, Maputo Cursos de Lcecatura em Eso de Matemátca
Leia maisMÓDULO 8 REVISÃO REVISÃO MÓDULO 1
MÓDULO 8 REVISÃO REVISÃO MÓDULO A Estatístca é uma técca que egloba os métodos cetícos para a coleta, orgazação, apresetação, tratameto e aálse de dados. O objetvo da Estatístca é azer com que dados dspersos
Leia maisRelatório 2ª Atividade Formativa UC ECS
Relatóro 2ª Atvdade Formatva Eercíco I. Quado a dstrbução de dados é smétrca ou apromadamete smétrca, as meddas de localzação méda e medaa, cocdem ou são muto semelhates. O mesmo ão acotece quado a dstrbução
Leia maisConstrução e Análise de Gráficos
Costrução e Aálse de Gráfcos Por que fazer gráfcos? Facldade de vsualzação de cojutos de dados Faclta a terpretação de dados Exemplos: Egehara Físca Ecooma Bologa Estatístca Y(udade y) 5 15 1 5 Tabela
Leia maisProf. Janete Pereira Amador 1
Prof. Jaete Perera Amador 1 1 Itrodução Mutas stuações cotdaas podem ser usadas como expermeto que dão resultados correspodetes a algum valor, e tas stuações podem ser descrtas por uma varável aleatóra.
Leia maisRegressão Simples. Parte III: Coeficiente de determinação, regressão na origem e método de máxima verossimilhança
Regressão Smples Parte III: Coefcete de determação, regressão a orgem e método de máxma verossmlhaça Coefcete de determação Proporção da varabldade explcada pelo regressor. R Varação explcada Varação total
Leia maisAula 9. Aula de hoje. Aula passada. Self-normalized Importance Sampling Gerando amostras complicadas Variância amostral Simulação
Aula 9 Aula passada Método da rejeção (rejecto samplg) Exemplos Importace Samplg Exemplos Geeralzação Aula de hoje Self-ormalzed Importace Samplg Gerado amostras complcadas Varâca amostral Smulação Importace
Leia maisOlá, amigos concursandos de todo o Brasil!
Matemátca Facera ICMS-RJ/008, com gabarto cometado Prof. Wager Carvalho Olá, amgos cocursados de todo o Brasl! Veremos, hoje, a prova do ICMS-RJ/008, com o gabarto cometado. - O artgo º da Le.948 de 8
Leia maisInstituto Nacional de Estudos e Pesquisas Educacionais Anísio Teixeira INEP Ministério da Educação MEC. Índice Geral de Cursos (IGC)
Isttuto Nacoal de Estudos e Pesqusas Educacoas Aíso exera INEP stéro da Educação EC Ídce Geral de Cursos (IGC) O Ídce Geral de Cursos (IGC) é ua éda poderada dos cocetos dos cursos de graduação e pós-graduação
Leia maisOrganização; Resumo; Apresentação.
Prof. Lorí Val, Dr. val@ufrgs.br http://www.ufrgs.br/~val/ Grade Cojutos de Dados Orgazação; Resumo; Apresetação. Amostra ou População Defetos em uma lha de produção Lascado Deseho Torto Deseho Torto Lascado
Leia mais9 Medidas Descritivas
1 9 Meddas Descrtvas Vmos aterormete que um cojuto de dados pode ser resumdo através de uma dstrbução de freqüêcas, e que esta pode ser represetada através de uma tabela ou de um gráfco. Se o cojuto refere-se
Leia maisREGRESSÃO LINEAR 05/10/2016 REPRESENTAÇAO MATRICIAL. Y i = X 1i + 2 X 2i k X ni + i Y = X + INTRODUÇÃO SIMPLES MÚLTIPLA
REGRESSÃO LINEAR CUIABÁ, MT 6/ INTRODUÇÃO Relação dos valores da varável depedete (varável resposta) aos valores de regressoras ou exógeas). SIMPLES MÚLTIPLA (varáves depedetes,... =,,, K=,,, k em que:
Leia maisConfiabilidade Estrutural
Professor Uversdade de Brasíla Departameto de Egehara Mecâca Programa de Pós graduação em Itegrdade Estrutural Algortmo para a Estmatva do Idce de Cofabldade de Hasofer-Ld Cofabldade Estrutural Jorge Luz
Leia maisEconometria: 3 - Regressão Múltipla
Ecoometra: 3 - Regressão Múltpla Prof. Marcelo C. Mederos mcm@eco.puc-ro.br Prof. Marco A.F.H. Cavalcat cavalcat@pea.gov.br Potfíca Uversdade Católca do Ro de Jaero PUC-Ro Sumáro O modelo de regressão
Leia maisx Ex: A tabela abaixo refere-se às notas finais de três turmas de estudantes. Calcular a média de cada turma:
Professora Jaete Perera Amador 1 9 Meddas Descrtvas Vmos aterormete que um cojuto de dados pode ser resumdo através de uma dstrbução de freqüêcas, e que esta pode ser represetada através de uma tabela
Leia maisa) 1,8 e 4,6. b) 2,0 e 2,2. c) 1,8 e 5,2. d) 2,0 e 4,6. e) 2,0 e 1,9.
Questão : As otas de dez aluos, um exame, estão dadas a segur:, 5, 8, 3, 6, 5, 8, 7, 6, 0 O desvo médo e a varâca dessas otas podem ser expressos, respectvamete, por: a),8 e 4,6 b),0 e, c),8 e 5, d),0
Leia maisESTATÍSTICA Exame Final 1ª Época 3 de Junho de 2002 às 14 horas Duração : 3 horas
Faculdade de cooma Uversdade Nova de Lsboa STTÍSTIC xame Fal ª Época de Juho de 00 às horas Duração : horas teção:. Respoda a cada grupo em folhas separadas. Idetfque todas as folhas.. Todas as respostas
Leia maisSumário. Mecânica. Sistemas de partículas
umáro Udade I MECÂNICA 2- Cetro de massa e mometo lear de um sstema de partículas - stemas de partículas e corpo rígdo. - Cetro de massa. - Como determar o cetro de massa dum sstema de partículas. - Vetor
Leia mais6.1 - PROCEDIMENTO DE AVALIAÇÃO DE INCERTEZA EM MEDIÇÕES DIRETAS
7 6 - PROCEDIMENTO DE AVALIAÇÃO DE INCERTEZA EM MEDIÇÕES DIRETAS A medção dreta é aquela cuja dcação resulta aturalmete da aplcação do sstema de medção sobre o mesurado Há apeas uma gradeza de etrada evolvda
Leia mais15/03/2012. Capítulo 2 Cálculo Financeiro e Aplicações. Capítulo 2 Cálculo Financeiro e Aplicações. Capítulo 2 Cálculo Financeiro e Aplicações
Itrodução.1 Juros Smples Juro: recompesa pelo sacrfíco de poupar o presete, postergado o cosumo para o futuro Maora das taxas de uros aplcadas o mercado facero são referecadas pelo crtéro smples Determa
Leia maisUnidade II ESTATÍSTICA
ESTATÍSTICA Udade II 3 MEDIDAS OU PARÂMETROS ESTATÍSTICOS 1 O estudo que fzemos aterormete dz respeto ao agrupameto de dados coletados e à represetação gráfca de algus deles. Cumpre agora estudarmos as
Leia mais8 Programação linear 78
8 Programação lear 78 8 Programação lear A programação lear cosderou duas fuções objetvo: (a) maxmzação da comercalzação do gás e (b) mmzação das perdas (recetas e multas cotratuas). Foram dealzados dos
Leia maisIND 1115 Inferência Estatística Aula 9
Coteúdo IND 5 Iferêca Estatístca Aula 9 Outubro 2004 Môca Barros Dfereça etre Probabldade e Estatístca Amostra Aleatóra Objetvos da Estatístca Dstrbução Amostral Estmação Potual Estmação Bayesaa Clássca
Leia maisEm muitas situações duas ou mais variáveis estão relacionadas e surge então a necessidade de determinar a natureza deste relacionamento.
Prof. Lorí Val, Dr. val@pucrs.r http://www.pucrs.r/famat/val/ Em mutas stuações duas ou mas varáves estão relacoadas e surge etão a ecessdade de determar a atureza deste relacoameto. A aálse de regressão
Leia maisDetermine a média de velocidade, em km/h, dos veículos que trafegaram no local nesse período.
ESTATÍSTICA - 01 1. (UERJ 01) Téccos do órgão de trâsto recomedaram velocdade máxma de 80 km h o trecho de uma rodova ode ocorrem mutos acdetes. Para saber se os motorstas estavam cumprdo as recomedações,
Leia mais1. Conceitos básicos de estatística descritiva 1.3. Noção de extracção aleatória e de probabilidade
Sumáro (3ª aula). Cocetos báscos de estatístca descrtva.3. Noção de etracção aleatóra e de probabldade.4 Meddas de tedêca cetral.4. Méda artmétca smples.4. Méda artmétca poderada.4.3 Méda artmétca calculada
Leia maisREGESD Prolic Matemática e Realidade- Profª Suzi Samá Pinto e Profº Alessandro da Silva Saadi
REGESD Prolc Matemátca e Realdade- Profª Suz Samá Pto e Profº Alessadro da Slva Saad Meddas de Posção ou Tedêca Cetral As meddas de posção ou meddas de tedêca cetral dcam um valor que melhor represeta
Leia maisESTATÍSTICA APLICADA À ZOOTECNIA
ESTATÍSTICA APLICADA À ZOOTECNIA Eucldes Braga MALHEIROS *. INTRODUÇÃO.a) Somatóras e Produtóros Sejam,, 3,...,, valores umércos. A soma desses valores (somatóra) pode ser represetada por: = = = =. e o
Leia mais50 Logo, Número de erros de impressão
Capítulo 3 Problema. (a) Sedo o úmero médo de erros por pága, tem-se: 5 + + 3 + 3 + 4 33,66 5 5 Represetado o úmero medao de erros por md, tem-se, pela ordeação dos valores observados, que os valores de
Leia maisProf. Lorí Viali, Dr. PUCRS FAMAT: Departamento de Estatística Prof. Lorí Viali, Dr. PUCRS FAMAT: Departamento de Estatística
Prof. Lorí Val, Dr. http://www.pucrs.br/famat/val/ val@pucrs.br Prof. Lorí Val, Dr. PUCRS FAMAT: Departameto de Estatístca Prof. Lorí Val, Dr. PUCRS FAMAT: Departameto de Estatístca Obetvos A Aálse de
Leia maisCAPÍTULO 9 - Regressão linear e correlação
INF 6 Prof. Luz Alexadre Peterell CAPÍTULO 9 - Regressão lear e correlação Veremos esse capítulo os segutes assutos essa ordem: Correlação amostral Regressão Lear Smples Regressão Lear Múltpla Correlação
Leia maisDistribuições Amostrais. Estatística. 8 - Distribuições Amostrais UNESP FEG DPD
Dstrbuções Amostras Estatístca 8 - Dstrbuções Amostras 08- Dstrbuções Amostras Dstrbução Amostral de Objetvo: Estudar a dstrbução da população costtuída de todos os valores que se pode obter para, em fução
Leia maisCaracterização de Partículas. Prof. Gerônimo
Caracterzação de Partículas Prof. Gerômo Aálse Graulométrca de partículas Tabela: Sére Padrão Tyler Mesh Abertura Lvre (cm) âmetro do fo () 2 ½ 0,7925 0,088 0,6680 0,070 ½ 0,56 0,065 4 0,4699 0,065
Leia maisIntrodução à Teoria dos Números Notas 1 Os Princípios da Boa Ordem e de Indução Finita Prof Carlos Alberto S Soares
Itrodução à Teora dos Números 018 - Notas 1 Os Prcípos da Boa Ordem e de Idução Fta Prof Carlos Alberto S Soares 1 Prelmares Neste curso, prortaramete, estaremos trabalhado com úmeros teros mas, quado
Leia maisCONHECIMENTOS ESPECÍFICOS
CONHECIMENTOS ESPECÍFICOS Uma uversdade oferece um curso para capactação profssoal de joves caretes. Ao fal do curso, cada jovem partcpate será avalado por meo de uma prova teórca e de uma prova prátca,
Leia maisComputação das Medidas de Tendência Central e Dispersão Intervalares em Java
V ERMAC-R o Ecotro Regoal de Matemátca Aplcada e Computacoal 9- de outubro de 00 Uersdade Potguar Natal/RN Computação das Meddas de Tedêca Cetral e Dspersão Iteralares em Jaa Laís M. Nees, Elaqum L. S.
Leia maisRevisão de Estatística X = X n
Revsão de Estatístca MÉDIA É medda de tedêca cetral mas comumete usada ara descrever resumdamete uma dstrbução de freqüêca. MÉDIA ARIMÉTICA SIMPLES São utlzados os valores do cojuto com esos guas. + +...
Leia maisProf. Eugênio Carlos Stieler
UNEMAT Uversdade do Estado de Mato Grosso Matemátca Facera http://www2.uemat.br/eugeo SÉRIE DE PAGAMENTOS 1. NOÇÕES SOBRE FLUXO DE CAIXA Prof. Eugêo Carlos Steler Estudar sem racocar é trabalho perddo
Leia mais( ) ( IV ) n ( ) Escolha a alternativa correta: A. III, II, I, IV. B. II, III, I, IV. C. IV, III, I, II. D. IV, II, I, III. E. Nenhuma das anteriores.
Prova de Estatístca Epermetal Istruções geras. Esta prova é composta de 0 questões de múltpla escolha a respeto dos cocetos báscos de estatístca epermetal, baseada os lvros BANZATTO, A.D. e KRONKA, S.N.
Leia maisIvan G. Peyré Tartaruga. 1 Metodologia espacial
RELATÓRIO DE PESQUISA 5 Procedmetos o software ArcGIS 9. para elaborar os mapas da Regão Metropoltaa de Porto Alegre RMPA com as elpses de dstrbução drecoal etre 99 e 000 Iva G. Peré Tartaruga Metodologa
Leia maisESTATÍSTICA TÓPICO 6 MEDIDAS DE POSIÇÃO MEDIDAS DE DISPERSÃO
ESTATÍSTICA TÓPICO 6 MEDIDAS DE POSIÇÃO MEDIDAS DE DISPERSÃO. CONCEITO INICIAL. A Estatístca Descrtva ou Dedutva é o ramo da Estatístca que tem por objetvo descrever e aalsar fatos relacoados a determado
Leia maisProjeto e Análise de Algoritmos Recorrências. Prof. Humberto Brandão
Projeto e Aálse de Algortmos Recorrêcas Prof. Humberto Bradão humberto@dcc.ufmg.br Uversdade Federal de Alfeas Laboratóro de Pesqusa e Desevolvmeto LP&D Isttuto de Cêcas Exatas ICEx versão da aula: 0.
Leia maisMomento Linear duma partícula
umáro Udade I MECÂNICA 2- Cetro de massa e mometo lear de um sstema de partículas - Mometo lear de uma partícula e de um sstema de partículas. - Le fudametal da dâmca para um sstema de partículas. - Impulso
Leia mais4 O Método de Análise Hierárquica
4 O Método de Aálse Herárquca 4.. Itrodução O método de aálse herárquca é um dos métodos multatrbuto mas utlzados e dfuddos o mercado mudal (Gomes, 007). Isso se deve, provavelmete, a duas razões. A prmera
Leia maisOitava Lista de Exercícios
Uversdade Federal Rural de Perambuco Dscpla: Matemátca Dscreta I Professor: Pablo Azevedo Sampao Semestre: 07 Otava Lsta de Exercícos Lsta sobre defções dutvas (recursvas) e prova por dução Esta lsta fo
Leia maisInferência Estatística e Aplicações I. Edson Zangiacomi Martinez Departamento de Medicina Social FMRP/USP
Iferêca Estatístca e Aplcações I Edso Zagacom Martez Departameto de Medca Socal FMRP/USP edso@fmrp.usp.br Rotero Parte I Escola frequetsta Defções: parâmetros, estmatvas Dstrbuções de probabldade Estmação
Leia maisMétodos iterativos. Capítulo O Método de Jacobi
Capítulo 4 Métodos teratvos 41 O Método de Jacob O Método de Jacob é um procedmeto teratvo para a resolução de sstemas leares Tem a vatagem de ser mas smples de se mplemetar o computador do que o Método
Leia maisCritérios de correção e orientações de resposta exame
Mstéro da Cêca, Tecologa e Eso Superor U.C. 1037 Elemetos de Probabldade e Estatístca 1 de Juho de 011 Crtéros de correção e oretações de resposta eame Neste relatóro apresetam-se os crtéros e um eemplo
Leia maisSUMÁRIO GOVERNO DO ESTADO DO CEARÁ. Cid Ferreira Gomes Governador. 1. Introdução... 2. Domingos Gomes de Aguiar Filho Vice Governador
INSTITUTO DE PESQUISA E ESTRATÉGIA ECONÔMICA DO CEARÁ - IPECE GOVERNO DO ESTADO DO CEARÁ Cd Ferrera Gomes Goverador Domgos Gomes de Aguar Flho Vce Goverador SECRETARIA DO PLANEJAMENTO E GES- TÃO (SEPLAG)
Leia maisRepresentação dos padrões. Tipos de atributos. Etapas do processo de agrupamento. 7.1 Agrupamento clássico. 7. Agrupamento fuzzy (fuzzy clustering)
7. Agrupaeto fuzzy (fuzzy clusterg) 7. Agrupaeto clássco Agrupaeto é a classfcação ão-supervsoada de padrões (observações, dados, objetos, eeplos) e grupos (clusters). Itutvaete, padrões seelhates deve
Leia maisPerguntas freqüentes Credenciadores
Pergutas freqüetes Credecadores Como devo proceder para prestar as formações de quatdade e valor das trasações com cartões de pagameto, os casos em que o portador opte pelo facameto da compra pelo emssor?
Leia mais