Ferramenta Avaliativa Pedagógica para Cursos a Distância Baseada em Testes Adaptativos Informatizados e Teoria de Resposta ao Item

Tamanho: px
Começar a partir da página:

Download "Ferramenta Avaliativa Pedagógica para Cursos a Distância Baseada em Testes Adaptativos Informatizados e Teoria de Resposta ao Item"

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 *

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 mais

FERRAMENTA AVALIATIVA DINÂMICA A PARTIR DA TEORIA DE RESPOSTA AO ITEM

FERRAMENTA 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 mais

MEDIDAS DE TENDÊNCIA CENTRAL I

MEDIDAS 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 mais

Estatística - exestatmeddisper.doc 25/02/09

Estatística - 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 mais

MEDIDAS DE POSIÇÃO: X = soma dos valores observados. Onde: i 72 X = 12

MEDIDAS 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 mais

ANÁLISE DE ERROS. Todas as medidas das grandezas físicas deverão estar sempre acompanhadas da sua dimensão (unidades)! ERROS

ANÁLISE 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 mais

Interpolação. Exemplo de Interpolação Linear. Exemplo de Interpolação Polinomial de grau superior a 1.

Interpolação. 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 mais

Atividades Práticas Supervisionadas (APS)

Atividades 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 mais

Faculdade de Tecnologia de Catanduva CURSO SUPERIOR DE TECNOLOGIA EM AUTOMAÇÃO INDUSTRIAL

Faculdade 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 mais

Arquitetura da ART Controle 1 Controle 2

Arquitetura 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 mais

CAPÍTULO 3 MEDIDAS DE TENDÊNCIA CENTRAL E VARIABILIDADE PPGEP Medidas de Tendência Central Média Aritmética para Dados Agrupados

CAPÍTULO 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 mais

Média. Mediana. Ponto Médio. Moda. Itabira MEDIDAS DE CENTRO. Prof. Msc. Emerson José de Paiva 1 BAC011 - ESTATÍSTICA. BAC Estatística

Média. 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 mais

Estatística Descritiva. Medidas estatísticas: Localização, Dispersão

Estatística 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 mais

x n = n ESTATÍSTICA STICA DESCRITIVA Conjunto de dados: Organização; Amostra ou Resumo; Apresentação. População

x 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

? 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 mais

ESTATÍSTICA MÓDULO 2 OS RAMOS DA ESTATÍSTICA

ESTATÍSTICA 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 mais

Perguntas Freqüentes - Bandeiras

Perguntas 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!

( ) 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 mais

Avaliação da qualidade do ajuste

Avaliação 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 mais

Cap. 5. Testes de Hipóteses

Cap. 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 mais

Estudo das relações entre peso e altura de estudantes de estatística através da análise de regressão simples.

Estudo 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 mais

Tabela 1 Números de acidentes /mês no Cruzamento X em CG/07. N de acidentes / mês fi f

Tabela 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 mais

ESTATÍSTICA MÓDULO 3 MEDIDAS DE TENDÊNCIA CENTRAL

ESTATÍSTICA 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 mais

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

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

7 Análise de covariância (ANCOVA)

7 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 mais

Difusão entre Dois Compartimentos

Difusão 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 mais

UNIVERSIDADE FEDERAL DO ESPÍRITO SANTO CENTRO UNIVERSITÁRIO NORTE DO ESPÍRITO SANTO DEPARTAMENTO DE ENGENHARIAS E TECNOLOGIA Plano de Ensino

UNIVERSIDADE 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

( 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 mais

Distribuições de Probabilidades

Distribuições 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 mais

RACIOCÍNIO LÓGICO / ESTATÍSTICA LISTA 2 RESUMO TEÓRICO

RACIOCÍNIO 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 mais

Professor Mauricio Lutz REGRESSÃO LINEAR SIMPLES. Vamos, então, calcular os valores dos parâmetros a e b com a ajuda das formulas: ö ; ø.

Professor 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 mais

Centro de Ciências Agrárias e Ambientais da UFBA Departamento de Engenharia Agrícola

Centro 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 mais

16/03/2014. IV. Juros: taxa efetiva, equivalente e proporcional. IV.1 Taxa efetiva. IV.2 Taxas proporcionais. Definição:

16/03/2014. 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 mais

Total Bom Ruim Masculino

Total 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 mais

MEDIDAS DE DISPERSÃO:

MEDIDAS 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 mais

d s F = m dt Trabalho Trabalho

d 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 mais

ESTATÍSTICA Aula 7. Prof. Dr. Marco Antonio Leonel Caetano

ESTATÍSTICA 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 mais

MEDIDAS DE DISPERSÃO 9. MEDIDAS DE DISPERSÃO

MEDIDAS 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 mais

DISTRIBUIÇÃO HIPERGEOMÉTRICA

DISTRIBUIÇÃO 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 mais

5 Critérios para Análise dos Resultados

5 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 mais

Noções Básicas de Medidas e Algarismos Significativos

Noções 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 mais

MÉTODO DOS MÍNIMOS QUADRADOS

MÉTODO 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 mais

MAE0229 Introdução à Probabilidade e Estatística II

MAE0229 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 mais

Estatística: Aplicação ao Sensoriamento Remoto SER ANO Estimação Pontual

Estatística: 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 mais

A REGRESSÃO LINEAR EM EVENTOS HIDROLÓGICOS EXTREMOS: enchentes

A 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 mais

Ex: Cálculo da média dos pesos dos terneiros da fazenda Canoas-SC, à partir dos dados originais: x = 20

Ex: 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 mais

HIDROLOGIA E RECURSOS HÍDRICOS. Análise estatística aplicada à hidrologia

HIDROLOGIA 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 mais

Estudo do intervalo de confiança da regressão inversa utilizando o software R

Estudo 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 mais

Material Teórico - Módulo de MATEMÁTICA FINANCEIRA. Financiamentos. Primeiro Ano do Ensino Médio

Material 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 mais

Cursos de Licenciatura em Ensino de Matemática e de EGI. Teoria de Probabilidade

Cursos 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 mais

MÓDULO 8 REVISÃO REVISÃO MÓDULO 1

MÓDULO 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 mais

Relatório 2ª Atividade Formativa UC ECS

Relatório 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 mais

Construção e Análise de Gráficos

Construção 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 mais

Prof. Janete Pereira Amador 1

Prof. 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 mais

Regressão Simples. Parte III: Coeficiente de determinação, regressão na origem e método de máxima verossimilhança

Regressão 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 mais

Aula 9. Aula de hoje. Aula passada. Self-normalized Importance Sampling Gerando amostras complicadas Variância amostral Simulação

Aula 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 mais

Olá, amigos concursandos de todo o Brasil!

Olá, 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 mais

Instituto Nacional de Estudos e Pesquisas Educacionais Anísio Teixeira INEP Ministério da Educação MEC. Índice Geral de Cursos (IGC)

Instituto 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 mais

Organização; Resumo; Apresentação.

Organização; 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 mais

9 Medidas Descritivas

9 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 mais

REGRESSÃO LINEAR 05/10/2016 REPRESENTAÇAO MATRICIAL. Y i = X 1i + 2 X 2i k X ni + i Y = X + INTRODUÇÃO SIMPLES MÚLTIPLA

REGRESSÃO 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 mais

Confiabilidade Estrutural

Confiabilidade 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 mais

Econometria: 3 - Regressão Múltipla

Econometria: 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 mais

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

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

a) 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.

a) 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 mais

ESTATÍSTICA Exame Final 1ª Época 3 de Junho de 2002 às 14 horas Duração : 3 horas

ESTATÍSTICA 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 mais

Sumário. Mecânica. Sistemas de partículas

Sumário. 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 mais

6.1 - PROCEDIMENTO DE AVALIAÇÃO DE INCERTEZA EM MEDIÇÕES DIRETAS

6.1 - 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 mais

15/03/2012. Capítulo 2 Cálculo Financeiro e Aplicações. Capítulo 2 Cálculo Financeiro e Aplicações. Capítulo 2 Cálculo Financeiro e Aplicações

15/03/2012. 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 mais

Unidade II ESTATÍSTICA

Unidade 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 mais

8 Programação linear 78

8 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 mais

IND 1115 Inferência Estatística Aula 9

IND 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 mais

Em muitas situações duas ou mais variáveis estão relacionadas e surge então a necessidade de determinar a natureza deste relacionamento.

Em 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 mais

Determine a média de velocidade, em km/h, dos veículos que trafegaram no local nesse período.

Determine 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 mais

1. Conceitos básicos de estatística descritiva 1.3. Noção de extracção aleatória e de probabilidade

1. 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 mais

REGESD Prolic Matemática e Realidade- Profª Suzi Samá Pinto e Profº Alessandro da Silva Saadi

REGESD 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 mais

ESTATÍSTICA APLICADA À ZOOTECNIA

ESTATÍSTICA 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 mais

50 Logo, Número de erros de impressão

50 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 mais

Prof. Lorí Viali, Dr. PUCRS FAMAT: Departamento de Estatística Prof. Lorí Viali, Dr. PUCRS FAMAT: Departamento de Estatística

Prof. 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 mais

CAPÍTULO 9 - Regressão linear e correlação

CAPÍTULO 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 mais

Distribuições Amostrais. Estatística. 8 - Distribuições Amostrais UNESP FEG DPD

Distribuições 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 mais

Caracterização de Partículas. Prof. Gerônimo

Caracterização 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 mais

Introdução à Teoria dos Números Notas 1 Os Princípios da Boa Ordem e de Indução Finita Prof Carlos Alberto S Soares

Introdução 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 mais

CONHECIMENTOS ESPECÍFICOS

CONHECIMENTOS 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 mais

Computação das Medidas de Tendência Central e Dispersão Intervalares em Java

Computação 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 mais

Revisão de Estatística X = X n

Revisão 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 mais

Prof. Eugênio Carlos Stieler

Prof. 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.

( ) ( 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 mais

Ivan G. Peyré Tartaruga. 1 Metodologia espacial

Ivan 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 mais

ESTATÍSTICA TÓPICO 6 MEDIDAS DE POSIÇÃO MEDIDAS DE DISPERSÃO

ESTATÍSTICA 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 mais

Projeto e Análise de Algoritmos Recorrências. Prof. Humberto Brandão

Projeto 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 mais

Momento Linear duma partícula

Momento 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 mais

4 O Método de Análise Hierárquica

4 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 mais

Oitava Lista de Exercícios

Oitava 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 mais

Inferência Estatística e Aplicações I. Edson Zangiacomi Martinez Departamento de Medicina Social FMRP/USP

Inferência 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 mais

Métodos iterativos. Capítulo O Método de Jacobi

Métodos 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 mais

Critérios de correção e orientações de resposta exame

Critérios 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 mais

SUMÁRIO GOVERNO DO ESTADO DO CEARÁ. Cid Ferreira Gomes Governador. 1. Introdução... 2. Domingos Gomes de Aguiar Filho Vice Governador

SUMÁRIO 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 mais

Representação dos padrões. Tipos de atributos. Etapas do processo de agrupamento. 7.1 Agrupamento clássico. 7. Agrupamento fuzzy (fuzzy clustering)

Representação 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 mais

Perguntas freqüentes Credenciadores

Perguntas 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