Unidade de Ensino Descentralizada de Colatina Coordenadoria de Informática Disciplina: Probabilidade e Estatística Prof. Leandro Melo de Sá 2006/2

Tamanho: px
Começar a partir da página:

Download "Unidade de Ensino Descentralizada de Colatina Coordenadoria de Informática Disciplina: Probabilidade e Estatística Prof. Leandro Melo de Sá 2006/2"

Transcrição

1 Uidade de io Decetralizada de Colatia Coordeadoria de Iformática Diciplia: Probabilidade e tatítica Prof. Leadro Melo de Sá 006/ Uidade 4 STIMAÇÃO Nea uidade uaremo o dado amotrai para fazer iferêcia (ou geeralizaçõe) obre uma população, tai como: (1) etimar o valor de um parâmetro populacioal e () formular uma cocluão obre uma população. Deve-e, cotudo, alietar que o método utilizado a iferêcia etatítica exigem proceo de amotragem bem fudametado. Coceito báico * timador: É uma etatítica amotral utilizada para obter uma aproximação de um parâmetro populacioal. * timativa: É um valor epecífico, ou um itervalo de valore, uado para aproximar um parâmetro populacioal. * timativa potual: É um valor (ou poto) úico uado para aproximar um parâmetro populacioal. timativa de uma média populacioal dipodo de grade amotra A média amotral x é a melhor etimativa potual da média populacioal µ, poi apreeta maior coitêcia e é um etimador ão- tedecioo. Portato: µ = x * Itervalo de cofiaça (ou etimativa itervalar): É um itervalo (ou amplitude) de valore que tem probabilidade de coter o verdadeiro valor da população. * Grau de cofiaça: É a probabilidade 1 α (comumete exprea como o valor percetual equivalete) de o itervalo de cofiaça coter o verdadeiro valor do parâmetro populacioal (o grau de cofiaça é também chamado de ível de cofiaça ou coeficiete de cofiaça). colha comu para o grau de cofiaça ão: 90% (com α = 0,10), 95% (com α = 0,05) e 99% ( com α = 0,01). x. 1. Com bae a temperatura do corpo de 106 adulto adio, obervou-e que (1) a ditribuição do dado tem aproximadamete a forma de um io; () a média amotral é x = 36,78º C; (3) o devio-padrão amotral é = 0,34º C. Deta forma, pode-e afirmar que: (a) a média populacioal pode er etimada atravé de x, e é igual a µ = 36,78º C. (b) o itervalo de cofiaça, com grau de cofiaça de 95% (ou 0,95) da média populacioal µ, é 36,71º C < µ < 36,84º C, com α = 0,05. (c) o reultado do item (b) idica que exite uma probabilidade de 95% dee itervalo coter a verdadeira média populacioal, i.e., e fôemo elecioar muita amotra diferete de tamaho = 106 da população de todo o cidadão adio, e cotruíemo um itervalo de 95% de cofiaça aálogo para cada amotra, a logo prazo, 95% dee itervalo coteriam efetivamete a média populacioal µ. * Valor crítico: É o úmero a froteira que epara o valore da etatítica amotrai provávei de ocorrerem, do valore que tem pouca chace de ocorrer. O úmero z α/ é um valor crítico que é um ecore z com propriedade de eparar uma área de α/ a cauda da direita da ditribuição ormal padroizada. (Há uma área de 1 α etre a froteira verticai em - z α/ e z α/ ver figura ao lado). x... Complete a Tabela abaixo, ecotrado o valore crítico z α/ correpodete ao grau de cofiaça dado. (Ue a Tabela A-). Grau de cofiaça α Valor crítico z α/ 90% 0,10 95% 0,05 99% 0,01 1

2 Reolução: α/ 0,5 - α/ Valor crítico z α/ 0,05 0,45 1,645 0,05 0,475 1,96 0,005 0,495,575 * Margem de erro (erro máximo da etimativa): É a difereça máxima provável (com probabilidade 1 α ) etre a média amotral obervada x e a verdadeira média populacioal µ. A margem de erro () pode er obtida multiplicado-e o valor crítico pelo devio-padrão da média amotrai, coforme a expreão: = z. tretato, como obervado a expreão, o cálculo da margem de erro exige o α cohecimeto do devio-padrão populacioal, que a realidade, é raro cohecermo quado a média populacioal µ ão é cohecida. Dea forma devemo adotar o eguite método: (1) e > 30, ubtituímo pelo devio-padrão amotral. () e 30, a população deve ter ditribuição ormal, e devemo cohecer o valor de para aplicar a expreão. Proceo de cotrução de um itervalo de cofiaça para µ dipodo de grade amotra ( > 30) Pao 1: Determiar o valor crítico z α/ correpodete ao grau de cofiaça deejado. Pao : Calcular a margem de erro = z. Cao o devio-padrão populacioal ão eja cohecido, α utilizar o devio-padrão amotral, dede que > 30. Pao 3: Calcular o valor da média amotral x, e calcular o valore x - e x +. Repreetar o itervalo de cofiaça atravé de uma da eguite forma: x - < µ < x + ; ou µ = x ± ; ou ( x -, x + ). x. 3. Com bae a temperatura do corpo humao de 106 adulto adio, temo = 106, x = 36,78º C e = 0,34º C. Para um grau de cofiaça de 0,95, determie: (a) a margem de erro ; (b) o itervalo de cofiaça para µ. (a) α = 1 0,95 = 0,05. Da Tabela A-, z α/ = 1,96. Como > 30, = = 0,34. tão: 0,34 = z = 1,96 = 0,0647 0,06 α 106 (b) x = 36,78º C e = 0,06º C. Logo: x - < µ < x + µ = x ± ( x -, x + ) 36,78 0,06 < µ < 36,78 + 0,06 µ = 36,78 ± 0,06 (36,78-0,06, 36,78 + 0,06) 36,7 < µ < 36,84 µ = 36,78 ± 0,06 (36,7, 36,84) A idéia báica a cotrução de itervalo de cofiaça etá alicerçada o Teorema do Limite Cetral, que idica que, com grade ( > 30) amotra, a ditribuição da média amotrai é aproximadamete ormal com média µ e devio-padrão. O formato do itervalo de cofiaça é, a realidade, uma variação da equação x µ z =. Reolvedo ea equação em relação a µ, obtemo µ = x z. Com o valore poitivo e egativo de z obtemo o limite do itervalo de cofiaça, i.e., µ = x ± z.

3 Determiação do tamaho da amotra Partido da expreão da margem de erro ( = z ) e reolvedo em relação ao tamaho da amotra, α zα obtemo: =, ode o reultado deve er arredodado para cima (e eceário) a fim de e obter um úmero iteiro. O tamaho da amotra ão depede do tamaho da população e im do grau de cofiaça deejado, da margem de erro pretedida e do valor do devio-padrão. Se o valor de ão for cohecido, amplitude etimá-lo uado a eguite regra empírica:. 4 x. 4. Deeja-e etimar o preço médio de veda de um livro-texto para uma faculdade. Quato exemplare devemo elecioar, para termo 95% de cofiaça de que a média amotral eteja a meo de R$,00 da verdadeira média populacioal µ. α = 0,05. Da Tabela A-, z α/ = 1,96. Do euciado do problema, =,00. pode er etimado admitido que o preço do livro típico de faculdade variam de R$ 40,00 a R$ 90,00. Dea forma a amplitude é de R$ ,00. Logo amplitude = = = 1, 5. Portato, o tamaho da amotra deve er = z α 1,96 1,5 =,00 = 150,06 151livro. timativa de uma média populacioal dipodo de pequea amotra Para cotruir um itervalo de cofiaça para a média populacioal µ dipodo-e de pequea amotra ( 30) e decohecedo o valor do devio-padrão populacioal, deve-e uar a ditribuição t de Studet, deevolvida por William Goet ( ). * Ditribuição t de Studet: Se a ditribuição de uma população é eecialmete ormal (com a forma x µ aproximadamete de um io), etão a ditribuição de t = é eecialmete uma ditribuição t de Studet para toda a amotra de tamaho. A ditribuição t de Studet, geralmete cohecida como ditribuição t, é utilizada a determiação de valore crítico deotado por t α/, obtido a Tabela A-3 localizado o úmero adequado de grau de liberdade a colua à equerda e percorredo a liha até atigir o úmero diretamete abaixo do valor aplicável (bilateral) de α. (Melhorar Figura) Propriedade da ditribuição t de Studet 1- É diferete coforme o tamaho da amotra - Tem a forma de io (imétrica), porém com maior variabilidade. 3- Tem média t = 0, ma o devio-padrão varia coforme o tamaho da amotra, e é uperior a Na medida que o tamaho da amotra aumeta, a ditribuição t de Studet tede a ditribuição ormal padroizada. * Grau de liberdade: É o úmero de valore que podem variar apó terem ido impoto certa retriçõe a todo o valore de um cojuto de dado. Nea uidade, o úmero de grau de liberdade é implemete o tamaho da amotra meo 1, ou ega, grau de liberdade = 1. Codiçõe para a utilização da Ditribuição t de Studet 1- O tamaho da amotra é pequeo ( 30); - é decohecido; 3- A população origial tem ditribuição eecialmete ormal. Margem de erro para a etimativa de µ = t, ode t α α/ tem 1 grau de liberdade. Proceo de cotrução de um itervalo de cofiaça para µ dipodo de pequea amotra ( 30) Pao 1: Determiar o valor crítico t α/ correpodete ao grau de cofiaça deejado. 3

4 Pao : Calcular a margem de erro = t, ode t α α/ tem 1 grau de liberdade. Pao 3: Calcular o valor da média amotral x e calcular o valore x - e x +. Repreetar o itervalo de cofiaça atravé de uma da eguite forma: x - < µ < x + ; ou µ = x ± ; ou ( x -, x + ). x. 5. O moitorameto da cocetração de gá ulfídrico (H S) uma uidade de tratameto de água reiduária idicou uma cocetração média de 0,51 mg/l, com devio-padrão de 0,1 mg/l. Sabedo que foram realizada 16 campaha do moitorameto, determie, para um grau de cofiaça de 0,95: (a) a margem de erro ; (b) o itervalo de cofiaça para µ. (a) α = 1 0,95 = 0,05. Da Tabela A-3, t α/ =,13, poi = 16 e o úmero de grau de liberdade é 1 = 16 0,1 1 = 15. = 0,1. tão: = t =,13 0, 11 α = 16 (b) x = 0,51 mg/l e = 0,11 mg/l. Logo: x - < µ < x + µ = x ± ( x -, x + ) 0,51 0,11 < µ < 0,51 + 0,11 µ = 0,51 ± 0,11 (0,51-0,11, 0,51 + 0,11) 0,40 < µ < 0,6 µ = 0,51 ± 0,11 (0,40, 0,6) Uado o programa MINITAB No MINITAB o itervalo de cofiaça podem er obtido uado-e o eguite comado: Digite o valor da variável x a colua C1. m eguida acee o meu: Stat Baic Statitic 1 ample Z (Itervalo de cofiaça para a média com devio-padrão cohecido) Figura (a) 1 ample t (Itervalo de cofiaça para a média com devio-padrão decohecido) Figura (b) Digite a jaela a colua da variável e elecioe o ível de cofiaça deejado. Para a opção 1-ample Z é eceário forecer o valor de - Figura (a). m eguida preioe o ícoe OK. Figura (a) - 1-ample Z Figura (b) - 1-ample t timativa de uma proporção populacioal * Proporção: É a forma ou modo de repreetar um dado ou reultado. x. A proporção de reidêcia itoizada um determiado programam de TV; a proporção de motorita embriagado um feriadão. x * Notação: p = proporção populacioal; p ˆ = = proporção amotral de x uceo em uma amotra de tamaho ; qˆ = 1 pˆ = proporção amotral de x iuceo em uma amotra de tamaho. * timativa potual para um proporção populacioal: A proporção amotral pˆ é a melhor etimativa potual da proporção populacioal p, poi é o etimador que apreeta maior coitêcia e é ão tedecioo. pˆ.ˆ q * Margem de erro da etimativa de p e itervalo de cofiaça para a proporção populacioal p: = z. Dea forma, o itervalo de cofiaça para a proporção populacioal p é repreetado atravé de uma da eguite forma: pˆ - < p < pˆ + ; ou p = pˆ ± ; ou ( pˆ -, pˆ + ). α 4

5 x. 6. m uma pequia juto a 1068 americao, 673 iformaram ter ecretária eletrôica. Com ee reultado amotrai, determie: (a) a etimativa potual da proporção populacioal de todo o americao que têm ecretária eletrôica; (b) a etimativa do itervalo de cofiaça de 95% da proporção populacioal de todo o americao que têm ecretária eletrôica. x 673 (a) p ˆ = = = 0, pˆ.ˆ q 0,630 0,370 (b) z α/ = 1,96 (Tabela A-). q ˆ = 1 pˆ = 0, 370. = z = 1,96 = 0, 090. α 1068 Aim, pˆ - < p < pˆ + 0,630 0,090 < p < 0, ,090 0,601 < p < 0,659. Para a porcetagem populacioal, o reultado eria: 60,1% < p < 65,9%. Determiação do tamaho da amotra para etimar a proporção p 1- Quado e cohece uma etimativa pˆ : Reolver a expreão da margem de erro para : - Quado ão e cohece uma etimativa pˆ : Subtituir pˆ por 0,5 e qˆ por 0,5: = [ z ] = α (0,5) [ z ] ˆ α pˆ. q x. 7. Deejamo etimar com uma margem de erro de 3 poto percetuai, a percetagem de motorita que falam ao celular equato dirigem, com ível de cofiaça de 95%. Quato motorita devem er pequiado? (a) Sabe-e, de um etudo prévio, que 18% do motorita falam ao celular; (b) ão e cohece qualquer iformação que poa ugerir um valor de pˆ. (a) pˆ = 0,18; q ˆ = 1 pˆ = 0, 8. Se deeja 95%, etão α = 0,05; z α/ = 1,96 (Tabela A-) e = 0,03 (3 poto percetuai). [ z ] ˆ.ˆ α p q [ 1,96].( 0,18 )(. 0,8) = = = 630, motorita. ( 0,03) (b) pˆ = 0,5; qˆ = 0,5. Se deeja 95%, α = 0,05; z α/ = 1,96 (Tabela A-) e = 0,03 (3 poto percetuai). = [ zα ] (0,5) [ 1,96].( 0,5) = ( 0,03) = 1067, motorita. Uado o programa MINITAB No MINITAB o itervalo de cofiaça para uma proporção pode er obtido uado-e o eguite comado: Acee o meu: Stat Baic Statitic 1 proportio Selecioe a jaela a opção Summarized data e digite a lacua o valore de e x, repectivamete - Figura (a). Preioe o ícoe Optio. Digite o ível de cofiaça deejado, elecioe a opção Ue tet ad iterval... - Figura (b), e preioe o ícoe OK. (a) (b) 5

6 timativa de uma variâcia populacioal Para etabelecer etimativa de variâcia ou de devio-padrão, devemo uar uma ditribuição chamada quiquadrado. * Ditribuição qui-quadrado: m uma população ditribuída ormalmete com variâcia, ecolhemo aleatoriamete amotra idepedete de tamaho e calculamo a variâcia amotral para cada amotra. A ( 1) etatítica amotral χ = tem uma ditribuição chamada qui-quadrado, ode é o tamaho da amotra; é a variâcia amotral; é a variâcia populacioal. O valore crítico da ditribuição quiquadrado ão dado pela Tabela A-4, ode o úmero de grau de liberdade é dado por 1. * Propriedade da ditribuição qui-quadrado: 1- Não é imétrica. Na medida em que o úmero de grau de liberdade aumeta, a ditribuição tora-e meo aimétrica. - O valore de χ podem er zero ou poitiov, ma ão egativo. 3- É diferete coforme o úmero de grau de liberdade. (Melhorar Figura) Ob: Na Tabela A-4, cada valor crítico de χ correpode a uma área dada a liha uperior da tabela, e ea área repreeta a região total localizada à direita do valor crítico. x. 8. Determie o valore crítico de χ que defiem regiõe crítica cotedo uma área de 0,05 em cada cauda. Supoha que o tamaho da amotra eja 10, de modo que o úmero de grau de liberdade é 10 1 = 9. Área = α = 0,05; GL = 9. Da Tabela A-4 χ = 19,03 Área = 1 - α = 1-0,05 = 0,975; GL = 9. Da Tabela A-4 χ =,700 A etatítica χ = ( 1) tem uma probabilidade de 0,95 de etar etre o valore crítico χ, 700 e χ 19, α = = α * timativa potual para a variâcia populacioal: A variâcia amotral é a melhor etimativa potual para a variâcia populacioal, poi é um etimador ão-tedecioo. Logo. =. * Itervalo de cofiaça para a variâcia populacioal : O itervalo de cofiaça para a variâcia populacioal ( 1) pode er obtido deevolvedo a expreão χ = : ( 1) χ 1 α 1 χα χ 1 α < < χ α < < ( ) ( ) 1 1 < <. ( ) ( ) 1 1 χα χ1 α * Itervalo de cofiaça para o devio-padrão populacioal : xtraido a raiz quadrada da expreão aterior, ( 1) ( 1) temo a eguite expreão: < < χα cofiaça para o devio-padrão populacioal. χ 1 α, que pode er uada para determiar o itervalo de x. 9. Determiar o itervalo de cofiaça de 95% para e para uma amotra com = 1, edo µ = 3,50; = 0,06; x = 3,504 e = 0,109. GL = 1 1 = 11 α = 1 0,95 = 0,05 α Área = 05 = 0, ; GL = 11. Da Tabela A-4 χ = α 1, α Área = = 0, 975 ; GL = 11. Da Tabela A-4 χ 1 α = 3,

7 ( 1) ( 1) ( )( ) ( )( ) Aim, 1 1 0, ,109 < < < < χα χ 1,90 3,816 1 α 0,006 < < 0, 034 (0,006; 0,034). O itervalo de cofiaça para o devio-padrão populacioal dado por: 0,006 < < 0, 034 0,077 < < 0,185 (0,077; 0,185). Uado o programa MINITAB No MINITAB o itervalo de cofiaça para o devio-padrão pode er obtido uado-e o eguite comado: Acee o meu: Stat Baic Statitic Diplay Decriptive Statitic Clicado em Graph aparece a jaela abaixo - Figura (a). Clicado a opção Graphical ummary e elecioado o ível de cofiaça deejado, obtemo a aída abaixo Figura (b), que idica o itervalo de cofiaça para (igma): (a) (b) xercício 1. À idade de 4 preidete do UA a ocaião da poe tem média 54,9 ao e devio-padrão 6,3 ao. Determie: (a) uma etimativa potual para a idade média populacioal de todo o preidete do UA a ocaião da poe; (b) uma etimativa itervalar para a idade média populacioal com 96% de cofiaça; (c) uma etimativa itervalar para a idade média populacioal com 98% de cofiaça. (54,9); (5,8; 56,9); (5,6; 57,1). A precipitaçõe auai (em cm) em Baixo Guadu (S) durate um período de 39 ao, de 194 a 1980, tem média 89,67 cm e devio-padrão 1,83 cm. Determie: (a) uma etimativa potual para a precipitação média aual populacioal em Baixo Guadu; (b) uma etimativa itervalar para a precipitação média aual populacioal com 96% de cofiaça; (c) uma etimativa itervalar para a precipitação média aual populacioal com 98% de cofiaça. (89,67), (8,49; 96,85), (81,53; 97,80) 3. A ditâcia (em km) etre a reidêcia e o local de trabalho do fucioário de uma certa emprea tem média,05 km e devio-padrão,430 km. Determie: (a) uma etimativa potual para a ditâcia média etre a reidêcia e o local de trabalho do fucioário; (b) uma etimativa itervalar para a ditâcia média populacioal com 96% de cofiaça; (c) uma etimativa itervalar para a ditâcia média populacioal com 98% de cofiaça. (,05), (1,33;,718), (1,40;,810)) (Tamaho da amotra?) 4. Uma picóloga elaborou um ovo tete de percepção epacial e deeja etimar o ecore médio alcaçado por piloto do exo maculio. Quata peoa ela deve tetar para que o erro da média amotral ão exceda,0 poto, com 95% de cofiaça? tudo aterior ugere = 1,. (43) 5. Um itituto de pequia deeja etimar o tempo médio (em hora) que o etudate uiveritário de tempo itegral paam vedo TV em cada dia da emaa. Determie o tamaho da amotra eceário para etimar 7

8 ea média com uma margem de erro de 0,5 h (ou 15 miuto). Supoha que e exija um grau de 96% de cofiaça. Supoha também que um etudo piloto teha idicado que o devio-padrão é etimado em 1,87 hora. (36) 6. Um aalita de itema deeja avaliar o deempeho de um ovo programa de aálie umérica atravé do tempo médio de proceameto. Qual deve er o tamaho da amotra eceária para garatir um erro amotral máximo de 0,5 m (miliegudo), a etimação do tempo médio de proceameto, com ível de cofiaça de 96%. Supoha que um etudo emelhate teha idicado que o devio-padrão é etimado,1 m. (75) 7. Uma amotra com 11 tempo (em egudo) decorrido etre a formulação do pedido e a etrega do prato em uma lachoete fat food tem média 14,4 e devio-padrão 48,6 e parece ter ditribuição em forma de io. Determie: (a) a melhor etimativa potual para µ, o tempo médio decorrido etre a formulação do pedido e a etrega de todo do prato em uma lachoete fat food; (b) o itervalo de cofiaça de 95% para o tempo médio populacioal; (c) o itervalo de cofiaça de 99% para o tempo médio populacioal. (14,4); (91,7; 157,0); (77,9; 170,9) 8. Uma amotra com 10 precipitaçõe pluviométrica meai ocorrida em Carapia, Serra (S), o ao de 001 tem média 135,4 mm e devio-padrão 91,1 mm e parece ter ditribuição em forma de io. Determie: (a) a melhor etimativa potual para µ, a precipitação média meal populacioal ocorrida em Carapia; (b) o itervalo de cofiaça de 95% para a precipitação média meal populacioal; (c) o itervalo de cofiaça de 99% para a precipitação média meal populacioal. (135,4), (70,; 00,6), (41,7; 9,1) 9. Uma amotra com 10 tempo (em egudo) de repota de uma coulta a um certo baco de dado tem média 35,90 e devio-padrão 10,88 e parece ter ditribuição em forma de io. Determie: (a) a melhor etimativa potual para µ, o tempo de repota médio populacioal de coulta a um baco de dado; (b) o itervalo de cofiaça de 95% para o tempo médio populacioal; (c) o itervalo de cofiaça de 99% para o tempo médio populacioal. (35,90), (8,1; 43,68)), (4,7;47,08) 10. Numa pequia feita em um upermercado, verificaram-e 134 ite, cotatado-e 0 dele com preço exceivo. (a) Com o dado amotrai, cotrua um itervalo de cofiaça de 95% para a proporção de todo o artigo que acuam preço exceivo; (b) utilizado o dado amotrai como etudo piloto, determie o tamaho da amotra eceário para etimar a proporção de ite que acuam preço exceivo. Admita um ível de cofiaça de 99% em que a etimativa ão apreete erro uperior a 0,005. (0,00916; 0,036); (49) 11. Um etudo de aúde evolve 1000 morte elecioada aleatoriamete, detre a quai 331 cauada por doeça cardíaca. (a) Com o dado amotrai, cotrua um itervalo de cofiaça de 99% para a proporção de toda a morte cauada por doeça cardíaca. (b) Refaça o item aterior uado o MINITAB. (c) Utilizado o dado amotrai como etudo piloto, determie o tamaho da amotra eceário para etimar a proporção de toda a morte cauada por doeça cardíaca. Admita um ível de cofiaça de 98%, em que o erro da etimativa ão upere 0,01. (0,9670; 0,369330), (0,9670; 0,369330), (10) 1. m uma amotra aleatória imple com 00 edifício com cico ao, em certa cidade, 110 apreetaram problema etético relevate apó a etrega da obra. (a) Com o dado amotrai, cotrua um itervalo de cofiaça de 99% para a proporção de todo o edifício da cidade que apreetaram problema etético relevate o cico primeiro ao. (b) Refaça o item aterior uado o MINITAB. (c) Utilizado o dado amotrai como etudo piloto, determie o tamaho da amotra eceário para etimar a proporção de todo o edifício da cidade que apreetaram problema etético relevate o cico primeiro ao. Admita um ível de cofiaça de 98%, em que o erro da etimativa ão upere 0,01. (0,4594; 0,64058), (0,459387; 0,640613), (13437) 13. Um levatameto da vazão máxima aual (em m 3 /) o rio Colorado durate 19 ao revelou média de 3199 m 3 / e devio-padrão de 18 m 3 /. Determie: (a) a melhor etimativa potual para a variâcia populacioal da vazão média aual o rio Colorado; (b) o itervalo com 90% de cofiaça para a variâcia populacioal da vazão média aual o rio Colorado; (c) o itervalo com 99% de cofiaça para o devio-padrão populacioal da vazão média aual o rio Colorado. ( ); (104747; ); (89; 173) 14. Um levatameto da vazão máxima aual (em m 3 /) o rio Tevere durate 1 ao revelou média de 1406 m 3 / e devio-padrão de 453 m 3 /. Determie: (a) a melhor etimativa potual para a variâcia populacioal da vazão média aual o rio Tevere; (b) o itervalo com 90% de cofiaça para a variâcia populacioal da vazão 8

9 média aual o rio Tevere; (c) o itervalo com 99% de cofiaça para o devio-padrão populacioal da vazão média aual o rio Tevere. (0490), (130480; ), (30; 743) 15. Um levatameto da vazão máxima aual (em m 3 /) o rio Po durate 1 ao revelou média de 506 m 3 / e devio-padrão de 1986 m 3 /. Determie: (a) a melhor etimativa potual para a variâcia populacioal da vazão média aual o rio Po; (b) o itervalo com 90% de cofiaça para a variâcia populacioal da vazão média aual o rio Po; (c) o itervalo com 99% de cofiaça para o devio-padrão populacioal da vazão média aual o rio Po. ( ), (5154; 77316), (1405; 358) 16. O dado a eguir repreetam a vazão máxima aual (em m 3 /) o rio Colorado, durate um período de 5 ao, de 1878 a 199. Determie atravé do programa MINITAB: (a) um umário etatítico; (b) uma etimativa potual para a vazão média aual populacioal; (c) uma etimativa itervalar para vazão média aual populacioal com 90% de cofiaça; (d) uma etimativa itervalar para vazão média aual populacioal com 95% de cofiaça; (e) uma etimativa itervalar para vazão média aual populacioal com 99% de cofiaça; (f) uma etimativa potual para a variâcia populacioal da vazão média aual; (g) um umário gráfico com ível de cofiaça de 95%; (h) uma etimativa itervalar para o devio-padrão populacioal da vazão média aual com 95% de cofiaça. (838); (538; 3138); (481; 3195); (369; 3307); (176831); (1101; 1630) O dado a eguir repreetam a vazão máxima aual (em m 3 /) o rio Tevere, medida a etação de moitorameto de Roma, a região cetral da Itália, durate um período de 54 ao, de 191 a Determie atravé do programa MINITAB: (a) um umário etatítico; (b) uma etimativa potual para a vazão média aual populacioal; (c) uma etimativa itervalar para vazão média aual populacioal com 90% de cofiaça; (d) uma etimativa itervalar para vazão média aual populacioal com 95% de cofiaça; (e) uma etimativa itervalar para vazão média aual populacioal com 99% de cofiaça; (f) um umário gráfico com ível de cofiaça de 95%; (g) uma etimativa potual para a variâcia populacioal da vazão média aual; (h) uma etimativa itervalar para o devio-padrão populacioal da vazão média aual com 95% de cofiaça. (1149), (1040; 158), (100; 179), (979; 130), (37060), (409; 601) O dado a eguir repreetam a vazão máxima aual (em m 3 /) o rio Po, medida a etação de moitorameto de Potelagocuro, a região orte da Itália, durate um período de 56 ao, de 1918 a Determie atravé do programa MINITAB: (a) um umário etatítico; (b) uma etimativa potual para a vazão média aual populacioal; (c) uma etimativa itervalar para vazão média aual populacioal com 90% de cofiaça; (d) uma etimativa itervalar para vazão média aual populacioal com 95% de cofiaça; (e) uma etimativa itervalar para vazão média aual populacioal com 99% de cofiaça; (f) um umário gráfico com ível de cofiaça de 95%; (g) uma etimativa potual para a variâcia populacioal da vazão média aual; (h) uma etimativa itervalar para o devio-padrão populacioal da vazão média aual com 95% de cofiaça. (5314), (497; 5700), (4853; 5775), (4708; 5919), ( ), (1484; 164)

CAPÍTULO 7 - Intervalos de confiança

CAPÍTULO 7 - Intervalos de confiança INF 16 CAPÍTULO 7 - Itervalo de cofiaça É uma maeira de calcularmo uma etimativa de um parâmetro decohecido. Muita veze também fucioa como um tete de hipótee. A idéia é cotruir um itervalo de cofiaça para

Leia mais

Sumário: 6.3.3. Intervalo de confiança para a diferença entre duas médias de. populações independentes com variâncias conhecidas...

Sumário: 6.3.3. Intervalo de confiança para a diferença entre duas médias de. populações independentes com variâncias conhecidas... 0 Sumário: 6. Itervalo de Cofiaça...0 6.. etimação por itervalo...0 6.. Itervalo de cofiaça para a média...0 6... Itervalo de cofiaça para a média com variâcia cohecida...0 6... Itervalo de cofiaça para

Leia mais

INTERVALO DE CONFIANÇA

INTERVALO DE CONFIANÇA INTERVALO DE CONFIANÇA Supoha que etejamo itereado um parâmetro populacioal verdadeiro (ma decohecido) θ. Podemo etimar o parâmetro θ uado iformação de oa amotra. Chamamo o úico úmero que repreeta o valor

Leia mais

Validação do método de dimensionamento do número médio ideal de sementes por saca

Validação do método de dimensionamento do número médio ideal de sementes por saca Validação do método de dimeioameto do úmero médio ideal de emete por aca Quitiliao Siqueira Schrode Nomelii 1, Dayae Alve Cota 1, Luca Floretio Silva 1, Alie Sato Ferreira 1, Jaer Moura Pereira 2, Nádia

Leia mais

Jackknife, Bootstrap e outros métodos de reamostragem

Jackknife, Bootstrap e outros métodos de reamostragem Jackkife, Bootstrap e outros métodos de reamostragem Camilo Daleles Reó camilo@dpi.ipe.br Referata Biodiversa (http://www.dpi.ipe.br/referata/idex.html) São José dos Campos, 8 de dezembro de 20 Iferêcia

Leia mais

02/02/2017. Intervalo de Confiança. Bioestatística. Universidade Estadual do Oeste do Paraná - Unioeste. Curso de Nutrição

02/02/2017. Intervalo de Confiança. Bioestatística. Universidade Estadual do Oeste do Paraná - Unioeste. Curso de Nutrição Uiveridade Etadual do Oete do Paraá - Uioete Curo de Nutrição Bioetatítica Profeora Aqui começamo o etudo da etatítica iferecial, que é o egudo maior ramo da etatítica. M.Roebel Tridade Cuha Prate Coite

Leia mais

CAPÍTULO 5 - INTRODUÇÃO À INFERÊNCIA ESTATÍSTICA

CAPÍTULO 5 - INTRODUÇÃO À INFERÊNCIA ESTATÍSTICA CAPÍTULO 5 - INTRODUÇÃO À INFERÊNCIA ESTATÍSTICA 5. INTRODUÇÃO É freqüete ecotrarmos problemas estatísticos do seguite tipo : temos um grade úmero de objetos (população) tais que se fossem tomadas as medidas

Leia mais

CONHECIMENTOS BÁSICOS MATEMÁTICA

CONHECIMENTOS BÁSICOS MATEMÁTICA CONHECIENTOS BÁSICOS ATEÁTICA Para repoder à quetõe de o e, utilize o dado da tabela abaixo, que apreeta a freqüêcia acumulada da idade de 0 jove etre 4 e 0 ao. Idade (ao) Freqüêcia Acumulada 4 5 4 6 9

Leia mais

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

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

Leia mais

O erro da pesquisa é de 3% - o que significa isto? A Matemática das pesquisas eleitorais

O erro da pesquisa é de 3% - o que significa isto? A Matemática das pesquisas eleitorais José Paulo Careiro & Moacyr Alvim O erro da pesquisa é de 3% - o que sigifica isto? A Matemática das pesquisas eleitorais José Paulo Careiro & Moacyr Alvim Itrodução Sempre que se aproxima uma eleição,

Leia mais

PUCRS FAMAT DEPTº DE ESTATÍSTICA Estimação e Teste de Hipótese- Prof. Sérgio Kato

PUCRS FAMAT DEPTº DE ESTATÍSTICA Estimação e Teste de Hipótese- Prof. Sérgio Kato 1 PUCRS FAMAT DEPTº DE ESTATÍSTICA Estimação e Teste de Hipótese- Prof. Sérgio Kato 1. Estimação: O objetivo da iferêcia estatística é obter coclusões a respeito de populações através de uma amostra extraída

Leia mais

Denomina F a variável aleatória definida pelo quociente: F = n

Denomina F a variável aleatória definida pelo quociente: F = n 9/0/0 Etatítica Eperimetal Tete F Tete t de STUDENT Cap. 7, 8 e 9 Callegari-Jacque, S. M. Bioetatítica: Pricípio e Aplicaçõe, 003. Apotila: Regazzi, A. J., Curo de iiciação à etatítica. Profº: Glauco Vieira

Leia mais

n Obtido através desvio padrão da população (σ)

n Obtido através desvio padrão da população (σ) 3/5/ Etatítica Geral Tete t de STUDENT Cap. 7, 8 e 9 Callegari-Jacque, S. M. Bioetatítica: Pricípio e Aplicaçõe, 3. Apotila: Regazzi, A. J., Curo de iiciação à etatítica. Curo: Saúde/CUA/UFMT Profº: Glauco

Leia mais

PROBABILIDADES E ESTATÍSTICA

PROBABILIDADES E ESTATÍSTICA ESCOLA SUPERIOR DE TECNOLOGIA DE SETÚBAL DEPARTAMENTO DE MATEMÁTICA PROBABILIDADES E ESTATÍSTICA o Teste 7 o SEMESTRE 5/6 Data: Sábado, 7 de Jaeiro de 6 Duração: 9:3 às :3 Tópicos de Resolução. O úmero

Leia mais

PROGRAMA DE PÓS-GRADUAÇÃO EM ENGENHARIA DE TRANSPORTES E GESTÃO TERRITORIAL PPGTG DEPARTAMENTO DE ENGENHARIA CIVIL ECV

PROGRAMA DE PÓS-GRADUAÇÃO EM ENGENHARIA DE TRANSPORTES E GESTÃO TERRITORIAL PPGTG DEPARTAMENTO DE ENGENHARIA CIVIL ECV PROGRAMA DE PÓS-GRADUAÇÃO EM ENGENHARIA DE TRANSPORTES E GESTÃO TERRITORIAL PPGTG DEPARTAMENTO DE ENGENHARIA CIVIL ECV DISCIPLINA: TGT410026 FUNDAMENTOS DE ESTATÍSTICA 8ª AULA: ESTIMAÇÃO POR INTERVALO

Leia mais

Estatística: Aplicação ao Sensoriamento Remoto SER ANO Intervalo de Confiança

Estatística: Aplicação ao Sensoriamento Remoto SER ANO Intervalo de Confiança Etatítica: Aplicação ao Seoriameto Remoto SER 4 - ANO 19 Itervalo de Cofiaça Camilo Dalele Reó camilo.reo@ipe.br http://www.dpi.ipe.br/~camilo/etatitica/ Itervalo de Cofiaça Um parâmetro pode er etimado

Leia mais

Investigação Operacional

Investigação Operacional Ivetigação Operacioal Fila de Epera Liceciatura em Egeharia Civil Liceciatura em Egeharia do Território Nuo Moreira - 4/5 roblema Nuo Moreira - 4/5 No erviço de urgêcia do hopital da cidade o paciete ão

Leia mais

AEP FISCAL ESTATÍSTICA

AEP FISCAL ESTATÍSTICA AEP FISCAL ESTATÍSTICA Módulo 12: - Itervalo de Cofiaça - Tete de Hipótee (webercampo@gmail.com) INTERVALO DE CONFIANÇA 1. INTERVALO DE CONFIANÇA PARA A MÉDIA O proceo de cotrução do itervalo de cofiaça

Leia mais

ActivALEA. ative e atualize a sua literacia

ActivALEA. ative e atualize a sua literacia ActivALEA ative e atualize a sua literacia N.º 29 O QUE É UMA SONDAGEM? COMO É TRANSMIITIIDO O RESULTADO DE UMA SONDAGEM? O QUE É UM IINTERVALO DE CONFIIANÇA? Por: Maria Eugéia Graça Martis Departameto

Leia mais

Exemplos de I.C. (1 ) 100% para a mådia (e para diferença entre mådias)

Exemplos de I.C. (1 ) 100% para a mådia (e para diferença entre mådias) Exemplo de I.C. ( )% para a mådia (e para difereça etre mådia) Exemplo : Tete de compreão foram aplicado em dua marca de cimeto para avaliar a reitêcia em cocreto. Foram produzido 5 corpo de prova de cada

Leia mais

Lista 9 - Introdução à Probabilidade e Estatística

Lista 9 - Introdução à Probabilidade e Estatística UNIVERSIDADE FEDERAL DO ABC Lista 9 - Itrodução à Probabilidade e Estatística Desigualdades e Teoremas Limites 1 Um ariro apota a um alvo de 20 cm de raio. Seus disparos atigem o alvo, em média, a 5 cm

Leia mais

SUMÁRIO 1. AMOSTRAGEM 4. 1.1. Conceitos básicos 4

SUMÁRIO 1. AMOSTRAGEM 4. 1.1. Conceitos básicos 4 SUMÁRIO 1. AMOSTRAGEM 4 1.1. Coceitos básicos 4 1.. Distribuição amostral dos estimadores 8 1..1. Distribuição amostral da média 8 1... Distribuição amostral da variâcia 11 1..3. Distribuição amostral

Leia mais

5. A nota final será a soma dos pontos (negativos e positivos) de todas as questões

5. A nota final será a soma dos pontos (negativos e positivos) de todas as questões DEPARTAMENTO DE ESTATÍSTICA - UFMG PROVA DE ESTATÍSTICA E PROBABILIDADE SELEÇÃO - MESTRADO/ UFMG - 2013/2014 Istruções: 1. Cada questão respodida corretamete vale 1 (um) poto. 2. Cada questão respodida

Leia mais

Análise da Resposta Transitória

Análise da Resposta Transitória Uiveridade Etadual do Oete do Paraá Programa de Pó-graduação em Egeharia de Sitema Diâmico e Eergético Tema da Aula: Aálie da Repota Traitória Prof. Dr. Carlo Herique Faria do Sato 1 Etrutura da aula 1

Leia mais

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

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

Leia mais

AVALIAÇÃO DE DESEMPENHO

AVALIAÇÃO DE DESEMPENHO AVALIAÇÃO DE DESEMPENHO Itrodução Aálie o domíio do tempo Repota ao degrau Repota à rampa Repota à parábola Aálie o domíio da freqüêcia Diagrama de Bode Diagrama de Nyquit Diagrama de Nichol Eta aula EM

Leia mais

06/02/2017. Teste de Hipóteses. Principais Conceitos. Teste de Hipóteses. Tipos de Erros. Tipos de Testes. Bioestatística

06/02/2017. Teste de Hipóteses. Principais Conceitos. Teste de Hipóteses. Tipos de Erros. Tipos de Testes. Bioestatística 6/2/217 Uiveridade Etadual do Oete do Paraá - Uioete Tete de Hipótee Curo de Medicia/Nutrição Bioetatítica Profeora Tete de Hipótee (TH) é uma ferrameta etatítica que também é utilizado para fazer iferêcia

Leia mais

Estatística stica para Metrologia

Estatística stica para Metrologia Estatística stica para Metrologia Aula Môica Barros, D.Sc. Juho de 28 Muitos problemas práticos exigem que a gete decida aceitar ou rejeitar alguma afirmação a respeito de um parâmetro de iteresse. Esta

Leia mais

1.4- Técnicas de Amostragem

1.4- Técnicas de Amostragem 1.4- Técicas de Amostragem É a parte da Teoria Estatística que defie os procedimetos para os plaejametos amostrais e as técicas de estimação utilizadas. As técicas de amostragem, tal como o plaejameto

Leia mais

Inferência Estatística

Inferência Estatística Iferêcia Etatítica Tete de Hipótee: tete de difereça etre média, coceito, grupo pareado, grupo idepedete com variâcia cohecida e decohecida Itrodução Coidere o problema de comparar materiai (A e B), para

Leia mais

CAPÍTULO 6 - Testes de significância

CAPÍTULO 6 - Testes de significância INF 16 CAPÍTULO 6 - Tete de ignificância Introdução Tete de ignificância (também conhecido como Tete de Hipótee) correpondem a uma regra deciória que no permite rejeitar ou não rejeitar uma hipótee etatítica

Leia mais

13 ESTIMAÇÃO DE PARÂMETROS E DISTRIBUIÇÃO AMOSTRAL

13 ESTIMAÇÃO DE PARÂMETROS E DISTRIBUIÇÃO AMOSTRAL 3 ESTIMAÇÃO DE PARÂMETROS E DISTRIBUIÇÃO AMOSTRAL Como vto em amotragem o prmero bmetre, etem fatore que fazem com que a obervação de toda uma população em uma pequa eja mpratcável, muta veze em vrtude

Leia mais

Teoria de Filas. Agner Krarup Erlang (*1878, Lonborg, Dinamarca; 1929, Copenhagen, Dinamarca). Fernando Nogueira Teoria de Filas 1

Teoria de Filas. Agner Krarup Erlang (*1878, Lonborg, Dinamarca; 1929, Copenhagen, Dinamarca). Fernando Nogueira Teoria de Filas 1 Teoria de Fila Ager Kraru Erlag (*878, Loborg, Diamarca; 99, Coehage, Diamarca). Ferado Nogueira Teoria de Fila Itrodução O etudo de Teoria de Fila trata com o feômeo de aguardar em fila uado medida rereetativa

Leia mais

Introdução ao Estudo de Sistemas Lineares

Introdução ao Estudo de Sistemas Lineares Itrodução ao Estudo de Sistemas Lieares 1. efiições. 1.1 Equação liear é toda seteça aberta, as icógitas x 1, x 2, x 3,..., x, do tipo a1 x1 a2 x2 a3 x3... a x b, em que a 1, a 2, a 3,..., a são os coeficietes

Leia mais

13 Inferência Estatística Teoria da Estimação

13 Inferência Estatística Teoria da Estimação 3 Iferêcia Etatítica Teoria da Etimação 3. Itrodução A partir dete capítulo abordaremo ituaçõe em que o iteree etá em obter iformaçõe da população a partir do reultado de uma amotra. Como exemplo, coideremo

Leia mais

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

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

Leia mais

CAPÍTULO 8 - Noções de técnicas de amostragem

CAPÍTULO 8 - Noções de técnicas de amostragem INF 6 Estatística I JIRibeiro Júior CAPÍTULO 8 - Noções de técicas de amostragem Itrodução A Estatística costitui-se uma excelete ferrameta quado existem problemas de variabilidade a produção É uma ciêcia

Leia mais

Probabilidades. José Viegas

Probabilidades. José Viegas Probabilidades José Viegas Lisboa 001 1 Teoria das probabilidades Coceito geral de probabilidade Supoha-se que o eveto A pode ocorrer x vezes em, igualmete possíveis. Etão a probabilidade de ocorrêcia

Leia mais

DISTRIBUIÇÃO AMOSTRAL DA MÉDIA E PROPORÇÃO ESTATISTICA AVANÇADA

DISTRIBUIÇÃO AMOSTRAL DA MÉDIA E PROPORÇÃO ESTATISTICA AVANÇADA DISTRIBUIÇÃO AMOSTRAL DA MÉDIA E PROPORÇÃO Ferado Mori DISTRIBUIÇÃO AMOSTRAL DA MÉDIA E PROPORÇÃO ESTATISTICA AVANÇADA Resumo [Atraia o leitor com um resumo evolvete, em geral, uma rápida visão geral do

Leia mais

A seguir, uma demonstração do livro. Para adquirir a versão completa em papel, acesse: www.pagina10.com.br

A seguir, uma demonstração do livro. Para adquirir a versão completa em papel, acesse: www.pagina10.com.br A seguir, uma demostração do livro. Para adquirir a versão completa em papel, acesse: www.pagia10.com.br Matemática comercial & fiaceira - 2 4 Juros Compostos Iiciamos o capítulo discorredo sobre como

Leia mais

Computação Científica - Departamento de Informática Folha Prática 1

Computação Científica - Departamento de Informática Folha Prática 1 1. Costrua os algoritmos para resolver os problemas que se seguem e determie as respetivas ordes de complexidade. a) Elaborar um algoritmo para determiar o maior elemeto em cada liha de uma matriz A de

Leia mais

Carteiras de Mínimo VAR ( Value at Risk ) no Brasil

Carteiras de Mínimo VAR ( Value at Risk ) no Brasil Carteiras de Míimo VAR ( Value at Risk ) o Brasil Março de 2006 Itrodução Este texto tem dois objetivos pricipais. Por um lado, ele visa apresetar os fudametos do cálculo do Value at Risk, a versão paramétrica

Leia mais

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

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

Leia mais

Os juros compostos são conhecidos, popularmente, como juros sobre juros.

Os juros compostos são conhecidos, popularmente, como juros sobre juros. Módulo 4 JUROS COMPOSTOS Os juros compostos são cohecidos, popularmete, como juros sobre juros. 1. Itrodução Etedemos por juros compostos quado o fial de cada período de capitalização, os redimetos são

Leia mais

Séries de Potências AULA LIVRO

Séries de Potências AULA LIVRO LIVRO Séries de Potêcias META Apresetar os coceitos e as pricipais propriedades de Séries de Potêcias. Além disso, itroduziremos as primeiras maeiras de escrever uma fução dada como uma série de potêcias.

Leia mais

MAC122 Princípios de Desenvolvimento de Algoritmos EP no. 1

MAC122 Princípios de Desenvolvimento de Algoritmos EP no. 1 MAC122 Pricípios de Desevolvimeto de Algoritmos EP o. 1 Prof. Dr. Paulo Mirada 1 Istituto de Matemática e Estatística (IME) Uiversidade de São Paulo (USP) 1. Estrutura dos arquivos de images o formato

Leia mais

Intervalos de Confiança

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

Leia mais

Estimadores de Momentos

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

Leia mais

AULA: Inferência Estatística

AULA: Inferência Estatística AULA: Iferêcia Estatística stica Prof. Víctor Hugo Lachos Dávila Iferêcia Estatística Iferêcia Estatística é um cojuto de técicas que objetiva estudar uma oulação através de evidêcias forecidas or uma

Leia mais

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

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

Leia mais

Cap. 4 - Estimação por Intervalo

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

Leia mais

INTERPOLAÇÃO. Interpolação

INTERPOLAÇÃO. Interpolação INTERPOLAÇÃO Profa. Luciaa Motera motera@facom.ufms.br Faculdade de Computação Facom/UFMS Métodos Numéricos Iterpolação Defiição Aplicações Iterpolação Liear Equação da reta Estudo do erro Iterpolação

Leia mais

Intervalos de confiança

Intervalos de confiança 0 Itervalo de cofiaça 6.. A etiação por itervalo Noralete o proceo de ivetigação de u parâetro eceitao ir alé da ua etiativa potual ˆ. O fato de ão e cohecer o valor de pode cauar ua ieguraça e levar a

Leia mais

σ = Proporção (estrato C): =

σ = Proporção (estrato C): = Ficha para praticar 16 1.1. Por exemplo: Amostra:.º 7 (Vera Lima).º 6 (Vasco Braga).º 5 (Berardo Silva).º (Liliaa Pires).º 1 (Joaa Cardoso).º 1 (Pedro Vieira).º (Aa Sousa).º 10 (Fracisco Medes) 1.. a)

Leia mais

Estimação da média populacional

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

Leia mais

Pesquisa Operacional

Pesquisa Operacional Faculdade de Egeharia - Campus de Guaratiguetá esquisa Operacioal Livro: Itrodução à esquisa Operacioal Capítulo 6 Teoria de Filas Ferado Maris fmaris@feg.uesp.br Departameto de rodução umário Itrodução

Leia mais

JUROS COMPOSTOS. Questão 01 A aplicação de R$ 5.000, 00 à taxa de juros compostos de 20% a.m irá gerar após 4 meses, um montante de: letra b

JUROS COMPOSTOS. Questão 01 A aplicação de R$ 5.000, 00 à taxa de juros compostos de 20% a.m irá gerar após 4 meses, um montante de: letra b JUROS COMPOSTOS Chamamos de regime de juros compostos àquele ode os juros de cada período são calculados sobre o motate do período aterior, ou seja, os juros produzidos ao fim de cada período passam a

Leia mais

Teoria da Estimação 1

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

Leia mais

Capitulo 6 Resolução de Exercícios

Capitulo 6 Resolução de Exercícios FORMULÁRIO Cojutos Equivaletes o Regime de Juros Simples./Vecimeto Comum. Descoto Racioal ou Por Detro C1 C2 Cm C1 C2 C...... 1 i 1 i 1 i 1 i 1 i 1 i 1 2 m 1 2 m C Ck 1 i 1 i k1 Descoto Por Fora ou Comercial

Leia mais

a taxa de juros i está expressa na forma unitária; o período de tempo n e a taxa de juros i devem estar na mesma unidade de tempo.

a taxa de juros i está expressa na forma unitária; o período de tempo n e a taxa de juros i devem estar na mesma unidade de tempo. UFSC CFM DEPARTAMENTO DE MATEMÁTICA MTM 5151 MATEMÁTICA FINACEIRA I PROF. FERNANDO GUERRA. UNIDADE 3 JUROS COMPOSTOS Capitalização composta. É aquela em que a taxa de juros icide sempre sobre o capital

Leia mais

5- CÁLCULO APROXIMADO DE INTEGRAIS 5.1- INTEGRAÇÃO NUMÉRICA

5- CÁLCULO APROXIMADO DE INTEGRAIS 5.1- INTEGRAÇÃO NUMÉRICA 5- CÁLCULO APROXIMADO DE INTEGRAIS 5.- INTEGRAÇÃO NUMÉRICA Itegrar umericamete uma fução y f() um dado itervalo [a, b] é itegrar um poliômio P () que aproime f() o dado itervalo. Em particular, se y f()

Leia mais

VII Equações Diferenciais Ordinárias de Primeira Ordem

VII Equações Diferenciais Ordinárias de Primeira Ordem VII Equações Difereciais Ordiárias de Primeira Ordem Itrodução As equações difereciais ordiárias são istrumetos esseciais para a modelação de muitos feómeos proveietes de várias áreas como a física, química,

Leia mais

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

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

Leia mais

Stela Adami Vayego DEST/UFPR

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

Leia mais

Comparação entre duas populações

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

Leia mais

Módulo 4 Matemática Financeira

Módulo 4 Matemática Financeira Módulo 4 Matemática Fiaceira I Coceitos Iiciais 1 Juros Juro é a remueração ou aluguel por um capital aplicado ou emprestado, o valor é obtido pela difereça etre dois pagametos, um em cada tempo, de modo

Leia mais

Unesp Universidade Estadual Paulista FACULDADE DE ENGENHARIA

Unesp Universidade Estadual Paulista FACULDADE DE ENGENHARIA Uesp Uiversidade Estadual Paulista FACULDADE DE ENGENHARIA CAMPUS DE GUARATINGUETÁ MBA-PRO ESTATÍSTICA PARA A TOMADA DE DECISÃO Prof. Dr. Messias Borges Silva e Prof. M.Sc. Fabricio Maciel Gomes GUARATINGUETÁ,

Leia mais

Amostragem Casual Estratificada

Amostragem Casual Estratificada CAPÍTUO VI Amotragem Caual Etratificada Profeor Gilo Ferade da Silva Departameto de Egearia Floretal Cetro de Ciêcia Agrária CCA/UFES Itrodução A iteidade de amotragem eceária para etimar o parâmetro de

Leia mais

3 Introdução à inferência estatística

3 Introdução à inferência estatística 3 Itrodução à iferêcia estatística Itrodução à iferêcia estatística Pág. 00 1.1. Este tipo de estudos as sodages eleitorais têm como objetivo aferir o setido de voto dos eleitores. Isto permite, ão só

Leia mais

1.1 Comecemos por determinar a distribuição de representantes por aplicação do método de Hondt:

1.1 Comecemos por determinar a distribuição de representantes por aplicação do método de Hondt: Proposta de Resolução do Exame de Matemática Aplicada às Ciêcias Sociais Cód. 835-2ª 1ª Fase 2014 1.1 Comecemos por determiar a distribuição de represetates por aplicação do método de Hodt: Divisores PARTIDOS

Leia mais

Estatística: Aplicação ao Sensoriamento Remoto SER ANO Teste de Hipótese

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

Leia mais

ESTIMAÇÃO DE PARÂMETROS

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

Leia mais

Métodos Quantitativos para Ciência da Computação Experimental Aula #4

Métodos Quantitativos para Ciência da Computação Experimental Aula #4 Métodos Quatitativos para Ciêcia da Computação Experimetal Aula #4 Jussara Almeida DCC-UFMG 2017 Measuremets are ot to provide umbers, but isights Metodologia de Comparação de Sistemas Experimetais Comparado

Leia mais

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

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

Leia mais

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

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

Leia mais

NOTAS DE AULA: DISTRIBUIÇÃO AMOSTRAL E INTERVALOS DE CONFIANÇA

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

Leia mais

Testes de Hipóteses para a Diferença Entre Duas Médias Populacionais

Testes de Hipóteses para a Diferença Entre Duas Médias Populacionais Estatística II Atoio Roque Aula Testes de Hipóteses para a Difereça Etre Duas Médias Populacioais Vamos cosiderar o seguite problema: Um pesquisador está estudado o efeito da deficiêcia de vitamia E sobre

Leia mais

Distribuições de Estatísticas Amostrais e Teorema Central do Limite

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

Leia mais

Capítulo 8 Estimativa do Intervalo de Confiança. Statistics for Managers Using Microsoft Excel, 5e 2008 Pearson Prentice-Hall, Inc.

Capítulo 8 Estimativa do Intervalo de Confiança. Statistics for Managers Using Microsoft Excel, 5e 2008 Pearson Prentice-Hall, Inc. Capítulo 8 Estimativa do Itervalo de Cofiaça Statistics for Maagers Usig Microsoft Excel, 5e 2008 Pearso Pretice-Hall, Ic. Chap 8-1 Objetivos: Neste capítulo, você aprederá: Costruir e iterpretar estimativas

Leia mais

AMOSTRAGEM. metodologia de estudar as populações por meio de amostras. Amostragem ou Censo?

AMOSTRAGEM. metodologia de estudar as populações por meio de amostras. Amostragem ou Censo? AMOSTRAGEM metodologia de estudar as populações por meio de amostras Amostragem ou Ceso? Por que fazer amostragem? população ifiita dimiuir custo aumetar velocidade a caracterização aumetar a represetatividade

Leia mais

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

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

Leia mais

Capítulo 5- Introdução à Inferência estatística.

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

Leia mais

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

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

Leia mais

CAP. I ERROS EM CÁLCULO NUMÉRICO

CAP. I ERROS EM CÁLCULO NUMÉRICO CAP I ERROS EM CÁLCULO NUMÉRICO 0 Itrodução Por método umérico etede-se um método para calcular a solução de um problema realizado apeas uma sequêcia fiita de operações aritméticas A obteção de uma solução

Leia mais

Distribuições Amostrais

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

Leia mais

CURTOSE. Teremos, portanto, no tocante às situações de Curtose de um conjunto, as seguintes possibilidades:

CURTOSE. Teremos, portanto, no tocante às situações de Curtose de um conjunto, as seguintes possibilidades: CURTOSE O que sigifica aalisar um cojuto quato à Curtose? Sigifica apeas verificar o grau de achatameto da curva. Ou seja, saber se a Curva de Freqüêcia que represeta o cojuto é mais afilada ou mais achatada

Leia mais

SÉRIE: Estatística Básica Texto v: CORRELAÇÃO E REGRESSÃO SUMÁRIO 1. CORRELAÇÃO...2

SÉRIE: Estatística Básica Texto v: CORRELAÇÃO E REGRESSÃO SUMÁRIO 1. CORRELAÇÃO...2 SUMÁRIO 1. CORRELAÇÃO... 1.1. Itrodução... 1.. Padrões de associação... 3 1.3. Idicadores de associação... 3 1.4. O coeficiete de correlação... 5 1.5. Hipóteses básicas... 5 1.6. Defiição... 6 1.7. Distribuição

Leia mais

Lista IC, tamanho de amostra e TH

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

Leia mais

ESTIMAÇÃO PARA A MÉDIA

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

Leia mais

Analise de Investimentos e Custos Prof. Adilson C. Bassan email: adilsonbassan@adilsonbassan.com

Analise de Investimentos e Custos Prof. Adilson C. Bassan email: adilsonbassan@adilsonbassan.com Aalise de Ivestimetos e Custos Prof. Adilso C. Bassa email: adilsobassa@adilsobassa.com JUROS SIMPLES 1 Juro e Cosumo Existe juro porque os recursos são escassos. As pessoas têm preferêcia temporal: preferem

Leia mais

Capítulo 1. Teoria da Amostragem

Capítulo 1. Teoria da Amostragem Capítulo 1 Teoria da Amostragem 1.1 Itrodução A amostragem e em particular os processos de amostragem aplicam-se em variadíssimas áreas do cohecimeto e costituem, muitas vezes, a úica forma de obter iformações

Leia mais

Distribuição Amostral da Média: Exemplos

Distribuição Amostral da Média: Exemplos Distribuição Amostral da Média: Eemplos Talvez a aplicação mais simples da distribuição amostral da média seja o cálculo da probabilidade de uma amostra ter média detro de certa faia de valores. Vamos

Leia mais

Revisando... Distribuição Amostral da Média

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

Leia mais

Teste de Hipóteses Paramétricos

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

Leia mais

PROTÓTIPO DE GERENCIADOR DE ARQUIVOS PARA AMBIENTE DISTRIBUÍDO

PROTÓTIPO DE GERENCIADOR DE ARQUIVOS PARA AMBIENTE DISTRIBUÍDO UNIVERSIDADE REGIONAL DE BLUMENAU CENTRO DE CIÊNCIAS EXATAS E NATURAIS CURSO DE CIÊNCIAS DA COMPUTAÇÃO (Bacharelado) PROTÓTIPO DE GERENCIADOR DE ARQUIVOS PARA AMBIENTE DISTRIBUÍDO TRABALHO DE CONCLUSÃO

Leia mais

Curso MIX. Matemática Financeira. Juros compostos com testes resolvidos. 1.1 Conceito. 1.2 Período de Capitalização

Curso MIX. Matemática Financeira. Juros compostos com testes resolvidos. 1.1 Conceito. 1.2 Período de Capitalização Curso MI Matemática Fiaceira Professor: Pacífico Referêcia: 07//00 Juros compostos com testes resolvidos. Coceito Como vimos, o regime de capitalização composta o juro de cada período é calculado tomado

Leia mais

APONTAMENTOS DE ÁLGEBRA LINEAR E GEOMETRIA ANALÍTICA

APONTAMENTOS DE ÁLGEBRA LINEAR E GEOMETRIA ANALÍTICA UNIVERSIDADE DO ALGARVE ESCOLA SUPERIOR DE TECNOLOGIA APONTAMENTOS DE ÁLGEBRA LINEAR E GEOMETRIA ANALÍTICA (III ) ÁREA DEPARTAMENTAL DE ENGENHARIA CIVIL Ídice Itrodução Aplicação do cálculo matricial aos

Leia mais

O QUE SÃO E QUAIS SÃO AS PRINCIPAIS MEDIDAS DE TENDÊNCIA CENTRAL EM ESTATÍSTICA PARTE li

O QUE SÃO E QUAIS SÃO AS PRINCIPAIS MEDIDAS DE TENDÊNCIA CENTRAL EM ESTATÍSTICA PARTE li O QUE SÃO E QUAIS SÃO AS PRINCIPAIS MEDIDAS DE TENDÊNCIA CENTRAL EM ESTATÍSTICA PARTE li Média Aritmética Simples e Poderada Média Geométrica Média Harmôica Mediaa e Moda Fracisco Cavalcate(f_c_a@uol.com.br)

Leia mais

Associação de Professores de Matemática PROPOSTA DE RESOLUÇÃO DO EXAME DE MATEMÁTICA APLICADA ÀS CIÊNCIAS SOCIAIS (PROVA 835) 2013 2ªFASE

Associação de Professores de Matemática PROPOSTA DE RESOLUÇÃO DO EXAME DE MATEMÁTICA APLICADA ÀS CIÊNCIAS SOCIAIS (PROVA 835) 2013 2ªFASE Aociação de Profeore de Matemática Contacto: Rua Dr. João Couto, n.º 7-A 1500-36 Liboa Tel.: +351 1 716 36 90 / 1 711 03 77 Fax: +351 1 716 64 4 http://www.apm.pt email: geral@apm.pt PROPOSTA DE RESOLUÇÃO

Leia mais