NOTA: ESCREVA AS RESPOSTAS COMO FRAÇÕES OU COM 4 CASAS DECIMAIS NOTA 2: O FORMULÁRIO ESTÁ NO FINAL DA PROVA
|
|
- Maria Antonieta da Fonseca
- 5 Há anos
- Visualizações:
Transcrição
1 IND 5 Iferêca Estatístca Semestre Teste 4 //007 Nome: NOTA: ESCREVA AS RESPOSTAS COMO FRAÇÕES OU COM 4 CASAS DECIMAIS NOTA : O FORMULÁRIO ESTÁ NO FINAL DA PROVA PROBLEMA (5 potos) Em cada questão abaxo, dque se a afrmatva é verdadera ou falsa (marque um X a alteratva correta). Não é ecessáro justfcar a sua resposta. Questão Afrmatva Verdadero Falso Nas questões e supoha que X, X e X 3 são varáves depedetes e E(X ), E(X ) E(X 3 ) - e VAR(X ) VAR(X ), VAR(X 3 ) 4. Seja Y + X + X. Etão E(Y) Seja Y + X + X. Etão VAR(Y) 5 3 Os evetos A e B são depedetes se Pr(A B) Pr(A).Pr(B) 4 Se X e Y forem depedetes, etão seu coefcete de correlação é ulo. 5 A varâca de X é expressa as mesmas udades de medda que X 6 João amora (uma amorada de cada vez) e tem uma probabldade fxa p de casar com ela. O úmero de amoradas que João terá até casar é uma varável Geométrca. 7 Uma varável Bomal pode ser empregada para modelar o úmero de questões chutadas errado uma prova de múltpla escolha com 0 questões, cada uma com 6 opções. 8 Se X, X,..., X 5 são d Uforme (0,) e X (3) é a 3ª. Meor observação da amostra ordeada, etão a méda de X (3) é 3/(6) 9 Se X, X,..., X 56 são Normas com méda 00 e desvo padrão 64, etão a méda amostral baseada estas 56 observações tem desvo padrão 6. 0 O estmador de máxma verossmlhaça de θ é sempre ão tedecoso.
2 O estmador por método de mometos de θ é sempre ão tedecoso. Um IC baseado a dstrbução t é sempre mas largo que o IC equvalete baseado a dstrbução Normal. 3 Se X, X,..., X 5 são d Uforme (0,) etão a varâca da méda amostral é / 4 O Teorema Cetral do Lmte só pode ser aplcado a varáves aleatóras cotíuas. 5 O estmador de máxma verossmlhaça é sempre ecotrado dervado a verossmlhaça (ou seu log) e gualado esta dervada a zero. PROBLEMA (5 potos) Você trabalha o departameto de maretg de uma empresa farmacêutca que acabou de laçar um remédo que auxla a redução de peso. Numa amostra de 36 mulheres que tomaram o remédo, a perda de peso méda em três meses fo de 8.4 g, com desvo padrão.6 g. Para comparação, tomou-se uma outra amostra, de 6 mulheres, que só fzeram deta. Nesta seguda amostra, a perda de peso méda em três meses fo de 6. g, com desvo padrão.4 g. Empregado argumetos de IC, dga se você pode coclur, com probabldade 95% que o remédo qua a sua empresa está laçado é efcaz para a deta. Nota: supoha que as perdas de peso são varáves Normas.
3 3 PROBLEMA 3 (5 potos) Os preços de apartametos de dos quartos em duas cdades X e Y são varáves Normas correlacoadas. Na cdade X, o preço médo é R$ 40 ml, e o desvo padrão dos preços é R$ 5 ml. Na cdade Y, o preço médo é R$ 80 ml, e o desvo padrão dos preços é R$ 5 ml. A correlação etre os preços é ρ Calcule as segutes probabldades: a) De alguém pagar etre R$ 50 e R$ por um apartameto a cdade X. b) De alguém pagar etre R$ 50 e R$ por um apartameto a cdade X sabedo que um apartameto equvalete a cdade Y custa R$ 00 ml. c) De alguém pagar etre R$ 50 e R$ por um apartameto a cdade X sabedo que um apartameto equvalete a cdade Y custa R$ d) Qual é a dstrbução codcoal dos preços de apartameto a cdade Y sabedo que o preço de um apartameto equvalete a cdade X é R$ 60 ml? e) Qual é a dstrbução codcoal dos preços de apartameto a cdade Y sabedo que o preço de um apartameto equvalete a cdade X é R$ 0 ml? f) Quato deve pagar uma pessoa a cdade X para que o seu apartameto esteja etre os 0% mas caros?
4 4 PROBLEMA 4 (5 potos) Sejam X, X,..., X d N(μ, θ) ode θ, a varâca, é CONHECIDA! a) Ecotre o MLE de μ. b) Mostre que o MLE é ão tedecoso. c) Calcule a formação de Fsher. d) Mostre que o MLE é cosstete. e) Calcule o lmte feror de Cramér e Rao e verfque se o MLE de μ é efcete.
5 5 PROBLEMA 5 (0 potos) Sejam X, X,..., X 48 meddas depedetes de uma certa experêca, e Y, Y,..., Y 48 aproxmados até o próxmo tero. Seja e Y - X,,, Os e s são d Uf( -0.5, +0.5). 48 Aproxme a segute probabldade : Pr e <.4.
6 Tabela Fução de Dstrbução N(0,) 6 z Φ(z) z Φ (z) z Φ (z) 0, ,00% 0, ,7%, ,44% 0,000 50,40% 0, ,40%, ,50% 0,000 50,80% 0, ,5%, ,6% 0,0300 5,0% 0, ,65%, ,67% 0,0500 5,99% 0,988 83,85%, ,7% 0,000 53,98% 0, ,89%,000 97,78% 0,04 54,5%, ,3%,05 97,79% 0,500 55,96%,000 84,38%,000 97,83% 0,000 57,93%,067 84,54%, ,88% 0,36 58,85%,050 84,73%, ,93% 0,500 59,87%, ,85%,04 97,94% 0,887 6,36%, ,3%, ,98% 0,3000 6,79%, ,44%,000 98,% 0,305 6,85%,000 86,43%,875 98,56% 0, ,06%,475 87,44%,000 98,6% 0, ,59%,500 87,49%,36 98,73% 0,349 63,65%,553 87,60%, ,93% 0, ,68%,667 87,83%,363 99,00% 0, ,54%,000 88,49%, ,0% 0,467 66,6%,00 88,88%, ,8% 0, ,67%,500 89,44%, ,38% 0, ,36%,700 89,79%, ,46% 0, ,5%,86 90,00%,568 99,48% 0, ,88%, ,3%, ,53% 0,5774 7,8%, ,88%, ,60% 0,6000 7,57%,3750 9,54%, ,6% 0,650 73,40%,4000 9,9%, ,64% 0, ,%,4434 9,55%, ,65% 0, ,75%,4468 9,60%, ,70% 0, ,80%,4500 9,65%, ,74% 0, ,34%, ,3%, ,8% 0, ,8%, ,94%, ,84% 0, ,77%, ,5% 3, ,87% 0, ,95%, ,00% 3,000 99,90% 0, ,3%, ,% 3,500 99,9% 0, ,68%, ,54% 3,667 99,9% 0, ,69%,797 96,34% 3,000 99,93% 0,9000 8,59%, ,4% 3, ,99% 0,933 8,46%, ,66% 0,9500 8,89%, ,78% 0, ,5%, ,3%
7 Potos Percetuas Varável t com p graus de lberdade 7 Exemplo Se T tem desdade t com graus de lberdade, Pr( T <.78) 95% Graus de lberdade 60% 75% 80% 90% 95% 97.5% 99% 99.5%
8 Tabela da Fução de Dstrbução da desdade Qu-quadrado 8 Cada célula desta tabela cotém Pr(X < x) com as probabldades especfcadas em cada colua. Exemplo Se X tem desdade Qu-quadrado com graus de lberdade, Pr( X < ) 0.5 probabldade 0.5%.0%.5% 5.0% 0.0% 5.0% 50.0% 75.0% 90.0% 95.0% 97.5% 99.0% 99.5% graus de lberdade
9 Formuláro 9 IND 5 - Iferêca Estatístca Profa. Môca Barros FORMULÁRIO P Nome Desdade ou Fução de Probabldade Méda Varâca fgm Uforme b Não é útl f ( x) se a x b b a a + ( b a) Expoecal /λ /λ < λ Gama Qu-Quadrado x f ( x). x. e / Normal α α β. x β. e x, ode x 0 f( x) Γ( α) 0 se x < 0 f ( x) ( λ. x) ode λ > 0 e 0 f ( x) λ.exp x. Γ exp πσ ( x μ) σ α β β μ σ λ λ t se t α β α ( ) se β β t t < t / σ exp μ. t + Bomal.p.p.q t x x! x x f( x) Pr ( X x) p ( p) p ( p) ( pe + q) x x!( x)! para x 0,,,..., se t < / t Hpergeométrca r N r x x f ( x) Pr( X x) N r N. r r N. N N N Não é útl ( ) ( ) ( ) Geométrca /p q/p f Pr X p p ode,, 3,... t pe Mt () qe t Posso x λ λ λ λ. e Pr( X x) f( x) x! t ode x 0,,,... tx λ. ( e E( e ) e ) Bomal Negatva ode x Resultados Matemátcos Sére Geométrca x f ( x ) Pr( X x ). p r r, r +, r +,... r. q x r r/p r.q/p t pe M t t qe ( ) r 0 a + a + a + a a desde que a < Teorema Bomal ( a b) a b ode a e b são úmero reas e, são teros 0 0 Sére de Taylor da Expoecal e x x x x x + x !! 3!! Môca Barros
10 Formuláro 0 Fução de Dstrbução (F(x)) ) F(x) Pr(X x) ) 0 F (x) 3) F(x) é uma fução ão decrescete 4) Lm F(x) se x + 5) Lm F(x) 0 se x - 6) Se X é uma v.a. cotíua, F(x) é cotíua. Se X é dscreta, F(x) é descotíua df( x) f( x) dx Relação etre desdade e fução de dstrbução Defção: -ésmo mometo E ( X ) x. f ( x) x. f dx se X é v.a. cotíua ( x) x.pr( X x) se X é v.a. dscreta E ( X μ ) ) ( x μ ). f ( x) dx se X é v.a. cotíua ( x μ ). f ( x) ( x μ ).Pr( X x) se X é v.a. dscreta Defção: -ésmo mometo cetral Em partcular, se : E(X m) 0, ou seja, o prmero mometo cetral é sempre ulo. x. f ( x) dx μ E( X ) x. f Méda ou Valor Esperado de X se X é v.a. cotíua ( x) x.pr( X x) Defção: se X é v.a. dscreta ( x μ ). f ( x) dx se X cotíua σ VAR( X ) E (( X μ) ) Defção: Varâca ( x μ). f ( x) ( x μ).pr( X x) se X dscreta Fórmula alteratva para o cálculo da varâca σ VAR( X ) E( X ) μ Defção: Desvo padrão σ σ VAR( X ) Defção: Valor esperado de uma fução de uma varável aleatóra Propredade leardade do valor esperado: E{a.u(X) + b.v(x)} a E {u(x)} + b E {v(x)} E ( u( X )) u( x). f ( x) dx u( x). f ( x) u( x).pr( X x) se X é v.a. cotíua se X é v.a. dscreta Propredades Méda e Varâca de costates e fuções leares Sejam a e b costates, e X uma varável aleatóra qualquer. Etão: -) E(a.X + b) a.e(x) + b -) E(a) a 3-) VAR(a.X+ b) a.var(x) 4-) VAR(a) 0 Posso como aproxmação da Bomal Se X é Bomal(, p), ode é grade e p é pequeo ( > 0 e.p < 5), pode-se aproxmar as probabldades Bomas por probabldades Posso usado uma Posso com a mesma méda, sto é, usado λ.p. Môca Barros
11 Fução Geradora de Mometos (fgm) tx e f ( x) dx se X é v.a.cotíua tx M ( t) E( e ) tx tx. ( ).Pr( ) se X é v.a.dscreta e f x e X x Formuláro Relação etre Mometos e fgm ( ) d M ( t) M (0) E( X ) dt t 0 Fórmula da Covolução Seja Y X +X ode X e X são varáves depedetes com desdade cojuta f(x, x ) f (x ).f (x ). A desdade (ou fução de probabldade de Y) é dada por: a) No caso cotíuo g( y) f ( x ). f( y x ) dx f( y x). f( x) dx b) No caso dscreto Combações Leares de varáves INDEPENDENTES g( y) f ( x ). f( y x ) f( y x). f( x) Sejam X, X,..., X depedetes com médas μ, μ,..., μ e varâcas σ, σ,..., σ. Seja: Y a 0 + Etão, a méda de Y é: a X E( Y ) Ea0 + a + 0 a. μ a. X a0 + ode μ E( X ) a. E( X ) A varâca de Y é: VAR( Y ) a. VAR( X ) a ode VAR( X ) σ E a fgm de Y é: M e ta Y E e e e 0. σ ty t( a0 + a X a X ) ( t) E( e ) E( e ) ta0 ta X ta X ( e e... e ) 0 ta X ta X E( e... e ) ta como coseqüêca da depedêca ta 0 M E X ta X ta X ta X ( e ) E( e )... E( e ) ( ta ) M ( ta )... M ( ta ) X X Combações Leares de varáves DEPENDENTES Supoha que as médas e varâcas dos X s são como o caso ateror, mas agora eles são DEPENDENTES, de tal forma que: COV(X, X j ) COV(X j, X ) ρ j.σ.σ j ode ρ j é o coefcete de correlação etre X e X j. Seja Y defdo como acma. Y a + a X Etão E(Y) é o mesmo que o caso de varáves depedetes, MAS: 0 ( ) ( ). ( ) + j, j j a σ aa jρjσσ j j VAR Y a VAR X a a COV X X. + ode o o. termo j ode ρ é o coefcete de correlação etre X e X Portfolo Combação lear de atvos ode soma dos pesos. Nos ossos exemplos estamos supodo que todos os pesos são postvos. A méda e a varâca do portfolo podem ser obtdas dretamete das expressões acma para combações leares de varáves depedetes. NOTAR que, acma o termo da covarâca aparecem a.a j e a j.a. j j Fução Gama α Γ( α) t. e t dt 0 Propredades da Fução Gama ) Γ() (-).Γ(-) para > ) Γ() (-)! se é tero > 3) Γ() 0! 4) Γ π Môca Barros
12 Padrozação de uma varável aleatóra Se X tem méda a e varâca b etão Z (X-a)/b tem méda 0 e varâca. Se, além dsso, X é Normal, Z também é Normal. Formuláro Cálculo de probabldades para varáves Normas Se X é uma varável Normal com méda μ e desvo padrão σ etão: a μ X μ b μ a μ Pr( a X b ) Pr Pr σ σ σ σ Z b μ σ Φ b μ Φ σ a μ σ Smetra da tabela da N(0,) Φ(-z) - Φ (z) se z > 0 Combações Leares de Varáves Normas Sejam X, X,..., X varáves aleatóras depedetes, ode X ~ N( μ, σ ) e seja Y X + X X. Etão Y tem dstrbução Normal com méda μ y e varâca σ y dadas por: μ y μ e σ y σ Casos partculares: se todos os X s acma são d com méda μ e varâca σ etão a soma é Normal com méda.μ e varâca.σ e a méda amostral é Normal com méda μ e varâca σ /. Desdade Logormal Se X é N(μ, σ ) etão Y e X é Logormal. Pode-se provar que E(Y) exp( μ + σ /) VAR Y ( μ σ ) ( e ) σ ( ) exp +. Desdade Normal Bvarada É uma desdade cojuta para duas varáves X e X. Ode x μ x μ x μ x μ R +. ρ.. f ( x, x).exp. R σ σ σ σ π ( ρ ) σ ( ) σ ρ A desdade margal de X é N(μ,σ ) A desdade margal de X é N(μ,σ ) As desdades codcoas também são Normas. A desdade codcoal de X dado X x é: σ ( X X x)~ N μ+ ρ.. ( x μ), σ. ( ρ ) σ A desdade codcoal de X dado X x é: σ ( X X x)~ N μ + ρ.. ( x μ), σ. ( ρ ) σ Note que as expressões das desdades codcoas acma já estão sedo dadas a méda e a varâca codcoas. Na desdade Normal bvarada, a codção ρ 0 (correlação ula) é equvalete à depedêca. e Desdade Beta Γ f ( x) Γ ( m + ) ( m) Γ( ) x Se X ~ Beta (m, ) etão: E ( X ) m m + ( x) m ode 0 < x < e m, teros VAR( X ) e Teorema Sejam X, X,..., X varáves aleatóras depedetes com desdade Uf(0,). Seja Y r o r-ésmo úmero (em ordem crescete) detre os valores observados de X, X,..., X, de tal forma que Y é o mímo, Y é o segudo meor,..., Y é o máxmo da amostra. Etão Yr tem desdade Beta com parâmetros r e r +. Teorema Cetral do Lmte (TCL) Sejam X, X,..., X varáves aleatóras depedetes com desdades quasquer, ode E(X ) μ e VAR(X ) σ ambas ftas. Seja Y X + X X. Etão Y, devdamete padrozado para ter méda zero e varâca é aproxmadamete Normal, desde que o úmero de termos a soma seja sufcetemete grade. O teorema é mportate porque serve para X s com QUALQUER dstrbução, cotíua ou dscreta. Casos Partculares do TCL se os X s são d, todos têm mesma méda e varâca. Teorema de DeMovre e Laplace Caso partcular do TCL aplcado à Bomal. Hstorcamete apareceu muto ates do TCL. Usa-se quado uma Bomal tem grade e p proóxmo de ½. Se uma Bomal tem grade e p pequeo, é melhor usar a aproxmação Posso ao vés de DeMovre e Laplace. Um problema a aplcação de DeMovre e Laplace é o fato de estarmos aproxmado uma varável dscreta (Bomal) por uma cotíua (Normal). Daí surge a ecessdade da correção de cotudade, do cotráro ão teríamos como calcular Pr(Y), por exemplo, usado a aproxmação. Seja Y ~ B(, p) ode é "grade" e p ão está próxmo de zero. Etão: Z Y E( Y ) VAR( Y ) Y p p( p) m ( m+ + ) ( m+ ) Γ ( + m) Γ ( m+ ) E( X ) Γ( m) Γ ( + m+ ) tem aproxmadamete uma dstrbução N(0,). Môca Barros
13 Correção de Cotudade Formuláro 3 Quatdade desejada a Quatdade Calculada através Expressão aproxmada usado a dstrbução Bomal da correção de cotudade desdade Normal Pr(Y y) Pr( y Y y + 0.5) y+ 05. p y 05. p Φ Φ pq pq Pr(Y y) Pr( Y y +0.5) Φ y p pq y p y 05. p Pr(Y < y) Pr( Y y-) Pr( Y y ) Φ Φ pq pq Pr( Y y) Pr( Y y - 0.5) 05 Φ y. p pq Pr( Y > y) Pr( Y y ) + 05 Φ y. p Pr( Y y + ) pq b+ 05. p a 05. p Pr( a Y b) Pr( a Y b + 0.5) Φ Φ pq pq Teorema Adtvdade da Qu-quadrado Sejam X, X,..., X varáves aleatóras depedetes e X é Qu-Quadrado com graus de lberdade. Etão Y X + X X é também Qu- Quadrado, com graus de lberdade. Teorema Relação etre Normal e Qu-Quadrado Seja Z ~ N(0,). Etão V Z tem desdade Qu-quadrado com grau de lberdade. Defção Amostra Aleatóra É um cojuto de observações depedetes e detcamete dstrbuídas. Teorema Dstrbução da Méda e da Varâca amostras uma amostra Normal Seja X, X,..., X uma amostra da desdade N(μ, σ ). Sejam X X a méda amostral e S ( X X ) a varâca amostral ( X X ) ( ) σ S Etão X ~ N μ, e ~ χ σ σ Deste resultado deduz-se que: E( S ) σ 4 σ VAR( S ) A desdade t de Studet defção Uma varável t com graus de lberdade é obtda através de: T Z V / e X e S são depedetes ode Z e V são depedetes, Z é N(0,) e V é Qu-Quadrado com graus de lberdade. À medda que os graus de lberade da dstrbução t crescem, ela se aproxma de uma N(0,). A dstrbução t e amostras Normas Seja X, X,..., X uma amostra da desdade N(μ, σ ). Cosdere e méda e varâca amostras como já defdas. Etão: T X μ S / ( X μ) ~ t S Estatístca Estmação Potual ecotrar chutes (estmadores) para parâmetros descohecdos. Prcpas Métodos de Estmação Método dos mometos Método de máxma verossmlhaça Método dos mímos quadrados Método dos Mometos a déa é gualar os mometos amostras aos mometos da dstrbução (E(X )) tatas vezes quato ecessáro até ecotrar uma solução úca para todos os parâmetros descohecdos. Se apeas um parâmetro é descohecdo, basta fazer sso uma vez. Fução de Verossmlhaça (L(θ)) A fução de verossmlhaça é a desdade cojuta ecarada como fução do parâmetro θ. Isto é: Log-verossmlhaça (l(θ)) É o logartmo a base e da verossmlhaça. L ( θ ) f ( x, x,..., x ) f ( x, θ ) Môca Barros
14 Formuláro 4 Método da Máxma Verossmlhaça Cosste em achar um estmador que maxmza a verossmlhaça (ou, de modo equvalete, a log-verossmlhaça). Em geral, ele é ecotrado por Cálculo, resolvedo-se a equação dl/dθ 0, mas exstem exceções, como a desdade Uforme. Defção (Estmador ão tedecoso) Seja T um estmador para o parâmetro θ de uma desdade f(x, θ). T é chamado de ão tedecoso se E( T ) θ, do cotráro T é dto tedecoso. Defção (Erro Quadrátco Médo) O erro quadrátco médo do estmador T é defdo como: MSE(T) E{ (T - θ) } VAR(T) + { BIAS(T)} ode θ é o parâmetro que T pretede estmar, VAR(T) é a varâca de T e BIAS(T) é a tedêca ou vés de T, defdo como BIAS(T) E(T) - θ. Defção (Estmador cosstete) Um estmador T é cosstete se seu MSE va para zero quado va para fto, ode é o tamaho da amostra. Método dos Mometos Seja E(X ) o -ésmo mometo da dstrbução (,,...). Seja: M X o - ésmo mometo amostral Faça E(X ) M para,,... Faça sto para quatos 's forem ecessáros até obter soluções úcas para os parâmetros descohecdos Defção: Fução Score l( θ ) S( X, θ ) [ log L( θ ) ] θ θ Lmte Iferor de Cramér e Rao (ou Desgualdade da Iformação) Seja T um estmador ão tedecoso de τ(θ). Etão, sob certas codções de regulardade: ( ) VAR T [ τ ( θ )] I( θ ). E [ τ ( θ )] log f ( x, θ ) θ Defção: Iformação de Fsher d log L( θ ) ( ) I( θ ) VAR S( X, θ E dθ Defção (Estmador Efcete) T é chamado um estmador efcete de τ(θ) se: ) T é ão tedecoso para τ(θ). ) VAR [ T ( x) ] [ τ ( θ ) ] / I( θ ) sto é, o estmador T atge o lmte feror de Cramér e Rao. Coroláro Se T é um estmador efcete de τ(θ) etão T é o melhor estmador ão tedecoso de τ(θ). e a gualdade ocorre se, e somete se, a verossmlhaça tem a forma: L( θ ) exp[a( θ )T(X) + K( θ ) + u(x)] IC para méda da Normal com varâca cohecda σ [ X z α / ; X + z α / σ ] Ode z -α/ obtdo da desdade N(0,) tal que Pr( Z < z -α/ ) -α/ IC para méda da Normal com varâca DESCONHECIDA S [ X b ; X + b S ] O poto b que aparece a defção do IC é obtdo da dstrbução t com - graus de lberdade, e é tal que Pr(T > b) α/. S acma é o desvo padrão amostral. IC para a méda de uma dstrbução qualquer GRANDES AMOSTRAS S S X z α/. ; X + z α/. Ode z -α/ obtdo da desdade N(0,) tal que Pr( Z < z -α/ ) -α/ e S é o desvo padrão amostral. b, a IC para a varâca da Normal ( ) S ( ) S ode a e b obtdos da desdade Ququadrado com (-) graus de lberdade, e Pr(X<a) α/ Pr(X > b) ode X é a varável Qu-quadrado IC para a dfereça das médas de DUAS amostras Normas com varâcas supostas IGUAIS Amostra : X, X,..., X m d N( μ, σ ) Amostra : Y, Y,..., Y d N( μ, σ ) O IC 00(-α)% para μ μ é: ( X Y br X Y + br), ode: R ( m ) S + ( ) S + m + m b é obtdo a partr da dstrbução t com +m- graus de lberdade tal que Pr(T > b) α/. IC aproxmado para a probabldade Bomal pˆ( pˆ) pˆ z ˆ α /, p + z α / pˆ( pˆ) Ode z -α/ obtdo da desdade N(0,) tal que Pr( Z < z -α/ ) -α/ Môca Barros
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 maisMQI 2003 ESTATÍSTICA PARA METROLOGIA - SEMESTRE Teste 2 07/07/2008 Nome: PROBLEMA 1 Sejam X e Y v.a. contínuas com densidade conjunta:
MQI 003 ESTATÍSTICA PARA METROLOGIA - SEMESTRE 008.0 Teste 07/07/008 Nome: PROBLEMA Sejam X e Y v.a. cotíuas com desidade cojuta: f xy cy xy x y (, ) = + 3 ode 0 e 0 a) Ecotre a costate c que faz desta
Leia maisProbabilidade II Aula 10
Probabldade II Aula 0 Mao de 009 Môca Barros, D.Sc. Coteúdo Esperaça Matemá (Valores esperados) Mometos e Mometos Cetras Valores esperados de uma fução de Covarâca e Correlação Matrz de covarâca, matrz
Leia maisNas Instituições de Ensino Superior(IES), há uma relação direta entre a qualidade do ensino e a taxa de inadimplência. A taxa de inadimplência das
CORRELAÇÃO Nas Isttuções de Eso Superor(IES), há uma relação dreta etre a qualdade do eso e a taxa de admplêca. A taxa de admplêca das IES que obtveram cocetos A e B o Provão é,%, as que obtveram C é 6%
Leia maisEstatística: Aplicação ao Sensoriamento Remoto SER ANO Estimação Pontual
Estatístca: Aplcação ao Sesorameto Remoto SER 04 - ANO 08 Estmação Potual Camlo Daleles Reó camlo@dp.pe.br http://www.dp.pe.br/~camlo/estatstca/ Iferêca Estatístca Cosdere o expermeto: retram-se 3 bolas
Leia maisDistribuições Amostrais. Estatística. 8 - Distribuições Amostrais UNESP FEG DPD
Dstrbuções Amostras Estatístca 8 - Dstrbuções Amostras 08- Dstrbuções Amostras Dstrbução Amostral de Objetvo: Estudar a dstrbução da população costtuída de todos os valores que se pode obter para, em fução
Leia maisRegressão Simples. Parte III: Coeficiente de determinação, regressão na origem e método de máxima verossimilhança
Regressão Smples Parte III: Coefcete de determação, regressão a orgem e método de máxma verossmlhaça Coefcete de determação Proporção da varabldade explcada pelo regressor. R Varação explcada Varação total
Leia maisNOTA: ESCREVA AS RESPOSTAS COMO FRAÇÕES OU COM 4 CASAS DECIMAIS NOTA 2: O FORMULÁRIO ESTÁ NO FINAL DA PROVA
IND 5 Ifrêca statístca Smstr 7. Tst 3//7 Nom: NOTA: SCRVA AS RSPOSTAS COMO FRAÇÕS OU COM 4 CASAS DCIMAIS NOTA : O FORMULÁRIO STÁ NO FINAL DA PROVA Problma (5 potos A quatdad d rfrgrat uma garrafa PT d
Leia maisMacroeconometria Aula 3 Revisão de estatística e teste de hipótese
Macroecoometra 008. Aula 3 Revsão de estatístca e teste de hpótese 3.5. Estmação No estudo das probabldades, o objetvo é calcular a probabldade de evetos préespecfcados. De agora em date o objetvo muda.
Leia maisEstatística. 2 - Estatística Descritiva
Estatístca - Estatístca Descrtva UNESP FEG DPD Prof. Edgard - 0 0- ESTATÍSTICA DESCRITIVA Possblta descrever as Varáves: DESCRIÇÃO GRÁFICA MEDIDAS DE POSIÇÃO MEDIDAS DE DISPERSÃO MEDIDAS DE ASSIMETRIA
Leia maisRegressao Simples. Parte II: Anova, Estimação Intervalar e Predição
egressao Smples Parte II: Aova, Estmação Itervalar e Predção Aálse de Varâca Nem todos os valores das amostras estão cotdos a reta de regressão, e quato mas afastados estverem por, a reta represetará a
Leia maisEconometria: 3 - Regressão Múltipla
Ecoometra: 3 - Regressão Múltpla Prof. Marcelo C. Mederos mcm@eco.puc-ro.br Prof. Marco A.F.H. Cavalcat cavalcat@pea.gov.br Potfíca Uversdade Católca do Ro de Jaero PUC-Ro Sumáro O modelo de regressão
Leia maisInferência Estatística e Aplicações I. Edson Zangiacomi Martinez Departamento de Medicina Social FMRP/USP
Iferêca Estatístca e Aplcações I Edso Zagacom Martez Departameto de Medca Socal FMRP/USP edso@fmrp.usp.br Rotero Parte I Escola frequetsta Defções: parâmetros, estmatvas Dstrbuções de probabldade Estmação
Leia maisREGRESSÃO LINEAR 05/10/2016 REPRESENTAÇAO MATRICIAL. Y i = X 1i + 2 X 2i k X ni + i Y = X + INTRODUÇÃO SIMPLES MÚLTIPLA
REGRESSÃO LINEAR CUIABÁ, MT 6/ INTRODUÇÃO Relação dos valores da varável depedete (varável resposta) aos valores de regressoras ou exógeas). SIMPLES MÚLTIPLA (varáves depedetes,... =,,, K=,,, k em que:
Leia maisEstatística Descritiva. Medidas estatísticas: Localização, Dispersão
Estatístca Descrtva Meddas estatístcas: Localzação, Dspersão Meddas estatístcas Localzação Dspersão Meddas estatístcas - localzação Méda artmétca Dados ão agrupados x x Dados dscretos agrupados x f r x
Leia maisAvaliação da qualidade do ajuste
Avalação da qualdade do ajuste 1 Alguma termologa: Modelo ulo: é o modelo mas smples que pode ser defdo, cotedo um úco parâmetro ( µ) comum a todos os dados; Modelo saturado: é o modelo mas complexo a
Leia maisMEDIDAS DE POSIÇÃO: X = soma dos valores observados. Onde: i 72 X = 12
MEDIDAS DE POSIÇÃO: São meddas que possbltam represetar resumdamete um cojuto de dados relatvos à observação de um determado feômeo, pos oretam quato à posção da dstrbução o exo dos, permtdo a comparação
Leia maisDiferenciais Ordinárias. Reginaldo J. Santos Departamento de Matemática-ICEx Universidade Federal de Minas Gerais
Exstêca e Ucdade de Soluções de Equações Dferecas Ordáras Regaldo J Satos Departameto de Matemátca-ICEx Uversdade Federal de Mas Geras http://wwwmatufmgbr/ reg 10 de ulho de 2010 2 1 INTRODUÇÃO Sumáro
Leia maisESTATÍSTICA Aula 7. Prof. Dr. Marco Antonio Leonel Caetano
ESTATÍSTICA Aula 7 Prof. Dr. Marco Atoo Leoel Caetao Dstrbuções de Probabldade DISCRETAS CONTÍNUAS (Números teros) Bomal Posso Geométrca Hper-Geométrca Pascal (Números reas) Normal t-studet F-Sedecor Gama
Leia maisModelo de Regressão Simples
Modelo de Regressão Smples Hstora Hstóra Termo regressão fo troduzdo por Fracs Galto (8-9). Estudo sobre altura de pas e flhos. Karl Pearso coletou mas de ml regstros e verfcou a le de regressão uversal
Leia maisEm muitas situações duas ou mais variáveis estão relacionadas e surge então a necessidade de determinar a natureza deste relacionamento.
Prof. Lorí Val, Dr. val@pucrs.r http://www.pucrs.r/famat/val/ Em mutas stuações duas ou mas varáves estão relacoadas e surge etão a ecessdade de determar a atureza deste relacoameto. A aálse de regressão
Leia maisESTATÍSTICA Exame Final 1ª Época 3 de Junho de 2002 às 14 horas Duração : 3 horas
Faculdade de cooma Uversdade Nova de Lsboa STTÍSTIC xame Fal ª Época de Juho de 00 às horas Duração : horas teção:. Respoda a cada grupo em folhas separadas. Idetfque todas as folhas.. Todas as respostas
Leia maisCap. 5. Testes de Hipóteses
Cap. 5. Testes de Hpóteses Neste capítulo será estudado o segudo problema da ferêca estatístca: o teste de hpóteses. Um teste de hpóteses cosste em verfcar, a partr das observações de uma amostra, se uma
Leia maisRevisão de Estatística X = X n
Revsão de Estatístca MÉDIA É medda de tedêca cetral mas comumete usada ara descrever resumdamete uma dstrbução de freqüêca. MÉDIA ARIMÉTICA SIMPLES São utlzados os valores do cojuto com esos guas. + +...
Leia maisEstimação pontual, estimação intervalar e tamanho de amostras
Estmação potual, estmação tervalar e tamaho de amostras Iferêca: por meo das amostras, cohecer formações geras da população. Problemas de ferêca, em geral, se dvdem em estmação de parâmetros e testes de
Leia maisa) 1,8 e 4,6. b) 2,0 e 2,2. c) 1,8 e 5,2. d) 2,0 e 4,6. e) 2,0 e 1,9.
Questão : As otas de dez aluos, um exame, estão dadas a segur:, 5, 8, 3, 6, 5, 8, 7, 6, 0 O desvo médo e a varâca dessas otas podem ser expressos, respectvamete, por: a),8 e 4,6 b),0 e, c),8 e 5, d),0
Leia maisx n = n ESTATÍSTICA STICA DESCRITIVA Conjunto de dados: Organização; Amostra ou Resumo; Apresentação. População
ESTATÍSTICA STICA DESCRITIVA Prof. Lorí Val, Dr. val@mat.ufrgs.br http://.ufrgs.br/~val/ Orgazação; Resumo; Apresetação. Cojuto de dados: Amostra ou População Um cojuto de dados é resumdo de acordo com
Leia maisMAE 5776 ANÁLISE MULTIVARIADA. Júlia M Pavan Soler
MAE 5776 ANÁLISE MULTIVARIADA Júla M Pava Soler ava@me.us.br º Semestre IME/09 Baco de Dados: Dados Multvarados Varáves Udades Amostras j j j j j j : Matrz de Dados resosta do -ésmo dvíduo a j-ésma varável
Leia maisProf. Janete Pereira Amador 1
Prof. Jaete Perera Amador 1 1 Itrodução Mutas stuações cotdaas podem ser usadas como expermeto que dão resultados correspodetes a algum valor, e tas stuações podem ser descrtas por uma varável aleatóra.
Leia maisTópicos Extras 2ª parte. Análise de Correlação e Regressão
Tópcos Extras ª parte Aálse de Correlação e Regressão 1 Defções báscas ANÁLISE DE CORRELAÇÃO Mesurar a força da assocação etre as varáves (geralmete através do cálculo de algum coefcete). ANÁLISE DE REGRESSÃO
Leia maisAmostras Aleatórias e Distribuições Amostrais. Probabilidade e Estatística: afinal, qual é a diferença?
Amostras Aleatórias e Distribuições Amostrais Probabilidade e Estatística: afial, qual é a difereça? Até agora o que fizemos foi desevolver modelos probabilísticos que se adequavam a situações reais. Por
Leia maisCONHECIMENTOS ESPECÍFICOS
CONHECIMENTOS ESPECÍFICOS Uma uversdade oferece um curso para capactação profssoal de joves caretes. Ao fal do curso, cada jovem partcpate será avalado por meo de uma prova teórca e de uma prova prátca,
Leia maisDifusão entre Dois Compartimentos
59087 Bofísca II FFCLRP USP Prof. Atôo Roque Aula 4 Dfusão etre Dos Compartmetos A le de Fck para membraas (equação 4 da aula passada) mplca que a permeabldade de uma membraa a um soluto é dada pela razão
Leia maisIntrodução à Teoria dos Números Notas 1 Os Princípios da Boa Ordem e de Indução Finita Prof Carlos Alberto S Soares
Itrodução à Teora dos Números 018 - Notas 1 Os Prcípos da Boa Ordem e de Idução Fta Prof Carlos Alberto S Soares 1 Prelmares Neste curso, prortaramete, estaremos trabalhado com úmeros teros mas, quado
Leia maisLista de Exercícios #4 Assunto: Variáveis Aleatórias Contínuas
. ANPEC 8 - Questão Seja x uma variável aleatória com fução desidade de probabilidade dada por: f(x) = x, para x f(x) =, caso cotrário. Podemos afirmar que: () E[x]=; () A mediaa de x é ; () A variâcia
Leia maisNOTAS DE AULA DA DISCIPLINA CE076. ], T 2 = conhecido como T 2 de Hotelling
4 INFERÊNCIA SOBRE O VETOR DE MÉDIAS 4. TESTE PARA UM VETOR DE MÉDIAS µ Lembrado o caso uvarado: H : µ = µ H : µ µ Nível de sgfcâca: α Estatístca do teste: X µ t = s/ ~ t Decsão: se t > t - (α/) rejeta-se
Leia maisÉ o grau de associação entre duas ou mais variáveis. Pode ser: correlacional ou. experimental.
É o grau de assocação etre duas ou mas varáves. Pode ser: correlacoal ou Prof. Lorí Val, Dr. val@mat.ufrgs.r http://www.mat.ufrgs.r/~val/ expermetal. Numa relação expermetal os valores de uma das varáves
Leia maisProbabilidades e Estatística LEGM, LEIC-A, LEIC-T, MA, MEMec
Duração: 90 mutos Grupo I Probabldades e Estatístca LEGM, LEIC-A, LEIC-T, MA, MEMec Justfque coveetemete todas as respostas 2 o semestre 2017/2018 14/06/2018 11:00 2 o Teste B 10 valores 1. Os dvíduos
Leia maisPropriedades dos estimadores
Propredades dos estmadores Os estmadores gozam de quatro propredades: sufcêca, ão vés, cosstêca e efcêca. Aqueles estmadores que ão apresetarem tas caracatersítcas, ão podem ser cosderados um bom estmador.
Leia maisCAPÍTULO 3 MEDIDAS DE TENDÊNCIA CENTRAL E VARIABILIDADE PPGEP Medidas de Tendência Central Média Aritmética para Dados Agrupados
3.1. Meddas de Tedêca Cetral CAPÍTULO 3 MEDIDA DE TENDÊNCIA CENTRAL E VARIABILIDADE UFRG 1 Há váras meddas de tedêca cetral. Etre elas ctamos a méda artmétca, a medaa, a méda harmôca, etc. Cada uma dessas
Leia maisProbabilidades e Estatística LEE, LEIC-A, LEIC-T, LEMat, LERC, MEBiol, MEBiom, MEEC, MEFT, MEMec, MEQ
Duração: 90 mutos Grupo I Probabldades e Estatístca LEE, LEIC-A, LEIC-T, LEMat, LERC, MEBol, MEBom, MEEC, MEFT, MEMec, MEQ Justfque coveetemete todas as respostas 1 o semestre 018/019 10/01/019 09:00 o
Leia maisAula 9. Aula de hoje. Aula passada. Self-normalized Importance Sampling Gerando amostras complicadas Variância amostral Simulação
Aula 9 Aula passada Método da rejeção (rejecto samplg) Exemplos Importace Samplg Exemplos Geeralzação Aula de hoje Self-ormalzed Importace Samplg Gerado amostras complcadas Varâca amostral Smulação Importace
Leia mais2. MODELO DETALHADO: Relações de Recorrência. Exemplo: Algoritmo Recursivo para Cálculo do Fatorial Substituição Repetida
. MODELO DETALHADO: Relações de Recorrêca Exemplo: Algortmo Recursvo para Cálculo do Fatoral Substtução Repetda T T ( ) ( ) t 1, T ( + t, > T ( ) T ( + t T ( ) ( T( ) + t + t ) + t T ( ) T ( ) T ( ) +
Leia maisEconometria: 4 - Regressão Múltipla em Notação Matricial
Ecoometra: 4 - Regressão últpla em Notação atrcal Prof. arcelo C. ederos mcm@eco.puc-ro.br Prof. arco A.F.H. Cavalcat cavalcat@pea.gov.br Potfíca Uversdade Católca do Ro de Jaero PUC-Ro Sumáro O modelo
Leia maisTeoria Elementar da Probabilidade. a) Cada experiência poderá ser repetida indefinidamente sob condições essencialmente inalteradas.
Estatístca 47 Estatístca 48 Teora Elemetar da Probabldade SPECTOS PERTINENTES À CRCTERIZÇÃO DE UM EXPERIÊNCI LETÓRI MODELOS MTEMÁTICOS DETERMINÍSTICOS PROBBILÍSTICOS PROCESSO (FENÓMENO) LETÓRIO - Quado
Leia maisParte 3 - Regressão linear simples
Parte 3 - Regressão lear smples Defção do modelo Modelo de regressão empregado para eplcar a relação lear etre duas varáves (ajuste de uma reta). O modelo de regressão lear smples pode ser epresso a forma:
Leia maisOrganização de dados -Dados não agrupados n. Mediana:
Orgazação de dado -Dado ão agruado Medaa: Poto de ocoameto: Méda: Moda: valor que ocorre com maor freqüêca Méda de Itervalo: + m max + Quartl: (ara j, ou 3) j( +) Poto de ocoameto: 4 Méda da Juta: Q +
Leia maisOrganização de dados -Dados não agrupados n. Mediana:
Orgazação de dado -Dado ão agruado Medaa: Poto de ocoameto: Méda: Moda: valor que ocorre com maor freqüêca Méda de Itervalo: + m max + Quartl: (ara j, ou ) j( +) Poto de ocoameto: 4 Méda da Juta: Q + Q
Leia maisMEDIDAS DE TENDÊNCIA CENTRAL I
Núcleo das Cêcas Bológcas e da Saúde Cursos de Bomedca, Ed. Físca, Efermagem, Farmáca, Fsoterapa, Fooaudologa, edca Veterára, uscoterapa, Odotologa, Pscologa EDIDAS DE TENDÊNCIA CENTRAL I 7 7. EDIDAS DE
Leia maisProbabilidades e Estatística LEAN, LEGI, LEGM, LMAC, MEAer, MEAmbi, MEC
Duração: 90 mutos Grupo I Probabldades e Estatístca LEAN, LEGI, LEGM, LMAC, MEAer, MEAmb, MEC Justfque coveetemete todas as respostas 1 o semestre 2018/2019 10/01/2019 11:00 2 o teste B 10 valores 1. Cosdere-se
Leia maisIND 1115 Inferência Estatística Aula 9
Coteúdo IND 5 Iferêca Estatístca Aula 9 Outubro 2004 Môca Barros Dfereça etre Probabldade e Estatístca Amostra Aleatóra Objetvos da Estatístca Dstrbução Amostral Estmação Potual Estmação Bayesaa Clássca
Leia maisTeoria das Comunicações
Teora das Comucações.6ª Revsão de robabldade rof. dré Noll arreto rcíos de Comucação robabldade Cocetos áscos Eermeto aleatóro com dversos resultados ossíves Eemlo: rolar um dado Evetos são cojutos de
Leia maisÉ o grau de associação entre duas ou mais variáveis. Pode ser: correlacional ou experimental.
Prof. Lorí Val, Dr. val@mat.ufrgs.br http://www.mat.ufrgs.br/~val/ É o grau de assocação etre duas ou mas varáves. Pode ser: correlacoal ou expermetal. Numa relação expermetal os valores de uma das varáves
Leia maisAPOSTILA DA DISCIPLINA INFERÊNCIA ESTATÍSTICA I
UNIVERSIDADE FEDERAL DO PARANÁ SETOR DE CIÊNCIAS EXATAS DEPARTAMENTO DE ESTATÍSTICA PLANO DE ENSINO Fcha º APOSTILA DA DISCIPLINA INFERÊNCIA ESTATÍSTICA I Dscpla: Iferêca Estatístca I Turma : A Códgo:
Leia maisDados Experimentais. Isto é chamado de experimento controlado. Uma das vantagens
Dados xpermetas Para medr a produção de certa varedade de mlho, faremos um expermeto o qual a varedade de mlho semete é platada em váras parcelas homogêeas com o mesmo fertlzate, pestcda etc. Depos mede-se
Leia maisNúmeros Complexos. 2. (IME) Seja z um número complexo de módulo unitário que satisfaz a condição z 2n 1, onde n é um número inteiro positivo.
Números Complexos. (IME) Cosdere os úmeros complexos Z se α cos α e Z cos α se α ode α é um úmero real. Mostre que se Z Z Z etão R e (Z) e I m (Z) ode R e (Z) e I m (Z) dcam respectvamete as partes real
Leia maisMEDIDAS DE DISPERSÃO:
MEDID DE DIPERÃO: fução dessas meddas é avalar o quato estão dspersos os valores observados uma dstrbução de freqüêca ou de probabldades, ou seja, o grau de afastameto ou de cocetração etre os valores.
Leia maisLista de Exercícios #9 Assunto: Análise de Regressão Método de Mínimos Quadrados
Lsta de Exercícos #9 Assuto: Aálse de Regressão Método de Mímos Quadrados ANPEC 8 Questão 4 Cosdere o segute modelo de regressão lear smples: () y = β + β x + u Para uma amostra com 3 observações, foram
Leia maisDistribuições de Probabilidades
Estatístca - aulasestdstrnormal.doc 0/05/06 Dstrbuções de Probabldades Estudamos aterormete as dstrbuções de freqüêcas de amostras. Estudaremos, agora, as dstrbuções de probabldades de populações. A dstrbução
Leia maisRelatório 2ª Atividade Formativa UC ECS
Relatóro 2ª Atvdade Formatva Eercíco I. Quado a dstrbução de dados é smétrca ou apromadamete smétrca, as meddas de localzação méda e medaa, cocdem ou são muto semelhates. O mesmo ão acotece quado a dstrbução
Leia maisMédia. Mediana. Ponto Médio. Moda. Itabira MEDIDAS DE CENTRO. Prof. Msc. Emerson José de Paiva 1 BAC011 - ESTATÍSTICA. BAC Estatística
BAC 0 - Estatístca Uversdade Federal de Itajubá - Campus Itabra BAC0 - ESTATÍSTICA ESTATÍSTICA DESCRITIVA MEDIDAS DE CENTRO Méda Medda de cetro ecotrada pela somatóra de todos os valores de um cojuto,
Leia maisEstudo do intervalo de confiança da regressão inversa utilizando o software R
Estudo do tervalo de cofaça da regressão versa utlzado o software R Llae Lopes Cordero João Domgos Scalo. Itrodução Na maora das aplcações evolvedo regressão, determa-se o valor de Y correspodete a um
Leia maisDISTRIBUIÇÃO HIPERGEOMÉTRICA
7 DISTRIBUIÇÃO HIPERGEOMÉTRICA Cosdere-se uma população fta costtuída por N elemetos dstrbuídos por duas categoras eclusvas e eaustvas de dmesões M e N M, respectvamete. Os elemetos da prmera categora
Leia mais3. ANPEC Questão 15 Ainda em relação à questão anterior pode-se concluir que, exceto por erro de arredondamento:
Lsta de Exercícos #9 Ass uto: Aáls e de Re gres s ão Mé todo de Mímos Quadrados. ANPEC 99 - Questão 8 A capacdade de produção stalada (Y), em toeladas, de uma frma, pode ser fução da potêca stalada (X),
Leia maisCapítulo 5: Ajuste de curvas pelo método dos mínimos quadrados
Capítulo : Ajuste de curvas pelo método dos mímos quadrados. agrama de dspersão No capítulo ateror estudamos uma forma de ldar com fuções matemátcas defdas por uma taela de valores. Frequetemete o etato
Leia maisHIDROLOGIA E RECURSOS HÍDRICOS. Análise estatística aplicada à hidrologia
Aálse estatístca aplcada à hdrologa. Séres hdrológcas oções complemetares HIDROLOGIA E RECURSOS HÍDRICOS Aálse estatístca aplcada à hdrologa O Egehero HIDRÁULICO Echerá? Que população pode abastecer e
Leia maisConstrução e Análise de Gráficos
Costrução e Aálse de Gráfcos Por que fazer gráfcos? Facldade de vsualzação de cojutos de dados Faclta a terpretação de dados Exemplos: Egehara Físca Ecooma Bologa Estatístca Y(udade y) 5 15 1 5 Tabela
Leia maisCurso de Graduação. Inferência I N F ERÊNCI A ESTAT ÍSTICA
Iferêca Estatístca I N F ERÊNCI A ESTAT ÍSTICA CAPÍTULO N O Ç Õ ES PRELIMINAR ES SOBR E AMOSTRAGEM A elaboração de um projeto de pesqusa por amostragem, objetvado a vestgação sobre um certo feômeo, evolve
Leia maisControle Estatístico de Qualidade. Capítulo 6 (montgomery)
Cotrole Estatístco de Qualdade Capítulo 6 (motgomery) Gráfcos de Cotrole para Atrbutos Itrodução Mutas característcas da qualdade ão podem ser represetadas umercamete. Nestes casos, classfcamos cada tem
Leia maisAtividades Práticas Supervisionadas (APS)
Uversdade Tecológca Federal do Paraá Prof: Lauro Cesar Galvão Campus Curtba Departameto Acadêmco de Matemátca Cálculo Numérco Etrega: juto com a a parcal DATA DE ENTREGA: da da a PROVA (em sala de aula
Leia maisConfiabilidade Estrutural
Professor Uversdade de Brasíla Departameto de Egehara Mecâca Programa de Pós graduação em Itegrdade Estrutural Algortmo para a Estmatva do Idce de Cofabldade de Hasofer-Ld Cofabldade Estrutural Jorge Luz
Leia maisCEDEPLAR - UFMG Nivelamento em Estatística 2013 Prof a Sueli Moro. Variáveis aleatórias
CEDEPLAR - UFMG Nvelameto em Estatístca 3 Prof a Suel Moro Varáves aleatóras Varável aleatóra resultado ou produto de um epermeto aleatóro com um resultado úco. Varável resultado = Espaço amostral cojuto
Leia mais16/03/2014. IV. Juros: taxa efetiva, equivalente e proporcional. IV.1 Taxa efetiva. IV.2 Taxas proporcionais. Definição:
6// IV. Juros: taxa efetva, equvalete e proporcoal Matemátca Facera Aplcada ao Mercado Facero e de Captas Professor Roaldo Távora IV. Taxa efetva Defção: É a taxa de juros em que a udade referecal de seu
Leia maisEstatística - exestatmeddisper.doc 25/02/09
Estatístca - exestatmeddsper.doc 5/0/09 Meddas de Dspersão Itrodução ão meddas estatístcas utlzadas para avalar o grau de varabldade, ou dspersão, dos valores em toro da méda. ervem para medr a represetatvdade
Leia maisProbabilidade II Aula 12
Coteúdo Probabilidade II Aula Juho de 009 Desigualdade de Marov Desigualdade de Jese Lei Fraca dos Grades Números Môica Barros, D.Sc. Itrodução A variâcia de uma variável aleatória mede a dispersão em
Leia mais1. Conceito de variável aleatória Podemos estudar, por exemplo, algumas características dos alunos do Curso de estatística.
CAPÍTULO 7 VARIÁVEL ALEATÓRIA A probabldade teve íco com os jogos de azar (século XVII) com Cavalero de Nere, Fermat e Pascal, porém, coube a Beroull (73) laçar as bases da probabldade e a segur Laplace
Leia maisHidrologia, Ambiente e Recursos Hídricos 2009 / Rodrigo Proença de Oliveira
Hdrologa, Ambete e Recursos Hídrcos 009 / 00 Rodrgo roeça de Olvera Aálse estatístca IST: Hdrologa, Ambete e Recursos Hídrcos Rodrgo roeça de Olvera, 009 Cocetos base Varável aleatóra oulação Fução de
Leia mais1. Revisão Matemática
1. Revsão Matemátca Dervadas Seja a fução f : R R, fxe x R, e cosdere a expressão : f ( x+ αe ) lmα 0 α f, ode e é o vector utáro. Se o lmte acma exstr, chama-se a dervada parcal de f o poto x e é represetado
Leia maisAULA Produto interno em espaços vectoriais reais ou complexos Produto Interno. Norma. Distância.
Note bem: a letura destes apotametos ão dspesa de modo algum a letura ateta da bblografa prcpal da cadera Chama-se a ateção para a mportâca do trabalho pessoal a realzar pelo aluo resoledo os problemas
Leia maisRACIOCÍNIO LÓGICO / ESTATÍSTICA LISTA 2 RESUMO TEÓRICO
RACIOCÍIO LÓGICO - Zé Carlos RACIOCÍIO LÓGICO / ESTATÍSTICA LISTA RESUMO TEÓRICO I. Cocetos Icas. O desvo médo (DM), é a méda artmétca dos desvos de cada dado da amostra em toro do valor médo, sto é x
Leia maisMÓDULO 8 REVISÃO REVISÃO MÓDULO 1
MÓDULO 8 REVISÃO REVISÃO MÓDULO A Estatístca é uma técca que egloba os métodos cetícos para a coleta, orgazação, apresetação, tratameto e aálse de dados. O objetvo da Estatístca é azer com que dados dspersos
Leia maisProbabilidades e Estatística
Departameto de Matemátca robabldades e Estatístca LEAN, LEE, LEGI, LERC, LMAC, MEAer, MEAmb, MEBol, MEEC, MEMec 2 o semestre 20/202 2 o Teste B 08/06/202 :00 Duração: hora e 30 mutos Justfque coveetemete
Leia maisd s F = m dt Trabalho Trabalho
UNIVERSIDADE DO ESTADO DE MATO GROSSO CAMPUS UNIVERSITÁRIO DE SINOP FACULDADE DE CIÊNCIAS EXATAS E TECNOLÓGICAS CURSO DE ENGENHARIA CIVIL DISCIPLINA: CÁLCULO DIFERENCIAL E INTEGRAL I Trabalho 1. Itrodução
Leia maisESTATÍSTICA 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 maisHipóteses do Modelo de Regressão Linear Clássico
Uversdade Federal da Baha Facldade de Cêcas coômcas Departameto de cooma CO 66 Itrodção à coometra Hpóteses do Modelo de Regressão Lear Clássco Gerváso F. Satos Propredades dos estmadores de MQO As estmatvas
Leia maisReconhecimento de Padrões. Reconhecimento de Padrões
Recohecmeto de Padrões 0.9 0.8 0.7 0.6 0.5 0.4 0.3 0.2 0.1 0.1 0.2 0.3 0.4 0.5 0.6 0.7 0.8 0.9 Escola Superor de Tecologa Egehara Iformátca Recohecmeto de Padrões Prof. João Asceso e Prof. Aa Fred Sumáro:
Leia maisEstatística I Finanças e Contabilidade
ISCTE 009-10 1/68 Estatístca I Faças e Cotabldade ISCTE 009-10 /68 Itrodução Objectvos prcpas da Estatístca A teora estatístca procura respoder a 3 questões báscas: Como recolher dados para aalsar Como
Leia mais4 Métodos de Estimação da Entropia e da Informação Mútua
4 Métodos de Estmação da Etropa e da Iformação Mútua A estmação da etropa e da formação mútua, evolvedo apeas varáves aleatóras dscretas, é smples, com aplcação dreta da defção de Shao. No etato, quado
Leia maisNOTAS DE AULA DA DISCIPLINA CE076 = 2. ], T 2 = conhecido como T 2 de Hotelling
NOTAS DE AULA DA DISCIPLINA CE76 4 INFERÊNCIA SOBRE O VETOR DE MÉDIAS 4. TESTE PARA UM VETOR DE MÉDIAS µ Lembrado o caso uvarado: H : µ µ H : µ µ Nível de sfcâca: α Estatístca do teste: t X µ s/ ~ t Decsão:
Leia maisOitava Lista de Exercícios
Uversdade Federal Rural de Perambuco Dscpla: Matemátca Dscreta I Professor: Pablo Azevedo Sampao Semestre: 07 Otava Lsta de Exercícos Lsta sobre defções dutvas (recursvas) e prova por dução Esta lsta fo
Leia maisII. Propriedades Termodinâmicas de Soluções
II. Propredades Termodâmcas de Soluções 1 I. Propredades Termodâmcas de Fludos OBJETIVOS Eteder a dfereça etre propredade molar parcal e propredade de uma espéce pura Saber utlzar a equação de Gbbs-Duhem
Leia maisMODELOS DE REGRESSÃO NÃO LINEARES
M. Mede de Olvera Excerto da ota peoa obre: MODELOS DE REGRESSÃO NÃO LINEARES Obervação No modelo de regreão dto leare, a varável depedete é exprea como fução lear do coefcete de regreão. É rrelevate,
Leia maisEstatística para Economia e Gestão REVISÕES SOBRE VARIÁVEIS ALEATÓRIAS DISCRETAS E CONTÍNUAS
Estatística para Ecoomia e Gestão REVISÕES SOBRE VARIÁVEIS ALEATÓRIAS DISCRETAS E CONTÍNUAS Primavera 008/009 Variável Aleatória: Defiição: uma variável aleatória é uma fução que atribui a cada elemeto
Leia maisA análise de variância de uma classificação (One-Way ANOVA) verifica se as médias de k amostras independentes (tratamentos) diferem entre si.
Prof. Lorí Va, Dr. http://www. ufrgs.br/~va/ va@mat.ufrgs.br aáse de varâca de uma cassfcação (Oe-Way NOV) verfca se as médas de amostras depedetes (tratametos) dferem etre s. Um segudo tpo de aáse de
Leia mais? Isso é, d i= ( x i. . Percebeu que
Estatístca - Desvo Padrão e Varâca Preparado pelo Prof. Atoo Sales,00 Supoha que tehamos acompahado as otas de quatro aluos, com méda 6,0. Aluo A: 4,0; 6,0; 8,0; méda 6,0 Aluo B:,0; 8,0; 8,0; méda 6,0
Leia maisTécnicas Não Paramétricas
Téccas Não Paramétrcas de Estmação de Desdade Reata Cardoso e Fracsco Carvalho Coteúdo Itrodução 2 Hstograma 3 Estmação da desdade 4 Jaelas de Parze Em mutos problemas prátcos As abordages de estmação
Leia maisCursos de Licenciatura em Ensino de Matemática e de EGI. Teoria de Probabilidade
Celso Albo FACULDADE DE CIÊNCIAS NATURAIS E MATEMÁTICA DEPARTAMENTO DE MATEMÁTICA Campus de Lhaguee, Av. de Moçambque, km, Tel: +258 240078, Fax: +258 240082, Maputo Cursos de Lcecatura em Eso de Matemátca
Leia maisCAPÍTULO 5: AMOSTRAGEM
CAPÍTULO 5: AMOSTRAGEM 5. Itrodução A estatístca dutva busca trar coclusões probablístcas ou fazer ferêcas, sobre populações, com base em resultados verfcados em amostras retradas dessas populações. Além
Leia mais