Física Geral - Laboratório. Estimativas e erros em medidas diretas (II) Níveis de confiança, compatibilidade e combinação
|
|
- Fátima Antas
- 4 Há anos
- Visualizações:
Transcrição
1 Física Geral - Laboratório Estimativas e erros em medidas diretas (II) Níveis de confiança, compatibilidade e combinação 1
2 Resumo: estimativa do valor esperado estimativa do valor esperado ± erro (unidade) x x = s x p N Estimativa do erro de cada medida s x = v ux N t i=1 (x i x) 2 N 1 Estimativa do erro da média x = s x p N 2
3 Resumo: Erro da média 3
4 Resumo: Erro da média 3
5 Resumo: Erro da média 3
6 Resumo: Erro da média 3
7 Resumo: Erro da média Distribuição das médias de 100 experimentos, cada um com 100 medidas 4
8 Incertezas aleatórias: distribuição Gaussiana 5
9 Incertezas aleatórias: distribuição Gaussiana Fração de occorrências 5
10 Incertezas aleatórias: distribuição Gaussiana Fração de occorrências 5
11 Incertezas aleatórias: distribuição Gaussiana Fração de occorrências 5
12 Incertezas aleatórias: distribuição Gaussiana Fração de occorrências 5
13 Incertezas aleatórias: distribuição Gaussiana Fração de occorrências 5
14 Incertezas aleatórias: distribuição Gaussiana f (x; µ, x) =A e (x µ) x Fração de occorrências σx μ σx 6
15 Lei dos Erros Lei dos Erros : Para um número indefinidamente grande de medidas a distribuição das frequências das médias se aproxima de uma distribuição Gaussiana Frequencia f (x; µ, x) =A e (x µ) x x (u.a.)
16 Incertezas aleatórias: distribuição Gaussiana 8
17 Incertezas aleatórias: distribuição Gaussiana σx σx 8
18 Incertezas aleatórias: distribuição Gaussiana σx σx 2σx 2σx 8
19 Incertezas aleatórias: distribuição Gaussiana 68,3% da área entre (μ - σx) e (μ + σx) 95,5% da área entre (μ - 2σx) e (μ + 2σx) 99,7% da área entre (μ - 3σx) e (μ + 3σx)... σx σx 2σx 2σx 8
20 Incertezas aleatórias: Intervalo de confiança estimativa do valor esperado ± erro (unidade) x x = s x p N 9
21 Incertezas aleatórias: Intervalo de confiança estimativa do valor esperado ± erro (unidade) x x = s x p N As estimativas do valor esperado e de seu erro associado definem um intervalo ao qual atribuímos um nível de confiança Se as estimativas se distribuem de acordo com uma distribuição Gaussiana (Lei dos Erros), os valores dos níveis de confiança são determinados pela sua área correspondente 9
22 Intervalo e nível de confiança (Dist. Gaussiana) Intervalo de Confiança Nível de Confiança (cl) (x 0,67 x, x + 0,67 x ) 50,0% (x 1,00 x, x + 1,00 x ) 68,3% (x 1,65 x, x + 1,65 x ) 90,0% (x 1,96 x, x + 1,96 x ) 95,0% (x 2,00 x, x + 2,00 x ) 95,5% (x 3,00 x, x + 3,00 x ) 99,7% Intervalo de confiança a nível de confiança de 68,3% Intervalo de confiança a nível de confiança de 95,5% Em geral para um intervalo de confiança [a,b], o nível de confiança pode ser interpretado como a fração de ocorrências em que o valor esperado μ se encontra neste intervalo, se o experimento for repetido um grande número de vezes. 10
23 Compatibilidade com um valor de referência Exemplo: Suponha que estamos medindo a densidade do ferro, com valor de referência ρref = 7,86 g/cm 3 11
24 Compatibilidade com um valor de referência Exemplo: Suponha que estamos medindo a densidade do ferro, com valor de referência ρref = 7,86 g/cm 3 Resultado Exp. 1: ρ1 = 8,1 ± 0,2 g/cm 3 ρ 3 (g/cm ) 8,6 8,4 8,2 8,0 7,8 7,6 0,2 68% (CL) ref 11
25 Compatibilidade com um valor de referência Exemplo: Suponha que estamos medindo a densidade do ferro, com valor de referência ρref = 7,86 g/cm 3 Resultado Exp. 1: ρ1 = 8,1 ± 0,2 g/cm 3 Resultado Exp. 2: ρ2 = 8,4 ± 0,1 g/cm 3 ρ 3 (g/cm ) ρ (g/cm 3 ) 8,6 8,6 0,1 8,4 8,2 8,0 0,2 68% (CL) 8,4 8,2 8,0 68% (CL) 7,8 ref 7,8 ref 7,6 7,6 11
26 Compatibilidade com um valor de referência Os resultados ρ1 e ρ2 são compatíveis com o valor de referência (ρref)? Resultado Exp. 1: ρ1 = 8,1 ± 0,2 g/cm 3 ρ 3 (g/cm ) 8,6 8,4 8,2 8,0 7,8 7,6 0,2 68% (CL) ref 12
27 Compatibilidade com um valor de referência Os resultados ρ1 e ρ2 são compatíveis com o valor de referência (ρref)? Resultado Exp. 1: ρ1 = 8,1 ± 0,2 g/cm 3 Discrepância ρ1 - ρref = 8,1-7,86 = 0,24 ~ 1σ ρ 3 (g/cm ) 8,6 8,4 8,2 8,0 7,8 7,6 0,2 68% (CL) ref 12
28 Compatibilidade com um valor de referência Os resultados ρ1 e ρ2 são compatíveis com o valor de referência (ρref)? Resultado Exp. 1: ρ1 = 8,1 ± 0,2 g/cm 3 Discrepância ρ1 - ρref = 8,1-7,86 = 0,24 ~ 1σ ρ 3 (g/cm ) 8,6 8,4 8,2 8,0 0,2 68% (CL) Note que, segundo a Lei dos erros, há uma expectiva de apenas ~68% de que o intervalo contenha o valor esperado 7,8 ref 7,6 12
29 Compatibilidade com um valor de referência Os resultados ρ1 e ρ2 são compatíveis com o valor de referência (ρref)? Resultado Exp. 1: ρ1 = 8,1 ± 0,2 g/cm 3 Discrepância ρ1 - ρref = 8,1-7,86 = 0,24 ~ 1σ ρ 3 (g/cm ) 8,6 8,4 8,2 8,0 7,8 0,2 68% (CL) ref Note que, segundo a Lei dos erros, há uma expectiva de apenas ~68% de que o intervalo contenha o valor esperado A discrepância não é estatisticamente significativa 7,6 12
30 Compatibilidade com um valor de referência Os resultados ρ1 e ρ2 são compatíveis com o valor de referência (ρref)? Resultado Exp. 2: ρ2 = 8,4 ± 0,1 g/cm 3 ρ (g/cm 3 ) 8,6 8,4 8,2 8,0 7,8 7,6 0,1 68% (CL) ref 13
31 Compatibilidade com um valor de referência Os resultados ρ1 e ρ2 são compatíveis com o valor de referência (ρref)? Resultado Exp. 2: ρ2 = 8,4 ± 0,1 g/cm 3 Discrepância ρ2 - ρref = 8,4-7,86 = 0,54 > 3σ ρ (g/cm 3 ) 8,6 8,4 8,2 8,0 7,8 7,6 0,1 68% (CL) ref 13
32 Compatibilidade com um valor de referência Os resultados ρ1 e ρ2 são compatíveis com o valor de referência (ρref)? Resultado Exp. 2: ρ2 = 8,4 ± 0,1 g/cm 3 Discrepância ρ2 - ρref = 8,4-7,86 = 0,54 > 3σ ρ (g/cm 3 ) 8,6 8,4 8,2 0,1 68% (CL) Uma discrepância de valor maior que 3 erros padrão é muito pouco provável (< 1%) e podemos dizer que o resultado é incompatível com o valor de referência 8,0 7,8 ref 7,6 13
33 Compatibilidade com um valor de referência Os resultados ρ1 e ρ2 são compatíveis com o valor de referência (ρref)? Resultado Exp. 2: ρ2 = 8,4 ± 0,1 g/cm 3 Discrepância ρ2 - ρref = 8,4-7,86 = 0,54 > 3σ ρ (g/cm 3 ) 8,6 8,4 8,2 0,1 68% (CL) Uma discrepância de valor maior que 3 erros padrão é muito pouco provável (< 1%) e podemos dizer que o resultado é incompatível com o valor de referência 8,0 7,8 ref A discrepância é significativa 7,6 13
34 Compatibilidade com um valor de referência A compatibilidade ou incompatibilidade de um resultado com um valor de referência depende portanto do nível de confiança associado. Por exemplo, dizemos que o resultado é incompatível quando a expectativa de se obter uma determinada discrepância é menor que 5%, 1% ou 0,1%? 14
35 Compatibilidade com um valor de referência A compatibilidade ou incompatibilidade de um resultado com um valor de referência depende portanto do nível de confiança associado. Por exemplo, dizemos que o resultado é incompatível quando a expectativa de se obter uma determinada discrepância é menor que 5%, 1% ou 0,1%? Regra prática: Vamos considerar um resultado compatível com um valor de referência quando a discrepância for menor que dois erros padrão. Se a discrepância for maior que três erros padrão ela é significativa e os resultados incompatíveis: x x ref < 2 x Compatíveis x x ref > 3 x Incompatíveis 2 x < x x ref < 3 x Inconclusivo 14
36 Compatibilidade de duas estimativas Se queremos avaliar a compatibilidade entre duas estimativas, podemos considerar a compatibilidade da diferença entre elas em relação ao valor de referência zero e considerando o erro associado entre as estimativas 15
37 Compatibilidade de duas estimativas Se queremos avaliar a compatibilidade entre duas estimativas, podemos considerar a compatibilidade da diferença entre elas em relação ao valor de referência zero e considerando o erro associado entre as estimativas Estimativa 1: Estimativa 2: x 1 ± x 2 ± x1 x2 15
38 Compatibilidade de duas estimativas Se queremos avaliar a compatibilidade entre duas estimativas, podemos considerar a compatibilidade da diferença entre elas em relação ao valor de referência zero e considerando o erro associado entre as estimativas Estimativa 1: x 1 ± x1 Discrepância: x 1 x 2 q Estimativa 2: x 2 ± x2 Erro associado: = 2 x1 + 2 x 2 15
39 <latexit sha1_base64="8bo2oqp3jsnljkftc7tat3z1twa=">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</latexit> <latexit sha1_base64="8bo2oqp3jsnljkftc7tat3z1twa=">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</latexit> <latexit sha1_base64="8bo2oqp3jsnljkftc7tat3z1twa=">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</latexit> <latexit sha1_base64="8bo2oqp3jsnljkftc7tat3z1twa=">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</latexit> Compatibilidade de duas estimativas Se queremos avaliar a compatibilidade entre duas estimativas, podemos considerar a compatibilidade da diferença entre elas em relação ao valor de referência zero e considerando o erro associado entre as estimativas Exemplo (ρref = 7,86 g/cm 3 ): ρ1 = 8,1 ± 0,2 g/cm 3 ρ2 = 8,4 ± 0,1 g/cm 3 Discrepância 1 2 =0,3 g/cm 3 Erro associado: = p (0,2) 2 +(0,1) 2 0,2 g/cm 3 16
40 <latexit sha1_base64="8bo2oqp3jsnljkftc7tat3z1twa=">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</latexit> <latexit sha1_base64="8bo2oqp3jsnljkftc7tat3z1twa=">aaack3icbzdlsgmxfiyz9vbrbdslm2grkkqdqykcckvuxfawf+hmsyzn29bkzkwyyhn6pm58fre68ijb38n02ow2hgh8/p85njzfcxmvyri+jntc/mliuno5s7k6tr5hbm5vzrajtco4yigoe0gsrn1suvqxug8fqdxjpob1r0z+7z4isqp/vg1c4nlu9wmhyqs01djljqrdjualdosduhhoonj2cwfnajyecduah9bbysicb5i40lmihcfh9xjz5smwzwatvjuunav7alkwqxllfhhaay448rvmsmqgbyxkjzfqfdmyzdirjchcfdqldy0+4ks6cxlreo5rpq07gddpvzbrf0/eies54j7u5ej15lq3ev/zgphqnlsx9cnier+pf3uibluar8hbnhuekzbqglcg+q8q95bawol4mzoee/rkwagw8ravt29os8xsji402af7iadscaak4bquqqvg8aiewrt4n56mv+pt+bq3pozjzdb4u8b3dzavoss=</latexit> <latexit sha1_base64="8bo2oqp3jsnljkftc7tat3z1twa=">aaack3icbzdlsgmxfiyz9vbrbdslm2grkkqdqykcckvuxfawf+hmsyzn29bkzkwyyhn6pm58fre68ijb38n02ow2hgh8/p85njzfcxmvyri+jntc/mliuno5s7k6tr5hbm5vzrajtco4yigoe0gsrn1suvqxug8fqdxjpob1r0z+7z4isqp/vg1c4nlu9wmhyqs01djljqrdjualdosduhhoonj2cwfnajyecduah9bbysicb5i40lmihcfh9xjz5smwzwatvjuunav7alkwqxllfhhaay448rvmsmqgbyxkjzfqfdmyzdirjchcfdqldy0+4ks6cxlreo5rpq07gddpvzbrf0/eies54j7u5ej15lq3ev/zgphqnlsx9cnier+pf3uibluar8hbnhuekzbqglcg+q8q95bawol4mzoee/rkwagw8ravt29os8xsji402af7iadscaak4bquqqvg8aiewrt4n56mv+pt+bq3pozjzdb4u8b3dzavoss=</latexit> <latexit sha1_base64="8bo2oqp3jsnljkftc7tat3z1twa=">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</latexit> Compatibilidade de duas estimativas Se queremos avaliar a compatibilidade entre duas estimativas, podemos considerar a compatibilidade da diferença entre elas em relação ao valor de referência zero e considerando o erro associado entre as estimativas Exemplo (ρref = 7,86 g/cm 3 ): ρ1 = 8,1 ± 0,2 g/cm 3 ρ2 = 8,4 ± 0,1 g/cm 3 Discrepância 1 2 =0,3 g/cm 3 Erro associado: = p (0,2) 2 +(0,1) 2 0,2 g/cm 3 Podemos dizer que as estimativas são compatíveis entre si. A discrepância não é significativa. 16
41 Combinação de resultados compatíveis A partir de várias estimativas independentes {xi} do valor esperado de uma grandeza e respectivos erros padrão {σi}, o resultado combinado pode ser obtido da seguinte forma: 17
42 Combinação de resultados compatíveis A partir de várias estimativas independentes {xi} do valor esperado de uma grandeza e respectivos erros padrão {σi}, o resultado combinado pode ser obtido da seguinte forma: Estimativa padrão para o valor esperado: x = P N i=1 x i2 i P N i=1 1 2 i 17
43 Combinação de resultados compatíveis A partir de várias estimativas independentes {xi} do valor esperado de uma grandeza e respectivos erros padrão {σi}, o resultado combinado pode ser obtido da seguinte forma: Estimativa padrão para o valor esperado: Erro padrão associado: x = P N i=1 x i2 i P N i=1 1 2 i 1 = 2 x NX i=1 ou 1 2 i x = q PN i=1 1 2 i 1 17
44 Combinação de resultados compatíveis A partir de várias estimativas independentes {xi} do valor esperado de uma grandeza e respectivos erros padrão {σi}, o resultado combinado pode ser obtido da seguinte forma: Exemplo: 18
45 Combinação de resultados compatíveis A partir de várias estimativas independentes {xi} do valor esperado de uma grandeza e respectivos erros padrão {σi}, o resultado combinado pode ser obtido da seguinte forma: Exemplo: Estimativa 1: Estimativa 2: x 1 ± x 2 ± x1 x2 18
46 Combinação de resultados compatíveis A partir de várias estimativas independentes {xi} do valor esperado de uma grandeza e respectivos erros padrão {σi}, o resultado combinado pode ser obtido da seguinte forma: Exemplo: Estimativa 1: x 1 ± x1 x = = 1 Estimativa 2: x 2 ± x2 q
47 Combinação de resultados compatíveis A partir de várias estimativas independentes {xi} do valor esperado de uma grandeza e respectivos erros padrão {σi}, o resultado combinado pode ser obtido da seguinte forma: Exemplo: Estimativa 1: x 1 ± x1 x = = 1 Estimativa 2: x 2 ± x2 x = NX i=1 i q x i = 1 2 x x 2 18
48 <latexit sha1_base64="xcg9ieyfpqnzt7t+sh+prhwcrn0=">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</latexit> <latexit sha1_base64="xcg9ieyfpqnzt7t+sh+prhwcrn0=">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</latexit> <latexit sha1_base64="xcg9ieyfpqnzt7t+sh+prhwcrn0=">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</latexit> <latexit sha1_base64="xcg9ieyfpqnzt7t+sh+prhwcrn0=">aaacl3icbvdlsgmxfm34tr6qlt1ei6agduyffrgkgrhusso0twtstbuatibkjlkg/pebf6ubeuxc+hemtqtfb0io55xlck+ysghb95+9oegr0bhxicnc1ptm7fx+fuhk6tqwxmzaanmtusulihkzbeh+kxhovsj5ddg67vnxd9xyoenlace8qmgjfpfgfjxuy5+qc9foajvg32nimhofyij5bgt7g2r5ewetrghfux+fmf5ynrzgjbifg53n/s1u53a7li/4rb8p/jcea1jaa5zv8l1s1yxvpaymqbwvwe+gmledgkneyzhu8osyfm3wiqmxvdxws/6+hbzqldqothenbtxxv09kvfnbvqflkgpn+9vrif95lrsivwom4iqfhrovh6juytc4vx6uc8mzylyjlbnh/opzkxrkwfwccyuev1f+s662ioffdm53cqwjqr0taamtoduuof1uqqfodjurqw+oi17qq/fopxlv3vtxdmgbzcyih/a+pggvvazx</latexit> <latexit sha1_base64="g7bsfhxrq0caloe4jhaymgtp17s=">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</latexit> <latexit sha1_base64="g7bsfhxrq0caloe4jhaymgtp17s=">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</latexit> <latexit sha1_base64="g7bsfhxrq0caloe4jhaymgtp17s=">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</latexit> <latexit sha1_base64="g7bsfhxrq0caloe4jhaymgtp17s=">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</latexit> <latexit sha1_base64="cr+ggzxxs31vhkhh7eaf7uqbt7o=">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</latexit> <latexit sha1_base64="cr+ggzxxs31vhkhh7eaf7uqbt7o=">aaacd3icdvhbthsxepuutixqlrtc4ibp2ipvuwqhsewqkbbcofkpaaq4rf7hu7gw1yt7fila7s/wcb3xh1x6wwk5tebhsubpztzn+e1saowbknsoxlp+8flvympj7fwbt+vnd+/pvc2dkh1htxuxcfdsq1z2qygwf4wt3cranidxx7p6+bv0xtn8f0wlotq8y1wqbidajzo3loguym5ia3yamzyptfnqukiyv5nhduv22u63zk5le/hy2cvmjc3g/cbs/pw/cvqsohdmzpjejxdmfos5bmf1t3kwpr7cgzvbpepmgz8cugattijtufm3g1trgpmd0nz7asufdcvuqakt6wyrvsy4uokzhasycyp9sjr7vunpgrnj1lrwcsbz9m9fxy33u5oetsnh4h/xzurztuej6f6wunlrgszfw6c01bgsnh0bj5wtavq0ac6ccrtimehbqwinagqt6omvpwvn3q4lhfqz1zo8wtixgrbqb9rgfh1hh+genai+eugu2oxa0cfot7wdf47bd61xtnbsoh8ipve2p7od</latexit> <latexit sha1_base64="cr+ggzxxs31vhkhh7eaf7uqbt7o=">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</latexit> <latexit sha1_base64="cr+ggzxxs31vhkhh7eaf7uqbt7o=">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</latexit> Combinação de resultados compatíveis A partir de várias estimativas independentes {xi} do valor esperado de uma grandeza e respectivos erros padrão {σi}, o resultado combinado pode ser obtido da seguinte forma: Exemplo (ρref = 7,86 g/cm 3 ): ρ1 = 8,1 ± 0,2 g/cm 3 ρ2 = 8,4 ± 0,1 g/cm 3 = 1 q =0,08944 g/cm 3 1 (0,2) (0,1) 2 = 2 2 8,1+ 8,4 =8,3400 g/cm 3 0,2 0,1 ) =(8,34 ± 0,09) g/cm 3 19
Física Geral - Laboratório (2014/1) Estimativas e erros em medidas diretas (II) Níveis de confiança, compatibilidade e combinação
Física Geral - Laboratório (2014/1) Estimativas e erros em medidas diretas (II) Níveis de confiança, compatibilidade e combinação 1 Resumo: estimativa do valor esperado estimativa do valor esperado ± erro
Leia maisFísica Geral - Laboratório. Estimativas e erros em medidas diretas (II) Níveis de confiança, compatibilidade e combinação
- Laboratório Estimativas e erros em medidas diretas (II) Níveis de confiança, compatibilidade e combinação 1 Resumo: estimativa do valor esperado estimativa do valor esperado ± erro (unidade) x x = s
Leia maisFísica Geral - Laboratório (2013/1) Aula 4: Estimativas e erros em medidas diretas (II)
Física Geral - Laboratório (2013/1) Aula 4: Estimativas e erros em medidas diretas (II) 1 Resumo: estimativa do valor esperado estimativa do valor esperado ± erro (unidade) x x = s x p N Estimativa do
Leia maisFísica Geral - Laboratório 2016/2. Estimativas e erros em medidas diretas (II) Níveis de confiança, compatibilidade e combinação
Física Geral - Laboratório 206/2 Estimativas e erros em medidas diretas (II) Níveis de confiança, compatibilidade e combinação Resumo aula II: Medidas diretas Resultado = estimativa do valor esperado ±
Leia maisFísica IV. Prática II Sandro Fonseca de Souza
Física IV Prática II Sandro Fonseca de Souza 1 Aula de Hoje Lei dos Erros e Teste da Compatibilidade Prática 2: Intensidade Luminosa 2 Normas e Datas Atendimento ao estudante: sexta-feira de 14:00-15:00
Leia maisEstimativas e Erros. Propagação de erros e Ajuste de funções
Estimativas e Erros Propagação de erros e Ajuste de funções 1 Algumas referências Estimativas e Erros em Experimentos de Física - Vitor Oguri et al (EdUERJ) Fundamentos da Teoria de Erros - José Henrique
Leia maisFísica Geral - Laboratório (2014/1) Estimativas e erros em medidas diretas (I)
Física Geral - Laboratório (2014/1) Estimativas e erros em medidas diretas (I) 1 Experimentos: medidas diretas Experimento de medidas diretas de uma grandeza: Aquisição de um conjunto de dados através
Leia maisFísica Geral. Incertezas em Medidas Diretas
Física Geral Incertezas em Medidas Diretas Experimento Simples Medidas diretas: valores resultantes de medições de uma mesma grandeza, realizadas por um mesmo experimentador, com o mesmo instrumento de
Leia maisFísica Geral - Laboratório (2014/1) Estimativas e erros em medidas diretas (I)
Física Geral - Laboratório (2014/1) Estimativas e erros em medidas diretas (I) 1 Medida L (cm) 1 150.0 2 150.1 3 150.8 4 150.0 5 150.0 6 144.1 7 150.0 8 150.3 9 149.9 10 150.0 11 150.0 12 150.1 13 150.2
Leia maisFísica Geral (2012/2) Aula 9: Estimativas e erros em medidas indiretas: Ajuste de funções
Física Geral (2012/2) Aula 9: Estimativas e erros em medidas indiretas: Ajuste de funções 1 Medidas indiretas: Ajuste de funções Ajuste de funções y = f (x; a 1,a 2,...,a p ) Medidas de duas grandezas
Leia maisFísica Geral - Laboratório. Estimativas e erros em medidas indiretas: Ajuste de funções
Física Geral - Laboratório Estimativas e erros em medidas indiretas: Ajuste de funções 1 Medidas indiretas: Ajuste de funções Ajuste de funções y = f (x; a 1,a 2,...,a p ) Medidas de duas grandezas x e
Leia maisFísica Geral - Laboratório. Estimativas e erros em medidas diretas (I)
Física Geral - Laboratório Estimativas e erros em medidas diretas (I) 1 Experimentos: medidas diretas Experimento de medidas diretas de uma grandeza: Aquisição de um conjunto de dados através de medições
Leia maisNOÇÕES RÁPIDAS DE ESTATÍSTICA E TRATAMENTO DE DADOS
NOÇÕES RÁPIDAS DE ESTATÍSTICA E TRATAMENTO DE DADOS Prof. Érica Polycarpo Bibliografia: Data reduction and error analysis for the physica sciences (Philip R. Bevington and D. Keith Robinson) A practical
Leia maisFísica Geral - Laboratório (2013/2) Aula 3: Estimativas e erros em medidas diretas (I)
Física Geral - Laboratório (2013/2) Aula 3: Estimativas e erros em medidas diretas (I) 1 Experimentos: medidas diretas Experimento de medidas diretas de uma grandeza: Aquisição de um conjunto de dados
Leia maisFísica Geral - Laboratório (2015/2) Estimativas e erros em medidas diretas (I)
Física Geral - Laboratório (2015/2) Estimativas e erros em medidas diretas (I) 1 Experimentos: medidas diretas Experimento de medidas diretas de uma grandeza: Aquisição de um conjunto de dados através
Leia maisFísica Geral - Laboratório. Aula 8: Estimativas e erros em medidas indiretas: Ajuste de funções
Física Geral - Laboratório Aula 8: Estimativas e erros em medidas indiretas: Ajuste de funções 1 Medidas indiretas: Ajuste de funções Ajuste de funções y = f (x; a 1,a 2,...,a p ) Medidas de duas grandezas
Leia maisAGA Análise de Dados em Astronomia I 7. Modelagem dos Dados com Máxima Verossimilhança: Modelos Lineares
1 / 0 AGA 0505- Análise de Dados em Astronomia I 7. Modelagem dos Dados com Máxima Verossimilhança: Modelos Lineares Laerte Sodré Jr. 1o. semestre, 018 modelos modelagem dos dados dado um conjunto de dados,
Leia maisFísica Geral - Laboratório. Estimativas e erros em medidas indiretas: Ajuste de funções
Física Geral - Laboratório Estimativas e erros em medidas indiretas: Ajuste de funções 1 Medidas indiretas: Ajuste de funções Ajuste de funções y = f (x; a 1,a 2,...,a p ) Medidas de duas grandezas x e
Leia maisFísica Geral - Laboratório. Erros sistemáticos Limites de erro em instrumentos de medida (Multímetros analógicos e digitais)
Física Geral - Laboratório Erros sistemáticos Limites de erro em instrumentos de medida (Multímetros analógicos e digitais) 1 Incertezas do Tipo A e incertezas do Tipo B Até agora, nos preocupamos em estimar
Leia maisIntrodução às Medidas em Física 3 a Aula *
Introdução às Medidas em Física 3 a Aula * http://fge.if.usp.br/~takagui/fap015_011/ Marcia Takagui Ed. Ala 1 * Baseada em Suaide/ Munhoz 006 sala 16 ramal 6811 1 Experiência II: Densidade de Sólidos!
Leia maisFísica Geral - Laboratório. Aula 2: Organização e descrição de dados e parâmetros de dispersão e correlação
Física Geral - Laboratório Aula 2: Organização e descrição de dados e parâmetros de dispersão e correlação 1 Física Geral - Objetivos Ao final do período, o aluno deverá ser capaz de compreender as principais
Leia maisFísica Geral - Laboratório. Aula 3: Estimativas e erros em medidas diretas (I)
Física Geral - Laboratório Aula 3: Estimativas e erros em medidas diretas (I) 1 Experimentos: medidas diretas Experimento de medidas diretas de uma grandeza: Aquisição de um conjunto de dados através de
Leia maisDefinição. Os valores assumidos pelos estimadores denomina-se estimativas pontuais ou simplesmente estimativas.
1. Inferência Estatística Inferência Estatística é o uso da informção (ou experiência ou história) para a redução da incerteza sobre o objeto em estudo. A informação pode ou não ser proveniente de um experimento
Leia maisFísica Geral - Laboratório (2015/2) Estimativas e erros em medidas diretas (I)
Física Geral - Laboratório (2015/2) Estimativas e erros em medidas diretas (I) 1 Parâmetros de correlação Resumo da última aula i) Covariância: média dos produtos dos desvios nas duas variáveis (δxi e
Leia maisDistribuição Normal. Prof. Eduardo Bezerra. (CEFET/RJ) - BCC - Inferência Estatística. 25 de agosto de 2017
padrão - padronização Distribuição Normal Prof. Eduardo Bezerra (CEFET/RJ) - BCC - Inferência Estatística 25 de agosto de 2017 Eduardo Bezerra (CEFET/RJ) Distribuição Normal Março/2017 1 / 32 Roteiro Distribuições
Leia mais( x) = a. f X. = para x I. Algumas Distribuições de Probabilidade Contínuas
Probabilidade e Estatística I Antonio Roque Aula Algumas Distribuições de Probabilidade Contínuas Vamos agora estudar algumas importantes distribuições de probabilidades para variáveis contínuas. Distribuição
Leia maisIntervalos de Confiança
Intervalos de Confiança Jorge M. V. Capela, Marisa V. Capela, Instituto de Química - UNESP Araraquara, SP capela@iq.unesp.br Araraquara, SP - 2016 1 2 Teorema do Limite Central Se amostras de tamanho n
Leia maisUma estatística é uma característica da amostra. Ou seja, se
Estatística Uma estatística é uma característica da amostra. Ou seja, se X 1,..., X n é uma amostra, T = função(x 1,..., X n é uma estatística. Exemplos X n = 1 n n i=1 X i = X 1+...+X n : a média amostral
Leia maisFísica Geral (2013/1) Aula 3: Estimativas e erros em medidas diretas (I)
Física Geral (2013/1) Aula 3: Estimativas e erros em medidas diretas (I) 1 Experimentos: medidas diretas Experimento de medidas diretas de uma grandeza: Aquisição de um conjunto de dados através de medições
Leia maisMétodos Estatísticos em Física Experimental. Prof. Zwinglio Guimarães 1 o semestre de 2015 Aulas 11 e 12
Métodos Estatísticos em Física Experimental Prof. Zwinglio Guimarães 1 o semestre de 015 Aulas 11 e 1 O método dos mínimos quadrados (revisão) O método dos mínimos quadrados consiste em determinar os parâmetros
Leia maisA figura 5.1 ilustra a densidade da curva normal, que é simétrica em torno da média (µ).
Capítulo 5 Distribuição Normal Muitas variáveis aleatórias contínuas, tais como altura, comprimento, peso, entre outras, podem ser descritas pelo modelo Normal de probabilidades. Este modelo é, sem dúvida,
Leia maisMódulo 1 FUNDAMENTOS DE ESTATÍSTICA
Módulo 1 FUNDAMENTOS DE ESTATÍSTICA Medidas de posição central Média As medidas de posição central buscam representar uma série de dados. Por exemplo: em média na Suiça cada pessoa come 9Kg de chocolate
Leia maisTeoria das Filas aplicadas a Sistemas Computacionais. Aula 09
Teoria das Filas aplicadas a Sistemas Computacionais Aula 09 Universidade Federal do Espírito Santo - Departamento de Informática - DI Laboratório de Pesquisas em Redes Multimidia - LPRM Teoria das Filas
Leia mais2 Medida de Incertezas: Fundamentos
2 Medida de Incertezas: Fundamentos 2. Introdução O resultado de um processo de medição fornece uma determinada informação que usualmente é chamada de conhecimento. A fim de quantificar quão completo é
Leia maisTópico 3. Estudo de Erros em Medidas
Tópico 3. Estudo de Erros em Medidas A medida de uma grandeza é obtida, em geral, através de uma experiência, na qual o grau de complexidade do processo de medir está relacionado com a grandeza em questão
Leia maisPreparatório CEA. Módulo 6 Fundamentos de Estatística
Preparatório CEA Módulo 6 Fundamentos de Estatística Medidas de posição central Média As medidas de posição central buscam representar uma série de dados. Por exemplo: em média na Suiça cada pessoa come
Leia maisTeoria das Filas aplicadas a Sistemas Computacionais. Aula 08
Teoria das Filas aplicadas a Sistemas Computacionais Aula 08 Universidade Federal do Espírito Santo - Departamento de Informática - DI Laboratório de Pesquisas em Redes Multimidia - LPRM Teoria das Filas
Leia maisErros em medidas e análises físicas e químicas
Erros em medidas e análises físicas e químicas Erros sistemáticos: têm um valor definido e uma causa identificável e são da mesma ordem de grandeza para réplicas de medidas realizadas de maneira semelhante.
Leia maisVariáveis Aleatórias Contínuas e Distribuição de Probabilidad
Variáveis Aleatórias Contínuas e Distribuição de Probabilidades - parte II 26 de Novembro de 2013 Distribuição Contínua Uniforme Média e Variância Objetivos Ao final deste capítulo você deve ser capaz
Leia maisDistribuição Gaussiana
Universidade Federal de Minas Gerais Instituto de Ciências Exatas Departamento de Estatística Distribuição Gaussiana Introdução à Bioestatística Turma Nutrição Aula 7: Distribuição Normal (Gaussiana) Distribuição
Leia maisDISTRIBUIÇÃO NORMAL DISTRIBUIÇÕES DE PROBABILIDADE CONJUNTAS ROTEIRO DISTRIBUIÇÃO NORMAL
ROTEIRO DISTRIBUIÇÕES DE PROBABILIDADE CONJUNTAS 1. Distribuições conjuntas 2. Independência 3. Confiabilidade 4. Combinações lineares de variáveis aleatórias 5. Referências DISTRIBUIÇÃO NORMAL Definição:
Leia maisDistribuições de probabilidade
Distribuições de probabilidade Distribuições contínuas Carla Henriques, Nuno Bastos e Cristina Lucas Departamento de Matemática Escola Superior de Tecnologia de Viseu. Henriques, N. Bastos e C. Lucas (DepMAT)
Leia maisMétodos Computacionais em Física
Métodos Computacionais em Física Tatiana G. Rappoport tgrappoport@if.ufrj.br 2014-1 Integração usando o método da rejeição Queremos calcular a integral Definimos um retângulo de altura H que contenha a
Leia maisEstatística Aplicada II. } Revisão: Probabilidade } Propriedades da Média Amostral
Estatística Aplicada II } Revisão: Probabilidade } Propriedades da Média Amostral 1 Aula de hoje } Tópicos } Revisão: } Distribuição de probabilidade } Variáveis aleatórias } Distribuição normal } Propriedades
Leia maisUNIDADE II. José J. C. Hernández. April 9, 2017 DE - UFPE. José J. C. Hernández (DE - UFPE) Estatística I April 9, / 60
INTRODUÇÃO À ESTATÍSTICA UNIDADE II José J. C. Hernández DE - UFPE April 9, 2017 José J. C. Hernández (DE - UFPE) Estatística I April 9, 2017 1 / 60 Variável aleatória Seja X : Ω R uma função real de Ω
Leia maisFísica Geral - Laboratório. Erros sistemáticos Limites de erro em instrumentos de medida (multímetros analógicos e digitais)
Física Geral - Laboratório Erros sistemáticos Limites de erro em instrumentos de medida (multímetros analógicos e digitais) 1 Incertezas do Tipo A e incertezas do Tipo B Até agora, nos preocupamos em estimar
Leia maisExperimento 1: Determinação do tempo de queda de uma bolinha
Instituto de Física UFRJ Relatório de Física Experimental I 2019/1 Professor: Turma: Horário: Experimento 1: Determinação do tempo de queda de uma bolinha Parte I: preparação para a experiência 1. Escreva
Leia maisEstatística e Modelos Probabilísticos - COE241
Estatística e Modelos Probabilísticos - COE241 Aula passada Para que serve a inferência estatística? Método dos Momentos Maximum Likehood Estimator (MLE) Teste de hipótese: definições Aula de hoje Teste
Leia maisPrincípios de Modelagem Matemática Aula 10
Princípios de Modelagem Matemática Aula 10 Prof. José Geraldo DFM CEFET/MG 19 de maio de 2014 1 Alguns resultados importantes em estatística A distribuição normal tem importante papel em estatística pois
Leia maisInferência Estatística
Inferência Estatística Estimação Intervalar Média e Proporção Estimação Pontual x Estimação Intervalar Exemplo Inicial: Um estudo pretende estimar o valor de µ, a renda média familiar dos alunos da UFMG.
Leia maisMAB-515 Avaliação e Desempenho (DCC/UFRJ)
MAB-515 Avaliação e Desempenho (DCC/UFRJ) Aula 7: Intervalos de Confiança 13 de novembro de 2012 1 2 3 4 Percentil 100p%-percentil O ponto t 0 tal que t 0 = F 1 X (p) = min{t : F X (t) p}, 0 < p < 1 é
Leia maisMAE Introdução à Probabilidade e Estatística II Resolução Lista 5
MAE 229 - Introdução à Probabilidade e Estatística II Resolução Lista 5 Professor: Pedro Morettin e Profa. Chang Chian Exercício 1 (a) De uma forma geral, o desvio padrão é usado para medir a dispersão
Leia maisSimulação com Modelos Teóricos de Probabilidade
Simulação com Modelos Teóricos de Probabilidade p. 1/21 Algumas distribuições teóricas apresentam certas características que permitem uma descrição correta de variáveis muito comuns em processos de simulação.
Leia maisAGA Análise de Dados em Astronomia I. 6. O Método da Máxima Verossimilhança- I
1 / 26 1. Introdução AGA 0505 - Análise de Dados em Astronomia I 6. O Método da Máxima Verossimilhança- I Laerte Sodré Jr. 1o. semestre, 2019 introdução aula de hoje: 1 modelagem dos dados 2 a verossimilhança
Leia maisAULA 17 - Distribuição Uniforme e Normal
AULA 17 - Distribuição Uniforme e Normal Susan Schommer Introdução à Estatística Econômica - IE/UFRJ Distribuições Contínuas Em muitos problemas se torna matematicamente mais simples considerar um espaço
Leia maisInferência Estatística:
Universidade Federal de Minas Gerais Instituto de Ciências Exatas Departamento de Estatística Inferência Estatística: Princípios de Bioestatística decidindo na presença de incerteza Aula 8: Intervalos
Leia maisCap. 8 - Intervalos Estatísticos para uma Única Amostra
Intervalos Estatísticos para ESQUEMA DO CAPÍTULO 8.1 INTRODUÇÃO 8.2 INTERVALO DE CONFIANÇA PARA A MÉDIA DE UMA DISTRIBUIÇÃO NORMAL, VARIÂNCIA CONHECIDA 8.3 INTERVALO DE CONFIANÇA PARA A MÉDIA DE UMA DISTRIBUIÇÃO
Leia mais27/03/2009 INCERTEZA DE APLICADA AO USO DO GÁS NATURAL. Esp.Henrique Diniz. Objetivos. Abordar os aspectos práticos sobre Incerteza de Medição
INCERTEZA DE APLICADA AO USO DO GÁS NATURAL Esp.Henrique Diniz Objetivos Abordar os aspectos práticos sobre Incerteza de Medição 1 Bibliografia para Consulta Guia para Expressão da Incerteza nas Medições
Leia mais1 Probabilidade - Modelos Probabilísticos
1 Probabilidade - Modelos Probabilísticos Modelos probabilísticos devem, de alguma forma, 1. identificar o conjunto de resultados possíveis do fenômeno aleatório, que costumamos chamar de espaço amostral,
Leia maisTratamento Estatístico de Dados em Física Experimental
Tratamento Estatístico de Dados em Física Experimental Prof. Zwinglio Guimarães o semestre de 06 Tópico 7 - Ajuste de parâmetros de funções (Máxima Verossimilhança e Mínimos Quadrados) Método da máxima
Leia maisTratamento de dados em Física
Tratamento de dados em Física Métodos e testes estatísticos V. Oguri Departamento de Física Nuclear e Altas Energias (DFNAE) Programa de Pós-graduação em Física (PPGF) Instituto de Física Armando Dias
Leia maisAvaliação e Expressão de Medições e de Suas Incertezas
Avaliação e Expressão de Medições e de Suas Incertezas INTRODUÇÃO A Física assim como todas as outras ciências é baseada em observações e medições quantitativas. A partir de observações e dos resultados
Leia maisCálculo II (Primitivas e Integral)
Cálculo II (Primitivas e Integral) Antônio Calixto de Souza Filho Escola de Artes, Ciências e Humanidades Universidade de São Paulo 5 de março de 2013 1 Aplicações de Integrais subject Aplicações de Integrais
Leia maisModelos de Distribuição PARA COMPUTAÇÃO
Modelos de Distribuição MONITORIA DE ESTATÍSTICA E PROBABILIDADE PARA COMPUTAÇÃO Distribuições Discretas Bernoulli Binomial Geométrica Hipergeométrica Poisson ESTATÍSTICA E PROBABILIDADE PARA COMPUTAÇÃO
Leia maisIntrodução à Bioestatística Turma Nutrição
Universidade Federal de Minas Gerais Instituto de Ciências Exatas Departamento de Estatística Introdução à Bioestatística Turma Nutrição Aula 8: Intervalos de Confiança para Média e Proporção Distribuição
Leia maisPARTE TEÓRICA Perguntas de escolha múltipla
PROBABILIDADES E ESTATÍSTICA MIEEC/FEUP PARTE TEÓRICA Perguntas de escolha múltipla 1 Dada a experiência aleatória ε define-se espaço amostral associado a ε como sendo: A O espaço físico onde se realiza
Leia maisINCERTEZAS E COVARIÂNCIAS EM MEDIÇÕES COM MULTÍMETROS DIGITAIS
INCERTEZAS E COVARIÂNCIAS EM MEDIÇÕES COM MULTÍMETROS DIGITAIS Aluno: Elielson Soares Pereira 1 Orientador: Zwinglio de Oliveira Guimaraes Filho 2 Programa Ensinar com Pesquisa (sem bolsa) 1 Departamento
Leia maisCálculo das Probabilidades e Estatística I
Cálculo das Probabilidades e Estatística I Prof a. Juliana Freitas Pires Departamento de Estatística Universidade Federal da Paraíba - UFPB juliana@de.ufpb.br Distribuição Normal Motivação: Distribuição
Leia maisLaboratório de Física Geral Profa Patricia Teles Sala 3006-A Aula3: Medidas diretas: valor esperado, incertezas e erros,
Laboratório de Física Geral Profa Patricia Teles Sala 3006-A Email: athenafma@gmail.com Aula3: Medidas diretas: valor esperado, incertezas e erros, exatidão e precisão. Atividade 2: medidas diretas com
Leia maisAula 3 - Revisão de Probabilidade e Estatística: Esclarecimento de Dúvidas
Aula 3 - Revisão de Probabilidade e Estatística: Esclarecimento de Dúvidas Matheus Rosso e Camila Steffens 19 de Março de 2018 Independência de variáveis aleatórias Duas V.A. são independentes se, e somente
Leia maisPar de Variáveis Aleatórias
Par de Variáveis Aleatórias Luis Henrique Assumpção Lolis 7 de abril de 2014 Luis Henrique Assumpção Lolis Par de Variáveis Aleatórias 1 Conteúdo 1 Introdução 2 Par de Variáveis Aleatórias Discretas 3
Leia maisProbabilidade e Estatística
Probabilidade e Estatística Aula 6 Distribuições Contínuas (Parte 02) Leitura obrigatória: Devore, Capítulo 4 Chap 6-1 Distribuições de Probabilidade Distribuições de Probabilidade Distribuições de Probabilidade
Leia maisMAE0219 Introdução à Probabilidade e Estatística I
Exercício 1 1 o semestre de 201 O tempo de vida útil de uma lavadora de roupas automática tem distribuição aproximadamente Normal, com média de 3,1 anos e desvio padrão de 1,2 anos. a Qual deve ser o valor
Leia maisEstatística Indutiva
Estatística Indutiva MÓDULO 7: INTERVALOS DE CONFIANÇA 7.1 Conceitos básicos 7.1.1 Parâmetro e estatística Parâmetro é a descrição numérica de uma característica da população. Estatística é a descrição
Leia maisInferência Estatistica
Inferência Estatistica Ricardo Ehlers ehlers@icmc.usp.br Departamento de Matemática Aplicada e Estatística Universidade de São Paulo Modelos e Inferência Um modelo é uma simplificação da realidade (e alguns
Leia maisDE INCERTEZA. UNESP - Faculdade de Engenharia de Guaratinguetá 1
INCERTEZA DE MEDIÇÃO E PROPAGAÇÃO DE INCERTEZA UNESP - Faculdade de Engenharia de Guaratinguetá 1 0.1. Introdução Ao se atribuir um valor numérico a uma grandeza temos associado ao mesmo uma incerteza.
Leia maisDistribuições amostrais
Distribuições amostrais Tatiene Correia de Souza / UFPB tatiene@de.ufpb.br October 14, 2014 Souza () Distribuições amostrais October 14, 2014 1 / 23 Distribuição Amostral Objetivo Estender a noção de uma
Leia maisUNIVERSIDADE FEDERAL DA PARAÍBA. Variáveis Aleatórias. Departamento de Estatística Luiz Medeiros
UNIVERSIDADE FEDERAL DA PARAÍBA Variáveis Aleatórias Departamento de Estatística Luiz Medeiros Introdução Como sabemos, características de interesse em diversas áreas estão sujeitas à variação; Essa variabilidade
Leia maisQuímica Analítica V 1S Prof. Rafael Sousa. Notas de aula:
Química Analítica V 1S 2013 Aula 3: 13-05 05-2013 Estatística Aplicada à Química Analítica Prof. Rafael Sousa Departamento de Química - ICE rafael.arromba@ufjf.edu.br Notas de aula: www.ufjf.br/baccan
Leia maisSistemas Aleatórios. Um sistema é aleatório quando seu estado futuro só pode ser conhecido. jogar uma moeda ou um dado. decaimento de uma partícula
Sistemas Aleatórios Um sistema é aleatório quando seu estado futuro só pode ser conhecido pela realização de uma experiência. jogar uma moeda ou um dado decaimento de uma partícula trajetória de uma partícula
Leia maisEventos coletivamente exaustivos: A união dos eventos é o espaço amostral.
DEFINIÇÕES ADICIONAIS: PROBABILIDADE Espaço amostral (Ω) é o conjunto de todos os possíveis resultados de um experimento. Evento é qualquer subconjunto do espaço amostral. Evento combinado: Possui duas
Leia maisUniversidade Federal de Lavras
Universidade Federal de Lavras Departamento de Estatística Prof. Daniel Furtado Ferreira 6 a Lista de Exercícios Teoria da Estimação pontual e intervalar 1) Marcar como verdadeira ou falsa as seguintes
Leia maisTeorema do Limite Central
Teorema do Limite Central Bacharelado em Economia - FEA - Noturno 1 o Semestre 2014 MAE0219 (IME-USP) Teorema do Limite Central 1 o Semestre 2014 1 / 47 Objetivos da Aula Sumário 1 Objetivos da Aula 2
Leia maisDistribuições derivadas da distribuição Normal. Distribuição Normal., x real.
Distribuições derivadas da distribuição Normal Distribuição Normal Uma variável aleatória X tem distribuição normal com parâmetros µ e σ, quando sua densidade de probabilidade é f ( x) π σ e ( x µ ) σ,
Leia maisLaboratório de Termodinâmica e Estrutura da Matéria Docente: João Fonseca,
Laboratório de Termodinâmica e Estrutura da Matéria Docente: João Fonseca, jfonseca@tecnico.ulisboa.pt Programa (componente laboratorial): Lab 1 (16/10 a 20/10) - Determinação dos calores específicos de
Leia maisMEDIDAS EXPERIMENTAIS
Experiência 0 MEDIDAS EXPERIMENTAIS Laboratórios de Física Medidas Experimentais 8 Medir e Comparar Para descrever os fenómenos naturais temos de fazer medições. Cada medição está associada com uma propriedade
Leia maisAnálise de Regressão EST036
Análise de Regressão EST036 Michel Helcias Montoril Instituto de Ciências Exatas Universidade Federal de Juiz de Fora Distribuição beta não central; Coef. de determinação; Quando X for aleatório. Distribuição
Leia maisEstatística Aplicada II. } Estimação e Intervalos de Confiança
Estatística Aplicada II } Estimação e Intervalos de Confiança 1 Aula de hoje } Tópicos } Revisão } Estimação } Intervalos de Confiança } Referências } Barrow, M. Estatística para economia, contabilidade
Leia maisInferência para CS Modelos univariados contínuos
Inferência para CS Modelos univariados contínuos Renato Martins Assunção DCC - UFMG 2014 Renato Martins Assunção (DCC - UFMG) Inferência para CS Modelos univariados contínuos 2014 1 / 42 V.A. Contínua
Leia maisAmostragem e distribuições por amostragem
Amostragem e distribuições por amostragem Carla Henriques e Nuno Bastos Departamento de Matemática Escola Superior de Tecnologia de Viseu Contabilidade e Administração População, amostra e inferência estatística
Leia maisProf. Eduardo Bezerra. 15 de setembro de 2017
Distribuições Amostrais Prof. Eduardo Bezerra Inferência Estatística 15 de setembro de 2017 Eduardo Bezerra (CEFET/RJ) Distribuições Amostrais 1 / 28 Roteiro Distribuições amostrais 1 Distribuições amostrais
Leia maisBioestatística e Computação I
Bioestatística e Computação I Distribuição Amostral da Média Maria Virginia P Dutra Eloane G Ramos Vania Matos Fonseca Pós Graduação em Saúde da Mulher e da Criança IFF FIOCRUZ Baseado nas aulas de M.
Leia maisProbabilidade II. Departamento de Estatística. Universidade Federal da Paraíba. Prof. Tarciana Liberal (UFPB) Aula Desigualdades 02/14 1 / 31
Probabilidade II Departamento de Estatística Universidade Federal da Paraíba Prof. Tarciana Liberal (UFPB) Aula Desigualdades 02/14 1 / 31 Um teorema de grande importância e bastante utilidade em probabilidade
Leia maisDA PARAÍBA. Variáveis Aleatórias. Departamento de Estatística Luiz Medeiros
UNIVERSIDADE FEDERAL DA PARAÍBA Variáveis Aleatórias Departamento de Estatística Luiz Medeiros Introdução Como sabemos, características de interesse em diversas áreas estão sujeitas à variação Essa variabilidade
Leia maisQuímica Analítica V 2S Prof. Rafael Sousa. Notas de aula:
Química Analítica V 2S 2012 Aula 3: 04-12-12 Estatística Aplicada à Química Analítica Prof. Rafael Sousa Departamento de Química - ICE rafael.arromba@ufjf.edu.br Notas de aula: www.ufjf.br/baccan 1 Conceito
Leia maisEstatística e Probabilidade Aula 06 Distribuições de Probabilidades. Prof. Gabriel Bádue
Estatística e Probabilidade Aula 06 Distribuições de Probabilidades Prof. Gabriel Bádue Teoria A distribuição de Poisson é uma distribuição discreta de probabilidade, aplicável a ocorrências de um evento
Leia maisIND 1115 Inferência Estatística Aula 6
Conteúdo IND 5 Inferência Estatística Aula 6 Setembro de 004 A distribuição Lognormal A distribuição Beta e sua relação com a Uniforme(0,) Mônica Barros mbarros.com mbarros.com A distribuição Lognormal
Leia maisEstimativas e Tamanhos de Amostras
Estimativas e Tamanhos de Amostras 1 Aspectos Gerais 2 Estimativa de uma Média Populacional: Grandes Amostras 3 Estimativa de uma Média Populacional: Pequenas Amostras 4 Tamanho Amostral Necessário para
Leia mais