Tratamento de Dados 2º Semestre 2005/2006 Tópicos de Resolução do Trabalho 1
|
|
- Júlio César Laranjeira
- 4 Há anos
- Visualizações:
Transcrição
1 Trataento de Dados º Seestre 5/6 Tópcos de Resolução do Trabalho. a) A éda, para dados não classfcados, é calculada a partr da segunte expressão: x x 57,75,555 Dado que a densão da aostra é par,, a edana é dada por: x k + x k+ x5 + x,33 +,,37, co k M 5 b) Para dados não classfcados a varânca é dada por: s (x x) 69,667,5393 e o desvo padrão por: s (x x) 69,667,73 Ass, utlzando o resultado da alínea a), podeos calcular o coefcente de s,73 varação através de: ν, 73. x,555 c) Para 9 classes teos ua apltude por classe dada por: X Apltude por classe X 9 3,79 7,676 9 áx n,66 Consderando a apltude por classe gual a,7 e o extreo nferor da prera classe gual a 7,6 obteos o segunte quadro de frequêncas:
2 Classes X n f S F (x) [7,6; 8,3] 7,95 ]8,3;9,] 8,65 ]9,;9,7] 9,35 ]9,7;,],5 ],;,],75 ],;,8],5 ],8;,5],5 ],5;3,],85 ]3,;3,9] 3,55,8,8 33,66 37,7, 59,38 8,36 3,68,8 6,98 3,6 95,99,8 99,998 99,998, d) f- frequênca relatva,,3,, Hstograa Frequêncas relatvas [7,6; 8,3] ]8,3;9,] ]9,;9,7] ]9,7;,] ],;,] ],;,8] ],8;,5] ],5;3,] ]3,;3,9] classes Polígono de frequêncas relatvas frequênca relatva,,3,, 6, 6,9 7,6 8,3 9, 9,7,,,8,5 3, 3,9,6 x
3 Polígono ntegral- Frequêncas relatvas acuuladas frequênca acuulada,8,6,, 6,9 7,6 8,3 9 9,7,,,8,5 3, 3,9 dâetro e) Para dados classfcados a éda artétca é dada por: ' n x x f x ass, para os dados apresentados e c), teos que: x 7,95,8 + 8,65, ,85 + 3,55,,5 ' É preferível calcular a éda para dados não classfcados dado que neste caso não exste erro de tabulage. f) Moda Classe odal: classe co aor f ]9,7;,] Pela fórula de Kng, l + h f+ + f,8 9,7 +,7,8 +, f+,58 uarts O prero quartl é dado por: F ( / ),5. Através das frequêncas relatvas acuuladas apresentadas no quadro da alínea c) podeos conclur que / se stua na classe ]9,;9,7]. Por nterpolação lnear teos que: F (9,7) F (9,) F (/ 9,7 9, / 9,59 / ) F (9,),38,7,5,7 9, 9,7 9, 9, /
4 O segundo quartl, ou edana, é dado por F ( / ),5. Através das frequêncas relatvas acuuladas apresentadas no quadro da alínea c) podeos conclur que / se stua na classe ]9,7;,]. Por nterpolação lnear teos que: F (,) F (9,7) F ( /, 9,7 /,59 / ) F (9,7),68,38,5,38 9,7, 9,7 9,7 / O tercero quartl é dado por F ( 3/ ),75. Através das frequêncas relatvas acuuladas apresentadas no quadro da alínea c) podeos conclur que 3/ se stua na classe ],;,]. Por nterpolação lnear teos que: F (,) F (,) F (3/,, 3/,5976 3/ ) F (,),98,68,75,68,,7, 3/ O últo quartl corresponde ao valor áxo da aostra, sto é, / X áx 3,79. A dstrbução é unodal dado que observando o hstograa podeos verfcar que esta apenas apresenta u pco. Através da observação do hstograa e da coparação dos valores obtdos para cada ua das eddas de localzação, éda, oda e edana podeos conclur que a dstrbução é sétrca. g) Caxa-de-bgodes
5 . a) A éda, para dados não classfcados, é calculada a partr da segunte expressão: x x 65,5 85,98 euros Dado que a densão da aostra é par,, a edana é dada por: x k + x k+ x 5 + x 85,7 + 87,9 86,65 euros, co k M 5 b) Para dados não classfcados a varânca é dada por: s (x x) 3378, ,565 e o desvo padrão por: s (x x) 3378,38 5,3336 Ass, utlzando o resultado da alínea a), podeos calcular o coefcente de s 5,3336 varação através de: ν, 98. x 85,99 c) Para classes teos ua apltude por classe dada por: X Apltude por classe X 75 38,59 áx n,5 Consderando a apltude por classe gual a,6 e o extreo nferor da prera classe gual a 38,5 obteos o segunte quadro de frequêncas: Classes X n f S F (x) [385,5; 58,] 56,8 3,86 3,86 ]58,;67,7] 599, 86,7 9,58 ]67,7;83,3] 7 9,38 8,96 ]83,3;955,9] 88,6 95,9 33,686 ]955,9;98,5] 7, 7,,88 ]98,5;,] 69,8 5, 6,98
6 ],;383,7] 3, ]383,7;56,3] 55 ]56,3;668,9] 597,6 ]668,9;8,5] 7, 7,3 8,96 3,6 9,988, 96,99,8 d),3 Hstograa Frequêncas relatvas f- frequênca relatva,, [385,5; 58,] ]58,;67,7] ]67,7;83,3] ]83,3;955,9] ]955,9;98,5] ]98,5;,] ],;383,7] ]383,7;56,3] ]56,3;668,9] ]668,9;8,5] classes Polígono de frequêncas relatvas frequênca relatva,3,,,9 385,5 58, 67,7 83,3 955,9 98,5, 383,7 56,3 668,9 8,5 95, x
7 Polígono ntegral- Frequêncas relatvas acuuladas frequênca acuulada,8,6,, 385,5 58, 67,7 83,3 955,9 98,5, 383,7 56,3 668,9 8,5 rendas e) Para dados classfcados a éda artétca é dada por: ' n x x f x ass, para os dados apresentados e c), teos que: x 56,8, ,, ,6, + 7,,8 85,6576 euros ' Coo á fo referdo anterorente, é preferível calcular a éda para dados não classfcados dado que neste caso não exste erro de tabulage. f) Moda Classe odal: classe co aor f ]67,7;83,3] Pela fórula de Kng, f+,7 l + h 67,7 +,6 738,57 euros f + f,7 +,9 + uarts O prero quartl é dado por: F ( / ),5. Através das frequêncas relatvas acuuladas apresentadas no quadro da alínea c) podeos conclur que / se stua na classe ]58,;67,7]. Por nterpolação lnear teos que: F (67,7) F (58,) F (/ ) F (58,),58,86,5,86 67,7 58, 9, 67,7 58, 58, / 66,67 euros / /
8 O segundo quartl, ou edana, é dado por F ( / ),5. Através das frequêncas relatvas acuuladas apresentadas no quadro da alínea c) podeos conclur que / se stua na classe ]83,3;955,9]. Por nterpolação lnear teos que: F (955,9) F (83,3) F ( / 955,9 83,3 / 86,3 euros / ) F (83,3),686,96,5,96 83,3 955,9 83,3 83,3 / O tercero quartl é dado por F ( 3/ ),75. Através das frequêncas relatvas acuuladas apresentadas no quadro da alínea c) podeos conclur que 3/ se stua na classe ]955,9;98,5]. Por nterpolação lnear teos que: F (98,5) F (955,9) F (3/ 98,5 955,9 3/,7 euros 3/ ) F (955,9),88,686,75, ,9 98,5 955,9 955,9 3/ O últo quartl corresponde ao valor áxo da aostra, sto é, / X áx 75. A dstrbução é unodal dado que observando o hstograa podeos verfcar que esta apenas apresenta u pco. Através da observação do hstograa e da coparação dos valores obtdos para cada ua das eddas de localzação, éda, oda e edana podeos conclur que a dstrbução é assétrca postva ou envesada à dreta. g) Caxa-de-bgodes rendas
Tratamento de Dados 2º Semestre 2005/2006 Tópicos de Resolução do Trabalho 2 = 12
Traaeno de Dados º Seesre 5/6 Tópcos de Resolução do Trabalho Quesão a Para agrupar os dados e classes ora consderados os valores das rendas aé 5. ua vez que a parr dese valor os dados se enconra basane
Leia maisAULA 4. Segundo Quartil ( Q observações são menores que ele e 50% são maiores.
Estatístca Aplcada à Engenhara AULA 4 UNAMA - Unversdade da Amazôna.8 MEDIDA EPARATRIZE ão valores que separam o rol (os dados ordenados) em quatro (quarts), dez (decs) ou em cem (percents) partes guas.
Leia maisCÁLCULO NUMÉRICO. Profa. Dra. Yara de Souza Tadano
CÁLCULO NUMÉRICO Profa. Dra. Yara de Souza Tadano yaratadano@utfpr.edu.br Aula 7 e 8 06/204 Ajuste de Curvas AJUSTE DE CURVAS Cálculo Nuérco 3/64 INTRODUÇÃO E geral, experentos gera ua gaa de dados que
Leia maisANÁLISE DE ERROS. Todas as medidas das grandezas físicas deverão estar sempre acompanhadas da sua dimensão (unidades)! ERROS
Físca Arqutectura Pasagístca Análse de erros ANÁLISE DE ERROS A ervação de u fenóeno físco não é copleta se não puderos quantfcá-lo Para é sso é necessáro edr ua propredade físca O processo de edda consste
Leia maisVariável discreta: X = número de divórcios por indivíduo
5. Análse descrtva com dados agrupados Em algumas stuações, os dados podem ser apresentados dretamente nas tabelas de frequêncas. Netas stuações devemos utlzar estratégas específcas para obter as meddas
Leia maisCAPÍTULO 2 DESCRIÇÃO DE DADOS ESTATÍSTICA DESCRITIVA
CAPÍTULO DESCRIÇÃO DE DADOS ESTATÍSTICA DESCRITIVA. A MÉDIA ARITMÉTICA OU PROMÉDIO Defnção: é gual a soma dos valores do grupo de dados dvdda pelo número de valores. X x Soma dos valores de x número de
Leia maisCapítulo 2 Estatística Descritiva Continuação. Prof. Fabrício Maciel Gomes
Capítulo Estatístca Descrtva Contnuação Prof. Fabríco Macel Gomes Problema Uma peça após fundda sob pressão a alta temperatura recebe um furo com dâmetro especfcado em 1,00 mm e tolerânca de 0,5 mm: (11,75
Leia maisUNIVERSIDADE NOVA DE LISBOA Faculdade de Economia Análise de Dados e Probabilidade 2º Semestre 2008/2009 Exame Final 1ª Época. Grupo I (4 Valores)
UNIVERSIDADE NOVA DE LISBOA Faculdade de Economa Análse de Dados e Probabldade º Semestre 008/009 Exame Fnal ª Época Clara Costa Duarte Data: 8/05/009 Graça Slva Duração: h0 Grupo I (4 Valores) A gelatara
Leia maisRedução dos Dados. Júlio Osório. Medidas Características da Distribuição. Tendência Central (Localização) Variação (Dispersão) Forma
Redução dos Dados Júlo Osóro Meddas Característcas da Dstrbução Tendênca Central (Localzação) Varação (Dspersão) Forma 1 Meddas Característcas da Dstrbução Meddas Estatístcas Tendênca Central Dspersão
Leia maisMedidas de Tendência Central
Meddas de Tedêca Cetral Meddas de tedêca cetral dã valr d pt e tr d qual s dads se dstrbue. Ex: Méda Artétca, edaa e a da. Pdes calcular essas eddas para dads: 1. ã agrupads; 2. agrupads se tervals de
Leia maisFICHA de AVALIAÇÃO de MATEMÁTICA A 10.º Ano Versão 2
FICHA de AVALIAÇÃO de MATEMÁTICA A 10.º Ano Versão 2 Nome Nº Turma: Data: / / Professor 10.º Ano Classfcação Apresente o seu racocíno de forma clara, ndcando todos os cálculos que tver de efetuar e todas
Leia maisFigura 7.1: O problema do ajuste de funções a um conjunto de dados
Fgura 7: O problea do ajuste de funções a u conjunto de dados Capítulo 7 Aproxação de Funções por Mínos Quadrados 7 Introdução Dado u conjunto de observações (dados), frequenteente deseja-se condensar
Leia mais3.6. Análise descritiva com dados agrupados Dados agrupados com variáveis discretas
3.6. Análse descrtva com dados agrupados Em algumas stuações, os dados podem ser apresentados dretamente nas tabelas de frequêncas. Netas stuações devemos utlzar estratégas específcas para obter as meddas
Leia maisFICHA de AVALIAÇÃO de MATEMÁTICA A 10.º Ano Versão 4
FICHA de AVALIAÇÃO de MATEMÁTICA A 10.º Ano Versão 4 Nome Nº Turma: Data: / / Professor 10.º Ano Classfcação Apresente o seu racocíno de forma clara, ndcando todos os cálculos que tver de efetuar e todas
Leia maisCAPÍTULO 2 - Estatística Descritiva
INF 16 Prof. Luz Alexandre Peternell CAPÍTULO - Estatístca Descrtva Exercícos Propostos 1) Consderando os dados amostras abaxo, calcular: méda artmétca, varânca, desvo padrão, erro padrão da méda e coefcente
Leia maisDepartamento de Informática. Modelagem Analítica. Modelagem Analítica do Desempenho de Sistemas de Computação. Disciplina: Medida de Probabilidade
Departaento de Inforátca Dscplna: do Desepenho de Ssteas de Coputação Medda de Probabldade Prof. Sérgo Colcher colcher@nf.puc-ro.br Teora da Probabldade Modelo ateátco que perte estudar, de fora abstrata,
Leia mais, para. Assim, a soma (S) das áreas pedida é dada por:
(9) - wwweltecapnascobr O ELITE RESOLE FUEST 9 SEGUND FSE - MTEMÁTIC MTEMÁTIC QUESTÃO Na fgura ao lado, a reta r te equação x + no plano cartesano Ox lé dsso, os pontos B, B, B, B estão na reta r, sendo
Leia maisTeste Intermédio I (45%)
0 Anále de Dado e Probabldade º Semetre 00-007 Fernando Brto Soare Cáta Fernande Pedro Chave Tete Intermédo Data: 7 de Outubro de 00, 7:00 Duração: hora ota: A utlzação de máquna centífca e gráfca ó erá
Leia mais2ª Atividade Formativa UC ECS
I. Explque quando é que a méda conduz a melhores resultados que a medana. Dê um exemplo para a melhor utlzação de cada uma das meddas de localzação (Exame 01/09/2009). II. Suponha que um professor fez
Leia maisUniversidade da Beira Interior Departamento de Matemática. Ficha de exercícios nº2: Distribuições Bidimensionais
Ano lectvo: 2006/2007 Unversdade da Bera Interor Departamento de Matemátca ESTATÍSTICA Fcha de exercícos nº2: Dstrbuções Bdmensonas Curso: Cêncas do Desporto 1. Consdere a segunte tabela de contngênca:
Leia maisUNIVERSIDADE ESTADUAL PAULISTA "JÚLIO DE MESQUISTA FILHO" FACULDADE DE CIÊNCIAS AGRONÔMICAS CAMPUS DE BOTUCATU
UNIVERSIDADE ESTADUAL PAULISTA "JÚLIO DE MESQUISTA FILHO" FACULDADE DE CIÊNCIAS AGRONÔMICAS CAMPUS DE BOTUCATU COMPARAÇÃO ENTRE OS ESTIMADORES DE MÍNIMOS QUADRADOS ORDINÁRIOS E MÍNIMOS DESVIOS ABSOLUTOS
Leia mais37 [C] Verdadeira. Veja justificativa do item [B]. Moda = 8
Resposta da questão 1: [C] Calculando:,5 + 10 + 8 + 9,4 + 8 +,4 + x + 7,4 = 8, 8,5 + 10 + 8 + 9,4 + 8 +,4 + x + 7,4 = 5, x = 9,9 Moda = 8 8+ 8 Medana = = 8,5 + 10 + 8 + 9,4 + 8 +,4 + 7,4 Méda das outras
Leia maisFísica. Física Módulo 1. Sistemas de Partículas e Centro de Massa. Quantidade de movimento (momento) Conservação do momento linear
Físca Módulo 1 Ssteas de Partículas e Centro de Massa Quantdade de ovento (oento) Conservação do oento lnear Partículas e ssteas de Partículas Átoos, Bolnhas de gude, Carros e até Planetas... Até agora,
Leia mais8 - Medidas Descritivas
8 - Meddas Descrtvas 8. Introdução Ao descrevemos um conjunto de dados por meo de tabelas e gráfcos temos muto mas nformações sobre o comportamento de uma varável do que a própra sére orgnal de dados.
Leia maisAnálise Descritiva com Dados Agrupados
Análse Descrtva com Dados Agrupados Em algumas stuações, os dados podem ser apresentados dretamente nas tabelas de frequêncas. Netas stuações devemos utlzar estratégas específcas para obter as meddas descrtvas
Leia maisEstatística: uma definição
Prof. Lorí Val, Dr. val@pucrs.br http://.pucrs.br/faat/val/ Estatístca: ua defção Coleção de úeros estatístcas O úero de carros veddos auetou e 30%. o país A taa de deseprego atge, este ês, 7,%. As ações
Leia maisSistemas de equações lineares
Sstemas - ALGA - / Sstemas de equações lneares Uma equação lnear nas ncógntas ou varáves x ; x ; :::; x n é uma expressão da forma: a x + a x + ::: + a n x n = b onde a ; a ; :::; a n ; b são constantes
Leia maisFICHA de AVALIAÇÃO de MATEMÁTICA A 10.º Ano Versão 3
FICHA de AVALIAÇÃO de MATEMÁTICA A 10.º Ano Versão 3 Nome Nº Turma: Data: / / Professor 10.º Ano Classfcação Apresente o seu racocíno de forma clara, ndcando todos os cálculos que tver de efetuar e todas
Leia maisUNIDADE IV DELINEAMENTO INTEIRAMENTE CASUALIZADO (DIC)
UNDADE V DELNEAMENTO NTERAMENTE CASUALZADO (DC) CUABÁ, MT 015/ PROF.: RÔMULO MÔRA romulomora.webnode.com 1. NTRODUÇÃO Este delneamento apresenta como característca prncpal a necessdade de homogenedade
Leia maisA ciência de coletar, organizar, apresentar, analisar e interpretar dados numéricos com o objetivo de tomar melhores decisões.
.pucrs.br/faat/val/.at.ufrgs.br/~val/ Prof. Lorí Val, Dr. val@at.ufrgs.br val@pucrs.br Coleção de úeros estatístcas O úe ro de carros ve ddos o país auetou e 30%. A taa de deseprego atge, este ês, 7,%.
Leia maisEstatística: uma definição
Prof. Lorí Val, Dr. val@at.ufrgs.br http://.at.ufrgs.br/~val/ Estatístca: ua defção Coleção de úeros estatístcas O úero de carros veddos o país auetou e 30%. A taa de deseprego atge, este ês, 7,%. As ações
Leia mais6. Medidas de assimetria e curtose
6. Meddas de assetra e curtose 0 6.. Meddas de assetra Ua varável aleatóra cotíua X te dstrbução sétrca (syetrc) e relação a u valor 0 se f( 0 a) f( 0 + a), para todo a. Dstrbuções sétrcas: f() 0.00 0.05
Leia maisA ciência de coletar, organizar, apresentar, analisar e interpretar dados numéricos com o objetivo de tomar melhores decisões.
Prof. Lorí Val, Dr. val@at.ufrgs.br http://.at.ufrgs.br/~val/ Coleção de úeros estatístcas stcas O úero de carros veddos o país auetou e 30%. A taa de deseprego atge, este ês, 7,%. As ações a da Telebrás
Leia maisÉ o grau de associação entre duas ou mais variáveis. Pode ser: correlacional. ou experimental.
Prof. Lorí Val, Dr. vall@mat.ufrgs.br http://www.mat.ufrgs.br/~vall/ É o grau de assocação entre duas ou mas varáves. Pode ser: correlaconal http://www.mat.ufrgs.br/~vall/ ou expermental. Numa relação
Leia maisESCOLA SECUNDÁRIA COM 3º CICLO D. DINIS 10º ANO DE MATEMÁTICA A Tema III Estatística. Aula 1 do plano de trabalho nº 2
Aula 1 do plano de trabalho nº 2 Medram-se as alturas dos 40 alunos do prossegumento de estudos do 10º ano de uma escola e as alturas dos 40 alunos do 10º ano dos cursos tecnológcos dessa escola e obtveram-se
Leia maisTestes não-paramétricos
Testes não-paramétrcos Prof. Lorí Val, Dr. http://www.mat.ufrgs.br/val/ val@mat.ufrgs.br Um teste não paramétrco testa outras stuações que não parâmetros populaconas. Estas stuações podem ser relaconamentos,
Leia maisR X. X(s) Y Y(s) Variáveis aleatórias discretas bidimensionais
30 Varáves aleatóras bdmensonas Sea ε uma experênca aleatóra e S um espaço amostral assocado a essa experênca. Seam X X(s) e Y Y(s) duas funções cada uma assocando um número real a cada resultado s S.
Leia maisANEXOS REGULAMENTO DELEGADO DA COMISSÃO
COMISSÃO EUROPEIA Bruxelas, 27.4.2018 C(2018) 2460 fnal ANNEXES 1 to 2 ANEXOS do REGULAMENTO DELEGADO DA COMISSÃO que altera e retfca o Regulaento Delegado (UE) 2017/655 que copleta o Regulaento (UE) 2016/1628
Leia mais5.1 Método de Ponderação da Linha de Rotação
5 etodologa O copressor é o coponente de aor nfluênca no desepenho da turbna a gás ass a precsão de sua odelage te pacto sgnfcatvo na efcáca do odelo nuérco coputaconal desta ara a odelage do copressor
Leia maisAo se calcular a média, moda e mediana, temos: Quanto mais os dados variam, menos representativa é a média.
Estatístca Dscplna de Estatístca 0/ Curso de Admnstração em Gestão Públca Profª. Me. Valéra Espíndola Lessa e-mal: lessavalera@gmal.com Meddas de Dspersão Indcam se os dados estão, ou não, prómos uns dos
Leia maisAo se calcular a média, moda e mediana, temos: Quanto mais os dados variam, menos representativa é a média.
Estatístca Dscplna de Estatístca 0/ Curso Superor de tecnólogo em Gestão Ambental Profª. Me. Valéra Espíndola Lessa e-mal: lessavalera@gmal.com Meddas de Dspersão Indcam se os dados estão, ou não, prómos
Leia maisSeja o problema primal o qual será solucionado utilizando o método simplex Dual: (P)
PROGRAMA DE MESTRADO PROGRAMAÇÃO LIEAR PROFESSOR BALEEIRO Método Splex Dual no Tableau Garfnkel-ehauser E-al: abaleero@gal.co Ste: www.eeec.ufg.br/~baleero Sea o problea pral o qual será soluconado utlzando
Leia mais1. ANÁLISE EXPLORATÓRIA E ESTATÍSTICA DESCRITIVA
1. ANÁLISE EXPLORATÓRIA E ESTATÍSTICA DESCRITIVA 014 Estatístca Descrtva e Análse Exploratóra Etapas ncas. Utlzadas para descrever e resumr os dados. A dsponbldade de uma grande quantdade de dados e de
Leia maisResolução. Capítulo 32. Força Magnética. 6. C Para que não haja desvio devemos garantir que as forças magnética ( F M. ) e elétrica ( F E
esolução orça Magnétca E D 3 C 4 D 5 Capítulo 3 Dos vetores são antparalelos quando suas dreções são concdentes (paralelos) e seus sentdos são opostos, sto é, θ 8º, coo ostra a fgura adante: E Deste odo,
Leia maisFICHA de AVALIAÇÃO de MATEMÁTICA A 10.º Ano Versão 1
FICHA de AVALIAÇÃO de MATEMÁTICA A 10.º Ano Versão 1 Nome Nº Turma: Data: / / Professor 10.º Ano Classfcação Apresente o seu racocíno de forma clara, ndcando todos os cálculos que tver de efetuar e todas
Leia maisPÊNDULO ELÁSTICO. Fig. 1. Considere o sistema da figura 1. Quando se suspende uma massa, m, na mola, o seu comprimento aumenta de l 0
PÊNDULO ELÁSTICO. Resuo U corpo lgado a ua ola é posto e ovento osclatóro. Deterna-se as característcas do ovento e estuda-se a conservação da energa ecânca.. Tópcos teórcos Y l 0 l Fg. F r el P r X Consdere
Leia maisEstatística I Licenciatura MAEG 2006/07
Estatístca I Lcencatura MAEG 006/07 AMOSTRAGEM. DISTRIBUIÇÕES POR AMOSTRAGEM.. Em determnada unversdade verfca-se que 30% dos alunos têm carro. Seleccona-se uma amostra casual smples de 0 alunos. a) Qual
Leia maisCURSO de ESTATÍSTICA Gabarito
UNIVERSIDADE FEDERAL FLUMINENSE TRANSFERÊNCIA o semestre letvo de 010 e 1 o semestre letvo de 011 CURSO de ESTATÍSTICA Gabarto INSTRUÇÕES AO CANDIDATO Verfque se este caderno contém: PROVA DE REDAÇÃO com
Leia maisCurso de extensão, MMQ IFUSP, fevereiro/2014. Alguns exercício básicos
Curso de extensão, MMQ IFUSP, feverero/4 Alguns exercíco báscos I Exercícos (MMQ) Uma grandeza cujo valor verdadero x é desconhecdo, fo medda três vezes, com procedmentos expermentas dêntcos e, portanto,
Leia maisCaderno de Exercícios Resolvidos
Estatístca Descrtva Exercíco 1. Caderno de Exercícos Resolvdos A fgura segunte representa, através de um polígono ntegral, a dstrbução do rendmento nas famílas dos alunos de duas turmas. 1,,75 Turma B
Leia maisAnálise da Informação Económica e Empresarial
Aálse da Iformação Ecoómca e Empresaral Aula 8: Redução de Dados: Meddas de Dspersão e Cocetração Aálse da Iformação Ecoómca e Empresaral Guão Aula 8: Redução de Dados: Meddas de Dspersão e Cocetração
Leia maisResoluções dos exercícios propostos
da físca 3 Undade C Capítulo 4 Força agnétca esoluções dos exercícos propostos P.33 Característcas da força agnétca : dreção: perpendcular a e a, sto é: da reta s C u D r sentdo: deternado pela regra da
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 entre duas ou mas varáves. Pode ser: correlaconal ou expermental. Numa relação expermental os valores de uma das
Leia maisEscola Secundária com 3º ciclo D. Dinis 10º Ano de Matemática A Estatística
Escola Secundára com º cclo D. Dns 10º Ano de Matemátca A Estatístca Trabalho de casa nº 15 GRUPO I 1. Num referencal o.n. Oxyz, a undade é o cm e a esfera defnda por ( ) ( ) está nscrta num cubo. O volume
Leia mais3- Autovalores e Autovetores.
MÉTODOS NUMÉRICOS PARA EQUAÇÕES DIFERENCIAIS PARCIAIS 3- Autovalores e Autovetores. 3.- Autovetores e Autovalores de ua Matrz. 3.- Métodos para ecotrar os Autovalores e Autovetores de ua Matrz. 3.- Autovetores
Leia maisProf. Lorí Viali, Dr.
Prof. Lorí Val, Dr. val@mat.ufrgs.br http://www.mat.ufrgs.br/~val É o grau de assocação entre duas ou mas varáves. Pode ser: correlaconal ou expermental. Prof. Lorí Val, Dr. UFRGS Insttuto de Matemátca
Leia maisANÁLISE EXPLORATÓRIA E ESTATÍSTICA DESCRITIVA
ANÁLISE EXPLORATÓRIA E ESTATÍSTICA DESCRITIVA 014 Estatístca Descrtva e Análse Exploratóra Etapas ncas. Utlzadas para descrever e resumr os dados. A dsponbldade de uma grande quantdade de dados e de métodos
Leia maisOs modelos de regressão paramétricos vistos anteriormente exigem que se suponha uma distribuição estatística para o tempo de sobrevivência.
MODELO DE REGRESSÃO DE COX Os modelos de regressão paramétrcos vstos anterormente exgem que se suponha uma dstrbução estatístca para o tempo de sobrevvênca. Contudo esta suposção, caso não sea adequada,
Leia maisANÁLISE EXPLORATÓRIA E ESTATÍSTICA DESCRITIVA
ANÁLISE EXPLORATÓRIA E ESTATÍSTICA DESCRITIVA 014 Estatístca Descrtva e Análse Exploratóra Etapas ncas. Utlzadas para descrever e resumr os dados. A dsponbldade de uma grande quantdade de dados e de métodos
Leia maisPRESSUPOSTOS DO MODELO DE REGRESSÃO
PREUPOTO DO MODELO DE REGREÃO A aplcação do modelo de regressão lnear múltpla (bem como da smples) pressupõe a verfcação de alguns pressupostos que condensamos segudamente.. Os erros E são varáves aleatóras
Leia maisx Ex: A tabela abaixo refere-se às notas finais de três turmas de estudantes. Calcular a média de cada turma:
Professora Janete Perera Amador 1 8 Meddas Descrtvas Vmos anterormente que um conjunto de dados pode ser resumdo através de uma dstrbução de freqüêncas, e que esta pode ser representada através de uma
Leia maisA Figura 1 ilustra as zonas de entrada de decantadores retangulares e circulares.
IPH 0058: Trataento de Água e Egoto, Capítulo 6 6. DECANTAÇÃO EM ETA No projeto de decantadore deve er denonada a ua zona de entrada e aída. A zona de entrada engloba o canal de aceo ao decantadore, ua
Leia mais3 Método Numérico. 3.1 Discretização da Equação Diferencial
3 Método Numérco O presente capítulo apresenta a dscretação da equação dferencal para o campo de pressão e a ntegração numérca da expressão obtda anterormente para a Vscosdade Newtonana Equvalente possbltando
Leia mais4.1. Medidas de Posição da amostra: média, mediana e moda
4. Meddas descrtva para dados quanttatvos 4.1. Meddas de Posção da amostra: méda, medana e moda Consdere uma amostra com n observações: x 1, x,..., x n. a) Méda: (ou méda artmétca) é representada por x
Leia maisCONCEITOS INICIAIS DE ESTATÍSTICA MÓDULO 2 DISTRIBUIÇÃO DE FREQÜÊNCIA - ELEMENTOS Prof. Rogério Rodrigues
CONCEITOS INICIAIS DE ESTATÍSTICA MÓDULO DISTRIBUIÇÃO DE FREQÜÊNCIA - ELEMENTOS Prof. Rogéro Rodrgues I) TABELA PRIMITIVA E DISTRIBUIÇÃO DE FREQÜÊNCIA : No processo de amostragem, a forma de regstro mas
Leia maisMedidas de Dispersão e Assimetria Desvio Médio Variância Desvio Padrão Medidas de Assimetria Coeficiente de Assimetria Exemplos.
Meddas de Dspersão e Assmetra Desvo Médo Varânca Desvo Padrão Meddas de Assmetra Coefcente de Assmetra Exemplos lde 1 de 16 Meddas de Dspersão - Méda ervem para verfcação e representatvdade das meddas
Leia mais2a VERIFICAÇÃO REFINO DOS AÇOS I Julho Um aço é dessulfurado por uma escória, em condições desoxidantes.
a VERIFICAÇÃ REFIN D AÇ I Julho 8 U aço é dessulfurado por ua escóra, e condções desoxdantes. Reação quíca na nterface: + - = - +. Faça u esquea da nterface aço-escóra, lstando todas as etapas que pode
Leia maisProf. Lorí Viali, Dr.
Prof. Lorí Val, Dr. val@mat.ufrgs.br http://www.mat.ufrgs.br/~val/ É o grau de assocação entre duas ou mas varáves. Pode ser: correlaconal ou expermental. Prof. Lorí Val, Dr. UFRG Insttuto de Matemátca
Leia maiswww.obconcursos.com.br/portal/v1/carreirafiscal
www.obconcursos.com.br/portal/v1/carrerafscal Moda Exercíco: Determne o valor modal em cada um dos conjuntos de dados a segur: X: { 3, 4,, 8, 8, 8, 9, 10, 11, 1, 13 } Mo 8 Y: { 10, 11, 11, 13, 13, 13,
Leia maisMOQ-14 PROJETO E ANÁLISE DE EXPERIMENTOS LISTA DE EXERCÍCIOS 1 REGRESSÃO LINEAR SIMPLES
MOQ-14 PROJETO E ANÁLISE DE EXPERIMENTOS LISTA DE EXERCÍCIOS 1 REGRESSÃO LINEAR SIMPLES 1. Obtenha os estmadores dos coefcentes lnear e angular de um modelo de regressão lnear smples utlzando o método
Leia maisAnálise de Dados e Probabilidade 1º Semestre 2006/2007
UNIVERSIDDE NOV DE LISBO Faculdade de Economa nálse de Dados e robabldade º Semestre 6/7 EXERCÍCIOS DE EXMES NTERIORES. ssocação do Sector de Vestuáro do aís Roualânda retende estudar como se dstrbuem
Leia maisGráficos de Controle para Processos Autocorrelacionados
Gráfcos de Controle para Processos Autocorrelaconados Gráfco de controle de Shewhart: observações ndependentes e normalmente dstrbuídas. Shewhart ao crar os gráfcos de controle não exgu que os dados fossem
Leia maisF-128 Física Geral I. Aula Exploratória 09 Unicamp - IFGW. F128 2o Semestre de 2012
F-8 Físca Geral I Aula Exploratóra 09 Uncap - IFGW F8 o Seestre de 0 C ext a F ) ( C C C z z z z z y y y y y x x x x x r C r C ext a dt r d dt r d dt r d F ) ( (esta é a ª le de ewton para u sstea de partículas:
Leia maisFísica I para Engenharia. Aula 7 Massa variável - colisões
Físca I para Engenhara º Seestre de 04 Insttuto de Físca- Unersdade de São Paulo Aula 7 Massa aráel - colsões Proessor: Valdr Guarães E-al: aldrg@.usp.br Massa Contnuaente Varáel F res F res F res dp d(
Leia maisNome: Nº: Estatística para Economia e Gestão Licenciaturas em Economia e Gestão. 2.º Semestre de 2008/2009
Estatístca para Economa e Gestão Lcencaturas em Economa e Gestão.º Semestre de 008/009 Exame Fnal (.ª Época) 16 de Junho de 009; 17h30m Duração: 10 mnutos INSTRUÇÕES Escreva o nome e número de aluno em
Leia maisRISCO. Investimento inicial $ $ Taxa de retorno anual Pessimista 13% 7% Mais provável 15% 15% Otimista 17% 23% Faixa 4% 16%
Análse de Rsco 1 RISCO Rsco possbldade de perda. Quanto maor a possbldade, maor o rsco. Exemplo: Empresa X va receber $ 1.000 de uros em 30 das com títulos do governo. A empresa Y pode receber entre $
Leia maisAnálise Exploratória de Dados
Análse Exploratóra de Dados Objetvos Análse de duas varáves quanttatvas: traçar dagramas de dspersão, para avalar possíves relações entre as duas varáves; calcular o coefcente de correlação entre as duas
Leia maisINFERÊNCIA ESTATÍSTICA PARA DUAS POPULAÇÕES
INFERÊNCIA ESTATÍSTICA PARA DUAS POPULAÇÕES . Populações depedetes co dstrbução oral População População,, Y,,Y ~ N, Y ~ N, Y ~ N, Obs. Se a dstrbução de e/ou Y ão for oral, os resultados são váldos aproxadaete.
Leia mais2 - Análise de circuitos em corrente contínua
- Análse de crcutos em corrente contínua.-corrente eléctrca.-le de Ohm.3-Sentdos da corrente: real e convenconal.4-fontes ndependentes e fontes dependentes.5-assocação de resstêncas; Dvsores de tensão;
Leia maisAEP FISCAL ESTATÍSTICA
AEP FISCAL ESTATÍSTICA Módulo 11: Varáves Aleatóras (webercampos@gmal.com) VARIÁVEIS ALEATÓRIAS 1. Conceto de Varáves Aleatóras Exemplo: O expermento consste no lançamento de duas moedas: X: nº de caras
Leia maisREGRESSÃO NÃO LINEAR 27/06/2017
7/06/07 REGRESSÃO NÃO LINEAR CUIABÁ, MT 07/ Os modelos de regressão não lnear dferencam-se dos modelos lneares, tanto smples como múltplos, pelo fato de suas varáves ndependentes não estarem separados
Leia maisMódulo 4 Sistema de Partículas e Momento Linear
Módulo 4 Sstea de Partículas e Moento Lnear Moento lnear Moento lnear (quantdade de oento) de ua partícula: Grandeza etoral Undades S.I. : kg./s p Moento lnear e ª Le de ewton: Se a assa é constante: F
Leia maisEstatística. 8 Teste de Aderência. UNESP FEG DPD Prof. Edgard
Estatístca 8 Teste de Aderênca UNESP FEG DPD Prof. Edgard 011 8-1 Teste de Aderênca IDÉIA: descobrr qual é a Dstrbução de uma Varável Aleatóra X, a partr de uma amostra: {X 1, X,..., X n } Problema: Seja
Leia maisProf. Lorí Viali, Dr.
Prof. Lorí Val, Dr. val@mat.ufrgs.br http://www.mat.ufrgs.br/~val/ 1 É o grau de assocação entre duas ou mas varáves. Pode ser: correlaconal ou expermental. Numa relação expermental os valores de uma das
Leia maisESPECTROSCOPIA ROTACIONAL
05/03/08 ESPECTOSCOPIA OTACIONAL Prof. Harley P. Martns Flho O odelo do rotor rígdo Partícula de assa grando no espaço a ua dstânca constante de u ponto fxo no espaço: Moento angular da partícula: = rp
Leia maisProf. Seabra PSI/EPUSP. Amplificadores Operacionais Aulas 16/17
7 Aplfcadores Operaconas Aulas 16/17 114 PSI 306 Eletrônca Prograação para a Segunda Proa 115 16ª Aula e 17ª Aula : Aplfcadores ferencas co Transtores MOS Ao fnal desta aula ocê deerá estar apto a: - Explcar
Leia maisFísica C Extensivo V. 6
Gabarto ísca C Extenso V. 6 esola Aula.0) C Ao fecharos a chae K, as lnhas de ndução nas roxdades do clndro de ferro enolto or u fo e fora de adenóde se aresenta da segunte fora: Aula.0) 45 0. Correta.
Leia maisProf. Lorí Viali, Dr.
Prof. Lorí Val, Dr. vall@mat.ufrgs.br http://www.mat.ufrgs.br/~val/ Em mutas stuações duas ou mas varáves estão relaconadas e surge então a necessdade de determnar a natureza deste relaconamento. A análse
Leia maisX = 1, se ocorre : VB ou BV (vermelha e branca ou branca e vermelha)
Estatístca p/ Admnstração II - Profª Ana Cláuda Melo Undade : Probabldade Aula: 3 Varável Aleatóra. Varáves Aleatóras Ao descrever um espaço amostral de um expermento, não especfcamos que um resultado
Leia maisCAP RATES, YIELDS E AVALIAÇÃO DE IMÓVEIS pelo método do rendimento
CAP RATES, YIELDS E AALIAÇÃO DE IMÓEIS pelo étodo do rendento Publcado no Confdencal Iobláro, Março de 2007 AMARO NAES LAIA Drector da Pós-Graduação de Gestão e Avalação Ioblára do ISEG. Docente das caderas
Leia maisINSTITUTO POLITÉCNICO DE VISEU ESCOLA SUPERIOR DE TECNOLOGIA E GESTÃO
Área Centfca Curso Matemátca Engenhara Electrotécnca º Semestre º 00/0 Fcha nº 9. Um artgo da revsta Wear (99) apresenta dados relatvos à vscosdade do óleo e ao desgaste do aço maco. A relação entre estas
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 mais6. Inferência para Duas Populações USP-ICMC-SME 2013
6. Iferêca ara Duas Poulações UP-ICMC-ME 3 8.. Poulações deedetes co dstrbução oral Poulação Poulação,,,, ~ N, ~ N, ~ N, Obs. e a dstrbução de e/ou ão for oral, os resultados são váldos aroxadaete. Testes
Leia maisNeste capítulo abordam-se os principais conceitos relacionados com os cálculos de estatísticas, histogramas e correlação entre imagens digitais.
1 1Imagem Dgtal: Estatístcas INTRODUÇÃO Neste capítulo abordam-se os prncpas concetos relaconados com os cálculos de estatístcas, hstogramas e correlação entre magens dgtas. 4.1. VALOR MÉDIO, VARIÂNCIA,
Leia maisCaderno de Fórmulas em Implementação. SWAP Alterações na curva Libor
Caderno de Fórmulas em Implementação SWAP Alterações na curva Lbor Atualzado em: 15/12/217 Comuncado: 12/217 DN Homologação: - Versão: Mar/218 Índce 1 Atualzações... 2 2 Caderno de Fórmulas - SWAP... 3
Leia maisParte 1: Exercícios Teóricos
Cálculo Numérco SME0300 ICMC-USP Lsta 2: Sstemas Lneares Métodos Dretos Professora: Cyntha de O. Lage Ferrera Parte 1: Exercícos Teórcos 1. Consdere o sstema Ax = b, onde 1 α 3 α 1 4 ; x = 5 2 1 Para que
Leia maisTeoria Elementar da Probabilidade
10 Teora Elementar da Probabldade MODELOS MATEMÁTICOS DETERMINÍSTICOS PROBABILÍSTICOS PROCESSO (FENÓMENO) ALEATÓRIO - Quando o acaso nterfere na ocorrênca de um ou mas dos resultados nos quas tal processo
Leia maisInterpolação Segmentada
Interpolação Segmentada Uma splne é uma função segmentada e consste na junção de váras funções defndas num ntervalo, de tal forma que as partes que estão lgadas umas às outras de uma manera contínua e
Leia maisMétodos Numéricos no Traçado de Campos
Métodos Nuércos no Traçado de Capos ELECTROTECNIA TEÓRICA LEEC Aníbal Castlho Cobra de Matos Mara Inês Barbosa de Carvalho Dezebro de 5 Nota ntrodutóra Estes apontaentos destna-se apoar as aulas da dscplna
Leia mais