As tabelas resumem as informações obtidas da amostra ou da população. Essas tabelas podem ser construídas sem ou com perda de informações.

Tamanho: px
Começar a partir da página:

Download "As tabelas resumem as informações obtidas da amostra ou da população. Essas tabelas podem ser construídas sem ou com perda de informações."

Transcrição

1 1. TABELA DE DISTRIBUIÇÃO DE FREQÜÊNCIA As tabelas resumem as normações obtdas da amostra ou da população. Essas tabelas podem ser construídas sem ou com perda de normações. As tabelas sem perda de normação são construídas lstando-se os valores da varável reerentes à amostra ou população, um em cada lnha e marcando-se quantas vezes cada um desses valores se repete. Essa quantdade recebe o nome de reqüênca. Por sso, a tabela que relacona o valor da varável com a reqüênca correspondente recebe o nome de Tabela de Dstrbução de Freqüênca. Quando a varável assume mutos valores a tabela sem perda de normação pode car muto grande. Daí surge a necessdade de agrupar os dados em ntervalos de classe, com lmte neror e lmte superor. Essa tabela mostra uma perda de normação, pos os valores orgnas da varável não aparecem mas ndvdualmente. Ao usar a Tabela de Dstrbução de Freqüêncas com ntervalos de classe ganhamos em smplcdade, mas perdemos em pormenores. Para cada classe a quantdade de vezes em que cada valor aparece é marcada. Cada valor da varável deve pertencer a apenas uma das classes. A Tabela de Dstrbução de Freqüênca com perda de normação reorganza os valores em ordem crescente ou decrescente de grandeza, tal que uma característca da população é dvdda em classes, ndcando-se a quantdade de ocorrêncas em cada classe, relaconando cada valor (ou ntervalo) com a sua reqüênca. Uma companha abrca tubos de PVC. De cada lote abrcado, alguns tubos são nspeconados pelo controle de qualdade da empresa. Nesta nspeção são coletadas algumas meddas como: dâmetro nterno, dâmetro eterno e comprmento do tubo. Os dados a segur são reerentes aos dâmetros nternos PVC. (em mlímetros) de 60 tubos de 1

2 Tabela 1: Tabela Prmtva 73,8 7,9 74,3 74,0 73,6 74,1 73,5 73,4 7,8 73,7 73,6 73,5 7,5 73,3 74, 7,0 7,4 74,5 73,6 74, 74,0 7,8 73,8 7,5 7,5 73,3 73,0 73, 73,0 73,9 73,4 73,8 74,0 73,5 73, 73,5 7,7 73,4 73, 73,6 7,6 73, 73,7 73,1 74,6 73,5 73,5 7,9 73,9 73,1 73,6 73,3 73,9 74,1 73,4 73,0 73,0 74, 74,6 7,7 Esses dados são chamados de dados prmtvos e são mostrados sem segur ordem alguma. O deal sera ordená-los para então poder separá-los em classes. Quando ordenamos os dados transormamos a Tabela Prmtva em uma tabela ordenada, chamada de Rol. Tabela : Rol 7,0 7,7 73,0 73, 73,3 73,5 73,6 73,8 74,0 74, 7,4 7,7 73,0 73, 73,4 73,5 73,6 73,8 74,0 74, 7,5 7,8 73,0 73, 73,4 73,5 73,6 73,8 74,0 74,3 7,5 7,8 73,0 73, 73,4 73,5 73,6 73,9 74,1 74,5 7,5 7,9 73,1 73,3 73,4 73,5 73,7 73,9 74,1 74,6 7,6 7,9 73,1 73,3 73,5 73,6 73,7 73,9 74, 74,6 Com a tabela ordenada ca ácl vsualzarmos o menor valor de dâmetro e o maor valor de dâmetro. Assm, podemos calcular a ampltude amostral (AA), que é a derença entre o maor valor e o menor valor que a varável assume no problema. AA ma - mn Nesse caso, a ampltude amostral é AA 74,6 7,0,6 mm. Para calcular o número de classes () ou categoras que devemos utlzar para os 60 dâmetros, usamos a Regra de Sturges: 1 + 3,3. log n

3 Essa regra nos dá o número de classes em unção do tamanho da amostra. Assm, 1 + 3,3. log 60 6,8678 ~ 7 (arredonda-se sempre para o número ntero mas prómo, pos o número de classes deve ser ntero). mm. órmula: A Tabela de Dstrbução de Freqüêncas terá 7 classes e ampltude amostral,6 A ampltude do ntervalo de cada uma das classes (h) é encontrado através da AA h AA,6 A ampltude do ntervalo de classe é h 0,3714 ~ 0, 4 7 Importante: o arredondamento do deve ser sempre eetuado para cma usando o mesmo número de casas decmas dos elementos da amostra para que nenhum elemento que ora da tabela. Com os valores de AA, e h podemos ncar a construção da Tabela de Dstrbução de Freqüênca. A tabela deverá ter 8 lnhas, uma para o cabeçalho e uma para cada uma das 7 classes. Incalmente o número de colunas deve ser 3 ( uma para numerar as classes, outra para os ntervalos de classe e a 3ª. para as reqüêncas smples ( ) de cada classe, como mostra a tabela a segur. Tabela 3: Tabela de Dstrbução de Freqüênca Smples Dâmetros (mm) 1 7,0 7,4 1 7,4 7, ,8 73, , 73, ,6 74, ,0 74, ,4 74,8 3 3

4 Como o montada a Tabela de Dstrbução de Freqüênca Para montar a tabela você deverá segur os passos: 1ª. COLUNA: Incalmente numeramos a 1ª. coluna de 1 a 7, pos temos 7 classes. ª. COLUNA: dâmetros (mm) A prmera classe deve ter como lmte neror (l) o menor valor que a varável dâmetro assume no problema, ou seja, l 1 7,0 mm. Como o valor de h 0,4 o lmte superor (L) deve ser 7,0 acrescdo de h 0,4. Logo, o lmte superor da prmera classe será L 1 7,4 mm. O lmte superor de uma classe aparece sempre como o lmte neror da classe segunte. Assm, o lmte neror da ª classe será l 7,4 mm. O lmte superor da ª classe é gual ao lmte neror da desta classe acrescdo de h (L 7,8 mm). Desta orma calculamos todos os lmtes nerores e superores como mostra a tabela acma. O símbolo colocado entre o lmte neror e o lmte superor de cada classe representa a notação de ntervalo echado à esquerda e aberto à dreta. Isso sgnca que em cada uma das classes o lmte superor não entra na contagem, mas entra como lmte neror da classe segunte. Apenas a últma classe pode nclur os dos lmtes (neror e superor) se o valor de h or eato (sem a necessdade de arredondamento). Como já ctado anterormente, cada valor da varável deve pertencer a apenas uma das classes. Se olharmos na tabela ordenada (Rol) notamos que o valor de dâmetro 7,4 mm aparece uma vez. O valor 7,4 mm é o lmte neror da 1ª classe e também o lmte superor da ª classe. 4

5 3ª. COLUNA: Em qual das duas classes essa reqüênca deve aparecer? Usando a notação de ntervalos adotada aqu ( ) devemos nserr essa reqüênca (o valor 7,4 mm aparecendo uma vez) na ª classe. Assm, sstematzamos da segunte orma: na 1ª classe contamos todas as ocorrêncas de dâmetros entre 7,0 mm e 7,4 mm, eceto o dâmetro 7,4 mm já que este entrará na próma classe ( 1 1); na ª classe contamos todas as ocorrêncas de dâmetros entre 7,4 mm e 7,8 mm, eceto o dâmetro 7,8 mm já que este entrará na próma classe ( 7); na 3ª classe contamos todas as ocorrêncas de dâmetros entre 7,8 mm e 73, mm, eceto o dâmetro 73, mm já que este entrará na próma classe ( 3 10); na 4ª classe contamos todas as ocorrêncas de dâmetros entre 73, mm e 73,6 mm, eceto o dâmetro 73,6 mm já que este entrará na próma classe ( 4 17); na 5ª classe contamos todas as ocorrêncas de dâmetros entre 73,6 mm e 74,0 mm, eceto o dâmetro 74,0 mm já que este entrará na próma classe ( 5 13); na 6ª classe contamos todas as ocorrêncas de dâmetros entre 74,0 mm e 74,4 mm, eceto o dâmetro 74,4 mm já que este entrará na próma classe( 6 9); na 7ª e últma classe contamos todas as ocorrêncas de dâmetros entre 74,4 mm e 74,8 mm. Como esta é a últma classe o valor pode ser contado, se houver, pos não este uma classe posteror à últma ( 7 3). A soma de todas as reqüêncas smples ( ) é gual ao tamanho da amostra (n). Assm, n ou Σ n. Mas a Tabela de Dstrbução de Freqüêncas não pára por aí. Estem outras reqüêncas que podem ser calculadas. 5

6 Freqüêncas Relatvas (r ): são as reqüêncas smples transormadas em percentuas. Calculamos pela razão entre a reqüênca smples e o tamanho da amostra. As reqüêncas relatvas têm o ntuto de permtr a análse ou acltar comparações. r.100 e Σ r 100% n Calculando as reqüêncas relatvas das 7 classes temos: 1 1 r , ,7% n 60 7 r , ,7% n r , ,7% n r , ,3% n r , ,7% n 60 r r n n Σr 15,0% 5,0% 1,7 + 11,7 + 16,7 + 8,3 + 1,7 + 15,0 + 5,0 100,1% O somatóro das reqüêncas relatvas deve ser gual a 100% e não gual a 100,1%. Isso acontece devdo aos arredondamentos. Quando ocorre de termos um somatóro derente de 100% devemos compensar essa derença na maor parcela, pos nessa parcela ocorre o menor erro percentual. Nesse caso a maor parcela é o valor da reqüênca relatva da 4ª classe (r 4 8,3%). Para que a soma das reqüêncas relatvas passe de 100,1% para 100% a reqüênca relatva da 4ª classe deve passar de 8,3% para 8,% (r 4 8,%). Assm, Σr 1,7 +11,7 +16,7 + 8, + 1,7 +15,0 + 5,0 100,0%. 6

7 Freqüêncas Acumuladas (F ): é o total das reqüêncas de todos os valores nerores ao lmte superor do ntervalo de uma dada classe. F k k ou F k Σ ( 1,,..., k) Calculando as reqüêncas acumuladas das 7 classes temos: F1 1 1 F 1 + F1 + F F F F F F F F F F Freqüêncas Relatvas Acumuladas (Fr ): é a soma das reqüêncas relatvas de todos os valores nerores ao lmte superor do ntervalo de uma dada classe. Fr k r 1 + r r k ou Fr k Σr 100% ( 1,,..., k) Calculando as reqüêncas relatvas acumuladas das 7 classes temos: Fr1 r1 1,7% Fr r1 + r Fr1 + r 1,7 +11,7 13,4% Fr3 r1 + r + r3 Fr + r3 13,4 + 16,7 30,1% Fr4 r1 + r + r3 + r4 Fr3 + r4 30,1+ 8, 58,3% Fr5 r1 + r + r3 + r4 + r5 Fr4 + r5 58,3 + 1,7 80,0% Fr6 r1 + r + r3 + r4 + r5 + r6 Fr5 + r6 80,0 +15,0 95,0% Fr7 r1 + r + r3 + r4 + r5 + r6 + r7 Fr6 + r7 95,0 + 5,0 100,0% Ponto Médo ( ): é o ponto que dvde uma classe em duas partes guas. 7

8 l +L Calculando os pontos médos de cada uma das 7 classes temos: 1 l 1 +L 1 7,0 + 7,4 7, l l l l l l L +L +L + L + L +L ,4 + 7,8 7,8 + 73, 73, + 73,6 73,6 + 74,0 74,0 + 74,4 74,4 + 74,8 7,6 73,0 73,4 73,8 74, 74,6 Repare que: h 0,4. Assm: 1 +h 7, + 0,4 7,6 3 +h 7,6 + 0,4 73, h 73,0 + 0,4 73, h 73,4 + 0,4 73, h 73,8 + 0,4 74, 7 6 +h 74, + 0,4 74,6 Completa. A segur você pode vsualzar a Tabela de Dstrbução de Freqüênca 8

9 Tabela 4: Tabela de Dstrbução de Freqüêncas Completa Dâmetros (mm) r (%) F Fr (%) 1 7,0 7,4 1 1,7 1 1,7 7, 7,4 7,8 7 11,7 8 13,4 7,6 3 7,8 73, 10 16, ,1 73,0 4 73, 73,6 17 8, 35 58,3 73,4 5 73,6 74,0 13 1, ,0 73,8 6 74,0 74,4 9 15, ,0 74, 7 74,4 74,8 3 5, ,0 74,6 Σ 60 Σ r 100,0 Hstograma classe. É um gráco de barras vertcas, ornecendo a reqüênca para cada ntervalo de Eercícos Propostos 1. Um radar da políca rodovára regstrou as velocdades de 50 veículos em uma rodova, obtendo-se os seguntes dados (velocdades em km/h), já ordenados de orma crescente. Construa a tabela de dstrbução de reqüênca completa e o Hstograma. 35,9 65,6 68,0 74,0 77, 78,5 79,3 80,0 80,7 83,0 36,8 65,7 70, 75,0 77,9 78,6 79,6 80,0 80,9 83,1 50,3 67, 71,9 75,3 78,1 79,0 79,6 80,0 81,0 83,7 55,4 67,8 73,6 75,6 78, 79, 79,9 80, 81,6 85,0 60,7 68,0 73,9 77,0 78,3 79, 80,0 80,5 8,0 90,6 9

10 . Foram ensaados 100 corpos de prova de aço ABNT 100, e obtdas as seguntes meddas reerentes à sua tensão de ruptura (em kg/mm ), já ordenadas de orma crescente. Com base nos dados, construa a tabela de dstrbução de reqüênca completa e o Hstograma. 35,8 36,5 37, 37,9 38,6 38,8 39,1 39,9 40,5 41,3 36,0 36,6 37,3 38,0 38,6 38,8 39, 40,0 40,5 41,5 36,0 36,7 37,3 38,0 38,7 38,9 39, 40,0 40,6 41,5 36,0 36,7 37,3 38,1 38,7 38,9 39, 40,1 40,7 41,5 36,1 36,7 37,4 38,1 38,7 39,0 39, 40,1 41,0 41,7 36,1 36,8 37,4 38, 38,8 39,0 39,3 40, 41,1 41,7 36, 36,8 37,4 38, 38,8 39,0 39,3 40, 41,1 41,9 36,3 37,0 37,4 38,5 38,8 39,0 39,3 40,3 41, 4,0 36,4 37,1 37,5 38,5 38,8 39,0 39,7 40,4 41,3 4,0 36,5 37,1 37,5 38,6 38,8 39,1 39,8 40,5 41,3 4, 3. A tabela abao traz os comprmentos (em cm) de 8 componentes eletrôncos. Construa a tabela de dstrbução completa e o Hstograma. 4,3 3,9 4,5 4,6 4,3 4,1 4,3 4,5 3, 3,7 3,5,9 4,1 4,0 3,8 4, 4, 4, 4,5 4,3 4,3 4,4 4, 3,8 4,5 4,5 4,0 4,5 4. Uma empresa abrcante de lâmpadas deseja testar uma parte de sua produção. Seleconou 60 lâmpadas de 100W e deou-as lgadas até te que quemassem. O tempo de vda útl de cada uma delas está regstrado na tabela abao. Construa a tabela de dstrbução completa e o Hstograma

11 . MEDIDAS DE TENDÊNCIA CENTRAL OU MEDIDAS DE POSIÇÃO Para melhor caracterzar um conjunto de valores que uma varável pode assumr é precso escolher um valor únco que represente todos os valores dessa amostra. As meddas de posção ou tendênca central sugerem uma concentração dos dados em torno delas. Essas meddas são: Méda; Moda; Medana..1 Méda da Amostra ( ) A méda de um conjunto de números é um valor que, levando em conta a totaldade dos elementos do conjunto, pode substtur a todos, sem alterar determnada característca desse conjunto. (LOPES, 1999, p.4) Para calcular a méda deve-se multplcar cada valor pelo número atrbuído à sua mportânca no conjunto, somar todos os produtos obtdos e dvdr o total pela soma dos pesos. Dados agrupados Lembre-se que Σ n. Σ. Σ onde, Dados não agrupados Σ n é a méda da amostra de n elementos (é uma estatístca); n é o números de elementos da amostra; 11

12 ( 1,, 3,..., n) são os valores das n observações. 1. Um aluno ez 3 avalações. Na 1ª. obteve nota 8,0, na ª. obteve nota 4,0 e na 3ª. obteve nota 6,0. Qual o a sua méda? Resolução: As 3 provas tem pesos guas, logo devemos somar as 3 notas e 8,0 + 4,0 + 6,0 dvdr o resultado da soma por 3. Daí: 6, Um aluno ez 3 avalações, provas e 1 trabalho. Obteve nas provas 5,0 e 9,0, respectvamente. No trabalho obteve nota 9,0. O trabalho tem peso 1 e cada prova tem peso. Qual o a sua méda? Resolução: Devemos multplcar cada nota pelo peso que lhe é atrbuído, somar todos esses produtos e dvdr pela soma dos pesos. Daí: 5,0. + 9,0. + 9,0.1 7, Calcule a méda da tabela 4. Resolução: O deal é crar uma coluna na Tabela de Dstrbução de Freqüênca responsável pelos resultados dos produtos de cada valor pelo peso correspondente (. ), como mostra a tabela 6. Tabela 5: Tabela de Dstrbução de Freqüêncas com o Cálculo da Méda Dâmetros (mm) r (%) F Fr (%). 1 7,0 7,4 1 1,7 1 1,7 7, 7, 7,4 7,8 7 11,7 8 13,4 7,6 508, 3 7,8 73, 10 16, ,1 73,0 730,0 4 73, 73,6 17 8, 35 58,3 73,4 147,8 5 73,6 74,0 13 1, ,0 73,8 959,4 6 74,0 74,4 9 15, ,0 74, 667,8 7 74,4 74,8 3 5, ,0 74,6 3,8 Σ 60 Σ r 100,0 Σ. 4409, 1

13 Os cálculos: ,.1 7, , , 73, ,0 73, ,8 73, ,4 74,.9 667,8 74,6.3 3,8 Σ. Assm, 7, + 508, + 730,0 +147, , ,8 + 3,8 4409, Σ. 4409, A méda será 73, , mm Σ 60 5 (usando uma casa decmal, pos todos os elementos da amostra têm uma casa decmal).. Moda da Amostra (Mo) A moda é o valor da varável que aprece com mas reqüênca, ou seja, o valor que aparece mas vezes. Numa Tabela de Dstrbução de Freqüênca com perda de normação a classe com maor reqüênca é chamada de classe modal e o valor da moda é dado pelo ponto médo da classe modal. Dados agrupados l Mo +L 13

14 Dados não agrupados: Valor que ocorre com maor reqüênca de uma sequenca de dados numércos dspostos em ordem crescente ou decrescente. Observação: Quando há apenas uma moda a amostra denomna-se modal; duas ou mas modas, bmodal. Se todos os valores ocorrerem a mesma quantdade de vezes a amostra é consderada amodal. 1. Consdere os valores: 1,, 3, 3, 3, 4, 4, 5, 6. Qual é o valor da moda? Resolução: A moda é o valor que mas vezes se repete. Assm, para os dados acma, Mo 3.. Calcule a moda dos dados contdos na tabela 4. Resolução: A tabela 4 mostra uma reqüênca 17 (marcada em cnza na tabela) como a maor delas. Logo, a 4ª. classe é a classe modal. O valor da moda é o ponto médo da classe modal. Assm, Mo 73,4 mm (marcada em cnza na tabela). Tabela 6: Tabela de Dstrbução de Freqüêncas Completa com o Cálculo da Moda Dâmetros (mm) r (%) F Fr (%) 1 7,0 7,4 1 1,7 1 1,7 7, 7,4 7,8 7 11,7 8 13,4 7,6 3 7,8 73, 10 16, ,1 73,0 4 73, 73,6 17 8, 35 58,3 73,4 5 73,6 74,0 13 1, ,0 73,8 6 74,0 74,4 9 15, ,0 74, 7 74,4 74,8 3 5, ,0 74,6 14

15 Σ 60 Σ r 100,0.3 Medana da Amostra (Md) A medana é o valor que se encontra no centro de um conjunto de valores, estando a amostra ordenada. Numa Tabela de Dstrbução de Freqüênca com perda de normação a medana é calculada segundo os passos: n Calculamos ; Calculamos as reqüêncas acumuladas de todas as classes (F ); Marcamos na Tabela de Dstrbução de Freqüênca qual é a n reqüênca acumulada medatamente superor à - está é a classe medana; Dados agrupados: n 1 - F(ant) Usamos a órmula: Md l +. h, onde: l é o lmte neror da classe medana; n é o tamanho da amostra; F (ant) é a reqüênca acumulada da classe anteror à classe medana; é a reqüênca smples da classe medana; h é a ampltude do ntervalo de classe. Dados não agrupados: A medana assm como a méda também ornece uma medda de posção central. 15

16 Para a obtenção do valor da medana é necessáro que os dados sejam arranjados em ordem crescente (do menor para o maor). A medana é o valor stuado no meo da seqüênca de observações. Denção da medana: Com os dados já arranjados em ordem crescente, temos duas ormas para obtenção da medana: a) Para um número ímpar de observações a medana é o valor central das observações. Usamos a órmula do posconamento: Posconam ento n +1 onde, n é o número de observações da amostra. Eercíco lustratvo: retornemos ao eemplo do número de alunos nas salas de aula do IST. Em nosso eemplo temos 5 salas de aula (número ímpar de observações) com as seguntes observações: Devemos então ordenar os dados de orma crescente: Deve-se então localzar o posconamento da medana através da ormula do posconamento: Posconam ento então temos, n

17 MEDIANA 46 Para um número par de observações a medana é a méda dos dos valores centras. Eercíco lustratvo: retornemos eercíco dos alunos recém ormados no curso de Tecnologa em Qualdade e Produtvdade, neste eemplo temos uma amostra com um número par de observações (1 observações) Podemos notar nos dados acma (já em orma ordenada), não temos nem um valor central especíco, e se usarmos a órmula do posconamento teremos o segunte resultado: Posconam ento n + 6,5 desta orma, pagamos os dos valores centras (posção 6 e posção 7) e azemos a méda MEDIANA Consdere os valores: 1,, 3, 3, 3, 4, 4, 5, 6. Qual é o valor da medana? Resolução: A medana é o valor central da sére. Assm, Md 3.. Consdere os valores: 7, 8, 9, 10, 11, 1, 13, 14. Qual é o valor da medana? 17

18 Resolução: A medana é o valor central da sére. Como está sére tem n 8, calculamos a medana pela méda entre os valores centras. Assm, Md 10,5. 3. Calcule a medana dos dados da tabela 4. Resolução: Para calcular a medana devemos segur os passos: n ; As reqüêncas acumuladas estão na tabela marcadas em cnza; A classe medana é a 4ª classe (marcada em negrto), pos é a que tem reqüênca acumulada medatamente superor a 30; n 1 - F(ant) (9,5-18) Md l +. h 73, +.0,4 73, , 5 mm 17 (usando uma casa decmal, pos todos os elementos da amostra têm uma casa decmal). Tabela 7: Tabela de Dstrbução de Freqüêncas Completa com o Cálculo da Medana Dâmetros (mm) r (%) F Fr (%) 1 7,0 7,4 1 1,7 1 1,7 7, 7,4 7,8 7 11,7 8 13,4 7,6 3 7,8 73, 10 16, ,1 73,0 4 73, 73,6 17 8, 35 58,3 73,4 5 73,6 74,0 13 1, ,0 73,8 6 74,0 74,4 9 15, ,0 74, 7 74,4 74,8 3 5, ,0 74,6 Σ 60 Σ r 100,0 18

19 Eercícos Propostos 1. Calcule a méda, a moda e a medana das amostras A, B e C: Amostra A: 7, 8, 9, 10, 10, 10, 11, 1, 13, 15, 16; Amostra B: 3, 6, 9, 11, 1, 13; Amostra C: 3, 3, 4, 5, 5, 5, 7, 7, 8, 8, 8, 9.. Calcule as meddas de posção do eercíco proposto1 do capítulo Calcule as meddas de posção do eercíco proposto do capítulo Calcule as meddas de posção do eercíco proposto 3 do capítulo Calcule as meddas de posção do eercíco proposto 4 do capítulo MEDIDAS DE VARIABILIDADE OU MEDIDAS DE DISPERSÃO Vercou-se, ao longo da hstóra da Estatístca, que a mas mportante e também a mas usada medda de posção é a méda. Porém, soznha, a méda não ornece toda a normação necessára para descrevermos todos os valores reerentes a uma amostra. Consdere, por eemplo, os valores de duas amostras, A e B: Amostra A: 1, 5, 6, 9, 11, 1, 1, 15, 18, 1,. 19

20 Amostra B: 10, 11, 11, 11, 1, 1, 1, 1, 13, 14, 14. Embora as duas amostras tenham a mesma méda, 1, percebemos que a amostra A tem uma varabldade maor do que a amostra B. Isto ndca que é necessáro um outro tpo de medda para dstngur os dos conjuntos dados. Observando os dados, percebemos que o conjunto B apresenta valores concentrados em relação a méda, enquanto que o conjunto A apresenta valores dspersos (espalhados) em relação à méda. Por sso, além de uma medda de posção, necesstamos de uma outra medda que possa eprmr a varabldade dos valores em relação a uma determnada reerênca. As meddas que tratam desta característca são chamadas meddas de varabldade ou meddas de dspersão. São elas: Ampltude Total (AT); Varânca da Amostra (σ ); Desvo Padrão ou Erro Padrão da Amostra (σ); Coecente de Varação (CV) e Anda: Dervo Médo; Ampltude Modal. 3.1 Ampltude Total da Amostra (AT) A ampltude total da amostra é a derença entre o maor e o menor valor observado. AT ma - mn Evdentemente, quanto maor or o valor da ampltude total, maor será a varabldade do conjunto. 0

21 Numa Tabela de Dstrbução de Freqüênca com perda de normação a ampltude total da amostra é calculada pela órmula: AT L k l 1 onde L k é o lmte superor da últma classe e l 1 é o lmte neror da 1a. classe. A ampltude total é uma medda que consdera somente os valores etremos, gnorando todos os outros, o que podera levar a uma nterpretação pouco acertada a respeto dos dados. 1. Calcule a ampltude total do eemplo para dados não agrupados: Amostra A: 1, 5, 6, 9, 11, 1, 1, 15, 18, 1,. Amostra B: 10, 11, 11, 11, 1, 1, 1, 1, 13, 14, 14. Resolução: Amostra A: AT ma - mn 1 1 Amostra B: AT ma - mn Calcule a ampltude amostral dos dados da tabela 6 para dados agrupados. Tabela 6: Tabela de Dstrbução de Freqüêncas com o Cálculo da Méda Dâmetros (mm) r (%) F Fr (%). 1 7,0 7,4 1 1,7 1 1,7 7, 7, 7,4 7,8 7 11,7 8 13,4 7,6 508, 3 7,8 73, 10 16, ,1 73,0 730,0 4 73, 73,6 17 8, 35 58,3 73,4 147,8 5 73,6 74,0 13 1, ,0 73,8 959,4 6 74,0 74,4 9 15, ,0 74, 667,8 7 74,4 74,8 3 5, ,0 74,6 3,8 Σ 60 Σ r 100,0 Σ. 4409, 1

22 Resolução: L k 74,8 mm (marcado na tabela em cnza) l 1 7,0 mm (marcado na tabela em cnza) AT L k l 1 74,8 7,0,8 mm. 3. Varânca da Amostra (σ ) A ampltude total é uma medda de varabldade nstável, pos tem o nconvenente de levar em conta apenas os dos valores etremos. Essa medda ndca apenas uma apromação da dspersão do conjunto. Por esse motvo, buscou-se outra medda que levasse em consderação todos os valores da amostra e não somente os etremos. A méda revelou-se o ponto de reerênca adequado. Tendo a méda como ponto de reerênca calcularemos as derenças de cada um dos valores em relação à méda e somaremos essas derenças para obter um total geral. Anda consderando o eemplo da amostras A e B, podemos calcular: Amostra A: 1, 5, 6, 9, 11, 1, 1, 15, 18, 1, Méda da amostra A: 1 11 Para a amostra A temos: (1 1) + (1 5) + (1 6) + (1 9) + (1 11) + (1 1) + (1 1) + (1 15) + (1 18) + (1 1) + (1 ) (-3) + (-6) + (-9) + (-10) 0 Amostra B: 10, 11, 11, 11, 1, 1, 1, 1, 13, 14, 14. Méda da amostra B: Para a amostra B temos: (1 10) + (1 11) + (1 11) + (1 11) + (1 1) + (1 1) + (1 1) + (1 1) + (1 13) + (1 14) + (1 14) (-1) + (-) + (-) 0

23 Embora seja uma medda ntutva, essa soma sempre será gual a zero, pos o total das derenças postvas anula-se com o total das derenças negatvas. Observando-se as parcelas, notamos que o que torna o total gual a zero é o snal da derença. Sendo assm, uma segunda tentatva o gnorar o snal, trabalhando com essas derenças em módulo. Para a amostra A, consderando todas as derenças em módulo teremos como resultado da soma: Para a amostra B, consderando todas as derenças em módulo teremos como resultado da soma: Repare que novamente caracterzamos a amostra A com varabldade maor do que a amostra B. Mas em Matemátca, eetuar operações com módulos é geralmente muto trabalhoso. Optou-se, então, por tentar trar o snal de derença sem a utlzação do módulo. A solução encontrada o elevar ao quadrado cada uma dessas derenças e somá-las. Daí: Para a amostra A: (-3) + (-6) + (-9) + (-10) 44. Para a amostra B: (-1) + (-) + (-) 16. Comprovamos mas uma vez que a amostra A é mas dspersa que a amostra B. Como a varabldade ou dspersão das séres de dados deve ser epressa por uma síntese, desejamos encontrar um únco valor que, levando em conta todos os outros, não altere a sua característca e que possa representar toda a sére. Esse valor denomna-se varânca da amostra e calcula-se através da órmula: 3

24 Onde: - ) σ Σ.( - ) n - 1 ( é o valor de cada derença entre o valor da varável e a méda da amostra ao quadrado. é a quantdade de vezes que cada desvo acontece n - 1 representa o grau de lberdade, ou seja, a quantdade de comparações ndependentes que podem ser etas entre as n undade da amostra. Anda para as amostras A e B, temos os seguntes valores de varânca: Para a amostra A: σ.( - ) Σ n , Para a amostra B: σ.( - ) Σ n ,6 A varânca da amostra é a medda de varabldade resultante da dvsão por (n-1) da soma das derenças ao quadrado entre cada valor da amostra e a méda da amostra. Ocorre que no cálculo da varânca, ao elevar ao quadrado a derença entre cada valor e a méda da amostra, a undade de meddas dos valores orgnas é também elevada ao quadrado. Ou, seja, resolvemos o problema da dculdade de trabalhar com módulos e cramos um problema com as undades de medda, havendo uma undade para a medda de posção e outra para a medda de dspersão. Para que as undades sejam guas, torna-se necessáro etrar a raz quadrada postva da varânca da amostra. Fazendo sso, dene-se a mas mportante medda de dspersão de uma amostra, chamada desvo padrão. 4

25 3.3 Desvo Padrão da Amostra (σ ) O desvo padrão da amostra é calculado por: σ σ Σ.( - ) n - 1 Calcule a varânca e o desvo padrão dos dados da tabela 6. Resolução: Incalmente, para acltar os cálculos ncluremos uma coluna para colocar os resultados de. A méda dos dados o calculada no tem 1.7.( - ) (eemplo 3). Na tabela a coluna está marcada em cnza. Os cálculos: 73,5 mm.( - ).( ) 1.(7, - 73,5) 1,69.( - ) 7.(7,6-73,5) 5, (.(.( ) - ) - ) 10.(73,0-73,5) 17.(73,4-73,5) 13.(73,8-73,5),50 0,17 1, (.( ) - ) 9.(74, - 73,5) 3.(74,6-73,5) 4,41 3,63 Σ.( - ) 1,69 + 5,67 +,50 + 0,17 + 1,17 + 4,41+ 3,63 19,4 A varânca da amostra é: σ.( - ) Σ n ,4 59 0, ,33 mm O desvo padrão da amostra é: 5

26 .( - ) 19,4 σ Σ 0, ,6 mm. n Dâmetros (mm) Tabela 7: Tabela Dstrbução de Freqüênca com Desvo Padrão r (%) F Fr (%)..( - ) 1 7,0 7,4 1 1,7 1 1,7 7, 7, 1,69 7,4 7,8 7 11,7 8 13,4 7,6 508, 5,67 3 7,8 73, 10 16, ,1 73,0 730,0, , 73,6 17 8, 35 58,3 73,4 147,8 0, ,6 74,0 13 1, ,0 73,8 959,4 1, ,0 74,4 9 15, ,0 74, 667,8 4, ,4 74,8 3 5, ,0 74,6 3,8 3,63 Σ Σ r Σ. Σ 19,4.( - ) ,0 4409, 3.4 Coecente de Varação (CV) Karl Pearson, matemátco nglês ( ), que contrbuu sgncatvamente para a cênca Estatístca, desenvolveu uma medda denomnada coecente de varação e calculada da segunte orma: CV σ.100 O coecente de varação é a grandeza relatva do desvo padrão da amostra quando este é comparado com a méda da amostra e é epresso em orma de porcentagem. 6

27 Karl Pearson ( ) Conheça a bograa de Karl Pearson no endereço eletrônco Calcule o coecente de varação dos dados da tabela 7. Resolução: Como a méda é gual a 73,5 mm e o desvo padrão gual a s 0,6 mm, o coecente de varação será: CV 0, ,5 0, ,8% 3.5 Desvo Médo No lugar de elevar ao quadrado os desvos de cada medda (para anular o eeto do snal), usa-se o módulo. Σ. - Desvo Médo n 3.6 Ampltude Modal Na meda de posção Moda, só nos nteressava a medda mas reqüente. Como medda de dspersão, queremos saber qual é esta reqüênca. Ampltude Modal quantdade de meddas guas á Moda 7

28 Eercícos Propostos 1. Calcule a ampltude total, a varânca, o desvo padrão e o coecente de varação das amostras A e B para os dados não agrupados: Amostra A: 30 km, 30 km, 30 km; Amostra B: 0 km, 30 km, 40 km.. Calcule a ampltude total, a varânca, o desvo padrão e o coecente de varação das amostras X, Y e Z para os dados não agrupados: Amostra X: 70, 70, 70, 70, 70; Amostra Y: 68, 69, 70, 71, 7; Amostra Z: 5, 15, 50, 10, Calcule as meddas de dspersão do eercíco proposto 1 do capítulo Calcule as meddas de dspersão do eercíco proposto do capítulo Calcule as meddas de dspersão do eercíco proposto 3 do capítulo Calcule as meddas de dspersão do eercíco proposto 4 do capítulo 1. 8

2. MEDIDAS DE TENDÊNCIA CENTRAL OU MEDIDAS DE POSIÇÃO

2. MEDIDAS DE TENDÊNCIA CENTRAL OU MEDIDAS DE POSIÇÃO Materal elaborado por Mara Tereznha Marott, Rodrgo Coral e Carla Regna Kuss Ferrera Atualzado por Mlton Procópo de Borba. MEDIDAS DE TENDÊNCIA CENTRAL OU MEDIDAS DE POSIÇÃO Para melhor caracterzar um conjunto

Leia mais

www.obconcursos.com.br/portal/v1/carreirafiscal

www.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 mais

TEORIA DE ERROS * ERRO é a diferença entre um valor obtido ao se medir uma grandeza e o valor real ou correto da mesma.

TEORIA DE ERROS * ERRO é a diferença entre um valor obtido ao se medir uma grandeza e o valor real ou correto da mesma. UNIVERSIDADE FEDERAL DO ESPÍRITO SANTO CENTRO DE CIÊNCIAS EXATAS DEPARTAMENTO DE FÍSICA AV. FERNANDO FERRARI, 514 - GOIABEIRAS 29075-910 VITÓRIA - ES PROF. ANDERSON COSER GAUDIO FONE: 4009.7820 FAX: 4009.2823

Leia mais

Introdução e Organização de Dados Estatísticos

Introdução e Organização de Dados Estatísticos II INTRODUÇÃO E ORGANIZAÇÃO DE DADOS ESTATÍSTICOS 2.1 Defnção de Estatístca Uma coleção de métodos para planejar expermentos, obter dados e organzá-los, resum-los, analsá-los, nterpretá-los e deles extrar

Leia mais

Covariância e Correlação Linear

Covariância e Correlação Linear TLF 00/ Cap. X Covarânca e correlação lnear Capítulo X Covarânca e Correlação Lnear 0.. Valor médo da grandeza (,) 0 0.. Covarânca na propagação de erros 03 0.3. Coecente de correlação lnear 05 Departamento

Leia mais

7. Resolução Numérica de Equações Diferenciais Ordinárias

7. Resolução Numérica de Equações Diferenciais Ordinárias 7. Resolução Numérca de Equações Dferencas Ordnáras Fenômenos físcos em dversas áreas, tas como: mecânca dos fludos, fluo de calor, vbrações, crcutos elétrcos, reações químcas, dentre váras outras, podem

Leia mais

Regressão e Correlação Linear

Regressão e Correlação Linear Probabldade e Estatístca I Antono Roque Aula 5 Regressão e Correlação Lnear Até o momento, vmos técncas estatístcas em que se estuda uma varável de cada vez, estabelecendo-se sua dstrbução de freqüêncas,

Leia mais

Objetivos da aula. Essa aula objetiva fornecer algumas ferramentas descritivas úteis para

Objetivos da aula. Essa aula objetiva fornecer algumas ferramentas descritivas úteis para Objetvos da aula Essa aula objetva fornecer algumas ferramentas descrtvas útes para escolha de uma forma funconal adequada. Por exemplo, qual sera a forma funconal adequada para estudar a relação entre

Leia mais

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

Faculdade de Tecnologia de Catanduva CURSO SUPERIOR DE TECNOLOGIA EM AUTOMAÇÃO INDUSTRIAL Faculdade de Tecnologa de Catanduva CURSO SUPERIOR DE TECNOLOGIA EM AUTOMAÇÃO INDUSTRIAL 7. GRÁFICOS DE INFORMAÇÕES São grácos tpcamente epostvos destnados, prncpalmente, ao públco em geral, objetvando

Leia mais

NOTA II TABELAS E GRÁFICOS

NOTA II TABELAS E GRÁFICOS Depto de Físca/UFMG Laboratóro de Fundamentos de Físca NOTA II TABELAS E GRÁFICOS II.1 - TABELAS A manera mas adequada na apresentação de uma sére de meddas de um certo epermento é através de tabelas.

Leia mais

INTRODUÇÃO AO CÁLCULO DE ERROS NAS MEDIDAS DE GRANDEZAS FÍSICAS

INTRODUÇÃO AO CÁLCULO DE ERROS NAS MEDIDAS DE GRANDEZAS FÍSICAS Físca Laboratoral Ano Lectvo 003/04 ITRODUÇÃO AO CÁLCULO DE ERROS AS MEDIDAS DE GRADEAS FÍSICAS. Introdução.... Erros de observação: erros sstemátcos e erros fortutos ou acdentas... 3. Precsão e rgor...3

Leia mais

Controle Estatístico de Qualidade. Capítulo 8 (montgomery)

Controle Estatístico de Qualidade. Capítulo 8 (montgomery) Controle Estatístco de Qualdade Capítulo 8 (montgomery) Gráfco CUSUM e da Méda Móvel Exponencalmente Ponderada Introdução Cartas de Controle Shewhart Usa apenas a nformação contda no últmo ponto plotado

Leia mais

MÉDIA ARITMÉTICA MÉDIA PONDERADA MODA MEDIANA

MÉDIA ARITMÉTICA MÉDIA PONDERADA MODA MEDIANA MÉDIA ARITMÉTICA MÉDIA PONDERADA MODA MEDIANA Em um amostra, quando se têm os valores de uma certa característica, é fácil constatar que os dados normalmente não se distribuem uniformemente, havendo uma

Leia mais

CAPÍTULO 2 DESCRIÇÃO DE DADOS ESTATÍSTICA DESCRITIVA

CAPÍTULO 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 mais

UNIVERSIDADE DO ESTADO DA BAHIA - UNEB DEPARTAMENTO DE CIÊNCIAS EXATAS E DA TERRA COLEGIADO DO CURSO DE DESENHO INDUSTRIAL CAMPUS I - SALVADOR

UNIVERSIDADE DO ESTADO DA BAHIA - UNEB DEPARTAMENTO DE CIÊNCIAS EXATAS E DA TERRA COLEGIADO DO CURSO DE DESENHO INDUSTRIAL CAMPUS I - SALVADOR Matéra / Dscplna: Introdução à Informátca Sstema de Numeração Defnção Um sstema de numeração pode ser defndo como o conjunto dos dígtos utlzados para representar quantdades e as regras que defnem a forma

Leia mais

Sempre que surgir uma dúvida quanto à utilização de um instrumento ou componente, o aluno deverá consultar o professor para esclarecimentos.

Sempre que surgir uma dúvida quanto à utilização de um instrumento ou componente, o aluno deverá consultar o professor para esclarecimentos. Insttuto de Físca de São Carlos Laboratóro de Eletrcdade e Magnetsmo: Transferênca de Potênca em Crcutos de Transferênca de Potênca em Crcutos de Nesse prátca, estudaremos a potênca dsspada numa resstênca

Leia mais

IV - Descrição e Apresentação dos Dados. Prof. Herondino

IV - Descrição e Apresentação dos Dados. Prof. Herondino IV - Descrção e Apresentação dos Dados Prof. Herondno Dados A palavra "dados" é um termo relatvo, tratamento de dados comumente ocorre por etapas, e os "dados processados" a partr de uma etapa podem ser

Leia mais

Física. Física Módulo 1 Vetores, escalares e movimento em 2-D

Física. Física Módulo 1 Vetores, escalares e movimento em 2-D Físca Módulo 1 Vetores, escalares e movmento em 2-D Vetores, Escalares... O que são? Para que servem? Por que aprender? Escalar Defnção: Escalar Grandea sem dreção assocada. Eemplos: Massa de uma bola,

Leia mais

7 - Distribuição de Freqüências

7 - Distribuição de Freqüências 7 - Dstrbução de Freqüêncas 7.1 Introdução Em mutas áreas há uma grande quantdade de nformações numércas que precsam ser dvulgadas de forma resumda. O método mas comum de resumr estes dados numércos consste

Leia mais

Distribuição de Frequência

Distribuição de Frequência Distribuição de Frequência Tabela de requências Tabela de classiicação simples Tabela de classiicação cruzada Representação gráica Histograma Polígono de requências Distribuição de requências e gráicos

Leia mais

ESTATÍSTICA. PROBABILIDADES Professora Rosana Relva Números Inteiros e Racionais ESTATÍSTICA. Professor Luiz Antonio de Carvalho

ESTATÍSTICA. PROBABILIDADES Professora Rosana Relva Números Inteiros e Racionais ESTATÍSTICA. Professor Luiz Antonio de Carvalho PROBABILIDADES Professora Rosana Relva Números Interos e Raconas APRESENTAÇÃO ROL:,,, 4, 4,,, DISCRETA : rrelva@globo.com PROGRESSÃO ARITMÉTICA CONTÍNUA PROGRESSÃO ARITMÉTICA DISTRIBUIÇÃO DE REQUÊCIAS

Leia mais

Sinais Luminosos 2- CONCEITOS BÁSICOS PARA DIMENSIONAMENTO DE SINAIS LUMINOSOS.

Sinais Luminosos 2- CONCEITOS BÁSICOS PARA DIMENSIONAMENTO DE SINAIS LUMINOSOS. Snas Lumnosos 1-Os prmeros snas lumnosos Os snas lumnosos em cruzamentos surgem pela prmera vez em Londres (Westmnster), no ano de 1868, com um comando manual e com os semáforos a funconarem a gás. Só

Leia mais

CONCEITOS INICIAIS DE ESTATÍSTICA MÓDULO 2 DISTRIBUIÇÃO DE FREQÜÊNCIA - ELEMENTOS Prof. Rogério Rodrigues

CONCEITOS 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 mais

Cálculo do Conceito ENADE

Cálculo do Conceito ENADE Insttuto aconal de Estudos e Pesqusas Educaconas Aníso Texera IEP Mnstéro da Educação ME álculo do onceto EADE Para descrever o cálculo do onceto Enade, prmeramente é mportante defnr a undade de observação

Leia mais

RESOLUÇÃO NUMÉRICA DE EQUAÇÕES DIFERENCIAIS

RESOLUÇÃO NUMÉRICA DE EQUAÇÕES DIFERENCIAIS Defnções RESOLUÇÃO NUMÉRICA DE EQUAÇÕES DIFERENCIAIS Problemas de Valor Incal PVI) Métodos de passo smples Método de Euler Métodos de sére de Talor Métodos de Runge-Kutta Equações de ordem superor Métodos

Leia mais

Distribuição de Massa Molar

Distribuição de Massa Molar Químca de Polímeros Prof a. Dr a. Carla Dalmoln carla.dalmoln@udesc.br Dstrbução de Massa Molar Materas Polmércos Polímero = 1 macromolécula com undades químcas repetdas ou Materal composto por númeras

Leia mais

Professor Mauricio Lutz CORRELAÇÃO

Professor Mauricio Lutz CORRELAÇÃO Professor Maurco Lutz 1 CORRELAÇÃO Em mutas stuações, torna-se nteressante e útl estabelecer uma relação entre duas ou mas varáves. A matemátca estabelece város tpos de relações entre varáves, por eemplo,

Leia mais

DISTRIBUIÇÃO DE FREQUÊNCIAS

DISTRIBUIÇÃO DE FREQUÊNCIAS Núcleo das Cêncas Bológcas e da Saúde Cursos de Bomedcna, Ed. Físca, Enermagem, Farmáca, Fsoterapa, Fonoaudologa, Medcna Veternára, Muscoterapa, Odontologa, Pscologa DISTRIBUIÇÃO DE FREQUÊNCIAS 5 5. DISTRIBUIÇÃO

Leia mais

Rastreando Algoritmos

Rastreando Algoritmos Rastreando lgortmos José ugusto aranauskas epartamento de Físca e Matemátca FFCLRP-USP Sala loco P Fone () - Uma vez desenvolvdo um algortmo, como saber se ele faz o que se supõe que faça? esta aula veremos

Leia mais

1 Princípios da entropia e da energia

1 Princípios da entropia e da energia 1 Prncípos da entropa e da energa Das dscussões anterores vmos como o conceto de entropa fo dervado do conceto de temperatura. E esta últma uma conseqüênca da le zero da termodnâmca. Dentro da nossa descrção

Leia mais

Apostila de Estatística Curso de Matemática. Volume II 2008. Probabilidades, Distribuição Binomial, Distribuição Normal. Prof. Dr. Celso Eduardo Tuna

Apostila de Estatística Curso de Matemática. Volume II 2008. Probabilidades, Distribuição Binomial, Distribuição Normal. Prof. Dr. Celso Eduardo Tuna Apostla de Estatístca Curso de Matemátca Volume II 008 Probabldades, Dstrbução Bnomal, Dstrbução Normal. Prof. Dr. Celso Eduardo Tuna 1 Capítulo 8 - Probabldade 8.1 Conceto Intutvamente pode-se defnr probabldade

Leia mais

3.6. Análise descritiva com dados agrupados Dados agrupados com variáveis discretas

3.6. 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 mais

RESOLUÇÃO Nº 32/2014/CONEPE. O CONSELHO DO ENSINO, DA PESQUISA E DA EXTENSÃO da Universidade Federal de Sergipe, no uso de suas atribuições legais,

RESOLUÇÃO Nº 32/2014/CONEPE. O CONSELHO DO ENSINO, DA PESQUISA E DA EXTENSÃO da Universidade Federal de Sergipe, no uso de suas atribuições legais, SERVIÇO PÚBLICO FEDERAL MINISTÉRIO DA EDUCAÇÃO UNIVERSIDADE FEDERAL DE SERGIPE CONSELHO DO ENSINO, DA PESQUISA E DA EXTENSÃO RESOLUÇÃO Nº 32/2014/CONEPE Aprova as Normas Geras do Processo Seletvo para

Leia mais

Sistemas Robóticos. Sumário. Introdução. Introdução. Navegação. Introdução Onde estou? Para onde vou? Como vou lá chegar?

Sistemas Robóticos. Sumário. Introdução. Introdução. Navegação. Introdução Onde estou? Para onde vou? Como vou lá chegar? Sumáro Sstemas Robótcos Navegação Introdução Onde estou? Para onde vou? Como vou lá chegar? Carlos Carreto Curso de Engenhara Informátca Ano lectvo 2003/2004 Escola Superor de Tecnologa e Gestão da Guarda

Leia mais

Introdução à Análise de Dados nas medidas de grandezas físicas

Introdução à Análise de Dados nas medidas de grandezas físicas Introdução à Análse de Dados nas meddas de grandezas físcas www.chem.wts.ac.za/chem0/ http://uregna.ca/~peresnep/ www.ph.ed.ac.uk/~td/p3lab/analss/ otas baseadas nos apontamentos Análse de Dados do Prof.

Leia mais

Escolha do Consumidor sob condições de Risco e de Incerteza

Escolha do Consumidor sob condições de Risco e de Incerteza 9/04/06 Escolha do Consumdor sob condções de Rsco e de Incerteza (Capítulo 7 Snyder/Ncholson e Capítulo Varan) Turma do Prof. Déco Kadota Dstnção entre Rsco e Incerteza Na lteratura econômca, a prmera

Leia mais

ESPELHOS E LENTES ESPELHOS PLANOS

ESPELHOS E LENTES ESPELHOS PLANOS ESPELHOS E LENTES 1 Embora para os povos prmtvos os espelhos tvessem propredades mágcas, orgem de lendas e crendces que estão presentes até hoje, para a físca são apenas superfíces poldas que produzem

Leia mais

b. As medidas de posição mais importantes são as medidas de tendência central. Dentre elas, destacamos: média aritmética, mediana, moda.

b. As medidas de posição mais importantes são as medidas de tendência central. Dentre elas, destacamos: média aritmética, mediana, moda. Meddas de Posção Introdução a. Dentre os elementos típcos, destacamos aqu as meddas de posção _ estatístcas que representam uma sére de dados orentando-nos quanto à posção da dstrbução em relação ao exo

Leia mais

Medidas de Dispersão e Assimetria Desvio Médio Variância Desvio Padrão Medidas de Assimetria Coeficiente de Assimetria Exemplos.

Medidas 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 mais

CAPÍTULO 2 - Estatística Descritiva

CAPÍTULO 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 mais

Capítulo. Associação de resistores. Resoluções dos exercícios propostos. P.135 a) R s R 1 R 2 R s 4 6 R s 10 Ω. b) U R s i U 10 2 U 20 V

Capítulo. Associação de resistores. Resoluções dos exercícios propostos. P.135 a) R s R 1 R 2 R s 4 6 R s 10 Ω. b) U R s i U 10 2 U 20 V apítulo 7 da físca Exercícos propostos Undade apítulo 7 ssocação de resstores ssocação de resstores esoluções dos exercícos propostos 1 P.15 a) s 1 s 6 s b) U s U 10 U 0 V c) U 1 1 U 1 U 1 8 V U U 6 U

Leia mais

Ao se calcular a média, moda e mediana, temos: Quanto mais os dados variam, menos representativa é a média.

Ao 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 mais

Ao se calcular a média, moda e mediana, temos: Quanto mais os dados variam, menos representativa é a média.

Ao 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 mais

CENTRO UNIVERSITÁRIO DO LESTE DE MINAS GERAIS - UnilesteMG

CENTRO UNIVERSITÁRIO DO LESTE DE MINAS GERAIS - UnilesteMG 1 CENTRO UNIVERSITÁRIO DO LESTE DE MINAS GERAIS - UnlesteMG Dscplna: Introdução à Intelgênca Artfcal Professor: Luz Carlos Fgueredo GUIA DE LABORATÓRIO LF. 01 Assunto: Lógca Fuzzy Objetvo: Apresentar o

Leia mais

Probabilidade e Estatística. Correlação e Regressão Linear

Probabilidade e Estatística. Correlação e Regressão Linear Probabldade e Estatístca Correlação e Regressão Lnear Correlação Este uma correlação entre duas varáves quando uma delas está, de alguma forma, relaconada com a outra. Gráfco ou Dagrama de Dspersão é o

Leia mais

4Distribuição de. freqüência

4Distribuição de. freqüência 4Distribuição de freqüência O objetivo desta Unidade é partir dos dados brutos, isto é, desorganizados, para uma apresentação formal. Nesse percurso, seção 1, destacaremos a diferença entre tabela primitiva

Leia mais

MÓDULO 4 DISTRIBUIÇÃO DE FREQÜÊNCIAS

MÓDULO 4 DISTRIBUIÇÃO DE FREQÜÊNCIAS MÓDULO 4 DISTRIBUIÇÃO DE FREQÜÊNCIS Como vimos no módulo 1, para que nós possamos extrair dos dados estatísticos de que dispomos a correta análise e interpretação, o primeiro passo deverá ser a correta

Leia mais

Resumos Numéricos de Distribuições

Resumos Numéricos de Distribuições Estatístca Aplcada à Educação Antono Roque Aula Resumos umércos de Dstrbuções As representações tabulares e grácas de dados são muto útes, mas mutas vezes é desejável termos meddas numércas quanttatvas

Leia mais

Conceitos Iniciais de Estatística Módulo 3 : MEDIDAS DE POSIÇÃO Prof. Rogério Rodrigues

Conceitos Iniciais de Estatística Módulo 3 : MEDIDAS DE POSIÇÃO Prof. Rogério Rodrigues Concetos Incas de Estatístca Módulo 3 : MEDIDAS DE POSIÇÃO Pro. Rogéro Rodrgues MEDIDAS DE POSIÇÃO ) Introdução : Depos da coleta de dados, as varáves pesqusadas estão em estado bruto, sendo necessáro

Leia mais

1. Conceitos básicos de estatística descritiva. A ciência descobre relações de causa efeito entre fenómenos. Há fenómenos que são muito complexos

1. Conceitos básicos de estatística descritiva. A ciência descobre relações de causa efeito entre fenómenos. Há fenómenos que são muito complexos 2 Matemátca Fnancera e Instrumentos de Gestão Sumáro 1. Concetos báscos de estatístca descrtva 1.1. 2ª Aula 1.2. 1.2.1. Frequênca relatva 1.2.2. Frequênca relatva acumulada 3 4 A cênca descobre relações

Leia mais

Física. Setor B. Índice-controle de Estudo. Prof.: Aula 23 (pág. 86) AD TM TC. Aula 24 (pág. 87) AD TM TC. Aula 25 (pág.

Física. Setor B. Índice-controle de Estudo. Prof.: Aula 23 (pág. 86) AD TM TC. Aula 24 (pág. 87) AD TM TC. Aula 25 (pág. Físca Setor Prof.: Índce-controle de studo ula 23 (pág. 86) D TM TC ula 24 (pág. 87) D TM TC ula 25 (pág. 88) D TM TC ula 26 (pág. 89) D TM TC ula 27 (pág. 91) D TM TC ula 28 (pág. 91) D TM TC evsanglo

Leia mais

Capítulo 2 Estatística Descritiva Continuação. Prof. Fabrício Maciel Gomes

Capítulo 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 mais

Metodologia IHFA - Índice de Hedge Funds ANBIMA

Metodologia IHFA - Índice de Hedge Funds ANBIMA Metodologa IHFA - Índce de Hedge Funds ANBIMA Versão Abrl 2011 Metodologa IHFA Índce de Hedge Funds ANBIMA 1. O Que é o IHFA Índce de Hedge Funds ANBIMA? O IHFA é um índce representatvo da ndústra de hedge

Leia mais

Matemática. Resolução das atividades complementares. M18 Noções de Estatística

Matemática. Resolução das atividades complementares. M18 Noções de Estatística Resolução das atvdades complemetares Matemátca M8 Noções de Estatístca p. 3 (UFRJ) Dos estados do país, um certo ao, produzem os mesmos tpos de grãos. Os grácos de setores lustram a relação etre a produção

Leia mais

ANÁLISE EXPLORATÓRIA E ESTATÍSTICA DESCRITIVA

ANÁLISE EXPLORATÓRIA E ESTATÍSTICA DESCRITIVA ANÁLISE EXPLORATÓRIA E ESTATÍSTICA DESCRITIVA 0 Estatístca Descrtva e Análse Eploratóra Realzadas em etapas ncas. Utlzadas para descrever e resumr os dados. A dsponbldade de grande quantdade de dados e

Leia mais

Probabilidade e Estatística I Antonio Roque Aula 4. Resumos Numéricos de Distribuições

Probabilidade e Estatística I Antonio Roque Aula 4. Resumos Numéricos de Distribuições Probabldade e Estatístca I Antono Roque Aula Resumos umércos de Dstrbuções As representações tabulares e grácas de dados são muto útes, mas mutas vezes é desejável termos meddas numércas quanttatvas para

Leia mais

Análise Descritiva com Dados Agrupados

Análise 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 mais

ELEMENTOS DE CIRCUITOS

ELEMENTOS DE CIRCUITOS MINISTÉRIO D EDUCÇÃO SECRETRI DE EDUCÇÃO PROFISSIONL E TECNOLÓGIC INSTITUTO FEDERL DE EDUCÇÃO, CIÊNCI E TECNOLOGI DE SNT CTRIN CMPUS DE SÃO JOSÉ - ÁRE DE TELECOMUNICÇÕES CURSO TÉCNICO EM TELECOMUNICÇÕES

Leia mais

Variável discreta: X = número de divórcios por indivíduo

Variável 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 mais

Nesse circuito, os dados indicam que a diferença de potencial entre os pontos X e Y, em volts, é a) 3,3 c) 10 e) 18 b) 6,0 d) 12.

Nesse circuito, os dados indicam que a diferença de potencial entre os pontos X e Y, em volts, é a) 3,3 c) 10 e) 18 b) 6,0 d) 12. Aprmorando os Conhecmentos de Eletrcdade Lsta 7 Assocação de esstores Prof.: Célo Normando. (UNIFO-97) O resstor, que tem a curva característca representada no gráfco abao, é componente do crcuto representado

Leia mais

FICHA de AVALIAÇÃO de MATEMÁTICA A 10.º Ano Versão 1

FICHA 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 mais

A esse tipo de tabela, cujos elementos não foram numericamente organizados, denominamos tabela primitiva.

A esse tipo de tabela, cujos elementos não foram numericamente organizados, denominamos tabela primitiva. Dstrbução de Frequênca Tabela prmtva ROL Suponhamos termos feto uma coleta de dados relatvos à estaturas de quarenta alunos, que compõem uma amostra dos alunos de um colégo A, resultando a segunte tabela

Leia mais

Exercícios de Física. Prof. Panosso. Fontes de campo magnético

Exercícios de Física. Prof. Panosso. Fontes de campo magnético 1) A fgura mostra um prego de ferro envolto por um fo fno de cobre esmaltado, enrolado mutas vezes ao seu redor. O conjunto pode ser consderado um eletroímã quando as extremdades do fo são conectadas aos

Leia mais

FICHA de AVALIAÇÃO de MATEMÁTICA A 10.º Ano Versão 3

FICHA 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 mais

UNIVERSIDADE PRESBITERIANA MACKENZIE CCSA - Centro de Ciências Sociais e Aplicadas Curso de Economia

UNIVERSIDADE PRESBITERIANA MACKENZIE CCSA - Centro de Ciências Sociais e Aplicadas Curso de Economia CCSA - Centro de Cêncas Socas e Aplcadas Curso de Economa ECONOMIA REGIONAL E URBANA Prof. ladmr Fernandes Macel LISTA DE ESTUDO. Explque a lógca da teora da base econômca. A déa que sustenta a teora da

Leia mais

FICHA de AVALIAÇÃO de MATEMÁTICA A 10.º Ano Versão 2

FICHA 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 mais

Os gráficos estão na vida

Os gráficos estão na vida Os gráficos estão na vida A UUL AL A Nas Aulas 8, 9 e 28 deste curso você já se familiarizou com o estudo de gráficos. A Aula 8 introduziu essa importante ferramenta da Matemática. A Aula 9 foi dedicada

Leia mais

Lista de Exercícios de Recuperação do 2 Bimestre. Lista de exercícios de Recuperação de Matemática 3º E.M.

Lista de Exercícios de Recuperação do 2 Bimestre. Lista de exercícios de Recuperação de Matemática 3º E.M. Lsta de Exercícos de Recuperação do Bmestre Instruções geras: Resolver os exercícos à caneta e em folha de papel almaço ou monobloco (folha de fcháro). Copar os enuncados das questões. Entregar a lsta

Leia mais

Eletricidade 3 Questões do ENEM. 8. Campo Elétrico 11 Questões do ENEM 13. Energia Potencial Elétrica 15 Questões do ENEM 20

Eletricidade 3 Questões do ENEM. 8. Campo Elétrico 11 Questões do ENEM 13. Energia Potencial Elétrica 15 Questões do ENEM 20 1 4º Undade Capítulo XIII Eletrcdade 3 Questões do ENEM. 8 Capítulo XIV Campo Elétrco 11 Questões do ENEM 13 Capítulo XV Energa Potencal Elétrca 15 Questões do ENEM 20 Capítulo XVI Elementos de Um Crcuto

Leia mais

Estatística stica Descritiva

Estatística stica Descritiva AULA1-AULA5 AULA5 Estatístca stca Descrtva Prof. Vctor Hugo Lachos Davla oo que é a estatístca? Para mutos, a estatístca não passa de conjuntos de tabelas de dados numércos. Os estatístcos são pessoas

Leia mais

AULA 4. Segundo Quartil ( Q observações são menores que ele e 50% são maiores.

AULA 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 mais

Caderno de Exercícios Resolvidos

Caderno 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 mais

FAAP APRESENTAÇÃO (1)

FAAP APRESENTAÇÃO (1) ARESENTAÇÃO A Estatístca é uma cênca que organza, resume e smplfca nformações, além de analsá-las e nterpretá-las. odemos dvdr a Estatístca em três grandes campos:. Estatístca Descrtva- organza, resume,

Leia mais

FICHA de AVALIAÇÃO de MATEMÁTICA A 10.º Ano Versão 4

FICHA 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 mais

FACULDADE DE TECNOLOGIA TUPY CURITIBA

FACULDADE DE TECNOLOGIA TUPY CURITIBA FACULDADE DE TECNOLOGIA TUPY CURITIBA MÉTODOS QUANTITATIVOS ESTATÍSTICA APLICADA VAGNER J. NECKEL 2010 Rev. 00 SUMÁRIO 1. CONCEITOS GERAIS...3 1.1 PANORAMA HISTÓRICO...3 1.2 DEFINIÇÃO...3 1.3 A ESTATÍSTICA

Leia mais

LCE2112 Estatística Aplicada às Ciências Sociais e Ambientais 2010/02. Exemplos de revisão

LCE2112 Estatística Aplicada às Ciências Sociais e Ambientais 2010/02. Exemplos de revisão LCE Etatítca Aplcada à Cêca Soca e Ambeta 00/0 Eemplo de revão Varável Aleatóra Cotíua Eemplo: Para e etudar o comportameto de uma plata típca de dua, a Hydrocotlle p., quato ao eu deevolvmeto, medu-e

Leia mais

3ª AULA: ESTATÍSTICA DESCRITIVA Medidas Numéricas

3ª AULA: ESTATÍSTICA DESCRITIVA Medidas Numéricas PROGRAMA DE PÓS-GRADUAÇÃO EM EGEHARIA DE TRASPORTES E GESTÃO TERRITORIAL PPGTG DEPARTAMETO DE EGEHARIA CIVIL ECV DISCIPLIA: TGT41006 FUDAMETOS DE ESTATÍSTICA 3ª AULA: ESTATÍSTICA DESCRITIVA Meddas umércas

Leia mais

Apresentação de Dados em Tabelas e Gráficos

Apresentação de Dados em Tabelas e Gráficos Apresentação de Dados em Tabelas e Gráficos Os dados devem ser apresentados em tabelas construídas de acordo com as normas técnicas ditadas pela Fundação Instituto Brasileiro de Geografia e Estatística

Leia mais

TABELAS E GRÁFICOS PARA VARIÁVEIS ALEATÓRIAS QUANTITATIVAS CONTÍNUAS

TABELAS E GRÁFICOS PARA VARIÁVEIS ALEATÓRIAS QUANTITATIVAS CONTÍNUAS TABELAS E GRÁFICOS PARA VARIÁVEIS ALEATÓRIAS QUANTITATIVAS CONTÍNUAS Varável Qualquer característca assocada a uma população Classfcação de varáves Qualtatva { Nomnal sexo, cor dos olhos Ordnal Classe

Leia mais

Trabalho e Energia. Definimos o trabalho W realizado pela força sobre uma partícula como o produto escalar da força pelo deslocamento.

Trabalho e Energia. Definimos o trabalho W realizado pela força sobre uma partícula como o produto escalar da força pelo deslocamento. Trabalho e Energa Podemos denr trabalho como a capacdade de produzr energa. Se uma orça eecutou um trabalho sobre um corpo ele aumentou a energa desse corpo de. 1 OBS: Quando estudamos vetores vmos que

Leia mais

14. Correntes Alternadas (baseado no Halliday, 4 a edição)

14. Correntes Alternadas (baseado no Halliday, 4 a edição) 14. orrentes Alternadas (baseado no Hallday, 4 a edção) Por que estudar orrentes Alternadas?.: a maora das casas, comérco, etc., são provdas de fação elétrca que conduz corrente alternada (A ou A em nglês):

Leia mais

UNIDADE 3 MEDIDAS DE POSIÇÃO E DISPERSÃO OBJETIVOS ESPECÍFICOS DE APRENDIZAGEM

UNIDADE 3 MEDIDAS DE POSIÇÃO E DISPERSÃO OBJETIVOS ESPECÍFICOS DE APRENDIZAGEM Unidade 2 Distribuições de Frequências e Representação Gráfica UNIDADE 3 MEDIDAS DE POSIÇÃO E DISPERSÃO OBJETIVOS ESPECÍFICOS DE APRENDIZAGEM Ao finalizar esta Unidade, você deverá ser capaz de: Calcular

Leia mais

METROLOGIA E ENSAIOS

METROLOGIA E ENSAIOS METROLOGIA E ENSAIOS Incerteza de Medção Prof. Aleandre Pedott pedott@producao.ufrgs.br Freqüênca de ocorrênca Incerteza da Medção Dstrbução de freqüênca das meddas Erro Sstemátco (Tendênca) Erro de Repettvdade

Leia mais

8 - Medidas Descritivas

8 - 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 mais

Resolverei neste artigo uma prova da fundação VUNESP realizada em 2010.

Resolverei neste artigo uma prova da fundação VUNESP realizada em 2010. Olá pessoal! Resolverei neste artigo uma prova da fundação VUNESP realizada em 2010. 01. (Fundação CASA 2010/VUNESP) Em um jogo de basquete, um dos times, muito mais forte, fez 62 pontos a mais que o seu

Leia mais

FINANCIAMENTOS UTILIZANDO O EXCEL

FINANCIAMENTOS UTILIZANDO O EXCEL rofessores Ealdo Vergasta, Glóra Márca e Jodála Arlego ENCONTRO RM 0 FINANCIAMENTOS UTILIZANDO O EXCEL INTRODUÇÃO Numa operação de empréstmo, é comum o pagameto ser efetuado em parcelas peródcas, as quas

Leia mais

DISTRIBUIÇÃO DE FREQÜÊNCIAS

DISTRIBUIÇÃO DE FREQÜÊNCIAS DISTRIBUIÇÃO DE FREQÜÊNCIAS 1 Dados Brutos: são os dados tomados como eles são, de forma desorganizada. Indica-se por x i Rol: são os dados organizados em ordem crescente ou decrescente. Tamanho da amostra:

Leia mais

Eletricidade 3. Campo Elétrico 8. Energia Potencial Elétrica 10. Elementos de Um Circuito Elétrico 15. Elementos de Um Circuito Elétrico 20

Eletricidade 3. Campo Elétrico 8. Energia Potencial Elétrica 10. Elementos de Um Circuito Elétrico 15. Elementos de Um Circuito Elétrico 20 1 3º Undade Capítulo XI Eletrcdade 3 Capítulo XII Campo Elétrco 8 Capítulo XIII Energa Potencal Elétrca 10 Capítulo XIV Elementos de Um Crcuto Elétrco 15 Capítulo XV Elementos de Um Crcuto Elétrco 20 Questões

Leia mais

Hoje não tem vitamina, o liquidificador quebrou!

Hoje não tem vitamina, o liquidificador quebrou! A U A UL LA Hoje não tem vtamna, o lqudfcador quebrou! Essa fo a notíca dramátca dada por Crstana no café da manhã, lgeramente amenzada pela promessa de uma breve solução. - Seu pa dsse que arruma à note!

Leia mais

Disponibilizo a íntegra das 8 questões elaboradas para o Simulado, no qual foram aproveitadas 4 questões, com as respectivas resoluções comentadas.

Disponibilizo a íntegra das 8 questões elaboradas para o Simulado, no qual foram aproveitadas 4 questões, com as respectivas resoluções comentadas. Disponibilizo a íntegra das 8 questões elaboradas para o Simulado, no qual foram aproveitadas questões, com as respectivas resoluções comentadas. Amigos, para responder às questões deste Simulado, vamos

Leia mais

N1Q1 Solução. a) Há várias formas de se cobrir o tabuleiro usando somente peças do tipo A; a figura mostra duas delas.

N1Q1 Solução. a) Há várias formas de se cobrir o tabuleiro usando somente peças do tipo A; a figura mostra duas delas. 1 N1Q1 Solução a) Há várias formas de se cobrir o tabuleiro usando somente peças do tipo A; a figura mostra duas delas. b) Há várias formas de se cobrir o tabuleiro com peças dos tipos A e B, com pelo

Leia mais

Exercícios Teóricos Resolvidos

Exercícios Teóricos Resolvidos Universidade Federal de Minas Gerais Instituto de Ciências Exatas Departamento de Matemática Exercícios Teóricos Resolvidos O propósito deste texto é tentar mostrar aos alunos várias maneiras de raciocinar

Leia mais

ÍNDICE NOTA INTRODUTÓRIA

ÍNDICE NOTA INTRODUTÓRIA OGC00 05-0-06 ÍDICE. Introdução. Âmbto e defnções 3. Avalação da ncerteza de medção de estmatvas das grandezas de entrada 4. Cálculo da ncerteza-padrão da estmatva da grandeza 5 de saída 5. Incerteza de

Leia mais

2 Máquinas de Vetor Suporte 2.1. Introdução

2 Máquinas de Vetor Suporte 2.1. Introdução Máqunas de Vetor Suporte.. Introdução Os fundamentos das Máqunas de Vetor Suporte (SVM) foram desenvolvdos por Vapnk e colaboradores [], [3], [4]. A formulação por ele apresentada se basea no prncípo de

Leia mais

Capítulo 1: Erros em cálculo numérico

Capítulo 1: Erros em cálculo numérico Capítulo : Erros em cálculo umérco. Itrodução Um método umérco é um método ão aalítco, que tem como objectvo determar um ou mas valores umércos, que são soluções de um certo problema. Ao cotráro das metodologas

Leia mais

Medidas de Tendência Central. Prof.: Ademilson Teixeira

Medidas de Tendência Central. Prof.: Ademilson Teixeira Meddas de Tendênca Central Prof.: Ademlson Texera ademlson.texera@fsc.edu.br 1 Servem para descrever característcas báscas de um estudo com dados quanttatvos e comparar resultados. Meddas de Tendênca Central

Leia mais

CORRELAÇÃO E REGRESSÃO

CORRELAÇÃO E REGRESSÃO CORRELAÇÃO E REGRESSÃO Constata-se, freqüentemente, a estênca de uma relação entre duas (ou mas) varáves. Se tal relação é de natureza quanttatva, a correlação é o nstrumento adequado para descobrr e medr

Leia mais

UNIVERSIDADE FEDERAL DE UBERLÂNDIA FACULDADE DE MATEMÁTICA 1 a LISTA DE EXERCÍCIOS Bioestatística Professor: Ednaldo Carvalho Guimarães

UNIVERSIDADE FEDERAL DE UBERLÂNDIA FACULDADE DE MATEMÁTICA 1 a LISTA DE EXERCÍCIOS Bioestatística Professor: Ednaldo Carvalho Guimarães UNIVERSIDADE FEDERAL DE UBERLÂNDIA FACULDADE DE MATEMÁTICA a LISTA DE EXERCÍCIOS Bioestatística Professor: Ednaldo Carvalho Guimarães ) Um pesquisador obteve os seguintes valores de umidade (%) em casa

Leia mais

QUALITATIVA VARIÁVEL QUANTITATIVA

QUALITATIVA VARIÁVEL QUANTITATIVA NOMINAL ORDINAL QUALITATIVA VARIÁVEL QUANTITATIVA DISCRETA CONTÍNUA - Variável qualitativa nominal = valores que expressam atributos, sem nenhum tipo de ordem. Ex: cor dos olhos, sexo, estado civil, presença

Leia mais

MATEMÁTICA. Recenseamento/Sondagem ESTATÍSTICA

MATEMÁTICA. Recenseamento/Sondagem ESTATÍSTICA MATEMÁTICA NOME: ANO: TURMA: N.º FICHA INFORMATIVA ESTATÍSTICA A estatística é uma área da Matemática que trata da recolha, organização, resumo e interpretação de dados, e está presente em todos os ramos

Leia mais