CAPÍTULO 8. de Variância - ANOVA ANOVA. Análise

Tamanho: px
Começar a partir da página:

Download "CAPÍTULO 8. de Variância - ANOVA ANOVA. Análise"

Transcrição

1 CAPÍTULO 8 Análise de Variância - UFRGS Os testes de hipótese apresentados até aqui limitaram-se à comparação de duas médias ou duas variâncias. Contudo, há situações onde se deseja comparar várias médias, cada uma oriunda de um grupo diferente. Esses grupos, também chamados tratamentos, poderiam ser: a performace em Km/l de carros consumindo 4 marcas de combustíveis, a eficiência de 3 métodos de treinamento, comparação da produtividade entre 5 máquinas ou 3 postos de trabalho ou 3 layouts. 1 One Way One Way - Analisa experimentos que envolvem: 1 Variável de resposta 1 Fator controlável a vários níveis (várias grupos) Os ensaios (repetições) realizados em cada nível do fator controlável configuram um grupo O objetivo é identificar se os valores da variável de resposta medidos nos diversos níveis do fator controlável diferem entre si. Exemplo: Um profissional deseja estudar se a temperatura ambiente influencia na produtividade dos funcionários. Para isso realizou três medidas de produtividade (peças/hora) em três temperaturas diferentes. Fator controlável: temperatura Níveis do fator controlável: 15, 5, 35 Variável de resposta: produtividade Repetições: 3 valores para cada nível Fator controlável Temperatura Níveis do fator control Variável de resposta 3 4

2 Existem dois tipos de experimentos Disposição dos dados Fatores Controláveis a níveis fixos: quando o efeito de cada nível é fixo, como no caso em que os tratamentos são 4 pressões de operações, ou 4 layouts ou 5 temperaturas; Por ex., 6 linhas produtivas. Fator A A 1 A... A k y 11 y 1... y k1 y 1 y... y k : : : : : : y : Fatores Controláveis a níveis aleatórios: quando o efeito de cada nível é aleatório, como no caso em que os tratamentos são k lotes de produção, ou k operadores escolhidos aleatoriamente; Por ex., 3 lotes escolhidos ao acaso. : : : : y 1,n1 y,n... y k,nk Totais T i. T 1. T.... T k. T.. = No.Obs. n i n 1 n... n k N = Médias Yi. Y 1. Y.... Y k. Y.. = 5 6 Modelo Estatístico Teste de Hipótese Os resultados poderiam ser representados por um modelo aditivo: Y = µ + τi. + ε ; i = 1,..., k onde: j = 1,..., n j Y é a observação j medida no tratamento i; µ média geral de todas as observações; Ho: não há diferenças significativas entre os grupos; µ = µ =... = 1 µ k H1: há diferenças significativas entre os grupos. µ µ... 1 µ k τ i. efeito do tratamento i; ε erro aleatório; 7 8

3 Decomposição da variabilidade A Análise de Variância se baseia na decomposição da variabilidade total. Mais especificamente, os desvios das observações individuais em relação a média global podem ser escritos como: ( Y Y ) = ( Y i. Y ) + ( Y Y.) ( Y i. Y.. ) ( Y Y i. ).... i é o desvio da média do tratamento i em relação à média global é o desvio da observação individual em relação a média do tratamento i correspondente; Exemplo 0 = Temperatura Ti.= T.. = 144 ni = N = 9 Yi. = Y.. = 16 Modelo Estatístico Y = µ + τ + ε i Níveis do fator controlável 9 10 Decomposição da variabilidade Y=0 ( Y Y..)=0 16=4 Y. = 19 ( Y Yi. )=0 19=1 ( Yi. Y.. )=19 16=3 Y 3. = 17 Elevando ao quadrado ambos os termos e efetuando o somatório, resulta:(eq. 144) ( Y Y ) = n ( Y Y ) + ( Y Y ).. i... i. i Desde que é fácil demonstrar que ( Yi. Y..)( Y Y i. ) = 0 Identificamos as seguintes somas quadradas: Y 1. = 1 Y.. = 16 SQT = SQG + SQR 15 o C 5 o C 35 o C Tratamentos= níveis do fator controlável 11 1

4 Teste F SQT soma dos quadrados totais, decomposta em: SQG soma dos quadrados dos grupos (tratamentos), associada exclusivamente a um efeito dos grupos; SQR soma dos quadrados dos resíduos, devida exclusivamente ao erro aleatório, medida dentro dos grupos. Observamos que a soma quadrada dos resíduos dividida pelos seus graus de liberdade fornecerá uma estimativa da variância dentro dos grupos: SQR i, j MQR = = N k ( Y Y ) N k i. = σ Da mesma forma, se não houver efeito dos grupos, a divisão da SGQ pelos respectivos graus de liberdade também fornecerá uma estimativa da variância dentro dos grupos: ( Y ) i. Y.. = n( / ) = SQG MQG = n σ = σ k 1 k 1 n Teste F Teste F Notem que, se não há efeito dos grupos, a quantidade entre colchetes é a variância das médias, a qual sabese que é igual a σ /n. Obseva-se que para as somas quadradas vale a aditividade: SQT = SQG + SQR As grandezas apresentadas acima são chamadas de médias quadradas, Observa-se que as Médias Quadradas são simplesmente uma outra notação para Variância. MQG = SQG/(k-1) é a Média Quadradas dos Grupos; N-1 = (k-1) + (N-k) Mas o mesmo não vale para as médias quadradas MQT MQG + MQR MQR = SQR/(N-k) é a Média Quadradas dos Resíduos; 15 16

5 Teste de hipótese Se não há diferença significativa entre os grupos: E(MQG) = E (MQR) Teste de Hipótese Verifica-se que, se não há efeito dos grupos, esse quociente é próximo de 1 Para testar a hipótese referente ao efeito dos grupos usamos a distribuição F que é o modelo adequado para a distribuição do quociente de duas variâncias. F calc = MQG MQR Estima a variância entre os grupos Estima a variância dentro do grupo Se há efeito dos grupos esse quociente será significativamente maior do que 1 O limite de decisão é estabelecido usando os valores tabelados da distribuição F : F α,k 1,N k = nível de significância graus de liberdade do numerador: k-1 graus de liberdade do denominador: N-k Distribuição F Distribuição F A hipótese nula µ 1 = µ =... = µ k será rejeitada se F calculado > F tabelado = F α,k 1,N k Logo há diferença significativa entre os grupos Caso contrário, não há diferenças significativas entre os grupos 19 0

6 Formulário para cálculo Tabela TC SQT SQG SQR = ( T..) N (Termo de Correção) ( Y ) ( T i. ni ) ( Y ) ( T n ) = TC = TC = SQT = SQG onde: T.. é a soma de todas as observações i. i Os cálculos associados à Análise de Variância são apresentados em uma tabela, chamada de Tabela de Análise de Variância ou Tabela (Analysis of Variance): Fonte de Variação SQ GDL MQ Teste F Entre Grupos SQG k-1 MQG MQG/MQR Dentro Grupos SQR N-k MQR Total SQT N-1 T i. é a soma das observações no grupo i 1 Exemplo a níveis fixos Os dados a seguir representam o alongamento de um composto de borracha, em função da quantidade de agente de processo adicionado durante a mistura. Agente Totais T..= 315 N o.obs N = 60 Médias 45,5 50,0 54,7 55,3 54,9 Y.. = 5, 08 Tabela TC = T.. / N = (315) / 60 = ,4 SQT = Σ (Y ) - TC = , ,4 = 110,58 SQG = Σ (T i. / n i ) - TC = [(546) / 1] [(659) / 1] ,4 = 875,33 SQR = SQT - SQG = 110,58-875,33 = 335,5 Fonte SQ GDL MQ Teste F Entre Grupos 875, ,83 35,9 (Agente de processo) Dentro Grupos (Residual) 335,5 55 6,09 Total 110,

7 Teste de Significânica Comparação múltipla de médias Como F calculado > F tabelado = F 0,05,4,55 Calcular o desvio padrão das médias 35,9 >,55 Conclui-se que existe diferença significativa de alongamento entre os grupos, ou seja, a quantidade de agente na mistura influencia significativamente o alongamento Qual a melhor quantidade considerando qualidade e economia?? s x = MQR / n c =,47 / 3,46 = 0,71 onde nc = (n1 + n nk) / k Calcular o limite de decisão L d = 3 s x = 3 x 0,71 =,13 Escrever as médias em ordem crescente ou decrescente e compará-las duas a duas. 45,5 50,0 54,7 54,9 55,3 Y (1) Y () Y (3) Y (5) Y (4) 5 6 Comparação múltipla de médias A diferença entre as médias será significativa se for maior que o L d Y () - Y (1) = 50,0-45,5 = 4,5 > Ld =,13 Y (3) - Y () = 54,7-50,0 = 4,7 > Ld =,13 Y (5) - Y (3) = 54,9-54,7 = 0, < Ld =,13 Y (4) - Y (5) = 55,3-54,9 = 0,4 < Ld =,13 Dif. Signif. Dif.Signif. Dif. Não Signif. Dif. Não Signif. Usar barras contínuas sobre as médias que não diferem entre si Y (1) Y () Y (3) Y (5) Y (4) Otimização A análise técnica deve acompanhar e completar a análise estatística. Para isso é recomendável representar graficamente os dados. Para os dados do experimento anterior, poderia se usar, por exemplo, um boxplot. Na otimização devemos considerar o binômio qualidade e custo. Os resultados estatísticos, em conjunto com a análise gráfica dão suporte à tomada de decisão a respeito do processo. Via de regra, o experimento revela opções para a redução de custos e melhoria da qualidade, simultaneamente. 7 8

8 Otimização Exemplo a níveis aleatórios Alongamento Boxplot Uma fábrica de embalagens de papel recebe a matéria prima (papel) em rolos. É desejável que as características dos rolos sejam homogêneas, de modo a fornecerem papel com a mesma resistência à tração. 35 G1 G G3 G4 G5 Agente de processo Como não existe diferença significativa entre as quantidades de agente 10, 15 e 0, a quantidade ótima de agente é 10 (dez) pois otimiza simultaneamente qualidade e custos O engenheiro suspeita que além da variabilidade inerente (dentro dos rolos) também possa haver uma variação significativa entre os rolos. Medições de resistência feitas em embalagens produzidas com material proveniente de cinco rolos aleatoriamente indicaram: 9 30 Exemplo a níveis aleatórios Hipóteses H o : não há diferenças significativas entre os rolos σ τ = 0 H 1 : há diferenças significativas entre os rolos σ τ > 0 Rolo Resistência Cálculos iniciais: Rolo T i. n i Y i , , , , ,38 T.. = 318 N = 43 Y.. = 74, 60 Tabela TC = (T.. ) / N = (308) /43 = 39331,7 SQT = Σ( Y ) - TC = 41476, ,7 = 144,8 SQG = Σ( T i. /n i ) - TC = [(749) /10] [(683) /8] ,7 = 1774,18 SQR = SQT - SQG = 144,8-1774,18 = 370,10 Fonte SQ GLD MQ Teste F Rolos 1774, ,54 45,54 Resíduos 370, ,74 Total 144,8 4 F calculado = 45,54 > F 0,05,4,38 =,856 Há diferenças significativas entre os rolos 31 3

9 Estimativa dos componentes de variação Estimativa dos componentes de variação Pode ser demonstrado que o valor esperado das médias quadradas vale: E (MQG) = σ + n c σ τ E (MQR) = σ Conhecidos os componentes de variação, podemos calcular a contribuição percentual de cada termo na composição da variabilidade total: ( ) σ = σ + σ Var Y = TOTAL τ A partir dessas equações, podemos obter as estimativas para os componentes de variaçãoσ e : σ = MQR MQG σ MQG MQR σ τ = = nc nc σ τ Percentual correspondente aos tratamentos: Percentual correspondente ao erro aleatório: σ 100 x τ σ TOTAL σ 100 x σ TOTAL Estimativa dos componentes de variação Otimização σ = MQR = 9,74 MQG MQR 443,54 9, 74 σ τ = = = 50,44 nc 8,6 σtotal = στ + σ = 50,44 + 9, 74 = 60,18 Os resultados indicam que 50,44 / 60,18 = 83,81 % da variabilidade total se deve a diferenças entre rolos. As causas dessas diferenças deveriam ser investigadas e, na medida do possível, eliminadas. Via de regra, a variabilidade devida aos tratamentos se deve a causas especiais que podem e devem ser eliminadas. Re Rolo 35 36

10 Otimização Por exemplo, diferenças entre máquinas podem ser devidas a falta de manutenção apropriada ou diferenças de setup. Similarmente, diferenças entre lotes de produção podem ser devidas a qualidade da matéria prima usada na produção de cada lote. Nesse caso, deveriam ser investigados os fornecedores, ou as condições de estocagem, etc. A variabilidade devida ao erro aleatório deve-se a causas comuns, inerentes ao sistema em estudo. Para eliminar as causas comuns é preciso modificar o sistema como um todo, o que pode não se justificar economicamente Exercícios 8.1) Quatro concentrações de catalisadores que podem afetar o tempo de processo de uma mistura química estão sendo investigados. Os seguintes tempos de misturas foram obtidos: Catalisador es ,7 56,3 53,0 54,4 58, 55,9 51, 53,0 57, 54,5 54, 51,4 58,4 57,0 53, 51,5 55,8 55,3 53,3 54,9 Totais T.. = n N = Médias Y.. = Pede-se: Cálculos iniciais: Fazer a análise de Variância e concluir a respeito do efeito dos catalisadores. Fazer uma comparação múltipla de médias se for o caso. Fazer um gráfico de barras, indicando a concentração média obtida para cada catalisador e concluir a respeito do que deve ser feito para (i) assegurar qualidade e (ii) assegurar economia. TC = T.. / N = (Y ) = SQT = (Y ) - TC = SQG = (T i. /n i ) - TC = SQR = SQT - SQG = 39 40

11 Tabela Anova: Fonte de Variação SQ GDL MQ Teste F Entre Grupos SQG k-1 MQG MQG/MQR Dentro Grupos SQR N-k MQR Total SQT N-1 F calculado = F tabelado = Efeito dos catalisadores é significativo? Comparação múltipla de médias (1) Calcular o desvio padrão das médias s = MQR / x n c onde n c = (n 1 + n n k ) / k () Calcular o limite de decisão L d = 3 x S X (3) Escrever as médias em ordem crescente ou decrescente e compará-las duas a duas. A diferença será significativa se for maior que o L d. (4) Usar barras contínuas sobre as médias que não diferem entre si. 41 4

Análise de Variância ANOVA

Análise de Variância ANOVA Análise de Variância ANOVA ENG09004 014/ Prof. Alexandre Pedott pedott@producao.ufrgs.br ANOVA Os testes de hipótese apresentados até aqui limitaram-se à comparação de duas médias ou duas variâncias. Contudo,

Leia mais

Projeto de Experimentos

Projeto de Experimentos Projeto de Experimentos O uso de Projeto de Experimentos conduz a uma seqüência estruturada de ensaios, que assegura o máximo de informação com um gasto mínimo de tempo/dinheiro. Entrada Processo Saída

Leia mais

ENGENHARIA DA QUALIDADE A ENG AULA 8 PROJETOS DE EXPERIMENTOS - ANOVA

ENGENHARIA DA QUALIDADE A ENG AULA 8 PROJETOS DE EXPERIMENTOS - ANOVA ENGENHARIA DA QUALIDADE A ENG 09008 AULA 8 PROJETOS DE EXPERIMENTOS - ANOVA PROFESSORES: CARLA SCHWENGBER TEN CATEN Tópicos desta aula Projetos de Experimentos Terminologia Passos de implementação Princípios

Leia mais

DPS1037 SISTEMAS DA QUALIDADE II ENGENHARIA DE PRODUÇÃO CT/UFSM

DPS1037 SISTEMAS DA QUALIDADE II ENGENHARIA DE PRODUÇÃO CT/UFSM Morgana Pizzolato, Dr a. Aula 20 Introdução à otimização experimental e experimentos de um fator DPS1037 SISTEMAS DA QUALIDADE II ENGENHARIA DE PRODUÇÃO CT/UFSM TÓPICOS DESTA AULA Projetos de Experimentos

Leia mais

ANOVA. (Analysis of Variance) Prof. Dr. Guanis de Barros Vilela Junior

ANOVA. (Analysis of Variance) Prof. Dr. Guanis de Barros Vilela Junior ANOVA (Analysis of Variance) Prof. Dr. Guanis de Barros Vilela Junior Para que serve a ANOVA? Para comparar três ou mais variáveis ou amostras. Por exemplo, queremos testar os efeitos cardiorrespiratórios

Leia mais

Modelos de Probabilidade e Inferência Estatística

Modelos de Probabilidade e Inferência Estatística Modelos de Probabilidade e Inferência Estatística Departamento de Estatística Universidade Federal da Paraíba Prof. Tarciana Liberal (UFPB) Aula Distribuições Qui-quadrado, t-student e F de Snedecor 04/14

Leia mais

Análise de Regressão Linear Simples III

Análise de Regressão Linear Simples III Análise de Regressão Linear Simples III Aula 03 Gujarati e Porter Capítulos 4 e 5 Wooldridge Seção.5 Suposições, Propriedades e Teste t Suposições e Propriedades RLS.1 O modelo de regressão é linear nos

Leia mais

Regressão linear múltipla. Prof. Tatiele Lacerda

Regressão linear múltipla. Prof. Tatiele Lacerda Regressão linear múltipla Prof Tatiele Lacerda Yi = B + Bx + B3X3 + u Plano de resposta E(Y i ) = 0,00 Y i i 0 (,33;,67) Y i 0 X i Xi X p i, p i 3 Modelo de regressão linear múltipla em termos matriciais,

Leia mais

Análise de Regressão. Notas de Aula

Análise de Regressão. Notas de Aula Análise de Regressão Notas de Aula 2 Modelos de Regressão Modelos de regressão são modelos matemáticos que relacionam o comportamento de uma variável Y com outra X. Quando a função f que relaciona duas

Leia mais

Testes de variância e Análise de Variância (ANOVA)

Testes de variância e Análise de Variância (ANOVA) Testes de variância e Análise de Variância (ANOVA) Introdução à Inferência Estatística Introdução à Inferência Estatística TESTE DE VARIÂNCIAS E DISTRIBUIÇÃO F Testes sobre variâncias Problema: queremos

Leia mais

Capítulo 4 Inferência Estatística

Capítulo 4 Inferência Estatística Capítulo 4 Inferência Estatística Slide 1 Resenha Intervalo de Confiança para uma proporção Intervalo de Confiança para o valor médio de uma variável aleatória Intervalo de Confiança para a variância de

Leia mais

Medidas de Localização

Medidas de Localização MATEMÁTICA APLICADA ÀS CIÊNCIAS SOCIAIS RESUMO Estatística 2 Medidas de Localização e Dispersão 10º ano Cláudia Henriques Medidas de Localização Estatísticas Medidas que se calculam a partir dos dados

Leia mais

MOQ-14 PROJETO E ANÁLISE DE EXPERIMENTOS LISTA DE EXERCÍCIOS 3

MOQ-14 PROJETO E ANÁLISE DE EXPERIMENTOS LISTA DE EXERCÍCIOS 3 MOQ-14 PROJETO E ANÁLISE DE EXPERIMENTOS LISTA DE EXERCÍCIOS 3 1. Chapas de uma liga metálica de mesma procedência foram submetidas, de forma aleatória, a três diferentes tratamentos térmicos: A, B e C.

Leia mais

Planejamento e Análise Estatística de Experimentos Fatoriais em blocos completos

Planejamento e Análise Estatística de Experimentos Fatoriais em blocos completos Planejamento e Análise Estatística de Experimentos Fatoriais em blocos completos Contexto Já vimos como analisar um experimento em blocos na presença de um único fator de interesse. Podemos ter experimentos

Leia mais

é 4. Portanto, o desvio padrão é 2. Neste caso 100% dos valores da população estão a um desvio padrão da média.

é 4. Portanto, o desvio padrão é 2. Neste caso 100% dos valores da população estão a um desvio padrão da média. Desvio Padrão From Wikipedia, the free encyclopedia probabilidade e estatística, o desvio padrão de uma distribuição de probabilidade, de uma variável aleatória, ou população é uma medida do espalhamento

Leia mais

Química Analítica IV ERRO E TRATAMENTO DE DADOS ANALÍTICOS

Química Analítica IV ERRO E TRATAMENTO DE DADOS ANALÍTICOS Química Analítica IV 1 semestre 2012 Profa. Maria Auxiliadora Costa Matos ERRO E TRATAMENTO DE DADOS ANALÍTICOS Todas as medidas físicas possuem um certo grau de incerteza. Quando se faz uma medida, procura-se

Leia mais

INTRODUÇÃO À INFERÊNCIA ESTATÍSTICA. Prof. Anderson Rodrigo da Silva anderson.silva@ifgoiano.edu.br

INTRODUÇÃO À INFERÊNCIA ESTATÍSTICA. Prof. Anderson Rodrigo da Silva anderson.silva@ifgoiano.edu.br INTRODUÇÃO À INFERÊNCIA ESTATÍSTICA Prof. Anderson Rodrigo da Silva anderson.silva@ifgoiano.edu.br Tipos de Pesquisa Censo: é o levantamento de toda população. Aqui não se faz inferência e sim uma descrição

Leia mais

MAE116 - Noções de Estatística

MAE116 - Noções de Estatística MAE116 - Noções de Estatística Grupo A - 1 semestre de 2015 Gabarito da Lista de exercícios 10 - Introdução à Estatística Descritiva - CASA Exercício 1. (2 pontos) Sabe-se que, historicamente, 18% dos

Leia mais

SEEC UNIVERSIDADE DO ESTADO DO RIO GRANDE DO NORTE UERN FACULDADE DE CIÊNCIAS EXATAS E NATURAIS FANAT DEPARTAMENTO DE CIÊNCIAS BIOLÓGICAS DECB

SEEC UNIVERSIDADE DO ESTADO DO RIO GRANDE DO NORTE UERN FACULDADE DE CIÊNCIAS EXATAS E NATURAIS FANAT DEPARTAMENTO DE CIÊNCIAS BIOLÓGICAS DECB Governo do Estado do Rio Grande do Norte Secretaria de Estado da Educação e da Cultura - SEEC UNVERSDADE DO ESTADO DO RO GRANDE DO NORTE UERN FACULDADE DE CÊNCAS EXATAS E NATURAS FANAT DEPARTAMENTO DE

Leia mais

Erros e Incertezas. Rafael Alves Batista Instituto de Física Gleb Wataghin Universidade Estadual de Campinas (Dated: 10 de Julho de 2011.

Erros e Incertezas. Rafael Alves Batista Instituto de Física Gleb Wataghin Universidade Estadual de Campinas (Dated: 10 de Julho de 2011. Rafael Alves Batista Instituto de Física Gleb Wataghin Universidade Estadual de Campinas (Dated: 10 de Julho de 2011.) I. INTRODUÇÃO Quando se faz um experimento, deseja-se comparar o resultado obtido

Leia mais

3- Projetos Fatoriais

3- Projetos Fatoriais 3- Projetos Fatoriais Exemplo do que se faz na indústria: Uma empresa estava interessada em aumentar o teor de pureza de uma substância química. Os dois fatores mais importantes que influenciavam o teor

Leia mais

Plano da Apresentação. Correlação e Regressão linear simples. Correlação linear. Associação entre hábitos leitura e escolaridade.

Plano da Apresentação. Correlação e Regressão linear simples. Correlação linear. Associação entre hábitos leitura e escolaridade. Metodologia de Diagnóstico e Elaboração de Relatório FASHT Correlação e Plano da Apresentação Correlação linear Diagrama de dispersão Covariância Coeficiente de correlação de Pearson Teste de correlação

Leia mais

Para mais de duas variáveis independentes, em função de uma variável dependente.

Para mais de duas variáveis independentes, em função de uma variável dependente. MÉTODOS QUANTlTATlVOS APLlCADOS À CONTABlLlDADE Prof. Héber Lavor Moreira Plano de Aula TEMA: REGRESSÃO MÚLTlPLA - Caso Multiplan S/A lntrodução Em muitos casos uma variável pode estar relacionada com

Leia mais

Correlação e Regressão linear simples

Correlação e Regressão linear simples Metodologia de Diagnóstico e Elaboração de Relatório FASHT Correlação e Regressão linear simples Prof. Cesaltina Pires cpires@uevora.pt Plano da Apresentação Correlação linear Diagrama de dispersão Covariância

Leia mais

Medidas de Tendência Central. Introdução Média Aritmética Moda Mediana

Medidas de Tendência Central. Introdução Média Aritmética Moda Mediana Medidas de Tendência Central Introdução Média Aritmética Moda Mediana Introdução A maioria dos dados apresenta uma tendência de se concentrar em torno de um ponto central Portanto, é possível selecionar

Leia mais

Aula 6 Propagação de erros

Aula 6 Propagação de erros Aula 6 Propagação de erros Conteúdo da aula: Como estimar incertezas de uma medida indireta Como realizar propagação de erros? Exemplo: medimos A e B e suas incertezas. Com calcular a incerteza de C, se

Leia mais

Análise de Regressão Múltipla com informação qualitativa: variáveis binárias (dummy)

Análise de Regressão Múltipla com informação qualitativa: variáveis binárias (dummy) Análise de Regressão Múltipla com informação qualitativa: variáveis binárias (dummy) 1 Como descrever informações qualitativas? Fatores qualitativos podem ser incorporados a modelos de regressão. Neste

Leia mais

IND 1115 Inferência Estatística Aula 8

IND 1115 Inferência Estatística Aula 8 Conteúdo IND 5 Inferência Estatística Aula 8 Setembro 4 Mônica Barros O - aproximação da Binomial pela Este teorema é apenas um caso particular do teorema central do limite, pois uma variável aleatória

Leia mais

25 a 30 de novembro de 2013

25 a 30 de novembro de 2013 LSD Introdução à Programa de Pós-Graduação em Estatística e Experimentação Agronômica ESALQ/USP 25 a 30 de novembro de 2013 LSD 1 2 3 LSD 4 Parte 2 - Conteúdo LSD Quando o F da ANOVA está sendo utilizado

Leia mais

Carta de controle para o desvio-padrão

Carta de controle para o desvio-padrão Carta de controle para o desvio-padrão O desvio padrão é um indicador mais eficiente da variabilidade, principalmente para amostras grandes (a amplitude perde eficiência). Recomenda-se o uso da carta Xb

Leia mais

Medidas de dispersão e assimetria

Medidas de dispersão e assimetria Metodologia de Diagnóstico e Elaboração de Relatório FASHT Medidas de dispersão e assimetria Profª Cesaltina Pires cpires@uevora.pt Plano da Apresentação Medidas de dispersão Variância Desvio padrão Erro

Leia mais

MEDIDAS DE DISPERSÃO. o grau de variabilidade, ou dispersão, dos valores em torno da média.

MEDIDAS DE DISPERSÃO. o grau de variabilidade, ou dispersão, dos valores em torno da média. UNIVERSIDADE FEDERAL DA PARAÍBA MEDIDAS DESCRITIVAS Departamento de Estatística Tarciana Liberal As medidas de posição apresentadas fornecem a informação dos dados apenas a nível pontual, sem ilustrar

Leia mais

x = xi n x = xifi fi 1. MÉDIA Exercício: Quando a distribuição é simétrica, a média e a mediana coincidem.

x = xi n x = xifi fi 1. MÉDIA Exercício: Quando a distribuição é simétrica, a média e a mediana coincidem. 1. MÉDIA Exercício: Quando a distribuição é simétrica, a média e a mediana coincidem. Determine a média aritmética da distribuição: A mediana não é tão sensível, como a média, às observações que são muito

Leia mais

AULA 11 Experimentos Multinomiais e Tabelas de Contingência

AULA 11 Experimentos Multinomiais e Tabelas de Contingência 1 AULA 11 Experimentos Multinomiais e Tabelas de Contingência Ernesto F. L. Amaral 24 de setembro de 2012 Faculdade de Filosofia e Ciências Humanas (FAFICH) Universidade Federal de Minas Gerais (UFMG)

Leia mais

AULA 12 Inferência a Partir de Duas Amostras

AULA 12 Inferência a Partir de Duas Amostras 1 AULA 12 Inferência a Partir de Duas Amostras Ernesto F. L. Amaral 15 de setembro de 2011 Metodologia de Pesquisa (DCP 854B) Fonte: Triola, Mario F. 2008. Introdução à estatística. 10 ª ed. Rio de Janeiro:

Leia mais

BIOESTATÍSTICA. Parte 1 - Estatística descritiva e análise exploratória dos dados

BIOESTATÍSTICA. Parte 1 - Estatística descritiva e análise exploratória dos dados BIOESTATÍSTICA Parte 1 - Estatística descritiva e análise exploratória dos dados Aulas Teóricas de 17/02/2011 a 03/03/2011 1.1. População, amostra e dados estatísticos. Dados qualitativos e quantitativos

Leia mais

Lição 5 Medidas Descritivas Medidas de Dispersão

Lição 5 Medidas Descritivas Medidas de Dispersão 99 Lição 5 Medidas Descritivas Medidas de Dispersão Após concluir o estudo desta lição, esperamos que você possa: identifi car o objetivo das medidas de dispersão; identifi car o conceito de variância;

Leia mais

cuja distribuição é t de Student com n 1 graus de liberdade.

cuja distribuição é t de Student com n 1 graus de liberdade. Aula 13 Teste de hipótese sobre a média de uma população normal σ 2 desconhecida Objetivos: Nesta aula você completará seu estudo básico sobre testes de hipóteses, analisando a situação relativa a uma

Leia mais

Medidas de Tendência Central

Medidas de Tendência Central Média, Mediana e Moda 1 Coletando Dados A coleta de dados produz um conjunto de escores de uma ou mais variáveis Para chegar à distribuição dos escores, estes têm de ser arrumados / ordenados do menor

Leia mais

Série Monográfica Qualidade Projeto de Experimentos

Série Monográfica Qualidade Projeto de Experimentos Série Monográfica Qualidade Projeto de Experimentos José Luis Duarte Ribeiro & Carla Schwengber ten Caten Editores Universidade Federal do Rio Grande do Sul Escola de Engenharia Programa de Pós Graduação

Leia mais

Conteúdo. 1 Introdução. Histograma do Quinto Sorteio da Nota Fiscal Paraná 065/16. Quinto Sorteio Eletrônico da Nota Fiscal Paraná

Conteúdo. 1 Introdução. Histograma do Quinto Sorteio da Nota Fiscal Paraná 065/16. Quinto Sorteio Eletrônico da Nota Fiscal Paraná Quinto Sorteio Eletrônico da Nota Fiscal Paraná Relatório parcial contendo resultados 1 da análise estatística dos bilhetes premiados Conteúdo 1 Introdução Este documento apresenta a análise dos resultados

Leia mais

Conteúdo. 1 Introdução. Histograma do 1o Sorteio da Nota Fiscal Paraná 152/15. 1º Sorteio Eletrônico da Nota Fiscal Paraná

Conteúdo. 1 Introdução. Histograma do 1o Sorteio da Nota Fiscal Paraná 152/15. 1º Sorteio Eletrônico da Nota Fiscal Paraná 1º Sorteio Eletrônico da Nota Fiscal Paraná Relatório parcial contendo resultados 1 da análise estatística dos bilhetes premiados Conteúdo 1 Introdução Este relatório apresenta uma análise estatística

Leia mais

CIRCULAR TÉCNICA N o 171 NOVEMBRO 1989 TABELAS PARA CLASSIFICAÇÃO DO COEFICIENTE DE VARIAÇÃO

CIRCULAR TÉCNICA N o 171 NOVEMBRO 1989 TABELAS PARA CLASSIFICAÇÃO DO COEFICIENTE DE VARIAÇÃO IPEF: FILOSOFIA DE TRABALHO DE UMA ELITE DE EMPRESAS FLORESTAIS BRASILEIRAS ISSN 0100-3453 CIRCULAR TÉCNICA N o 171 NOVEMBRO 1989 TABELAS PARA CLASSIFICAÇÃO DO COEFICIENTE DE VARIAÇÃO INTRODUÇAO Carlos

Leia mais

Variáveis Frequências Gráficos Medidas de Posição Medidas de Dispersão Medidas Complementares Inferência

Variáveis Frequências Gráficos Medidas de Posição Medidas de Dispersão Medidas Complementares Inferência Tipos de Variáveis Problema Motivador: Um pesquisador está interessado em fazer um levantamento sobre aspectos sócio-econômicos dos empregados da seção de orçamentos de uma companhia (vide tabela). Algumas

Leia mais

Métodos Quantitativos Aplicados

Métodos Quantitativos Aplicados Métodos Quantitativos Aplicados Aula 5 http://www.iseg.utl.pt/~vescaria/mqa/ Tópicos apresentação Análise de dados bivariada: cruzamentos e medidas de associação variáveis nominais e ordinais e variáveis

Leia mais

Probabilidade e Estatística, 2009/2

Probabilidade e Estatística, 2009/2 Probabilidade e Estatística, 2009/2 CCT - UDESC Prof. Fernando Deeke Sasse Problemas Resolvidos - Testes de Hipóteses 1. Uma empresa de manufatura têxtil está testando rolos de fio que o fornecedor afirma

Leia mais

DISTRIBUIÇÃO DE FREQUÊNCIA DE VARIÁVEIS QUALITATIVAS E QUANTITATIVAS DISCRETAS (TABELAS E GRÁFICOS)

DISTRIBUIÇÃO DE FREQUÊNCIA DE VARIÁVEIS QUALITATIVAS E QUANTITATIVAS DISCRETAS (TABELAS E GRÁFICOS) DISTRIBUIÇÃO DE FREQUÊNCIA DE VARIÁVEIS QUALITATIVAS E QUANTITATIVAS DISCRETAS (TABELAS E GRÁFICOS) O QUE É ESTATÍSTICA Estatística é a ciência de obter conclusões a partir de dados. Envolve métodos para

Leia mais

Teorema do Limite Central e Intervalo de Confiança

Teorema do Limite Central e Intervalo de Confiança Probabilidade e Estatística Teorema do Limite Central e Intervalo de Confiança Teorema do Limite Central Teorema do Limite Central Um variável aleatória pode ter uma distribuição qualquer (normal, uniforme,...),

Leia mais

Análise estatística. Aula de Bioestatística. 17/9/2008 (2.ª Parte) Paulo Nogueira

Análise estatística. Aula de Bioestatística. 17/9/2008 (2.ª Parte) Paulo Nogueira Análise estatística Aula de Bioestatística 17/9/2008 (2.ª Parte) Paulo Nogueira Testes de Hipóteses Hipótese Estatística de teste Distribuição da estatística de teste Decisão H 0 : Não existe efeito vs.

Leia mais

IV Regressão e correlação IV.4. (cont.) Significância Estatística e Regressão Múltipla

IV Regressão e correlação IV.4. (cont.) Significância Estatística e Regressão Múltipla IV Regressão e correlação IV.4. (cont.) Significância Estatística e Regressão Múltipla Significância Estatística Existe uma estatítica, o t-estatístico,associado a cada estimativa O t-estatístico mede

Leia mais

Curso de Análise Estatística Comparação entre variáveis contínuas: correlação e regressão Linear

Curso de Análise Estatística Comparação entre variáveis contínuas: correlação e regressão Linear NÚCLEO DE ESTATÍSTICA E METODOLOGIA APLICADAS Desenvolvendo conhecimento para a excelência dos cuidados em saúde mental UNIVERSIDADE FEDERAL DE SÃO PAULO Curso de Análise Estatística Comparação entre variáveis

Leia mais

Coeficiente de Assimetria e Curtose. Rinaldo Artes. Padronização., tem as seguintes propriedades: Momentos

Coeficiente de Assimetria e Curtose. Rinaldo Artes. Padronização., tem as seguintes propriedades: Momentos Coeficiente de Assimetria e Curtose Rinaldo Artes 2014 Padronização Seja X uma variável aleatória com E(X)=µ e Var(X)=σ 2. Então a variável aleatória Z, definida como =, tem as seguintes propriedades:

Leia mais

Probabilidade III. Ulisses U. dos Anjos. Departamento de Estatística Universidade Federal da Paraíba. Período 2014.1

Probabilidade III. Ulisses U. dos Anjos. Departamento de Estatística Universidade Federal da Paraíba. Período 2014.1 Probabilidade III Ulisses U. dos Anjos Departamento de Estatística Universidade Federal da Paraíba Período 2014.1 Ulisses Umbelino (DE-UFPB) Probabilidade III Período 2014.1 1 / 42 Sumário 1 Apresentação

Leia mais

2) Escreva um algoritmo que leia um conjunto de 10 notas, armazene-as em uma variável composta chamada NOTA e calcule e imprima a sua média.

2) Escreva um algoritmo que leia um conjunto de 10 notas, armazene-as em uma variável composta chamada NOTA e calcule e imprima a sua média. 1) Inicializar um vetor de inteiros com números de 0 a 99 2) Escreva um algoritmo que leia um conjunto de 10 notas, armazene-as em uma variável composta chamada NOTA e calcule e imprima a sua média 3)

Leia mais

a) 2 b) 3 c) 4 d) 5 e) 6

a) 2 b) 3 c) 4 d) 5 e) 6 Recordando operações básicas 01. Calcule as expressões abaixo: a) 2254 + 1258 = b) 300+590 = c) 210+460= d) 104+23 = e) 239 54 = f) 655-340 = g) 216-56= h) 35 x 15 = i) 50 x 210 = j) 366 x 23 = k) 355

Leia mais

Regressão Linear Múltipla

Regressão Linear Múltipla UNIVERSIDADE FEDERAL DO PARÁ INSTITUTO DE CIÊNCIAS EATAS E NATURAIS FACULDADE DE ESTATÍSTICA DISCIPLINA: Estatística Aplicada PROFESSORES: Heliton Tavares e Regina Madruga ALUNO: Wemenson avier Trabalho

Leia mais

Continuação: Teoria - Racionalização do Trabalho. Avaliação de velocidade do operador

Continuação: Teoria - Racionalização do Trabalho. Avaliação de velocidade do operador Continuação: Teoria - Racionalização do Trabalho Avaliação de velocidade do operador A velocidade V do operador é determinada subjetivamente por parte do cronometrista, que a referencia à denominada velocidade

Leia mais

Capítulo 5. Inferência no Modelo de Regressão Simples: Estimação de Intervalos, Teste de Hipóteses e Previsão

Capítulo 5. Inferência no Modelo de Regressão Simples: Estimação de Intervalos, Teste de Hipóteses e Previsão Capítulo 5 Inferência no Modelo de Regressão Simples: Estimação de Intervalos, Teste de Hipóteses e Previsão Hipóteses do Modelo de Regressão Linear Simples RS1. y x e t 1 t t RS. RS3. RS4. RS5. RS6. Ee

Leia mais

Profa. Luciana Rosa de Souza

Profa. Luciana Rosa de Souza Profa. Luciana Rosa de Souza o Curto prazo e Longo prazo No estudo da produção, é importante que se diferencie o curto prazo do longo prazo. Curto Prazo: refere-se ao período de tempo no qual um ou mais

Leia mais

Modelos de Probabilidade e Inferência Estatística

Modelos de Probabilidade e Inferência Estatística Modelos de Probabilidade e Inferência Estatística Ronei Marcos de Moraes Análise de Variância e Estatística Nãoparamétrica UFPB Maio/2011 ANOVA - Análise de Variância O caso da comparação de várias médias

Leia mais

Controle Estátistico de Processo.

Controle Estátistico de Processo. Relatório de estudo dos fios. Controle Estátistico de Processo. Indice Item Assunto. Pág. Análise estatística C.E.P. 04 1 Introdução. 04 2 Controle estatístico do processo. 04 2.1 Definição. 04 2.3 Objetivo

Leia mais

Estimação. Como definir um estimador. Como obter estimativas pontuais. Como construir intervalos de confiança

Estimação. Como definir um estimador. Como obter estimativas pontuais. Como construir intervalos de confiança Estimação Como definir um estimador. Como obter estimativas pontuais. Como construir intervalos de confiança Motivação A partir da média de uma a amostra em uma colheita recente, o conselho de qualidade

Leia mais

ANÁLISE EXPLORATÓRIA DE DADOS

ANÁLISE EXPLORATÓRIA DE DADOS ANÁLISE EXPLORATÓRIA DE DADOS 1.0 Conceitos A estatística descritiva tem o objetivo de organizar, resumir e apresentar de forma adequada os dados, para que estes se tornem informativos. A análise exploratória

Leia mais

Aula 4 Gráficos e Distribuição de Frequências

Aula 4 Gráficos e Distribuição de Frequências 1 REDES Aula 4 Gráficos e Distribuição de Frequências Professor Luciano Nóbrega Gráficos A representação gráfica fornece uma visão mais rápida que a observação direta de dados numéricos ou de tabelas.

Leia mais

Influência Das Diferentes Alturas De Corte Na Qualidade Da Madeira Serrada De Qualea Sp.

Influência Das Diferentes Alturas De Corte Na Qualidade Da Madeira Serrada De Qualea Sp. Influência Das Diferentes Alturas De Corte Na Qualidade Da Madeira Serrada De Qualea Sp Andréia Alves Botin (1) ; Jair Figueiredo do Carmo (2) ; Fábio Henrique Della Justina do Carmo (3) ; Maristela Volpato

Leia mais

Relatório das Provas da 2ª. Fase - Vestibular 2016

Relatório das Provas da 2ª. Fase - Vestibular 2016 Relatório das Provas da 2ª. Fase - Vestibular 2016 Resumo Executivo O presente relatório apresenta os resultados da segunda fase do Vestibular UNICAMP 2016 constituída por três provas. Esta etapa do vestibular

Leia mais

Inferência sobre duas proporções

Inferência sobre duas proporções Teste para duas populações duas populações Amostra :,,,, alor comum para delta 0 Amostra 2:,,,, Tamanho Tamanho Média amostral x Média amostral x Desvio-padrão Desvio-padrão Teste para duas populações

Leia mais

AMOSTRAGEM: DIMENSIONAMENTO DE AMOSTRAS. SELEÇÃO DOS ELEMENTOS DE UMA AMOSTRA. ESTIMATIVA DA CARACTERÍSTICA TOTAL DA POPULAÇÃO INVESTIGADA

AMOSTRAGEM: DIMENSIONAMENTO DE AMOSTRAS. SELEÇÃO DOS ELEMENTOS DE UMA AMOSTRA. ESTIMATIVA DA CARACTERÍSTICA TOTAL DA POPULAÇÃO INVESTIGADA AMOSTRAGEM: DIMENSIONAMENTO DE AMOSTRAS. SELEÇÃO DOS ELEMENTOS DE UMA AMOSTRA. ESTIMATIVA DA CARACTERÍSTICA TOTAL DA POPULAÇÃO INVESTIGADA META Dimensionar o tamanho ideal de amostra para cada população.

Leia mais

Aula 1 Variáveis aleatórias contínuas

Aula 1 Variáveis aleatórias contínuas Aula 1 Variáveis aleatórias contínuas Objetivos: Nesta aula iremos estudar as variáveis aleatórias contínuas e você aprenderá os seguintes conceitos: função de densidade de probabilidade; função de distribuição

Leia mais

3ª Aula. Desenvolvimento do Tema: Custos

3ª Aula. Desenvolvimento do Tema: Custos 3ª Aula Desenvolvimento do Tema: Custos Os participantes poderão apresentar entendimentos e experiências com base em suas atividades cabendo ao professor os comentários pertinentes com destaque dos aspectos

Leia mais

CAPÍTULO 4. 4 - O Método Simplex Pesquisa Operacional

CAPÍTULO 4. 4 - O Método Simplex Pesquisa Operacional CAPÍTULO 4 O MÉTODO SIMPLEX 4 O Método Simplex caminha pelos vértices da região viável até encontrar uma solução que não possua soluções vizinhas melhores que ela. Esta é a solução ótima. A solução ótima

Leia mais

Desvio Padrão ou Erro Padrão

Desvio Padrão ou Erro Padrão NOTAS METODOLÓGICAS ISSN 0871-3413 ArquiMed, 2006 Desvio Padrão ou Erro Padrão Nuno Lunet, Milton Severo, Henrique Barros Serviço de Higiene e Epidemiologia da Faculdade de Medicina da Universidade do

Leia mais

Estatística - exestatmedposic.doc 25/02/09

Estatística - exestatmedposic.doc 25/02/09 Medidas de Posição Introdução Vimos anteriormente que, através de uma distribuição de freqüências se estabelece um sistema de classificação que descreve o padrão de variação de um determinado fenômeno

Leia mais

UNIPAC Araguari FACAE - Faculdade de Ciências Administrativas e Exatas SISTEMAS DE INFORMAÇÃO

UNIPAC Araguari FACAE - Faculdade de Ciências Administrativas e Exatas SISTEMAS DE INFORMAÇÃO UNIPAC Araguari FACAE - Faculdade de Ciências Administrativas e Exatas SISTEMAS DE INFORMAÇÃO SAD Sistemas de Apoio à Decisão 2011/02 Aula Cinco crishamawaki@yahoo.com.br Modelos de decisão Sistemas de

Leia mais

Método dos mínimos quadrados Wikipédia, a enciclopédia livre

Método dos mínimos quadrados Wikipédia, a enciclopédia livre 1 de 5 25/12/2012 20:27 Método dos mínimos quadrados Origem: Wikipédia, a enciclopédia livre. O Método dos Mínimos Quadrados, ou Mínimos Quadrados Ordinários (MQO) ou OLS (do inglês Ordinary Least Squares)

Leia mais

Morgana Pizzolato, Dr a. Aula 22 Experimentos de dois fatores DPS1037 SISTEMAS DA QUALIDADE II ENGENHARIA DE PRODUÇÃO CT/UFSM

Morgana Pizzolato, Dr a. Aula 22 Experimentos de dois fatores DPS1037 SISTEMAS DA QUALIDADE II ENGENHARIA DE PRODUÇÃO CT/UFSM Morgana Pizzolato, Dr a. Aula 22 Experimentos de dois fatores DPS1037 SISTEMAS DA QUALIDADE II ENGENHARIA DE PRODUÇÃO CT/UFSM TÓPICOS DESTA AULA Projetos de Experimentos de dois fatores Projetos fatoriais

Leia mais

Aula 11 Teste de hipótese sobre a média de uma população normal - σ 2 conhecida

Aula 11 Teste de hipótese sobre a média de uma população normal - σ 2 conhecida Aula 11 Teste de hipótese sobre a média de uma população normal - σ 2 conhecida Objetivo: Nesta aula, iremos aplicar os conceitos básicos sobre a teoria de teste de hipótese a uma situação específica.

Leia mais

Teste de Hipótese e Intervalo de Confiança. Parte 2

Teste de Hipótese e Intervalo de Confiança. Parte 2 Teste de Hipótese e Intervalo de Confiança Parte 2 Questões para discutirmos em sala: O que é uma hipótese estatística? O que é um teste de hipótese? Quem são as hipóteses nula e alternativa? Quando devemos

Leia mais

AGRUPAMENTO DE ESCOLAS DR. VIEIRA DE CARVALHO

AGRUPAMENTO DE ESCOLAS DR. VIEIRA DE CARVALHO AGRUPAMENTO DE ESCOLAS DR. VIEIRA DE CARVALHO DEPARTAMENTO DE MATEMÁTICA E CIÊNCIAS EXPERIMENTAIS MATEMÁTICA 8.º ANO PLANIFICAÇÃO GLOBAL 1. Representação, comparação e ordenação. Representar números racionais

Leia mais

Modelo Uniforme. como eu e meu colega temos 5 bilhetes, temos a mesma probabilidade de ganhar a rifa:

Modelo Uniforme. como eu e meu colega temos 5 bilhetes, temos a mesma probabilidade de ganhar a rifa: Modelo Uniforme Exemplo: Uma rifa tem 100 bilhetes numerados de 1 a 100. Tenho 5 bilhetes consecutivos numerados de 21 a 25, e meu colega tem outros 5 bilhetes, com os números 1, 11, 29, 68 e 93. Quem

Leia mais

Unidade 5 5.1 Medidas de Posição ou de Tendência Central

Unidade 5 5.1 Medidas de Posição ou de Tendência Central Unidade 5 5.1 Medidas de Posição ou de Tendência Central 1- Introdução Se estivermos numa parada de ônibus urbano e nos pedirem alguma informação sobre a demora em passar um determinado ônibus, que diremos?

Leia mais

UNIDADE 6 TESTES DE HIPÓTESES OBJETIVOS ESPECÍFICOS DE APRENDIZAGEM

UNIDADE 6 TESTES DE HIPÓTESES OBJETIVOS ESPECÍFICOS DE APRENDIZAGEM Unidade 6 Testes de Hipóteses UNIDADE 6 TESTES DE HIPÓTESES OBJETIVOS ESPECÍFICOS DE APRENDIZAGEM Ao finalizar esta Unidade, você deverá ser capaz de: Escolher o teste de hipótese adequado; Formular um

Leia mais

Em cada uma dessas frases, há uma quantidade indicada em forma de fração. Veja:

Em cada uma dessas frases, há uma quantidade indicada em forma de fração. Veja: MATEMÁTICA BÁSICA 4 Frações Leitura Três quartos da população do estado X recebe até um salário mínimo A herança será dividida, cabendo um sétimo do total a cada um dos herdeiros A parede será azulejada

Leia mais

Teste 1. (a) 0.33 (b) 0.50 (c) 0.30 (d) 0.20

Teste 1. (a) 0.33 (b) 0.50 (c) 0.30 (d) 0.20 Teste 1 1. Das 4 afirmações seguintes qual a que é falsa? a) O primeiro quartil é o valor da observação tal que existem 25% de observações menores o iguais a ela; b) A mediana é sempre igual ao percentil

Leia mais

3 Modelos de Simulação

3 Modelos de Simulação 43 3 Modelos de Simulação 3.1 Simulação de Monte Carlo O método de Monte Carlo foi concebido com este nome nos anos 40 por John Von Neumann, Stanislaw Ulam e Nicholas Metropolis durante o projeto de pesquisa

Leia mais

AGRUPAMENTO DE ESCOLAS DA SÉ GUARDA. MATEMÁTICA B Curso de Artes Visuais

AGRUPAMENTO DE ESCOLAS DA SÉ GUARDA. MATEMÁTICA B Curso de Artes Visuais Direção-Geral dos Estabelecimentos Escolares Direção de Serviços da Região Centro AGRUPAMENTO DE ESCOLAS DA SÉ GUARDA MATEMÁTICA B Curso de Artes Visuais ANO LECTIVO: 2015/2016 11º ANO 1º PERÍODO PLANIFICAÇÃO

Leia mais

REGRESSÃO. Análise de Correlação

REGRESSÃO. Análise de Correlação REGRESSÃO Linear, Não linear, simples e múltipla Análise de Correlação 2 Correlação Indica a força e a direção do relacionamento linear entre dois atributos Trata-se de uma medida da relação entre dois

Leia mais

Plano de Ensino PROBABILIDADE E ESTATÍSTICA APLICADA À ENGENHARIA - CCE0292

Plano de Ensino PROBABILIDADE E ESTATÍSTICA APLICADA À ENGENHARIA - CCE0292 Plano de Ensino PROBABILIDADE E ESTATÍSTICA APLICADA À ENGENHARIA - CCE0292 Título PROBABILIDADE E ESTATÍSTICA APLICADA À ENGENHARIA Código da disciplina SIA CCE0292 16 Número de semanas de aula 4 Número

Leia mais

1 Introdução. 1.1 Importância da Utilização da Amostragem

1 Introdução. 1.1 Importância da Utilização da Amostragem 1 Introdução Um dos principais objetivos da maioria dos estudos, análises ou pesquisas estatísticas é fazer generalizações seguras com base em amostras, sobre as populações das quais as amostras foram

Leia mais

alocação de custo têm que ser feita de maneira estimada e muitas vezes arbitrária (como o aluguel, a supervisão, as chefias, etc.

alocação de custo têm que ser feita de maneira estimada e muitas vezes arbitrária (como o aluguel, a supervisão, as chefias, etc. Professor José Alves Aula pocii Aula 3,4 Custeio por Absorção Custeio significa apropriação de custos. Métodos de Custeio é a forma como são apropriados os custos aos produtos. Assim, existe Custeio por

Leia mais

Técnicas estatísticas para análise de dados e de resultados de modelos de simulação

Técnicas estatísticas para análise de dados e de resultados de modelos de simulação Parte XIV Técnicas estatísticas para análise de dados e de resultados de modelos de simulação A saída de um modelo de simulação geralmente constitui-se de VA s, muitas das quais podem ter variância grande.

Leia mais

Universidade Estadual de Campinas César Galeazzi Priolo Ra:070454. Relatório de Estágio

Universidade Estadual de Campinas César Galeazzi Priolo Ra:070454. Relatório de Estágio Universidade Estadual de Campinas César Galeazzi Priolo Ra:070454 Relatório de Estágio Análise estatística das avaliações e auditoria dos processos de monitoria operacional Orientador: Prof. Dr. Antônio

Leia mais

Distribuições Conjuntas (Tabelas de Contingência)

Distribuições Conjuntas (Tabelas de Contingência) Cruzamento de Dados Distribuições Conjuntas (Tabelas de Contingência) Lorí Viali, Dr. DESTAT/FAMAT/PUCRS viali@pucrs.br http://www.pucrs.br/famat/viali Distribuição Conjunta Exemplo (tabela um) Suponha

Leia mais

Lista 4 Introdução à Programação Entregar até 07/05/2012

Lista 4 Introdução à Programação Entregar até 07/05/2012 Lista 4 Introdução à Programação Entregar até 07/05/2012 1. Um vendedor necessita de um algoritmo que calcule o preço total devido por um cliente. O algoritmo deve receber o código de um produto e a quantidade

Leia mais

Introdução. Ou seja, de certo modo esperamos que haja uma certa

Introdução. Ou seja, de certo modo esperamos que haja uma certa UNIVERSIDADE FEDERAL DA PARAÍBA Teste de Independência Luiz Medeiros de Araujo Lima Filho Departamento de Estatística Introdução Um dos principais objetivos de se construir uma tabela de contingência,

Leia mais

Contabilometria. Análise Discriminante

Contabilometria. Análise Discriminante Contabilometria Análise Discriminante Fonte: Corrar, L. J.; Theóphilo, C. R. Pesquisa Operacional para Decisão em Contabilidade e Administração, Editora Atlas, São Paulo, 010 Cap. 3 Análise Discriminante

Leia mais

CONHECIMENTOS ESPECÍFICOS

CONHECIMENTOS ESPECÍFICOS CONHECIMENTOS ESPECÍFICOS» PROBABILIDADE E ESTATÍSTICA «21. Uma fábrica, que produz pequenas peças utilizadas em materiais eletrônicos, armazena essa mercadoria em lotes com 1000 unidades. Inspecionada

Leia mais

QUALIDADE DA MADEIRA E DO CARVÃO DE SEIS ESPÉCIES DE EUCALIPTO

QUALIDADE DA MADEIRA E DO CARVÃO DE SEIS ESPÉCIES DE EUCALIPTO IV Forum Nacional sobre Carvão Vegetal Belo Horizonte- MG, 08 e 09 de novembro de 2016 QUALIDADE DA MADEIRA E DO CARVÃO DE SEIS ESPÉCIES DE EUCALIPTO Autor 1 ; Autor 2 ; Autor 3 ; Autor 4 RESUMO: Este

Leia mais