NOTAS DE AULA - ESTATÍSTICA TEORIA DA AMOSTRAGEM ESTIMAÇÃO
|
|
- Luiz Guilherme Bacelar Gorjão
- 7 Há anos
- Visualizações:
Transcrição
1 NOTAS DE AULA - ESTATÍSTICA TEORIA DA AMOSTRAGEM ESTIMAÇÃO ISABEL C. C. LEITE SALVADOR BA 007
2 Estatístca Prof.ª Isabel C. C. Lete TEORIA DA AMOSTRAGEM DISTRIBUIÇÃO AMOSTRAL DOS ESTIMADORES A teora da amostragem é um estudo das relações estetes etre uma população e as amostras dela etraídas. É útl em: estmação de parâmetros populacoas; determação das causas de dfereças observadas etre amostras. Costtu o que chamamos de estatístca dutva ou ferêca estatístca que cosste em ferr coclusões mportates sobre uma população a partr da aálse de resultados observados em amostras aleatóras. Como toda coclusão deduzda a partr da amostragem é acompahada de um grau de certeza ou rsco, o problema fudametal da ferêca estatístca é medr este grau de certeza ou rsco das geeralzações. Parâmetro: medda umérca que descreve uma população. Geercamete represetado por θ. Eemplos: méda ( ), varâca ( ). Estatístca ou estmador: medda umérca que descreve uma amostra. Geercamete represetado por θˆ. Eemplos: méda ( ), varâca ( S ). Estmatva: valor umérco de um estmador. Erro amostral: erro que ocorre pelo uso da amostra. Deotado por ε e defdo por: ε = ˆ θ θ. Uma dstrbução amostral é a dstrbução de probabldade de um estmador (ou estatístca) da amostra formada quado amostras de tamaho são colhdas váras vezes de uma população. Por eemplo, se o estmador da amostra for a sua méda, a dstrbução será uma dstrbução amostral de médas das amostras. População 3 4 M Repetr esse processo para todas as amostras de tamaho Dstrbução amostral de Para cada dstrbução amostral pode-se calcular a méda, o desvo-padrão, etc.
3 Estatístca Prof.ª Isabel C. C. Lete Dstrbução amostral das médas Cosderemos o segute problema. Seja X o peso real de pacotes de café, echdos automatcamete por uma máqua. Sabe-se que a dstrbução de X pode ser represetada por uma ormal, com parâmetros e. Supohamos que a máqua esteja regulada para echer os pacotes segudo uma dstrbução ormal com méda 500 gramas e desvo padrão de 0 gramas, sto é, X ~ N( 500,00 ). Sabemos que, às vezes, a máqua desregula-se e quado sto acotece o úco parâmetro que se altera é a méda, permaecedo a mesma varâca. Para mater a produção sob cotrole remos recolher uma amostra de 00 pacotes e pesá-los. Como essa amostra os ajudará a tomar uma decsão? Usaremos a méda da amostra como formação pertete para uma decsão. Mesmo que a máqua esteja regulada, dfclmete será gual a 500 gramas, dado que os pacotes apresetam certa varabldade de peso. Mas se ão se afastar muto de 500 gramas, ão estrão razões para suspetarmos da qualdade do procedmeto de produção. Só remos pedr uma revsão se o erro amostral ( 500) for muto grade. O problema que se apreseta agora é o de decdr o que é prómo ou dstate de 500 gramas. Se o mesmo procedmeto de colher a amostra de 00 pacotes fosse repetdo um úmero muto grade de vezes, sob a codção de a máqua estar regulada, teríamos déa do comportameto da varável, e saberíamos dzer se aquele valor observado é ou ão um eveto raro de ocorrer. Caso o seja, é mas fácl suspetar da regulagem da máqua do que do acaso. Portato é mportate cohecer as propredades da dstrbução da varável. As médas das amostras de tamaho retradas de uma população com méda e desvo padrão formam a dstrbução amostral com os segutes parâmetros: O valor esperado ou méda é gual à méda populacoal: E ( ) = ( ) =. A varâca é gual à varâca populacoal dvdda pelo tamaho da amostra: Var( ) = ( ) =. OBS: Se a população é fta e de tamaho N cohecdo, e se a amostragem é feta sem N Var( ) = =. N Temos, portato, para desvo padrão das médas amostras: ( ) =, se a população é fta, ou se a amostragem é feta com reposção; reposção, etão ( ) = N, se a população é fta, ou se a amostragem é feta sem reposção. N Observemos pelas fórmulas apresetadas que quato maor o tamaho da amostra, meor será a varâca de, ou seja, o estmador será mas precso à medda que o tamaho da amostra aumetar.
4 Estatístca Prof.ª Isabel C. C. Lete 3 Teorema do lmte cetral Se de uma população com parâmetros (, ) for retrada uma amostra de tamaho sufcetemete grade, a dstrbução de será apromadamete ormal, seja qual for a forma da dstrbução da população. Ou seja,, ou, N N N N com dstrbuções padrozadas dadas por: ou = = N N Z Z
5 Estatístca Prof.ª Isabel C. C. Lete 4 Aplcações. Voltado ao problema cal, ode uma máqua echa pacotes cujos pesos seguam uma dstrbução ormal N(500,00). Colhedo-se uma amostra de = 00 pacotes e pesado-os, terá uma dstrbução ormal com méda 500 e varâca 00/00 =. Logo, se a máqua estver regulada, a probabldade de ecotrarmos a méda de 00 pacotes dferdo de 500 g de meos de gramas será P ( 500 < ) = P( 498 < < 50) = P( < z < ) 95% Ou seja, dfclmete 00 pacotes terão uma méda fora do tervalo (498,50). Caso sto ocorra, podemos cosderar como um eveto raro, e será razoável supor que a máqua esteja desregulada.. Admte-se que as alturas de 3000 estudates do seo masculo de uma uversdade são ormalmete dstrbuídas, com a méda 7,7 cm e o desvo padrão 7,6 cm. Se forem obtdas 80 amostras de 5 estudates cada uma, quas serão a méda e o desvo padrão esperados da dstrbução amostral das médas resultates se amostragem for feta: (a) com reposção; (b) sem reposção? Solução: O úmero de amostras de 5 elemetos que podem ser obtdas teorcamete de um grupo de 3000 estudates, com e sem reposção, são: (3000) 5 e C 3000,5, respectvamete, muto maores do que 80. Por sso ão se obtém uma verdadera dstrbução amostral das médas, mas apeas uma epermetal. Apesar dsso, vsto que o úmero de amostras é grade, haverá uma cocordâca muto estreta etre as duas dstrbuções amostras. 7,6 (a) ( ) = = 7,7 cm e ( ) = = =,54 cm. 5 N 7, (b) ( ) = = 7,7 cm e ( ) = = =,58 cm, que é apeas N lgeramete meor que,54 cm e pode, portato, para todos os fs prátcos, ser cosderado gual ao da amostragem com reposção. Coclusão: pode-se cosderar esta dstrbução amostral epermetal das médas apromadamete ormal, com a méda 7,7 cm e desvo padrão,54 cm. 3. Em quatas amostras do problema ateror pode-se esperar que a méda se ecotre: (a) etre 69,67 cm e 73,48cm; (b) abao de 70,00 cm? Resp: (a) o úmero esperado de amostras é 80 0, (b) o úmero esperado de amostras é 80 0,0375 = 3.
6 Estatístca Prof.ª Isabel C. C. Lete 5 Dmesoameto de uma amostra Mutas vezes é mportate sabermos qual deverá ser o tamaho de uma amostra de modo a obter um erro de estmação ε prevamete estpulado com determado grau de cofaça dos resultados obtdos. P Eemplo: Seja X : N ( 00,840). Qual deverá ser o tamaho de uma amostra de tal forma que ( 96 < < 04) = 0,90? ( ) = 00 Solução: Se = 00 e = ,98 ( ) = = Para o tervalo dado temos que ε = = ± 4 ± 4 Como z = e z = z0,45 =, 64, segue-se que ±, 64 = = 4,3. ( ) 8,98 Cocluímos que, se retrarmos uma amostra de 4 elemetos da população X, teremos 90% de 96 0, 05 P > 6 = 0, 05 ; cofaça que estará o tervalo (96,6) e P ( < ) = ou sto sgfca que o rsco que corremos de que o valor da méda caa fora do tervalo ateror é de 0%. Dstrbução amostral da soma, ou dfereça, etre duas médas Sejam duas populações depedetes com dstrbução amostral das médas dadas por N, e N,. Cosderado amostras depedetes das duas populações, temos: ± N ±, + ± será A dstrbução ormal padrão para ( ) z = ( ± ) ( ± ) + Aplcação: Numa escola A, os aluos submetdos a um teste obtveram méda 70 com desvo padrão 0. Em outra escola B, os aluos submetdos ao mesmo teste obtveram méda 65 com desvo padrão 5. Se colhermos a escola A uma amostra de 36 aluos e a B, uma de 49 aluos, qual é a probabldade de que a dfereça etre as médas seja superor a 6 udades? Resp. 0,3557
7 Estatístca Prof.ª Isabel C. C. Lete 6 Dstrbução amostral das proporções Cosderemos uma população fta ode a probabldade de ocorrêca de um eveto (deomado seu sucesso) é p, equato a de sua ão ocorrêca (fracasso) é q = p. Tomemos todas as amostras possíves de tamaho etraídas desta população e, para cada amostra, determemos a proporção ˆp de sucessos. Temos, portato, o parâmetro ˆp que epressa a probabldade, ou proporção, ou freqüêca relatva, de determado eveto da população. º de casos favoráves ao eveto a amostra = = º total de casos da amostra Obtemos assm uma dstrbução amostral das proporções. Para amostras sufcetemete grades, a dstrbução amostral de ˆp é apromadamete ormal com méda: ( ˆp ) = p, pq desvo padrão: ( ˆp ) =, ode: p = verdadera probabldade populacoal de sucessos q = p = tamaho da amostra. Assm, N p, pq e sua dstrbução ormal padrozada é epressa por p Z =. pq Aplcação Verfcou-se que % das ferrametas produzdas por certa máqua são defetuosas. Qual é a probabldade de, em uma remessa de 400 dessas ferrametas, revelarem-se defetuosas: (a) 3% ou mas; (b),5 % ou meos? Solução: pq 0,0 0,98 Temos: ( ˆ ) = p = 0,0 p e ( ˆ ) = = = 0,007. p 400 0,03 0,0 (a) Calculado a varável padrozada z para ˆp = 0,03: z = =, 43 0,007 P( 0, 03) = P z, 43 = 0,5 0, 436 = 0, 0764 ou 7,64% 0,05 0,0 (b) Calculado a varável padrozada z para ˆp = 0,05: z = = 0,7 0,007 P( 0, 05) = P z 0, 7 = 0,5 0, 6 = 0, 389 ou 3,89 %
8 Estatístca Prof.ª Isabel C. C. Lete 7 Dstrbução amostral da soma, ou dfereça, etre duas proporções Sabemos da dstrbução amostral das proporções que para amostras sufcetemete grades, N p, p q N p, p q. e Cosderado amostras depedetes das duas populações, temos: A dstrbução ormal padrão para Estmação ˆ ˆ, p q p q ± p ± p ˆ ± p será z = pq pq + ( p ± p ) N p ± p + Um dos métodos para realzar ferêcas a respeto dos parâmetros é a estmação, que determa estmatvas dos parâmetros populacoas. Estem dos tpos de estmação de um parâmetro populacoal: estmação por poto e a estmação por tervalo.. Estmação por poto A partr das observações, usado o estmador, procura-se ecotrar um valor umérco úco (estmatva) que esteja bastate prómo do verdadero valor do parâmetro. Este procedmeto ão permte julgar a magtude do erro que podemos estar cometedo, mas a dstrbução por amostragem dos estmadores tora possível o estudo das qualdades do estmador. ESTIMADORES PONTUAIS DOS PRINCIPAIS PARÂMETROS POPULACIONAIS Parâmetro Estmador Méda () = Varâca ( ) Desvo padrão () Proporção (p) = S = = = S = =, ode = úmero de elemetos da amostra que possuem a característca = tamaho da amostra
9 Estatístca Prof.ª Isabel C. C. Lete 8 Eemplo: Para avalar a taa de desemprego em determado estado, escolhe-se uma amostra aleatóra de 000 habtates em dade de trabalho e cotam-se os desempregados: 87. Estmar a proporção de desempregados em todo o estado. 87 p ˆ = = 0, Estmação por tervalo Procura determar um tervalo que coteha o valor do parâmetro populacoal, com certa margem de seguraça. Este procedmeto permte julgar a magtude do erro que podemos estar cometedo. Com base a amostra, uma maera de epressar a precsão da estmação é calcular os lmtes de um tervalo, o Itervalo de Cofaça (IC), tas que ( ) seja a probabldade de que o verdadero valor do parâmetro esteja cotdo ele. Portato, : grau de descofaça, ível de certeza ou ível de sgfcâca. : coefcete de cofaça ou ível de cofabldade; Formalzado, se deotarmos o parâmetro de teresse por θ, desejamos obter um tervalo com lmte feror I e lmte superor S tal que P(I < θ < S) =, ode é um valor pequeo, ou seja é prómo de. Os lmtes deste tervalo são varáves aleatóras, pos depedem da amostra selecoada. Um tervalo deste tpo é deomado tervalo de - ( 00)% cofaça para o parâmetro θ. Valores de mas comumete usados são = 0,0 = 0,90 ou 90% = 0,05 = 0,95 ou 95% = 0,0 = 0,99 ou 99% A precsão com que se cohece θ depede da ampltude deste tervalo dada por S I. Quato meor esta ampltude melhor determado estará o parâmetro. A fgura abao lustra o coceto de tervalo de cofaça. AMOSTRA INTERVALOS DE CONFIANÇA
10 Estatístca Prof.ª Isabel C. C. Lete 9 O verdadero valor do parâmetro estará cotdo em ( 00) % desses tervalos. Observe que algumas estmatvas tervalares cluem e outras ão cluem o verdadero valor do parâmetro da população. Ao retrarmos uma amostra e calcularmos um tervalo de cofaça, ão sabemos a verdade se o parâmetro da população se ecotra aquele tervalo calculado. O mportate é saber que se está utlzado um método com ( 00) % de probabldade de sucesso. Itervalos de cofaça para a méda de uma população ormal com varâca cohecda Cosderemos uma população ormal com méda descohecda que desejamos estmar e com X = N?,. varâca cohecda, Procedmeto para a costrução do IC:. Retramos uma amostra casual smples de elemetos.. Calculamos a méda da amostra. 3. Calculamos o desvo padrão da méda amostral:. 4. Famos o ível de sgfcâca, e com ele determamos z, tal que P ( z z ), > = < =. P z < z = > = ou seja, P ( z z ) e P( z z ) Logo, devemos ter z z Neste caso o Itervalo de Cofaça de ( 00)% para é dado por: z, + z Usado uma otação mas smples, teremos Eemplos: ( ) ( ) IC, % =,.. A duração de vda de uma peça de equpameto é tal que = 5 horas. Foram amostradas aleatoramete 00 dessas peças, obtedo-se méda de 500 horas. Desejamos costrur um tervalo de cofaça para a verdadera duração méda da peça com um ível de 95% de cofaça. Solução: Temos ( ) = 5, = 00, = 500, 00 = 95%.
11 Estatístca Prof.ª Isabel C. C. Lete 0 O gráfco da dstrbução ormal padrão será: D strbução N orm al (0,) 0,05 0,95 0,05 z =,96 correspode à área 0,475 -,96 0,96 Substtudo os dados a fórmula, temos o tervalo de cofaça solctado, P 499, 0 < < 500,98 = 95%, sgfcado que com 95% de cofaça a duração méda da peça está etre 499,0 e 500,98 horas. Portato, se fossem costruídos tervalos dessa mesma maera, para um grade úmero de amostras, em 95% dos casos os tervalos cluram. Para os casos de populações ftas, multplca-se o desvo padrão pelo fator de correção, gerado o IC: N z, z N + N N. Admtdo os mesmos dados do eemplo ateror, cosderemos como população a produção de 000 peças. Nesse caso o tervalo para a méda será (499,07;500,93), coforme os cálculos abao = 500,96. e = 500 +, Logo, o tervalo (499,07;500,93) cotém a duração méda das.000 peças com 95% de cofaça. Amostras Grades - População Normal ou ão Normal Se é sufcetemete grade (em geral, > 30), mesmo sem cohecermos a dstrbução da população, os lmtes do Itervalo de Cofaça para a méda () poderão ser calculados com base a dstrbução Normal padrão. Da mesma forma podemos utlzar o desvo padrão amostral S o lugar de (desvo-padrão populacoal), caso este ão seja cohecdo.
12 Estatístca Prof.ª Isabel C. C. Lete Itervalos de cofaça para a proporção Lembremos que quado p populacoal é cohecda, = tem dstrbução apromadamete ormal, N p, pq. Para costrurmos o IC para p descohecda, determamos ˆp a amostra pq ˆ ˆ e cosderamos. p Logo, ao ível de sgfcâca, P ( z < z ) =, ode z =. Desevolvedo os cálculos, como fo feto para a méda, chegamos à formula do IC para a proporção p populacoal. pq ˆ ˆ pq ˆ ˆ IC ( p, ( )%) = ( p, p ) = z ; + z Eemplo: Para se estmar a porcetagem de aluos de um curso favoráves à modfcação do currículo escolar, tomou-se uma amostra de 00 aluos, dos quas 80 foram favoráves. a. Faça um IC para a proporção de todos os aluos do curso favoráves à modfcação ao ível de 4% de sgfcâca. b. Qual o valor do erro de estmação ocorrdo o tervalo acma? Solução: Dados = 00, = 80, = 4%, temos que 0,8 0, = 0,80, qˆ = 0,0 e p ˆ = 0, a. z z0,48, 05 IC p,96% = 0,78;0,88 = = Temos uma cofaça de 96% que de 7,8% a 88,% dos aluos do curso serão favoráves à modfcação currcular. p ε b. z = z = ε = z ε =,05 0,04 = 0,08 ε = 8, % O erro de estmação cometdo em (a) é de 8,% para 96% de cofaça e uma amostra de 00 aluos.
13 Estatístca Prof.ª Isabel C. C. Lete REFERÊNCIAS BIBLIOGRÁFICAS BUSSAB, Wlto de O. MORETTIN, Pedro A. Estatístca Básca. 5ª edção. São Paulo: Sarava, 006. MORETTIN, Luz Gozaga. Estatístca Básca Volume Iferêca. São Paulo: Pearso Makro Books, 000. MARTINS, Glberto de A. Estatístca Geral e Aplcada. 3ª ed. São Paulo: Atlas, 005. SPEIGEL, Murray R. Estatístca. 3ª ed. São Paulo: Pearso Makro Books, 993. Notas de aula dos professores do Departameto de Estatístca UFBA, dspoíves o ste
Distribuições Amostrais. Estatística. 8 - Distribuições Amostrais UNESP FEG DPD
Dstrbuções Amostras Estatístca 8 - Dstrbuções Amostras 08- Dstrbuções Amostras Dstrbução Amostral de Objetvo: Estudar a dstrbução da população costtuída de todos os valores que se pode obter para, em fução
Leia mais13 ESTIMAÇÃO DE PARÂMETROS E DISTRIBUIÇÃO AMOSTRAL
3 ESTIMAÇÃO DE PARÂMETROS E DISTRIBUIÇÃO AMOSTRAL Como vto em amotragem o prmero bmetre, etem fatore que fazem com que a obervação de toda uma população em uma pequa eja mpratcável, muta veze em vrtude
Leia maisÉ o quociente da divisão da soma dos valores das variáveis pelos números deles:
Meddas de Posção. Itrodução Proª Ms. Mara Cytha O estudo das dstrbuções de requêcas, os permte localzar a maor cocetração de valores de uma dstrbução. Porém, para ressaltar as tedêcas característcas de
Leia maisCURSO SOBRE MEDIDAS DESCRITIVA Adriano Mendonça Souza Departamento de Estatística - UFSM -
CURSO SOBRE MEDIDAS DESCRITIVA Adrao Medoça Souza Departameto de Estatístca - UFSM - O telecto faz pouco a estrada que leva à descoberta. Acotece um salto a coscêca, chame-o você de tução ou do que quser;
Leia maisCap. 5. Testes de Hipóteses
Cap. 5. Testes de Hpóteses Neste capítulo será estudado o segudo problema da ferêca estatístca: o teste de hpóteses. Um teste de hpóteses cosste em verfcar, a partr das observações de uma amostra, se uma
Leia maisEstatística - exestatmeddisper.doc 25/02/09
Estatístca - exestatmeddsper.doc 5/0/09 Meddas de Dspersão Itrodução ão meddas estatístcas utlzadas para avalar o grau de varabldade, ou dspersão, dos valores em toro da méda. ervem para medr a represetatvdade
Leia maisCapítulo 2 O conceito de Função de Regressão Populacional (FRP) e Função de Regressão Amostral (FRA)
I Metodologa da Ecoometra O MODELO CLÁSSICO DE REGRESSÃO LINEAR. Formulação da teora ou da hpótese.. Especfcação do modelo matemátco da teora. 3. Especfcação do modelo ecoométrco da teora. 4. Obteção de
Leia maisANÁLISE DE ERROS. Todas as medidas das grandezas físicas deverão estar sempre acompanhadas da sua dimensão (unidades)! ERROS
ANÁLISE DE ERROS A oservação de um feómeo físco ão é completa se ão pudermos quatfcá-lo. Para é sso é ecessáro medr uma propredade físca. O processo de medda cosste em atrur um úmero a uma propredade físca;
Leia maisMacroeconometria Aula 3 Revisão de estatística e teste de hipótese
Macroecoometra 008. Aula 3 Revsão de estatístca e teste de hpótese 3.5. Estmação No estudo das probabldades, o objetvo é calcular a probabldade de evetos préespecfcados. De agora em date o objetvo muda.
Leia maisMedidas de Localização
07/08/013 Udade : Estatístca Descrtva Meddas de Localzação João Garbald Almeda Vaa Cojuto de dados utlzação de alguma medda de represetação resumo dos dados. E: Um cojuto com 400 observações como aalsar
Leia maisDistribuições de Probabilidades
Estatístca - aulasestdstrnormal.doc 0/05/06 Dstrbuções de Probabldades Estudamos aterormete as dstrbuções de freqüêcas de amostras. Estudaremos, agora, as dstrbuções de probabldades de populações. A dstrbução
Leia maisEstatística Descritiva
Estatístca Descrtva Cocetos Báscos População ou Uverso Estatístco: coj. de elemetos sobre o qual cde o estudo estatístco; Característca Estatístca ou Atrbuto: a característca que se observa os elemetos
Leia maisRegressão Linear - Introdução
Regressão Lear - Itrodução Na aálse de regressão lear pretede-se estudar e modelar a relação (lear) etre duas ou mas varáves. Na regressão lear smples relacoam-se duas varáves, x e Y, através do modelo
Leia maisProf. Lorí Viali, Dr. PUCRS FAMAT: Departamento de Estatística Prof. Lorí Viali, Dr. PUCRS FAMAT: Departamento de Estatística
Prof. Lorí Val, Dr. http://www.pucrs.br/famat/val/ val@pucrs.br Prof. Lorí Val, Dr. PUCRS FAMAT: Departameto de Estatístca Prof. Lorí Val, Dr. PUCRS FAMAT: Departameto de Estatístca Obetvos A Aálse de
Leia mais50 Logo, Número de erros de impressão
Capítulo 3 Problema. (a) Sedo o úmero médo de erros por pága, tem-se: 5 + + 3 + 3 + 4 33,66 5 5 Represetado o úmero medao de erros por md, tem-se, pela ordeação dos valores observados, que os valores de
Leia maisINTRODUÇÃO ÀS PROBABILIDADES E ESTATÍSTICA
INTRODUÇÃO ÀS PROBABILIDADES E ESTATÍSTICA 003 Iformações: relembra-se os aluos teressados que a realzação de acções presecas só é possível medate solctação vossa, por escrto, à assstete da cadera. A realzação
Leia maisFaculdade de Tecnologia de Catanduva CURSO SUPERIOR DE TECNOLOGIA EM AUTOMAÇÃO INDUSTRIAL
Faculdade de Tecologa de Cataduva CURSO SUPERIOR DE TECNOLOGIA EM AUTOMAÇÃO INDUSTRIAL 5. Meddas de Posção cetral ou Meddas de Tedêca Cetral Meddas de posção cetral preocupam-se com a caracterzação e a
Leia maisApostila de Introdução Aos Métodos Numéricos
Apostla de Itrodução Aos Métodos Numércos PARTE III o Semestre - Pro a. Salete Souza de Olvera Buo Ídce INTERPOAÇÃO POINOMIA...3 INTRODUÇÃO...3 FORMA DE AGRANGE... 4 Iterpolação para potos (+) - ajuste
Leia maisEstimação pontual, estimação intervalar e tamanho de amostras
Estmação potual, estmação tervalar e tamaho de amostras Iferêca: por meo das amostras, cohecer formações geras da população. Problemas de ferêca, em geral, se dvdem em estmação de parâmetros e testes de
Leia mais4 Capitalização e Amortização Compostas
4.1 Itrodução Quado queremos fazer um vestmeto, podemos depostar todos os meses uma certa quata em uma cadereta de poupaça; quado queremos comprar um bem qualquer, podemos fazê-lo em prestações, a serem
Leia maisEstatística: Aplicação ao Sensoriamento Remoto SER ANO Estimação Pontual
Estatístca: Aplcação ao Sesorameto Remoto SER 04 - ANO 08 Estmação Potual Camlo Daleles Reó camlo@dp.pe.br http://www.dp.pe.br/~camlo/estatstca/ Iferêca Estatístca Cosdere o expermeto: retram-se 3 bolas
Leia maisEm muitas situações duas ou mais variáveis estão relacionadas e surge então a necessidade de determinar a natureza deste relacionamento.
Prof. Lorí Val, Dr. val@pucrs.r http://www.pucrs.r/famat/val/ Em mutas stuações duas ou mas varáves estão relacoadas e surge etão a ecessdade de determar a atureza deste relacoameto. A aálse de regressão
Leia maisMatemática Ficha de Trabalho
Matemátca Fcha de Trabalho Meddas de tedêca cetral - 0º ao MEDIDAS DE LOCALIZAÇÃO Num estudo estatístco, depos de recolhdos e orgazados os dados, há a ase de trar coclusões através de meddas que possam,
Leia maisDISTRIBUIÇÃO HIPERGEOMÉTRICA
7 DISTRIBUIÇÃO HIPERGEOMÉTRICA Cosdere-se uma população fta costtuída por N elemetos dstrbuídos por duas categoras eclusvas e eaustvas de dmesões M e N M, respectvamete. Os elemetos da prmera categora
Leia maisProfessor Mauricio Lutz REGRESSÃO LINEAR SIMPLES. Vamos, então, calcular os valores dos parâmetros a e b com a ajuda das formulas: ö ; ø.
Professor Maurco Lutz 1 EGESSÃO LINEA SIMPLES A correlação lear é uma correlação etre duas varáves, cujo gráfco aproma-se de uma lha. O gráfco cartesao que represeta essa lha é deomado dagrama de dspersão.
Leia maisCAPÍTULO 3 MEDIDAS DE TENDÊNCIA CENTRAL E VARIABILIDADE PPGEP Medidas de Tendência Central Média Aritmética para Dados Agrupados
3.1. Meddas de Tedêca Cetral CAPÍTULO 3 MEDIDA DE TENDÊNCIA CENTRAL E VARIABILIDADE UFRG 1 Há váras meddas de tedêca cetral. Etre elas ctamos a méda artmétca, a medaa, a méda harmôca, etc. Cada uma dessas
Leia mais3 - ANÁLISE BIDIMENSIONAL
INE 7001 - Aálse Bdmesoal 1 3 - ANÁLISE BIDIMENSIONAL É comum haver teresse em saber se duas varáves quasquer estão relacoadas, e o quato estão relacoadas, seja a vda prátca, seja em trabalhos de pesqusa,
Leia maisCapítulo 5: Ajuste de curvas pelo método dos mínimos quadrados
Capítulo : Ajuste de curvas pelo método dos mímos quadrados. agrama de dspersão No capítulo ateror estudamos uma forma de ldar com fuções matemátcas defdas por uma taela de valores. Frequetemete o etato
Leia maisREGESD Prolic Matemática e Realidade- Profª Suzi Samá Pinto e Profº Alessandro da Silva Saadi
REGESD Prolc Matemátca e Realdade- Profª Suz Samá Pto e Profº Alessadro da Slva Saad Meddas de Posção ou Tedêca Cetral As meddas de posção ou meddas de tedêca cetral dcam um valor que melhor represeta
Leia maisx n = n ESTATÍSTICA STICA DESCRITIVA Conjunto de dados: Organização; Amostra ou Resumo; Apresentação. População
ESTATÍSTICA STICA DESCRITIVA Prof. Lorí Val, Dr. val@mat.ufrgs.br http://.ufrgs.br/~val/ Orgazação; Resumo; Apresetação. Cojuto de dados: Amostra ou População Um cojuto de dados é resumdo de acordo com
Leia maisMEDIDAS DE POSIÇÃO: X = soma dos valores observados. Onde: i 72 X = 12
MEDIDAS DE POSIÇÃO: São meddas que possbltam represetar resumdamete um cojuto de dados relatvos à observação de um determado feômeo, pos oretam quato à posção da dstrbução o exo dos, permtdo a comparação
Leia maisRelatório 2ª Atividade Formativa UC ECS
Relatóro 2ª Atvdade Formatva Eercíco I. Quado a dstrbução de dados é smétrca ou apromadamete smétrca, as meddas de localzação méda e medaa, cocdem ou são muto semelhates. O mesmo ão acotece quado a dstrbução
Leia maisMEDIDAS DE TENDÊNCIA CENTRAL I
Núcleo das Cêcas Bológcas e da Saúde Cursos de Bomedca, Ed. Físca, Efermagem, Farmáca, Fsoterapa, Fooaudologa, edca Veterára, uscoterapa, Odotologa, Pscologa EDIDAS DE TENDÊNCIA CENTRAL I 7 7. EDIDAS DE
Leia maisTabela 1 Números de acidentes /mês no Cruzamento X em CG/07. N de acidentes / mês fi f
Lsta de exercícos Gabarto e chave de respostas Estatístca Prof.: Nelse 1) Calcule 1, e para o segute cojuto de valores. A,1,8,0,11,,7,8,6,,9, 1 O úmero que correspode a 5% do rol é o valor. O úmero que
Leia maisInterpolação. Exemplo de Interpolação Linear. Exemplo de Interpolação Polinomial de grau superior a 1.
Iterpolação Iterpolação é um método que permte costrur um ovo cojuto de dados a partr de um cojuto dscreto de dados potuas cohecdos. Em egehara e cêcas, dspõese habtualmete de dados potuas, obtdos a partr
Leia maisINTRODUÇÃO A ESTATÍSTICA
Hewlett-Packard INTRODUÇÃO A ESTATÍSTICA Aulas 01 e 06 Elso Rodrgues, Gabrel Carvalho e Paulo Luz Sumáro Defções... 1 EXERCÍCIOS FUNDAMENTAIS... 1 Meddas de tedêca cetral... 1 Méda artmétca smples... 1
Leia maisRegressao Simples. Parte II: Anova, Estimação Intervalar e Predição
egressao Smples Parte II: Aova, Estmação Itervalar e Predção Aálse de Varâca Nem todos os valores das amostras estão cotdos a reta de regressão, e quato mas afastados estverem por, a reta represetará a
Leia maisPROBABILIDADE E ESTATÍSTICA APLICADA À HIDROLOGIA
UNIVERSIDADE DE ÉVORA DEPARTAMENTO DE ENGENHARIA RURAL PROBABILIDADE E ESTATÍSTICA APLICADA À HIDROLOGIA 0 ESTATÍSTICA E PROBABILIDADE APLICADA À HIDROLOGIA. Itrodução Nehum processo hdrológco é puramete
Leia maisESTATÍSTICA Exame Final 1ª Época 3 de Junho de 2002 às 14 horas Duração : 3 horas
Faculdade de cooma Uversdade Nova de Lsboa STTÍSTIC xame Fal ª Época de Juho de 00 às horas Duração : horas teção:. Respoda a cada grupo em folhas separadas. Idetfque todas as folhas.. Todas as respostas
Leia maisIND 1115 Inferência Estatística Aula 9
Coteúdo IND 5 Iferêca Estatístca Aula 9 Outubro 2004 Môca Barros Dfereça etre Probabldade e Estatístca Amostra Aleatóra Objetvos da Estatístca Dstrbução Amostral Estmação Potual Estmação Bayesaa Clássca
Leia mais? Isso é, d i= ( x i. . Percebeu que
Estatístca - Desvo Padrão e Varâca Preparado pelo Prof. Atoo Sales,00 Supoha que tehamos acompahado as otas de quatro aluos, com méda 6,0. Aluo A: 4,0; 6,0; 8,0; méda 6,0 Aluo B:,0; 8,0; 8,0; méda 6,0
Leia mais1) Escrever um programa que faça o calculo de transformação de horas em minuto onde às horas devem ser apenas número inteiros.
Dscpla POO-I 2º Aos(If) - (Lsta de Eercícos I - Bmestre) 23/02/2015 1) Escrever um programa que faça o calculo de trasformação de horas em muto ode às horas devem ser apeas úmero teros. Deverá haver uma
Leia maisEstatística Notas de Aulas ESTATÍSTICA. Notas de Aulas. Professor Inácio Andruski Guimarães, DSc. Professor Inácio Andruski Guimarães, DSc.
Estatístca Notas de Aulas ESTATÍSTICA Notas de Aulas Professor Iáco Adrus Gumarães, DSc. Professor Iáco Adrus Gumarães, DSc. Estatístca Notas de Aulas SUMÁRIO CONCEITOS BÁSICOS 5. Estatístca. Estatístca
Leia maisEconometria: 3 - Regressão Múltipla
Ecoometra: 3 - Regressão Múltpla Prof. Marcelo C. Mederos mcm@eco.puc-ro.br Prof. Marco A.F.H. Cavalcat cavalcat@pea.gov.br Potfíca Uversdade Católca do Ro de Jaero PUC-Ro Sumáro O modelo de regressão
Leia maisDifusão entre Dois Compartimentos
59087 Bofísca II FFCLRP USP Prof. Atôo Roque Aula 4 Dfusão etre Dos Compartmetos A le de Fck para membraas (equação 4 da aula passada) mplca que a permeabldade de uma membraa a um soluto é dada pela razão
Leia maisIntervalo de Confiança para uma Média Populacional
Estatística II Atoio Roque Aula 5 Itervalo de Cofiaça para uma Média Populacioal Um dos objetivos mais importates da estatística é obter iformação sobre a média de uma dada população. A média de uma amostra
Leia maisÉ o grau de associação entre duas ou mais variáveis. Pode ser: correlacional ou. experimental.
É o grau de assocação etre duas ou mas varáves. Pode ser: correlacoal ou Prof. Lorí Val, Dr. val@mat.ufrgs.r http://www.mat.ufrgs.r/~val/ expermetal. Numa relação expermetal os valores de uma das varáves
Leia maisLuis Felipe Dias Lopes, Dr. lflopes@smail.ufsm.br, phil.zaz@zaz.com.br D E - UFSM 2 0 0 3
APOSTILA ESTATÍSTICA Lus Felpe Das Lopes, Dr. lflopes@smal.ufsm.br, phl.zaz@zaz.com.br D E - UFSM 0 0 3 Sumáro Cocetos báscos. População x Amostra. Ceso x Amostragem.3 Dado x Varável.4 Parâmetros x estatístcas.5
Leia maisCAPÍTULO 5: AMOSTRAGEM
CAPÍTULO 5: AMOSTRAGEM 5. Itrodução A estatístca dutva busca trar coclusões probablístcas ou fazer ferêcas, sobre populações, com base em resultados verfcados em amostras retradas dessas populações. Além
Leia maisConfiabilidade Estrutural
Professor Uversdade de Brasíla Departameto de Egehara Mecâca Programa de Pós graduação em Itegrdade Estrutural Algortmo para a Estmatva do Idce de Cofabldade de Hasofer-Ld Cofabldade Estrutural Jorge Luz
Leia maisMódulo: Binômio de Newton e o Triângulo de Pascal. Binômio de Newton e o Triângulo de Pascal. 2 ano do E.M.
Módulo: Bômo de Newto e o Trâgulo de Pascal Bômo de Newto e o Trâgulo de Pascal ao do EM Módulo: Bômo de Newto e o Trâgulo de Pascal Bômo de Newto e o Trâgulo de Pascal Exercícos Itrodutóros Exercíco Para
Leia maisEstatística Descritiva. Medidas estatísticas: Localização, Dispersão
Estatístca Descrtva Meddas estatístcas: Localzação, Dspersão Meddas estatístcas Localzação Dspersão Meddas estatístcas - localzação Méda artmétca Dados ão agrupados x x Dados dscretos agrupados x f r x
Leia maisMÓDULO 8 REVISÃO REVISÃO MÓDULO 1
MÓDULO 8 REVISÃO REVISÃO MÓDULO A Estatístca é uma técca que egloba os métodos cetícos para a coleta, orgazação, apresetação, tratameto e aálse de dados. O objetvo da Estatístca é azer com que dados dspersos
Leia maisMAE116 Noções de Estatística
Grupo C - º semestre de 004 Exercíco 0 (3,5 potos) Uma pesqusa com usuáros de trasporte coletvo a cdade de São Paulo dagou sobre os dferetes tpos usados as suas locomoções dáras. Detre ôbus, metrô e trem,
Leia maisÉ o grau de associação entre duas ou mais variáveis. Pode ser: correlacional ou experimental.
Prof. Lorí Val, Dr. val@mat.ufrgs.br http://www.mat.ufrgs.br/~val/ É o grau de assocação etre duas ou mas varáves. Pode ser: correlacoal ou expermetal. Numa relação expermetal os valores de uma das varáves
Leia maisMédia. Mediana. Ponto Médio. Moda. Itabira MEDIDAS DE CENTRO. Prof. Msc. Emerson José de Paiva 1 BAC011 - ESTATÍSTICA. BAC Estatística
BAC 0 - Estatístca Uversdade Federal de Itajubá - Campus Itabra BAC0 - ESTATÍSTICA ESTATÍSTICA DESCRITIVA MEDIDAS DE CENTRO Méda Medda de cetro ecotrada pela somatóra de todos os valores de um cojuto,
Leia maisCapítulo 8 Estimativa do Intervalo de Confiança. Statistics for Managers Using Microsoft Excel, 5e 2008 Pearson Prentice-Hall, Inc.
Capítulo 8 Estimativa do Itervalo de Cofiaça Statistics for Maagers Usig Microsoft Excel, 5e 2008 Pearso Pretice-Hall, Ic. Chap 8-1 Objetivos: Neste capítulo, você aprederá: Costruir e iterpretar estimativas
Leia maisConstrução e Análise de Gráficos
Costrução e Aálse de Gráfcos Por que fazer gráfcos? Facldade de vsualzação de cojutos de dados Faclta a terpretação de dados Exemplos: Egehara Físca Ecooma Bologa Estatístca Y(udade y) 5 15 1 5 Tabela
Leia mais2. MODELO DETALHADO: Relações de Recorrência. Exemplo: Algoritmo Recursivo para Cálculo do Fatorial Substituição Repetida
. MODELO DETALHADO: Relações de Recorrêca Exemplo: Algortmo Recursvo para Cálculo do Fatoral Substtução Repetda T T ( ) ( ) t 1, T ( + t, > T ( ) T ( + t T ( ) ( T( ) + t + t ) + t T ( ) T ( ) T ( ) +
Leia mais04/03/2016 UNIVERSIDADE FEDERAL DO PARANÁ SETOR DE CIÊNCIAS DA TERRA DEPARTAMENTO DE GEOMÁTICA AJUSTAMENTO I GA106. Prof. Alvaro Muriel Lima Machado
04/03/06 UNIVERSIDADE FEDERAL DO PARANÁ SETOR DE CIÊNCIAS DA TERRA DEPARTAMENTO DE GEOMÁTICA AJUSTAMENTO I GA06 Prof. Alvaro Murel Lma Machado Itrodução Meddas e Observações (processo ou operação X resultado
Leia maisInferência Estatística e Aplicações I. Edson Zangiacomi Martinez Departamento de Medicina Social FMRP/USP
Iferêca Estatístca e Aplcações I Edso Zagacom Martez Departameto de Medca Socal FMRP/USP edso@fmrp.usp.br Rotero Parte I Escola frequetsta Defções: parâmetros, estmatvas Dstrbuções de probabldade Estmação
Leia maisESTATÍSTICA Aula 7. Prof. Dr. Marco Antonio Leonel Caetano
ESTATÍSTICA Aula 7 Prof. Dr. Marco Atoo Leoel Caetao Dstrbuções de Probabldade DISCRETAS CONTÍNUAS (Números teros) Bomal Posso Geométrca Hper-Geométrca Pascal (Números reas) Normal t-studet F-Sedecor Gama
Leia maisMAE0229 Introdução à Probabilidade e Estatística II
Exercíco Cosdere a dstrbução expoecal com fução de desdade de probabldade dada por f (y; λ) = λe λy, em que y, λ > 0 e E(Y) = /λ Supor que o parâmetro λ pode ser expresso proporcoalmete aos valores de
Leia maisAtividades Práticas Supervisionadas (APS)
Uversdade Tecológca Federal do Paraá Prof: Lauro Cesar Galvão Campus Curtba Departameto Acadêmco de Matemátca Cálculo Numérco Etrega: juto com a a parcal DATA DE ENTREGA: da da a PROVA (em sala de aula
Leia maisOrganização; Resumo; Apresentação.
Prof. Lorí Val, Dr. val@ufrgs.br http://www.ufrgs.br/~val/ Grade Cojutos de Dados Orgazação; Resumo; Apresetação. Amostra ou População Defetos em uma lha de produção Lascado Deseho Torto Deseho Torto Lascado
Leia maisRegressão Simples. Parte III: Coeficiente de determinação, regressão na origem e método de máxima verossimilhança
Regressão Smples Parte III: Coefcete de determação, regressão a orgem e método de máxma verossmlhaça Coefcete de determação Proporção da varabldade explcada pelo regressor. R Varação explcada Varação total
Leia mais2-0,0041295**.C 2 + 0,0017052**.T.C
14. Itrodução ao estudo de regressão lear smples 14.1. Itrodução Itrodução ao estudo de regressão lear smples IS 78,9137 -,341836**.T +,78753**.C -,7154**.T -,4195**.C +,175**.T.C R 77,17% IS, % Fgura
Leia maisCAPÍTULO 9 - Regressão linear e correlação
INF 6 Prof. Luz Alexadre Peterell CAPÍTULO 9 - Regressão lear e correlação Veremos esse capítulo os segutes assutos essa ordem: Correlação amostral Regressão Lear Smples Regressão Lear Múltpla Correlação
Leia maisA 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 maisAnálise de Regressão
Aálse de Regressão Prof. Paulo Rcardo B. Gumarães. Itrodução Os modelos de regressão são largamete utlzados em dversas áreas do cohecmeto, tas como: computação, admstração, egeharas, bologa, agrooma, saúde,
Leia maisEstudo do intervalo de confiança da regressão inversa utilizando o software R
Estudo do tervalo de cofaça da regressão versa utlzado o software R Llae Lopes Cordero João Domgos Scalo. Itrodução Na maora das aplcações evolvedo regressão, determa-se o valor de Y correspodete a um
Leia maisControle Estatístico de Qualidade. Capítulo 6 (montgomery)
Cotrole Estatístco de Qualdade Capítulo 6 (motgomery) Gráfcos de Cotrole para Atrbutos Itrodução Mutas característcas da qualdade ão podem ser represetadas umercamete. Nestes casos, classfcamos cada tem
Leia maisEstatística Básica - Continuação
Professora Adraa Borsso http://www.cp.utfpr.edu.br/borsso adraaborsso@utfpr.edu.br COEME - Grupo de Matemátca Meddas de Varabldade ou Dspersão Estatístca Básca - Cotuação As meddas de tedêca cetral, descrtas
Leia mais2-Geometria da Programação Linear
I 88 Otmzação Lear -Geometra da Programação Lear ProfFeradoGomde DC-FEEC-Ucamp Coteúdo. Poledros e cojutos coveos. Potos etremos vértces soluções báscas factíves 3. Poledros a forma padrão 4. Degeeração
Leia maisUniversidade Federal do Rio Grande FURG. Instituto de Matemática, Estatística e Física IMEF Edital 15 CAPES INTERPOLAÇÃO
Uversdade Federal do Ro Grade FURG Isttuto de Matemátca, Estatístca e Físca IMEF Edtal CAPES INTERPOLAÇÃO Pro. Atôo Mauríco Mederos Alves Proª Dese Mara Varella Martez Matemátca Básca ara Cêcas Socas II
Leia maisEstatística: uma definição
Prof. Lorí Val, Dr. - val@pucrs.br http://www.pucrs.br/famat/val/ Prof. Lorí Val, Dr. PUCRS FAMAT: Departameto de Estatístca Estatístca: uma defção Coleç Coleção de ú úmeros estatí estatístcas O ú ú mero
Leia maisa) 1,8 e 4,6. b) 2,0 e 2,2. c) 1,8 e 5,2. d) 2,0 e 4,6. e) 2,0 e 1,9.
Questão : As otas de dez aluos, um exame, estão dadas a segur:, 5, 8, 3, 6, 5, 8, 7, 6, 0 O desvo médo e a varâca dessas otas podem ser expressos, respectvamete, por: a),8 e 4,6 b),0 e, c),8 e 5, d),0
Leia mais9 Medidas Descritivas
1 9 Meddas Descrtvas Vmos aterormete que um cojuto de dados pode ser resumdo através de uma dstrbução de freqüêcas, e que esta pode ser represetada através de uma tabela ou de um gráfco. Se o cojuto refere-se
Leia maisRevisão/Resumo de Análise Estatística I e Introdução à Tecnologia da Amostragem I
Dscpla: Tecologa da Amostragem I Professor: Marcelo Rubes Revsão/Resumo de Aálse Estatístca I e Itrodução à Tecologa da Amostragem I 1 - Modelos Estatístcos/Probablístcos São modelos que se aplcam quado
Leia maisCursos de Licenciatura em Ensino de Matemática e de EGI. Teoria de Probabilidade
Celso Albo FACULDADE DE CIÊNCIAS NATURAIS E MATEMÁTICA DEPARTAMENTO DE MATEMÁTICA Campus de Lhaguee, Av. de Moçambque, km, Tel: +258 240078, Fax: +258 240082, Maputo Cursos de Lcecatura em Eso de Matemátca
Leia maisProbabilidades e Estatística LEE, LEIC-A, LEIC-T, LEMat, LERC, MEBiol, MEBiom, MEEC, MEFT, MEMec, MEQ
Duração: 90 mutos Grupo I Probabldades e Estatístca LEE, LEIC-A, LEIC-T, LEMat, LERC, MEBol, MEBom, MEEC, MEFT, MEMec, MEQ Justfque coveetemete todas as respostas 1 o semestre 018/019 10/01/019 09:00 o
Leia maisEstatística II Aula 3. Prof.: Patricia Maria Bortolon, D. Sc.
Estatística II Aula 3 Prof.: Patricia Maria Bortolo, D. Sc. Estimação por Itervalo Objetivos Nesta semaa, veremos: Como costruir e iterpretar estimativas por itervalos de cofiaça para a média e a proporção
Leia mais( ) ( IV ) n ( ) Escolha a alternativa correta: A. III, II, I, IV. B. II, III, I, IV. C. IV, III, I, II. D. IV, II, I, III. E. Nenhuma das anteriores.
Prova de Estatístca Epermetal Istruções geras. Esta prova é composta de 0 questões de múltpla escolha a respeto dos cocetos báscos de estatístca epermetal, baseada os lvros BANZATTO, A.D. e KRONKA, S.N.
Leia maisEstudo das relações entre peso e altura de estudantes de estatística através da análise de regressão simples.
Estudo das relações etre peso e altura de estudates de estatístca através da aálse de regressão smples. Waessa Luaa de Brto COSTA 1, Adraa de Souza COSTA 1. Tago Almeda de OLIVEIRA 1 1 Departameto de Estatístca,
Leia maisRequisitos metrológicos de instrumentos de pesagem de funcionamento não automático
Requstos metrológcos de strumetos de pesagem de fucoameto ão automátco 1. Geeraldades As balaças estão assocadas de uma forma drecta à produção do betão e ao cotrolo da qualdade do mesmo. Se são as balaças
Leia maisMÉTODO DOS MÍNIMOS QUADRADOS
MÉTODO DOS MÍNIMOS QUADRADOS I - INTRODUÇÃO O processo de medda costtu uma parte essecal a metodologa cetífca e também é fudametal para o desevolvmeto e aplcação da própra cêca. No decorrer do seu curso
Leia maisMEDIDAS DE DISPERSÃO:
MEDID DE DIPERÃO: fução dessas meddas é avalar o quato estão dspersos os valores observados uma dstrbução de freqüêca ou de probabldades, ou seja, o grau de afastameto ou de cocetração etre os valores.
Leia maisTotal Bom Ruim Masculino
UNIDADE I - ESTUDO DIRIGIDO Questão - Classfque as varáves em qualtatva (omal ou ordal ou quattatva (cotíua ou dscreta: a. População: aluos de uma Uversdade. Varável: cor dos cabelos (louro, castaho, ruvo,
Leia maisMedidas de tendência central. Média Aritmética. 4ª aula 2012
Estatístca 4ª aula 2012 Meddas de tendênca central Ajudam a conhecer a analsar melhor as característcas de dados colhdos. Chamamos de meddas de tendênca central em decorrênca dos dados observados apresentarem
Leia maisProf. Janete Pereira Amador 1
Prof. Jaete Perera Amador 1 1 Itrodução Mutas stuações cotdaas podem ser usadas como expermeto que dão resultados correspodetes a algum valor, e tas stuações podem ser descrtas por uma varável aleatóra.
Leia maisMétodos iterativos. Capítulo O Método de Jacobi
Capítulo 4 Métodos teratvos 41 O Método de Jacob O Método de Jacob é um procedmeto teratvo para a resolução de sstemas leares Tem a vatagem de ser mas smples de se mplemetar o computador do que o Método
Leia maisLicenciatura em Ciências USP/ Univesp funções polinomiais 4
Lcecatura em Cêcas USP/Uvesp FUNÇÕES POLINOMIAIS 4 51 TÓPICO Gl da Costa Marques 4.1 Potecação 4. Fuções Polomas de grau 4.3 Fução Polomal do Segudo Grau ou Fução Quadrátca 4.4 Aálse da Forma Geral dos
Leia maisANÁLISE DE REGRESSÃO LINEAR COM MODELO DIFUSO
ANÁLISE DE REGRESSÃO LINEAR COM MODELO DIFUSO Slva, Glso Mederos e; Bastos, Rogéro Cd; Marts, Aleadro * ; Pacheco *, Roberto C. S.; Programa de Pós-Graduação em Egehara de Produção PPGEP Uversdade Federal
Leia maisInstituto Nacional de Estudos e Pesquisas Educacionais Anísio Teixeira INEP Ministério da Educação MEC. Índice Geral de Cursos (IGC)
Isttuto Nacoal de Estudos e Pesqusas Educacoas Aíso exera INEP stéro da Educação EC Ídce Geral de Cursos (IGC) O Ídce Geral de Cursos (IGC) é ua éda poderada dos cocetos dos cursos de graduação e pós-graduação
Leia maisCEDEPLAR - UFMG Nivelamento em Estatística 2013 Prof a Sueli Moro. Variáveis aleatórias
CEDEPLAR - UFMG Nvelameto em Estatístca 3 Prof a Suel Moro Varáves aleatóras Varável aleatóra resultado ou produto de um epermeto aleatóro com um resultado úco. Varável resultado = Espaço amostral cojuto
Leia maisSumário. Mecânica. Sistemas de partículas
umáro Udade I MECÂNICA 2- Cetro de massa e mometo lear de um sstema de partículas - stemas de partículas e corpo rígdo. - Cetro de massa. - Como determar o cetro de massa dum sstema de partículas. - Vetor
Leia maisx Ex: A tabela abaixo refere-se às notas finais de três turmas de estudantes. Calcular a média de cada turma:
Professora Jaete Perera Amador 1 9 Meddas Descrtvas Vmos aterormete que um cojuto de dados pode ser resumdo através de uma dstrbução de freqüêcas, e que esta pode ser represetada através de uma tabela
Leia maisGráfico de Controle de Regressão Aplicado ao Monitoramento de Características da Qualidade do Eletrodo de Carbono
Gráfco de Cotrole de Regressão Aplcado ao Motorameto de Característcas da Qualdade do Eletrodo de Carboo Marcello Neva de Mello, evamarcello@gmal.com Wager Rogéro Ferrera Phero, wager35@gmal.com Edso Marcos
Leia maisAvaliação da qualidade do ajuste
Avalação da qualdade do ajuste 1 Alguma termologa: Modelo ulo: é o modelo mas smples que pode ser defdo, cotedo um úco parâmetro ( µ) comum a todos os dados; Modelo saturado: é o modelo mas complexo a
Leia maisConceitos básicos de metrologia. Prof. Dr. Evandro Leonardo Silva Teixeira Faculdade UnB Gama
Prof. Dr. Evadro Leoardo Slva Teera Faculdade UB Gama Metrologa: Cêca que abrage os aspectos teórcos e prátcos relatvos a medção; Descreve os procedmetos e métodos para determar as certezas de medções;
Leia mais