INSTITUTO NACIONAL DE PESQUISAS DA AMAZÔNIA COORDENAÇÃO DE PESQUISAS EM SILVICULTURA TROPICAL LABORATÓRIO DE MANEJO FLORESTAL - LMF
|
|
- Jessica Castel-Branco Viveiros
- 9 Há anos
- Visualizações:
Transcrição
1 INSTITUTO NACIONAL DE PESQUISAS DA AMAZÔNIA COORDENAÇÃO DE PESQUISAS EM SILVICULTURA TROPICAL LABORATÓRIO DE MANEJO FLORESTAL - LMF BIOMETRIA FLORESTAL Niro Higuchi Joaquim dos Santos Adriano José Nogueira Lima Manaus AM Março, 008
2 PARTE 1
3 Capítulo 1 Introdução - Conceitos gerais A estatística é uma ferramenta importante para o manejo florestal, seja pra quem está interessado em trabalhar em pesquisas ou pra quem tem a responsabilidade de planejar, executar e acompanhar um projeto. Difícil é separar a estatística pra essas duas frentes. O objetivo desta Parte da apostila é aprofundar em conceitos dos indicadores estatísticos mais freqüentemente utilizados pelos florestais e ajudar na interpretação dos resultados. Estatística é um ramo do conhecimento científico que consta de conjunto de processos que têm por objeto a observação, a classificação formal e a análise dos fenômenos coletivos ou de massa (finalidade descritiva) e, por fim, investigar a possibilidade de fazer inferências indutivas válidas a partir dos dados observados e buscar métodos capazes de permitir esta inferência (finalidade indutiva). Durante uma defesa de tese no CENA-USP, surgiu um novo conceito para estatística que, segundo Edgard, é "a arte de torturar os números até que eles confessem aquilo que você quer ouvir." Em inventário florestal, produto sem estatística não é produto. Em inventários, o principal produto é o intervalo de confiança para a média estimada. Na pesquisa científica, a estatística pode ser vista como um instrumento de comunicação e, embora o seu uso seja absolutamente opcional, ela fornece os modelos que são necessários para estudar as situações que envolvem incertezas, mas a palavra final é sua. O exercício, a análise e a interpretação do pensamento científico normalmente são feitos por meio da linguagem operacional dos conceitos e hipóteses científicas. Isso implica na formulação de hipóteses estatísticas e estabelecimento dos procedimentos de observações diretas ou de medições. Linguagem teórica: quanto mais grossa é a árvore, mais madeira será oferecida à indústria de transformação. Neste caso, dois conceitos são envolvidos: espessura e madeira. Com definir esses dois conceitos? Espessura pode ser o diâmetro de uma árvore. Madeira pode ser a quantidade de material lenhoso disponível para a indústria. E daí? Que fazemos agora? Temos que operacionalizar as observações e medições de espessura e madeira. Espessura pode ser traduzida operacionalmente, por exemplo, em centímetros de diâmetro à altura do peito (DAP), medido a 1,3 m do solo. E a madeira, por sua vez, pode ser traduzida como volume cúbico da árvore. Agora, a hipótese científica pode ser enunciada, em termos de hipótese estatística, da seguinte maneira: Quanto maior o DAP, maior será o volume da árvore. Dessa forma, o pica-pau fica mais à vontade. Depois de formulada a hipótese, o passo seguinte consiste em testá-la. Para se testar as hipóteses serão precisos: planejar a coleta de dados, coletar os dados, tratar os dados, processar os dados, analisar os resultados e, finalmente, tomar decisões para rejeitar ou não a hipótese estatística formulada (Ver figura 1.1). O papel da estatística na pesquisa científica é ajudar o pesquisador pica-pau a formular as hipóteses e a fixar as regras de decisão.
4 Um pouco de filosofia. - Aristóteles escreveu: A verdade é um alvo tão grande que dificilmente alguém deixará de tocá-lo, mas, ao mesmo tempo, ninguém será capaz de acertá-lo em cheio, num só tiro. - A meta da ciência é a organização sistemática do conhecimento sobre o universo, baseado nos princípios explanatórios que são genuinamente testáveis. - O pesquisador tem os dons da instituição e criatividade para saber que o problema é importante e quais questões devem ser levantadas; a estatística, por sua vez, o assistirá por meio da maximização de output não ambíguos enquanto minimiza os inputs. - O pesquisador tem que ter em mente que a pesquisa freqüentemente levanta mais questões do que respostas. Os resultados quase sempre são meramente uma demonstração de nossa ignorância e uma declaração mais clara do que não sabemos. - O pesquisador tem que manter os olhos abertos, sua mente flexível e estar preparado para surpresas. - A pesquisa está na cabeça do pesquisador; o laboratório ou o campo meramente confirma ou rejeita o que a sua mente concebeu. A sabedoria consiste em conhecer mais as questões certas para fazer e não nas certas respostas. - A aplicação indiscriminada dos métodos quantitativos sobre inesgotáveis quantidades de dados não significa que o entendimento científico vai emergir só por causa disso A Natureza da Estatística: Basicamente, são dois tipos de estatística: descritiva e de inferência. A ciência da estatística inclui ambas, descritiva e de inferência. A estatística descritiva apareceu primeiro, nos censos feitos na época do império romano. A de Inferência é mais recente e é baseada na teoria da probabilidade que, por sua vez, não se estabeleceu antes da metade do século XVII. a) Estatística descritiva => consiste de métodos para organizar e sumarizar as informações. O propósito da organização e sumarização é te ajudar na interpretação de um monte de informações. Os métodos descritivos incluem a construção de gráficos, figuras e tabelas, como também, o cálculo de vários tipos de médias e índices. Exemplos: resultado final de uma eleição apresentado pelo Tribunal Superior Eleitoral (TSE) Quadro 1.1, desmatamento na Amazônia Figura 1.., áreas desmatadas com autorização e sem autorização Figura 1.3 e as origens da madeira amazônica Figura 1.4. b) Estatística de inferência => consiste de métodos para inferir sobre uma população baseada na informação de uma amostra da população. A estatística de inferência moderna praticamente surgiu após as publicações científicas de Karl Pearson e Ronald Fisher, no início do século passado (XX). Depois disso, houve uma evolução fantástica dessa ciência, tornando-se aplicável a várias áreas de conhecimento, tais como: Eng. Florestal, Agronomia, Biologia, História, Física, Química, Psicologia etc. Exemplo 1: Pesquisas de opinião realizadas pelas empresas (DATAFOLHA, IBOPE, VOX POPULI etc), pouco antes de eleições. A Figura 1.5 mostra a dinâmica de opinião de eleitores brasileiros na eleição para presidente de 00 com base em pesquisas de opinião realizadas pelo IBOPE. O resultado do 1º turno é apresentado na última coluna como TSE,
5 tirado do Quadro 1.1. Os resultados do IBOPE, do último dia de pesquisa (com margem de erro igual a 1,8%), são praticamente iguais aos oficiais do TSE. A informação do TSE é sobre votos válidos enquanto que os da pesquisa de opinião são de intenção de votos. Na pesquisa de opinião do 1º turno é difícil identificar o voto nulo. Exemplo : Pesquisas de opinião sobre o º turno da eleição presidencial 00, realizadas pelo Datafolha. Neste caso, foi possível estimar os percentuais sobre os votos válidos. No último dia da pesquisa (6/10/0), o Datafolha estimou 64% dos votos válidos para o Lula e 36% para o Serra. A Figura 1.6 mostra a dinâmica de opinião de eleitores para oº turno da eleição de 00. O resultado do TSE (oficial) foi de 61,% para o Lula e 38,7% para o Serra Quadro 1.1. Considerando a margem de erro de % (para mais e para menos), as estimativas do último dia seriam 6% (para menos) para o Lula e 38% (para mais) para o Serra. Esta parte da estatística de inferência evoluiu muito no Brasil. A prova disso são os resultados finais do primeiro e do segundo turno da eleição presidencial de 00 que tem muito a ver com as previsões feitas pelas pesquisas de opinião dos vários institutos. O sucesso tem que ser creditado principalmente pela escolha correta do tipo de amostragem, coleta de dados e processamento & análise dos resultados A evolução da informática também contribuiu muito para o sucesso das pesquisas; o rápido processamento e, conseqüente, análise dos resultados, permitiu a repetição em intervalos de tempo menores isso é fundamental para a validação dos métodos utilizados que, por sua vez, dá a robustez necessária para a pesquisa e a sociedade ganha com a maior precisão e confiabilidade das pesquisas de opinião. Exemplo 3: Previsão da área desmatada para 006 (agosto 005 a julho 006) com base no intervalo de confiança (95%) da série histórica de 1978 a 005 Figura 1.7. Apesar da confusão das estatísticas e de sua interpretação, com boa vontade e profissionalismo, as causas do desmatamento poderiam ser identificadas. O desafio é entender a direção que o desmatamento pode tomar no futuro. Sem entender as causas, a direção só pode ser estocástica. A Figura 1.7 ilustra o uso do intervalo de confiança IC (nível de probabilidade de 95%) para a média do período De acordo com dinâmica do desmatamento até 005, as chances do desmatamento durante (agosto 005 a julho 006) são: 9% de ficar acima da estimativa máxima provável (maior do que km ), 9% abaixo da estimativa mínima provável (menor do que km ) e 4 % de ficar dentro do intervalo de confiança (entre a km ) com 95% de chance de acertar. Exemplo 4: Todos os trabalhos de equações de volume que utilizam os modelos destrutivos (na maioria das vezes) para ajustar os dados de volume real observado em modelos matemáticos que serão utilizados, posteriormente, para estimar o volume da árvore em pé. Para concluir a discussão, em torno da natureza da estatística, é importante não perder de vista que a opção por uma das duas estatísticas pode ser pessoal. Entretanto, se a escolha recair sobre a de inferência, o pesquisador deve se sujeitar as suas regras e condicionantes. A estatística de inferência, por sua vez, deve ficar sob as condicionantes da teoria da probabilidade, da normalidade e da independência; a violação de uma dessas condicionantes implica em um comprometimento muito sério de todo o seu trabalho. 1.. Conceitos Básicos: Talvez, os conceitos mais importantes para os florestais são erros amostrais e não amostrais. Se você conseguir distinguir esses dois conceitos, você sempre fará um trabalho confiável e, por conseguinte, a estatística será uma ferramenta útil na execução de seus
6 trabalhos de pesquisa, encurtando caminhos para a produção de ciência e de resultados de inventário florestal. (i) Erro Amostral => é o erro que você comete por não medir toda a população. Este parâmetro é mensurável e, dependendo da escolha dos métodos, você tem condições de aumentar ou diminuir este erro. De qualquer modo, trata-se de um parâmetro que pode ser controlado e avaliado por você. É o desvio padrão da média ou, simplesmente, erro padrão e tem fórmula para o seu cálculo. É a única medida de precisão, por mais paradoxal que possa parecer, em qualquer trabalho de pesquisa ou de inventário florestal. (ii) Erro não-amostral => é o erro humano, que pode ser cometido acidental ou deliberadamente. É o tipo de erro que você comete ao alocar uma amostra no lugar errado ex.: no escritório você faz a opção pela amostragem inteiramente aleatória e sorteia as unidades amostrais e distribui em sua área estudo; no campo, entretanto, você não consegue alocá-las de acordo com as coordenadas pré-estabelecidas e alocá-as em outro lugar. Você também comete erro não-amostral quando utiliza um equipamento defeituoso ou, por preguiça, você chuta as medidas de uma determinada variável. O problema desse erro é que você não consegue dimensioná-lo e, neste caso, não há estatística que dê jeito para consertar o mal-feito. A estatística e o computador só são úteis na interpretação de fenômenos observados quando os dados são de absoluta confiança e sem erros não-amostrais. Moral: Busque sempre a melhor metodologia para conseguir a maior precisão de seu trabalho sem, contudo, aumentar a possibilidade de cometer erros não-amostrais. BOM PESQUISADOR é aquele que não entrega sua coleta de dados para qualquer PEÃO. (iii) Populações, Parâmetros e Estimativas A noção central em qualquer problema de amostragem é a existência de uma população. Pense em uma população como um agregado de valores unitários, onde a unidade é a coisa sobre a qual a observação é feita e o valor é a propriedade observada sobre aquela coisa. População é então o conjunto de todos os indivíduos ou itens sob consideração. Ou ainda: população é o universo de seu interesse. Ilustrando: - se você está interessado em estudar o potencial quantitativo da floresta da Reserva Ducke, a POPULAÇÃO é o conjunto de todas as árvores acima de um determinado DAP, existentes naquela área de hectares. - se para você potencial quantitativo significa volume cúbico obtido de equações simples (DAP como variável independente), o volume médio (por hectare, por ex.) de todas as árvores da Reserva Ducke é o PARÂMETRO. - se você, no entanto, decidir pela avaliação por amostragem e lançar naquela área algumas amostras (ex.: 10 amostras de 1000 m, aleatoriamente distribuídas), o volume médio dessas amostras é a ESTIMATIVA. AMOSTRA é aquela parte da população da qual a informação é coletada. (iv) Tendência (bias), Exatidão e Precisão TENDÊNCIA ou VIÉS (bias, em inglês) é uma distorção sistemática. Ela pode ser devido a alguma falha na medição, ou no método de selecionar a amostra, ou na técnica de estimar o parâmetro. Se você medir o DAP com uma fita diamétrica faltando um pedaço na ponta ( cm), você medirá todas as árvores com cm a mais, ou seja, você superestimará esta variável. Uma maneira prática de minimizar as tendências em medições é por meio de checagens periódicas
7 dos instrumentos, treinamento adequado para o pessoal que usa os instrumentos e cuidado com eles. Tendência devido o método de amostragem ocorre quando certas unidades ganham maior ou menor representação na amostra do que na população. Ex.: se você excluir 0 metros de bordadura do lado oeste da Reserva Ducke por causa de um igarapé. Neste caso, você está introduzindo tendência em sua avaliação simplesmente porque você não deu a mesma oportunidade, para as árvores que ocorrem naquela faixa, em aparecer no seu trabalho. Outro exemplo: quando a equipe econômica faz uma pesquisa nos supermercados do centrosul e extrapola o custo de vida para todo o Brasil; isso é uma medida tendenciosa que não reflete o que se passa em Manaus. Tendência na forma de estimar determinado parâmetro pode ser introduzida quando você, por exemplo, toma o volume médio da Reserva Ducke e junta com o volume médio do Distrito Agropecuário da SUFRAMA ( hectares), para avaliar o potencial madeireiro da região de Manaus. Um volume médio não tendencioso seria uma média ponderada considerando os diferentes tamanhos de cada área, em vez de usar a média aritmética simples (tendenciosa, neste caso). Importante: A tendência é a mãe do erro não-amostral, por esta razão, evitá-la é sinal de prudência e sensatez. PRECISÃO E EXATIDÃO uma estimativa tendenciosa pode ser PRECISA, mas nunca EXATA. Ainda que o Aurélio (dicionário) pense diferente, para os estatísticos, EXATIDÃO refere-se ao sucesso em estimar o valor verdadeiro de uma quantidade; PRECISÃO refere-se à distribuição dos valores amostrais em torno de sua própria média que, se for tendenciosa, não pode ser o valor verdadeiro Ver figura 1.8. Exatidão ou estreiteza ao valor verdadeiro pode estar ausente por causa da tendência, falta de precisão ou por causa de ambas.
8 PENSAMENTO OPERACIONALIZAR HIPOTETIZAR planejar coletar tratar processar analisar rejeita? não, concluir! sim, concluir! Figura 1.1: Pesquisa científica do pensamento à inferência.
9 Quadro 1.1: Resultados das eleições para presidente de 00. RESULTADOS DAS ELEIÇÕES DE 00 Total de eleitores = Resultado do 1º turno: nº de votantes = ordem Número Candidato total votos % válidos 1 13 Lula ,44 45 José Serra , Garotinho , Ciro Gomes , Zé Maria , Rui Pimenta ,05 Resultado do º turno: nº de votantes = ordem Número Candidato total votos % válidos 1 13 Lula ,7 45 José Serra ,73 fonte: => consultas: 1º turno em 1/10/0 e º turno em 9/10/0 ano ou período 04/05 03/04 0/03 01/0 00/01 99/00 98/99 97/98 96/97 95/96 94/95 9/94 91/9 90/91 89/ / área desmatada em km fonte: Figura 1.: Desmatamento anual (km ) na Amazônia.
10 área desmatada (k m) ano A D A:D (%) relação A:D (%) Fonte: sisprof. A = área desmatada com autorização; D = área desmatada total e A:D relação entre autorizado e não autorizado. Figura 1.3: Relação entre áreas (em km ) desmatadas com autorização e sem autorização na Amazônia. sem origem 63% PMFS 17% d autorizado 0% Fonte: sisprof Figura 1.4: Origem da madeira da Amazônia planos de manejo florestal sustentável (PMFS), desmatamento autorizado e sem origem definida.
11 intenção de v oto (%) , , a 9/9 14 a 16/9 17 a 19/9 1 a 4/9 8 a 30/9 4 e 5/10 TSE período da pesquisa Lula Serra Garotinho Ciro Figura 1.5: Pesquisas de opinião realizadas pelo IBOPE para o 1º turno da eleição presidencial de intenção de votos (%) out 18/out 3/out 6/out data Lula Serra indecisos nulos/brancos Figura 1.6: Pesquisas de opinião realizadas pelo Datafolha para o º turno da eleição presidencial de 00.
12 área média mínima máxima IC(95%) = ±.37 ) ea des matada (k m ár Acima = 9% 005/06? Dentro = 4% Abaixo = 9% 78/ /90 90/91 91/9 9/94 94/95 95/96 96/97 97/98 98/99 99/00 00/01 01/0 0/03 03/04 04/05 05/ ano ou período Figura 1.7: Previsão da área desmatada para 006 (agosto 005 a julho 006) com base no intervalo de confiança (95%) da série histórica de 1978 a 005. impreciso preciso preciso exato Figura 1.8: Diferença entre precisão e exatidão.
13 .1. Dados: Capítulo Organização dos dados A informação coletada e analisada pelo estatístico é chamada de DADOS. Há vários tipos de dados e a escolha da metodologia, pelo estatístico é, parcialmente, determinada pelo tipo de dados que ele tem em mãos. Exemplo 1: No exame de seleção para turma 90/91 do Manejo Florestal, tivemos 15 candidatos, 13 homens e mulheres. Do total, apenas 7 fizeram o exame. Foram aprovados 6 candidatos, 5 homens e 1 mulher. João da Silva tirou o primeiro lugar com nota 6,7 e Joaquim Moreira tirou o último lugar com a nota 5,0. No exemplo acima, nós podemos destacar os seguintes tipos de dados: QUALITATIVO o tipo mais simples de dados, é a informação que coloca cada candidato em uma das duas categorias homem ou mulher ou tipo florestal I ou tipo II ou estocada ou não estocada etc. Esses dados dão informações sobre um indivíduo ou um item. ORDINAL A informação sobre classificação, dados que colocam os indivíduos ou objetos em ordem, rankeados. No exemplo, as classificações de João e Joaquim são dados ordinais. MÉTRICO O termo métrico se refere aos dados mensuráveis e não deve ser confundido com os dados em unidades métricas. No exemplo, as notas dos candidatos (6,7 e 5,0 e outras notas) são dados métricos. Resumindo: Dados qualitativos: dados que se referem à qualidade não numéricas ou atributos, tais como: tipo florestal, gênero ou espécie florestal, cor de alguma coisa etc. Dados ordinais: dados sobre classificação, ordem ou rank, tais como: classificação de toras, ordem de chegada etc. Dados métricos: dados obtidos de medições de certas quanti dades como: tempo, altu ra, DAP, volume, peso etc. Um outro importante tipo de dados é o chamado DADOS CONTÁVEIS. A contagem do numero de indivíduos ou itens que caem em várias categorias, tais como h omem e mulher fornece os dados contáveis. Por exemplo, a infor mação dada no exemplo anterior que foram aprovados 5 homens e 1 m ulher, são da dos contáveis. DADOS CONTÁVEIS são dados sobre o número de indivíduo s ou itens que caem em certas categorias ou classes, que podem ser obtidos de quaisquer tipos de dados (qualitativo, ordinal ou métrico). Os dados QUALITATIVO e ORDINAL são referidos pelos estatísticos como dados D ISCRETOS porque eles classificam coisas em classes separadas e discretas. Na classificação dos candidatos ao mestrado não há como colocar ninguém entre o primeiro lugar e o segundo. Também não há como classificar ninguém entre homem e mulher. São exemplos típicos de dados discretos, porque não há como dizer que alguém ficou em primeiro lugar e meio ou o que fulano é homem e meio. No caso de ordem de chegada ou rank há possibilidade de empate, mas isso é outra coisa e será discutido na estatística não- paramétrica.
14 Por outro lado, a maioria dos dados métricos é considerada DADOS CONTÍNUOS porque eles envolvem medições sobre uma escala contínua. A escala fica por conta da precisão do aparelho de medição: na suta ou na fita diamétrica, o máximo que podemos chegar é décimo d e cen tímetros, ou seja, entre os DAP s 0 e 1 cm nós podemos ter DAP s com 0.1, 0.,..., 0.9; nos cronômetros da Fórmula 1, no entanto, o nível de precisão é impensável para os nossos relógios de pulso... Dados grupados: A quantidade de dados que pode ser coletada do mundo-real é simplesmente fantástica. Exemplo 1: O censo brasileiro. Você já imaginou a trabalheira que dá para cadastrar aproximadamente 180 milhões de pessoas, anotando o nome, sexo, idade, ocupação, escolaridade etc. Apenas para ilustrar, se você usar qualquer software (Excel ou Word) para listar toda essa gente, você gastará mais de 600 quilômetros de papel apenas para imprimir as informações básicas, é Manaus-Itacoatiara-Manaus. Com todo esse papel, dificilmente você teria uma boa fotografia da população brasileira. Então, o que fazem os especialistas do IBGE? Eles nos proporcionam variadas informações: quantidades de homens e de mulheres (X1); X1 por classe idade (X); X por estado e por região; X1 por nível de escolaridade; população ativa etc. Isso é um exemplo típico da aplicação da estatística DESCRITIVA, por meio da organização e simplificação dos dados. Exemplo : Dados sobre DAP das árvores da parcela-testemunha do bloco (apenas as 40 primeiras árvores). Os pica-paus normalmente pensam no DAP em classes de 10, 0, 30, 40 cm etc. Para ver quantos DAPs há em cada classe você faz o seguinte: Quadro.1. Dados de DAPs de 40 árvores. árv. nº DAP Árv. nº DAP árv. Nº DAP árv. nº DAP
15 Quadro.. Cálculo de freqüência de cada classe de diâmetro. classes de DAP Contagem nº de árvores (f) 0 < 30 IIIII III 8 30 < 40 IIIII IIIII IIIII IIII < 50 IIIII II 7 50 < 60 IIII 4 60 < 70 I 1 70 < 80 I 1 total 40 O número de indivíduos (árvores) em cada categoria ou de DAP é chamada de FREQUÊNCIA daquela classe. O quadro. é uma tabela de distribuição de freqüência. Não confundir distribuição de freqüência em estatística com o termo freqüência da Ecologia Vegetal. Nem sempre você trabalha com quantidade tão pequena de indivíduos (n = 40, neste caso). Com n maiores é mais seguro montar a distribuição de freqüência utilizando a tabela dinâmica do Excel aplicação no Capítulo 17 (Cadeia de Markov). Algumas dicas para estabelecer distribuições de freqüência: - o número de classes não deve ser nem muito pequeno e nem muito grande, ao contrário, no meio. Sugere-se um número entre 5 e 1 regra do olhômetro. Outra forma é através da seguinte fórmula: n classes 1 + 3,33 log N (N = número de dados) - cada classe tem que ter a mesma dimensão. Do quadro., as dimensões são: 0 a 9.9, 30 a 39.9 etc. - cada pedaço de dados tem que pertencer a apenas a uma única classe. Essa lista poderia continuar, mas isso seria artificial. O propósito de grupar dados é distribuí-los em um número razoável de classes de igual tamanho para facilitar a interpretação dos mesmos. Se possível, os intervalos que tem uma interpretação natural, devem ser utilizados, como por exemplo: dados em DAP que são normalmente divididos em múltiplos de 10. freqüência absoluta Freq Figura.1: Histograma de freqüência para os mesmos dados do quadro.1.
16 A freqüência pode ser também apresentada em porcentagem ou decimal, conhecida como FREQUÊNCIA RELATIVA. No quadro.3 para obter a freqüência relativa de cada classe, bastou dividir a freqüê ncia de cada classe por 40 (número total de indivíduos contados). Se multiplicarmos essas frações por 100, teremos a freqüência em %, caso contrário, em decimais. Quadro.3. - Distribuição de Freqüência relativa do quadro.1. classes DAP pt médio Freq freq rel freq acum 0 < , < , < , < , < , < ,05 40 Algumas terminologias: Classe uma categoria para o grupamento de dados. Freqüência o número de indivíduos ou objetos numa classe. Por exemplo, a freqüência da classe é 19. Freqüência relativa a porcentagem, expressa como um decimal, do número total de indivíduos de uma determinada classe. A freqüência relativa da classe é 0.1 ou 10%. Freqüência acumulada é a soma das freqüências dos valores inferiores ou iguais a valor dado. Distribuição de Freqüência a listagem das classes com suas freqüências. Limite inferior da classe o menor valor que pode ir dentro de uma classe. Na classe o limite inferior é 0. Limite superior da classe o maior valor que pode ir dentro de uma classe. Na classe o limite superior é 9.9. Se a precisão fosse de duas casas decimais, o limite superior poderia ser 9.99 e assim por diante. Intervalo de classe é a diferença entre o limite superior e o limite inferior de uma dada classe. No nosso exemplo, o intervalo é 10, ou seja, 30 0 =10. Ponto médio da classe é a média aritmética entre o limite superior e limite inferior da classe. Assim, se a classe for: (0+30)/ = 5. Da classe o ponto médio é 35 e assim por diante..3. Gráficos e figuras: Uma outra maneira de dar sentido a um conjunto de dados é por meio da representação gráfica dos mesmos. O gráfico mais simples dos dados é o HISTOGRAMA DE FREQUÊNCIA. A altura de cada barra é igual a freqüência que ela representa. Tem também o HISTOGRAMA DE FREQUÊNCIA RELATIVA. Há muitas outras formas de representação gráfica de seus dados. Hoje em dia, uma forma muito usada é a PIE (torta). De qualquer modo, fique a vontade e use de sua imaginação para dar a representação mais conveniente dos seus dados.
17 Capítulo 3 Medidas descritivas Há muitos critérios, por sinal, bem avançados, para a descrição sucinta dos fenômenos naturais. Apesar disso, a maioria das características usadas na estatística, para descrever as variáveis aleatórias, em populações particulares, caem em uma das três categorias: (1) medidas da tendência central (alocação de um valor ordinário); () medidas de dispersão (distância relativa de valores extremos de um valor central); (3) medidas de relacionamento entre as variáveis (grau de similaridade ou dissimilaridade em magnitude). Em geral, o volume de dados de uma pesquisa é muito grande. Os métodos de gráficos e grupamento de dados são úteis no manuseio de um grande conjunto de dados. Uma outra forma de sumarizar os dados é por meio da computação de um número, tal como a média, a qual substitui um grande volume de dados por um simples número. 3.1 Medidas de tendência central: As medidas de alocação mais comumente utilizadas são média aritmética e a mediana. Menos freqüentemente usadas são: moda, percentil, média geométrica e média harmônica. A média comum ou média aritmética ou simplesmente média, é a mais freqüentemente usada de todas as medidas estatísticas. Média é simplesmente a soma de todas observações (DAP, altura, idade) dividida pelo nú mero total de observações. É a medida que tem a menor variabilidade de amostra para amostra, é fácil de ser manuseada matematicamente e tem as propriedades mais desejáveis em conexão com as distribuições de probabilidade. Mediana é o valor de uma variável aleatória que, em ordem crescente ou decrescente, está rankeado no meio, entre os valores maiores e menores. Em amostras com número par de observações, a mediana é a média aritmética dos valores que estão rankeados no meio. Estimativas da mediana de pequenas amostras não são muito confiáveis. Moda é o valor mais freqüente, ou seja, é a categoria ou classe com a maior freqüência. É uma medida fácil e rápida de ser obtida, mas, por outro lado, fica sempre sujeita a variação extrema de uma amostra para outra, ao menos que a amostra seja bem grande. Percentil para um melhor entendimento pense na mediana como o 50-ésimo percentil. Média geométrica é a n-ésima raiz de um produto de n valores, ou antilog da média aritmétic a dos logs de um conjunto de valores e é sempre tão pequeno ou menor que a média do mesmo conjunto de dados. Média harmônica é a recíproca da média de um conjunto de dados recíprocos e é tão pequena ou menor que a média geométrica para um mesmo conjunto de dados. Para dados ordinais, é preferível utilizar-se da mediana, apesar de que a média é, as vezes, utilizada. Para dados métricos pode ser usada a média ou a mediana. Como com dados ordinais, a mediana é preferida para propósitos descritivos. A maioria das teorias estatísticas para dados métricos usa a média.
18 Computação de Média, Mediana e Moda Média a estimativa da média, x _ ou ӯ, do parâmetro µ, é obtida da seguinte maneira: Dos dados do quadro.1, a média será: x = ( x1 + x x 40 ) 40 x _ = 38,5 Mediana do qua dro.1, primeiro é preciso ordenar em ordem crescente, (1ª) () (3) (4) (5) (6) (7) (8) (9) (10) (11) (1) (13) (14) (15) (16) (17) (18) (19) (0) (1) () (3) (4) (5) (6) (7) (8) (9) (30) (31) (3) (33) (34) (35) (36) (37) (38) (39) (40ª) Neste caso, o número total de observações, n, é par, a mediana será a média aritmética dos vigésimo e vigésimo-primeiro valores, ou seja, ( )/ = Moda é simplesmente o ponto médio da classe que tem a maior freqüência, que no nosso caso, quadro., é 35, que tem a freqüência = 19. Resumo das estimativas das medidas: Média = 38,5 Mediana = 34,5 Moda = 35,0 Interpretação: um conjunto de dados pode ter mais de uma moda, mas sempre terá somente uma média ou mediana. Como você pode ver, de um mesmo conjunto de dados, você tem diferentes medidas de tendência central. Qual delas é a melhor? A decisão vai depender, principalmente, do objetivo de sua informação. Quando a gente vende madeira em volume, normalmente truncada a um determinado diâmetro mínimo, a média deve prevalecer tendo em vista a maior facilidade para os cálculos posteriores. Se a árvore é vendida em pé, a moda pode ser mais interessante, porque ela dá uma noção também da distribuição de freqüência. A utilização da mediana é mais prática na tomada de decisões quanto a tratamentos silviculturais, desbastes etc., quando você precisa priorizar o tamanho que precisa sofrer intervenções.
Biometria Roberval Monteiro Bezerra de Lima (roberval.lima@embrapa.br) Sumaia Vasconcelos (sumaia.vasconcelos@inpa.gov.br)
PÓS GRADUAÇÃO EM CIÊNCIAS DE FLORESTAS TROPICAIS-PG-CFT INSTITUTO NACIONAL DE PESQUISAS DA AMAZÔNIA-INPA Biometria Roberval Monteiro Bezerra de Lima (roberval.lima@embrapa.br) Sumaia Vasconcelos (sumaia.vasconcelos@inpa.gov.br)
Leia maisAula 4 Conceitos Básicos de Estatística. Aula 4 Conceitos básicos de estatística
Aula 4 Conceitos Básicos de Estatística Aula 4 Conceitos básicos de estatística A Estatística é a ciência de aprendizagem a partir de dados. Trata-se de uma disciplina estratégica, que coleta, analisa
Leia maisCláudio Tadeu Cristino 1. Julho, 2014
Inferência Estatística Estimação Cláudio Tadeu Cristino 1 1 Universidade Federal de Pernambuco, Recife, Brasil Mestrado em Nutrição, Atividade Física e Plasticidade Fenotípica Julho, 2014 C.T.Cristino
Leia maisCOMENTÁRIO AFRM/RS 2012 ESTATÍSTICA Prof. Sérgio Altenfelder
Comentário Geral: Prova muito difícil, muito fora dos padrões das provas do TCE administração e Economia, praticamente só caiu teoria. Existem três questões (4, 45 e 47) que devem ser anuladas, por tratarem
Leia maisUNIVERSIDADE DE SÃO PAULO. Faculdade de Arquitetura e Urbanismo
UNIVERSIDADE DE SÃO PAULO Faculdade de Arquitetura e Urbanismo DISTRIBUIÇÃO AMOSTRAL ESTIMAÇÃO AUT 516 Estatística Aplicada a Arquitetura e Urbanismo 2 DISTRIBUIÇÃO AMOSTRAL Na aula anterior analisamos
Leia maisCapítulo 7 Medidas de dispersão
Capítulo 7 Medidas de dispersão Introdução Para a compreensão deste capítulo, é necessário que você tenha entendido os conceitos apresentados nos capítulos 4 (ponto médio, classes e frequência) e 6 (média).
Leia maisAula 11 Esperança e variância de variáveis aleatórias discretas
Aula 11 Esperança e variância de variáveis aleatórias discretas Nesta aula você estudará os conceitos de média e variância de variáveis aleatórias discretas, que são, respectivamente, medidas de posição
Leia maisMAT 461 Tópicos de Matemática II Aula 3: Resumo de Probabilidade
MAT 461 Tópicos de Matemática II Aula 3: Resumo de Probabilidade Edson de Faria Departamento de Matemática IME-USP 19 de Agosto, 2013 Probabilidade: uma Introdução / Aula 3 1 Probabilidade Discreta: Exemplos
Leia maisPÓS GRADUAÇÃO EM CIÊNCIAS DE FLORESTAS TROPICAIS-PG-CFT INSTITUTO NACIONAL DE PESQUISAS DA AMAZÔNIA-INPA. 09/abril de 2014
PÓS GRADUAÇÃO EM CIÊNCIAS DE FLORESTAS TROPICAIS-PG-CFT INSTITUTO NACIONAL DE PESQUISAS DA AMAZÔNIA-INPA 09/abril de 2014 Considerações Estatísticas para Planejamento e Publicação 1 Circularidade do Método
Leia maisAula 4 Estatística Conceitos básicos
Aula 4 Estatística Conceitos básicos Plano de Aula Amostra e universo Média Variância / desvio-padrão / erro-padrão Intervalo de confiança Teste de hipótese Amostra e Universo A estatística nos ajuda a
Leia maisMÓDULO 6 INTRODUÇÃO À PROBABILIDADE
MÓDULO 6 INTRODUÇÃO À PROBBILIDDE Quando estudamos algum fenômeno através do método estatístico, na maior parte das vezes é preciso estabelecer uma distinção entre o modelo matemático que construímos para
Leia maisRevisão de Estatística Básica:
Revisão de Estatística Básica: Estatística: Um número é denominado uma estatística (singular). Ex.: As vendas de uma empresa no mês constituem uma estatística. Estatísticas: Uma coleção de números ou fatos
Leia mais1. Avaliação de impacto de programas sociais: por que, para que e quando fazer? (Cap. 1 do livro) 2. Estatística e Planilhas Eletrônicas 3.
1 1. Avaliação de impacto de programas sociais: por que, para que e quando fazer? (Cap. 1 do livro) 2. Estatística e Planilhas Eletrônicas 3. Modelo de Resultados Potenciais e Aleatorização (Cap. 2 e 3
Leia maisAULAS 04 E 05 Estatísticas Descritivas
1 AULAS 04 E 05 Estatísticas Descritivas Ernesto F. L. Amaral 19 e 28 de agosto de 2010 Metodologia de Pesquisa (DCP 854B) Fonte: Triola, Mario F. 2008. Introdução à estatística. 10 ª ed. Rio de Janeiro:
Leia maisQUALITATIVA 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 maisO que é a estatística?
Elementos de Estatística Prof. Dr. Clécio da Silva Ferreira Departamento de Estatística - UFJF O que é a estatística? Para muitos, a estatística não passa de conjuntos de tabelas de dados numéricos. Os
Leia maisExercícios Resolvidos sobre Amostragem
Exercícios Resolvidos sobre Amostragem Observe agora, nestes Exercícios Resolvidos, como alguns parâmetros estatísticos devem ser construídos para formar amostras fidedignas de certas populações ou fenômenos
Leia maisO QUE É E COMO FUNCIONA O CREDIT SCORING PARTE I
O QUE É E COMO FUNCIONA O CREDIT SCORING PARTE I! A utilização de escores na avaliação de crédito! Como montar um plano de amostragem para o credit scoring?! Como escolher as variáveis no modelo de credit
Leia mais7Testes de hipótese. Prof. Dr. Paulo Picchetti M.Sc. Erick Y. Mizuno. H 0 : 2,5 peças / hora
7Testes de hipótese Prof. Dr. Paulo Picchetti M.Sc. Erick Y. Mizuno COMENTÁRIOS INICIAIS Uma hipótese estatística é uma afirmativa a respeito de um parâmetro de uma distribuição de probabilidade. Por exemplo,
Leia maisx0 = 1 x n = 3x n 1 x k x k 1 Quantas são as sequências com n letras, cada uma igual a a, b ou c, de modo que não há duas letras a seguidas?
Recorrências Muitas vezes não é possível resolver problemas de contagem diretamente combinando os princípios aditivo e multiplicativo. Para resolver esses problemas recorremos a outros recursos: as recursões
Leia mais5 Equacionando os problemas
A UA UL LA Equacionando os problemas Introdução Nossa aula começará com um quebra- cabeça de mesa de bar - para você tentar resolver agora. Observe esta figura feita com palitos de fósforo. Mova de lugar
Leia maisCURSO ON-LINE PROFESSOR: VÍTOR MENEZES. Comentários sobre as provas de estatística e financeira ICMS RJ
Comentários sobre as provas de estatística e financeira ICMS RJ Caríssimos, Acabei de voltar de uma longa auditoria em que visitamos inúmeros assentamentos federais do INCRA no interior do estado. Ou seja:
Leia maisExercícios Resolvidos sobre Parâmetros e tabelas de frequência
Exercícios Resolvidos sobre Parâmetros e tabelas de frequência Apresentamos aqui uma série de exercícios nos quais destacamos o uso de parâmetros e tabelas de frequência. O conhecimento desses parâmetros
Leia mais2. Representação Numérica
2. Representação Numérica 2.1 Introdução A fim se realizarmos de maneira prática qualquer operação com números, nós precisamos representa-los em uma determinada base numérica. O que isso significa? Vamos
Leia maisExercícios 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 maisCÁLCULO DO TAMANHO DA AMOSTRA PARA UMA PESQUISA ELEITORAL. Raquel Oliveira dos Santos, Luis Felipe Dias Lopes
CÁLCULO DO TAMANHO DA AMOSTRA PARA UMA PESQUISA ELEITORAL Raquel Oliveira dos Santos, Luis Felipe Dias Lopes Programa de Pós-Graduação em Estatística e Modelagem Quantitativa CCNE UFSM, Santa Maria RS
Leia maisParece claro que há uma, e uma só, conclusão a tirar destas proposições. Esa conclusão é:
Argumentos Dedutivos e Indutivos Paulo Andrade Ruas Introdução Em geral, quando se quer explicar que géneros de argumentos existem, começa-se por distinguir os argumentos dedutivos dos não dedutivos. A
Leia maisINE 5111 Gabarito da Lista de Exercícios de Probabilidade INE 5111 LISTA DE EXERCÍCIOS DE PROBABILIDADE
INE 5 LISTA DE EERCÍCIOS DE PROBABILIDADE INE 5 Gabarito da Lista de Exercícios de Probabilidade ) Em um sistema de transmissão de dados existe uma probabilidade igual a 5 de um dado ser transmitido erroneamente.
Leia maisIntrodução a Química Analítica. Professora Mirian Maya Sakuno
Introdução a Química Analítica Professora Mirian Maya Sakuno Química Analítica ou Química Quantitativa QUÍMICA ANALÍTICA: É a parte da química que estuda os princípios teóricos e práticos das análises
Leia maisCURSO ON-LINE PROFESSOR: VÍTOR MENEZES
Caríssimos. Recebi muitos e-mails pedindo ajuda com eventuais recursos para as provas do BACEN. Em raciocínio lógico, eu não vi possibilidade de recursos, apesar de achar que algumas questões tiveram o
Leia maisO conceito de probabilidade
A UA UL LA O conceito de probabilidade Introdução Nesta aula daremos início ao estudo da probabilidades. Quando usamos probabilidades? Ouvimos falar desse assunto em situações como: a probabilidade de
Leia maisMétodos Matemáticos para Gestão da Informação
Métodos Matemáticos para Gestão da Informação Aula 05 Taxas de variação e função lineares III Dalton Martins dmartins@gmail.com Bacharelado em Gestão da Informação Faculdade de Informação e Comunicação
Leia maisCorrelação e Regressão Linear
Correlação e Regressão Linear A medida de correlação é o tipo de medida que se usa quando se quer saber se duas variáveis possuem algum tipo de relação, de maneira que quando uma varia a outra varia também.
Leia maisSUMÁRIO 1. AULA 6 ENDEREÇAMENTO IP:... 2
SUMÁRIO 1. AULA 6 ENDEREÇAMENTO IP:... 2 1.1 Introdução... 2 1.2 Estrutura do IP... 3 1.3 Tipos de IP... 3 1.4 Classes de IP... 4 1.5 Máscara de Sub-Rede... 6 1.6 Atribuindo um IP ao computador... 7 2
Leia maisCURSO ON-LINE PROFESSOR GUILHERME NEVES 1
CURSO ON-LINE PROFESSOR GUILHERME NEVES 1 Olá pessoal! Resolverei neste ponto a prova de Matemática e Estatística para Técnico Administrativo para o BNDES 2008 organizado pela CESGRANRIO. Sem mais delongas,
Leia maisBRINCANDO COM GRÁFICOS E MEDINDO A SORTE
BRINCANDO COM GRÁFICOS E MEDINDO A SORTE Elizabeth Pastor Garnier SEE/RJ Pedro Carlos Pereira - FAETEC Projeto Fundão IM/UFRJ Os Parâmetros Curriculares Nacionais propõem a introdução do tópico Tratamento
Leia maisDepartamento de Matemática - UEL - 2010. Ulysses Sodré. http://www.mat.uel.br/matessencial/ Arquivo: minimaxi.tex - Londrina-PR, 29 de Junho de 2010.
Matemática Essencial Extremos de funções reais Departamento de Matemática - UEL - 2010 Conteúdo Ulysses Sodré http://www.mat.uel.br/matessencial/ Arquivo: minimaxi.tex - Londrina-PR, 29 de Junho de 2010.
Leia maisHistogramas. 12 de Fevereiro de 2015
Apêndice B Histogramas Uma situação comum no laboratório e na vida real é a de se ter uma grande quantidade de dados e deles termos que extrair uma série de informações. Encontramos essa situação em pesquisas
Leia maisPor que o quadrado de terminados em 5 e ta o fa cil? Ex.: 15²=225, 75²=5625,...
Por que o quadrado de terminados em 5 e ta o fa cil? Ex.: 15²=225, 75²=5625,... 0) O que veremos na aula de hoje? Um fato interessante Produtos notáveis Equação do 2º grau Como fazer a questão 5 da 3ª
Leia maisCAPÍTULO 3 - TIPOS DE DADOS E IDENTIFICADORES
CAPÍTULO 3 - TIPOS DE DADOS E IDENTIFICADORES 3.1 - IDENTIFICADORES Os objetos que usamos no nosso algoritmo são uma representação simbólica de um valor de dado. Assim, quando executamos a seguinte instrução:
Leia maisLogo, para estar entre os 1% mais caros, o preço do carro deve ser IGUAL OU SUPERIOR A:
MQI 00 ESTATÍSTICA PARA METROLOGIA - SEMESTRE 008.0 Teste 6/05/008 GABARITO PROBLEMA O preço de um certo carro usado é uma variável Normal com média R$ 5 mil e desvio padrão R$ 400,00. a) Você está interessado
Leia maisSomatórias e produtórias
Capítulo 8 Somatórias e produtórias 8. Introdução Muitas quantidades importantes em matemática são definidas como a soma de uma quantidade variável de parcelas também variáveis, por exemplo a soma + +
Leia maisMétodo dos mínimos quadrados - ajuste linear
Apêndice A Método dos mínimos quadrados - ajuste linear Ao final de uma experiência muitas vezes temos um conjunto de N medidas na forma de pares (x i, y i ). Por exemplo, imagine uma experiência em que
Leia maisRegra do Evento Raro p/ Inferência Estatística:
Probabilidade 3-1 Aspectos Gerais 3-2 Fundamentos 3-3 Regra da Adição 3-4 Regra da Multiplicação: 3-5 Probabilidades por Meio de Simulações 3-6 Contagem 1 3-1 Aspectos Gerais Objetivos firmar um conhecimento
Leia maisResoluções comentadas de Raciocínio Lógico e Estatística - SEPLAG-2010 - EPPGG
Resoluções comentadas de Raciocínio Lógico e Estatística - SEPLAG-010 - EPPGG 11. Em uma caixa há 1 bolas de mesmo tamanho: 3 brancas, 4 vermelhas e 5 pretas. Uma pessoa, no escuro, deve retirar n bolas
Leia maisUniversidade Federal do Paraná Departamento de Informática. Reconhecimento de Padrões. Revisão de Probabilidade e Estatística
Universidade Federal do Paraná Departamento de Informática Reconhecimento de Padrões Revisão de Probabilidade e Estatística Luiz Eduardo S. Oliveira, Ph.D. http://lesoliveira.net Conceitos Básicos Estamos
Leia maisA avaliação da incerteza do tipo B. Segundo o Guia para Expressão da Incerteza na Medição (Joint Commitee for Guides
A avaliação da incerteza do tipo B Segundo o Guia para Expressão da Incerteza na Medição (Joint Commitee for Guides in Metrology, 2008a), em condições ideais, todas as incertezas em laboratório seriam
Leia maisEXERCÍCIOS EXERCÍCIOS. Definições Básicas. Definições Básicas. Definições Básicas. Introdução à Estatística. Dados: valores de variáveis observadas.
Definições Básicas Introdução à Estatística ESTATÍSTICA: estudo dos métodos para coletar, organizar, apresentar e analisar dados. População: conjunto constituído por todos os indivíduos que apresentem
Leia mais1. Avaliação de impacto de programas sociais: por que, para que e quando fazer? (Cap. 1 do livro) 2. Estatística e Planilhas Eletrônicas 3.
1 1. Avaliação de impacto de programas sociais: por que, para que e quando fazer? (Cap. 1 do livro) 2. Estatística e Planilhas Eletrônicas 3. Modelo de Resultados Potenciais e Aleatorização (Cap. 2 e 3
Leia maisContagem I. Figura 1: Abrindo uma Porta.
Polos Olímpicos de Treinamento Curso de Combinatória - Nível 2 Prof. Bruno Holanda Aula 4 Contagem I De quantos modos podemos nos vestir? Quantos números menores que 1000 possuem todos os algarismos pares?
Leia maisCURSO ON-LINE PROFESSOR GUILHERME NEVES
Olá pessoal! Neste ponto resolverei a prova de Matemática Financeira e Estatística para APOFP/SEFAZ-SP/FCC/2010 realizada no último final de semana. A prova foi enviada por um aluno e o tipo é 005. Os
Leia maisArquitetura de Rede de Computadores
TCP/IP Roteamento Arquitetura de Rede de Prof. Pedro Neto Aracaju Sergipe - 2011 Ementa da Disciplina 4. Roteamento i. Máscara de Rede ii. Sub-Redes iii. Números Binários e Máscara de Sub-Rede iv. O Roteador
Leia maisCapítulo 3. Avaliação de Desempenho. 3.1 Definição de Desempenho
20 Capítulo 3 Avaliação de Desempenho Este capítulo aborda como medir, informar e documentar aspectos relativos ao desempenho de um computador. Além disso, descreve os principais fatores que influenciam
Leia maishttp://www.de.ufpb.br/~luiz/
UNIVERSIDADE FEDERAL DA PARAÍBA MEDIDAS DESCRITIVAS Departamento de Estatística Luiz Medeiros http://www.de.ufpb.br/~luiz/ Vimos que é possível sintetizar os dados sob a forma de distribuições de frequências
Leia maisDESENVOLVIMENTO DE UM SOFTWARE NA LINGUAGEM R PARA CÁLCULO DE TAMANHOS DE AMOSTRAS NA ÁREA DE SAÚDE
DESENVOLVIMENTO DE UM SOFTWARE NA LINGUAGEM R PARA CÁLCULO DE TAMANHOS DE AMOSTRAS NA ÁREA DE SAÚDE Mariane Alves Gomes da Silva Eliana Zandonade 1. INTRODUÇÃO Um aspecto fundamental de um levantamento
Leia maisExercícios Resolvidos sobre probabilidade total e Teorema de Bayes
Exercícios Resolvidos sobre probabilidade total e Teorema de Bayes Para ampliar sua compreensão sobre probabilidade total e Teorema de Bayes, estude este conjunto de exercícios resolvidos sobre o tema.
Leia maisIvan Guilhon Mitoso Rocha. As grandezas fundamentais que serão adotadas por nós daqui em frente:
Rumo ao ITA Física Análise Dimensional Ivan Guilhon Mitoso Rocha A análise dimensional é um assunto básico que estuda as grandezas físicas em geral, com respeito a suas unidades de medida. Como as grandezas
Leia maisEstatística I Aula 1. Prof.: Patricia Maria Bortolon, D. Sc.
Estatística I Aula 1 Prof.: Patricia Maria Bortolon, D. Sc. Estatística Estatística
Leia maisMODELOS PROBABILÍSTICOS MAIS COMUNS VARIÁVEIS ALEATÓRIAS DISCRETAS
MODELOS PROBABILÍSTICOS MAIS COMUNS VARIÁVEIS ALEATÓRIAS DISCRETAS Definições Variáveis Aleatórias Uma variável aleatória representa um valor numérico possível de um evento incerto. Variáveis aleatórias
Leia maisDadas a base e a altura de um triangulo, determinar sua área.
Disciplina Lógica de Programação Visual Ana Rita Dutra dos Santos Especialista em Novas Tecnologias aplicadas a Educação Mestranda em Informática aplicada a Educação ana.santos@qi.edu.br Conceitos Preliminares
Leia maisEste material traz a teoria necessária à resolução das questões propostas.
Inclui Teoria e Questões Inteiramente Resolvidas dos assuntos: Contagem: princípio aditivo e multiplicativo. Arranjo. Permutação. Combinação simples e com repetição. Lógica sentencial, de primeira ordem
Leia maisAPLICAÇÕES DA DERIVADA
Notas de Aula: Aplicações das Derivadas APLICAÇÕES DA DERIVADA Vimos, na seção anterior, que a derivada de uma função pode ser interpretada como o coeficiente angular da reta tangente ao seu gráfico. Nesta,
Leia maisO QUE É E COMO FUNCIONA O CREDIT SCORING PARTE II
O QUE É E COMO FUNCIONA O CREDIT SCORING PARTE II! Como implementar o escore de crédito?! Como avaliar o escore de crédito?! Como calcular a função discriminante usando o Excel?! Como aplicar a função
Leia maisTeorema 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 maisPesquisa em Marketing
Pesquisa em Marketing Aula 4 1. Identificar o tamanho da amostral ideal 2. Saber calcular a amostra O Processo de Amostragem TIPOS DE AMOSTRAGEM Amostra não-probabilística Amostra por Conveniência Amostra
Leia maisMétodos Quantitativos. PROF. DR. Renato Vicente
Métodos Quantitativos PROF. DR. Renato Vicente Método Estatístico Amostra População Estatística Descritiva Inferência Estatística Teoria de Probabilidades Aula 4A Inferência Estatística: Um pouco de História
Leia maisNoções de Pesquisa e Amostragem. André C. R. Martins
Noções de Pesquisa e Amostragem André C. R. Martins 1 Bibliografia Silva, N. N., Amostragem probabilística, EDUSP. Freedman, D., Pisani, R. e Purves, R., Statistics, Norton. Tamhane, A. C., Dunlop, D.
Leia maisEstatística Aplicada ao Serviço Social Módulo 1:
Estatística Aplicada ao Serviço Social Módulo 1: Introdução à Estatística Importância da Estatística Fases do Método Estatístico Variáveis estatísticas. Formas Iniciais de Tratamento dos Dados Séries Estatísticas.
Leia maisCAPÍTULO 9 Exercícios Resolvidos
CAPÍTULO 9 Exercícios Resolvidos R9.1) Diâmetro de esferas de rolamento Os dados a seguir correspondem ao diâmetro, em mm, de 30 esferas de rolamento produzidas por uma máquina. 137 154 159 155 167 159
Leia maisO comportamento conjunto de duas variáveis quantitativas pode ser observado por meio de um gráfico, denominado diagrama de dispersão.
ESTATÍSTICA INDUTIVA 1. CORRELAÇÃO LINEAR 1.1 Diagrama de dispersão O comportamento conjunto de duas variáveis quantitativas pode ser observado por meio de um gráfico, denominado diagrama de dispersão.
Leia maisA função do primeiro grau
Módulo 1 Unidade 9 A função do primeiro grau Para início de conversa... Já abordamos anteriormente o conceito de função. Mas, a fim de facilitar e aprofundar o seu entendimento, vamos estudar algumas funções
Leia maisAnálise e Desenvolvimento de Sistemas ADS Programação Orientada a Obejeto POO 3º Semestre AULA 03 - INTRODUÇÃO À PROGRAMAÇÃO ORIENTADA A OBJETO (POO)
Análise e Desenvolvimento de Sistemas ADS Programação Orientada a Obejeto POO 3º Semestre AULA 03 - INTRODUÇÃO À PROGRAMAÇÃO ORIENTADA A OBJETO (POO) Parte: 1 Prof. Cristóvão Cunha Objetivos de aprendizagem
Leia maisAula 5 Técnicas para Estimação do Impacto
Aula 5 Técnicas para Estimação do Impacto A econometria é o laboratório dos economistas, que busca reproduzir o funcionamento do mundo de forma experimental, como se faz nas ciências naturais. Os modelos
Leia maisCálculo das Probabilidades e Estatística I
Cálculo das Probabilidades e Estatística I Prof a. Juliana Freitas Pires Departamento de Estatística Universidade Federal da Paraíba - UFPB juliana@de.ufpb.br Introdução a Probabilidade Existem dois tipos
Leia maisPERGUNTAS MAIS FREQÜENTES SOBRE VALOR PRESENTE LÍQUIDO (VPL)
PERGUNTAS MAIS FREQÜENTES SOBRE VALOR PRESENTE LÍQUIDO (VPL) Melhor método para avaliar investimentos 16 perguntas importantes 16 respostas que todos os executivos devem saber Francisco Cavalcante(f_c_a@uol.com.br)
Leia maisDistribuição de Freqüências
Distribuição de Freqüências Por constituir-se o tipo de tabela importante para a Estatística Descritiva, faremos um estudo completo da distribuição de freqüências. Uma distribuição de freqüências condensa
Leia maisApós essa disciplina você vai ficar convencido que a estatística tem enorme aplicação em diversas áreas.
UNIVERSIDADE FEDERAL DA PARAÍBA INTRODUÇÃO Departamento de Estatística Luiz Medeiros http://www.de.ufpb.br/~luiz/ CONCEITOS FUNDAMENTAIS DE ESTATÍSTICA O que a Estatística significa para você? Pesquisas
Leia maisEstatística: Conceitos e Organização de Dados. Introdução Conceitos Método Estatístico Dados Estatísticos Tabulação de Dados Gráficos
Estatística: Conceitos e Organização de Dados Introdução Conceitos Método Estatístico Dados Estatísticos Tabulação de Dados Gráficos Introdução O que é Estatística? É a parte da matemática aplicada que
Leia maisA Curva Normal Luiz Pasquali
Capítulo 3 A Curva Normal Luiz Pasquali 1 A História da Curva Normal A curva normal, também conhecida como a curva em forma de sino, tem uma história bastante longa e está ligada à história da descoberta
Leia maisValor verdadeiro, precisão e exatidão. O valor verdadeiro de uma grandeza física experimental às vezes pode ser considerado
UNIDADE I Fundamentos de Metrologia Valor verdadeiro, precisão e exatidão O valor verdadeiro de uma grandeza física experimental às vezes pode ser considerado o objetivo final do processo de medição. Por
Leia maisEstatística Aplicada. Gestão de TI. Evanivaldo Castro Silva Júnior
Gestão de TI Evanivaldo Castro Silva Júnior Porque estudar Estatística em um curso de Gestão de TI? TI trabalha com dados Geralmente grandes bases de dados Com grande variabilidade Difícil manipulação,
Leia maisApresentação 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 maisMatemática Financeira Módulo 2
Fundamentos da Matemática O objetivo deste módulo consiste em apresentar breve revisão das regras e conceitos principais de matemática. Embora planilhas e calculadoras financeiras tenham facilitado grandemente
Leia maisPesquisa Aplicada à Estatística
Pesquisa Aplicada à Estatística Tatiene Correia de Souza / UFPB tatiene@de.ufpb.br September 14, 2014 Souza () Pesquisa Aplicada à Estatística September 14, 2014 1 / 23 Estatística: ideias gerais O que
Leia maisAnálise e Resolução da prova de Auditor Fiscal da Fazenda Estadual do Piauí Disciplina: Matemática Financeira Professor: Custódio Nascimento
Análise e Resolução da prova de Auditor Fiscal da Fazenda Estadual do Piauí Disciplina: Professor: Custódio Nascimento 1- Análise da prova Neste artigo, faremos a análise das questões de cobradas na prova
Leia maisUnidade VI. Validação e Verificação de Software Teste de Software. Conteúdo. Técnicas de Teste. Estratégias de Teste
Unidade VI Validação e Verificação de Software Teste de Software Profa. Dra. Sandra Fabbri Conteúdo Técnicas de Teste Funcional Estrutural Baseada em Erros Estratégias de Teste Teste de Unidade Teste de
Leia mais2 A Derivada. 2.1 Velocidade Média e Velocidade Instantânea
2 O objetivo geral desse curso de Cálculo será o de estudar dois conceitos básicos: a Derivada e a Integral. No decorrer do curso esses dois conceitos, embora motivados de formas distintas, serão por mais
Leia mais4 Avaliação Econômica
4 Avaliação Econômica Este capítulo tem o objetivo de descrever a segunda etapa da metodologia, correspondente a avaliação econômica das entidades de reservas. A avaliação econômica é realizada a partir
Leia maisAV2 - MA 12-2012. (a) De quantos modos diferentes posso empilhá-los de modo que todos os CDs de rock fiquem juntos?
Questão 1. Num porta-cds, cabem 10 CDs colocados um sobre o outro, formando uma pilha vertical. Tenho 3 CDs de MPB, 5 de rock e 2 de música clássica. (a) De quantos modos diferentes posso empilhá-los de
Leia maisa 1 x 1 +... + a n x n = b,
Sistemas Lineares Equações Lineares Vários problemas nas áreas científica, tecnológica e econômica são modelados por sistemas de equações lineares e requerem a solução destes no menor tempo possível Definição
Leia maisCAP. I ERROS EM CÁLCULO NUMÉRICO
CAP. I ERROS EM CÁLCULO NUMÉRICO 0. Introdução Por método numérico entende-se um método para calcular a solução de um problema realizando apenas uma sequência finita de operações aritméticas. A obtenção
Leia maisOrganizaçãoe Recuperaçãode Informação GSI521. Prof. Dr. Rodrigo Sanches Miani FACOM/UFU
Organizaçãoe Recuperaçãode Informação GSI521 Prof. Dr. Rodrigo Sanches Miani FACOM/UFU Aula anterior Organização e Recuperação de Informação(GSI521) Modelo vetorial- Definição Para o modelo vetorial, o
Leia maisLógica Indutiva. Aula 4. Prof. André Martins
Lógica Indutiva Aula 4 Prof. André Martins É uma bruxa? Lógica Clássica (Dedutiva) Na Lógica Clássica, determinamos a veracidade de proposições a partir de outras proposições que julgamos verdadeiras.
Leia mais4Distribuição 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 maisROTEIRO PARA ELABORAÇÃO DE PROJETOS
APRESENTAÇÃO ROTEIRO PARA ELABORAÇÃO DE PROJETOS Breve histórico da instituição seguido de diagnóstico e indicadores sobre a temática abrangida pelo projeto, especialmente dados que permitam análise da
Leia maisAs fases na resolução de um problema real podem, de modo geral, ser colocadas na seguinte ordem:
1 As notas de aula que se seguem são uma compilação dos textos relacionados na bibliografia e não têm a intenção de substituir o livro-texto, nem qualquer outra bibliografia. Introdução O Cálculo Numérico
Leia maisCurso: Logística e Transportes Disciplina: Estatística Profa. Eliane Cabariti
Curso: Logística e Transportes Disciplina: Estatística Profa. Eliane Cabariti Medidas de Posição Depois de se fazer a coleta e a representação dos dados de uma pesquisa, é comum analisarmos as tendências
Leia maisUNIVERSIDADE FEDERAL DO PIAUÍ (UFPI) ENG. DE PRODUÇÃO PROBABILIDADE E ESTATÍSTICA 2
UNIVERSIDADE FEDERAL DO PIAUÍ (UFPI) ENG. DE PRODUÇÃO PROBABILIDADE E ESTATÍSTICA 2 LISTA N O 2 Prof.: William Morán Sem. I - 2011 1) Considere a seguinte função distribuição conjunta: 1 2 Y 0 0,7 0,0
Leia maisLista de Exercícios. Vetores
Lista de Exercícios Vetores LINGUAGEM DE PROGRAMAÇÃO PROF. EDUARDO SILVESTRI. WWW.EDUARDOSILVESTRI.COM.BR ATUALIZADO EM: 13/03/2007 Página 1/1 1. Faça um programa que crie um vetor de inteiros de 50 posições
Leia maisResoluções comentadas das questões de Estatística da prova para. ANALISTA DE GERENCIAMENTO DE PROJETOS E METAS da PREFEITURA/RJ
Resoluções comentadas das questões de Estatística da prova para ANALISTA DE GERENCIAMENTO DE PROJETOS E METAS da PREFEITURA/RJ Realizada pela Fundação João Goulart em 06/10/2013 41. A idade média de todos
Leia mais