Y X Baixo Alto Total Baixo 1 (0,025) 7 (0,175) 8 (0,20) Alto 19 (0,475) 13 (0,325) 32 (0,80) Total 20 (0,50) 20 (0,50) 40 (1,00)

Tamanho: px
Começar a partir da página:

Download "Y X Baixo Alto Total Baixo 1 (0,025) 7 (0,175) 8 (0,20) Alto 19 (0,475) 13 (0,325) 32 (0,80) Total 20 (0,50) 20 (0,50) 40 (1,00)"

Transcrição

1 Bussab&Morettn Estatístca Básca Capítulo 4 Problema. (b) Grau de Instrução Procedênca º grau º grau Superor Total Interor 3 (,83) 7 (,94) (,) (,33) Captal 4 (,) (,39) (,) (,3) Outra (,39) (,7) (,) 3 (,3) Total (,33) 8 (,) (,7) 3 (,) Dos funconáros dessa empresa, % têm o segundo grau. (c) Dos funconáros dessa empresa, 9,4% têm o segundo grau e são orundos do nteror. (d) Dentre os funconáros do nteror, 7/ (8,3%) têm o segundo grau. Problema. No sorteo de um ndvíduo dentre os 3, é maor a probabldade de o mesmo ter o segundo grau. (b) Quanto à regão de procedênca, a maor probabldade está assocada com a regão dentfcada por Outra. (c) A probabldade de um ndvíduo sorteado aleatoramente ter grau superor de nstrução é,7., (d) A probabldade pedda é, 7.,33, (e) Nesse caso, temos P ( Superor / Captal), 8,3 Problema 3. Temos que md ( X ), e md ( Y ),. Assm, (b) (c) %. (d) (e) Y X Baxo Alto Total Baxo (,) 7 (,7) 8 (,) Alto 9 (,47) 3 (,3) 3 (,8) Total (,) (,) 4 (,) Da tabela, tem-se que,% dos ndvíduos encontram-se nessas condções. Dentre as pessoas com baxa rotatvdade,,% ganham pouco. A probabldade em (c) fo bastante modfcada. Isto ndca que a maora das pessoas que ganham pouco têm rotatvdade. cap4 - -

2 Bussab&Morettn Estatístca Básca Problema 4. (b) Regão de Grau de Instrução Procedênca º grau º grau Superor Interor,,83,7 Captal,34,4,8 Outra,38,4,4 Em caso de ndependênca entre a regão de procedênca e grau de escolardade, em cada tabela devera exstr 33% com º grau, % com º grau e 7% com grau Superor. Problema. Tabela do total de lnhas Y X Baxo Alto Total Baxo (,%) 7 (87,%) 8 (,%) Alto 9 (9,4%) 3 (4,%) 3 (,%) Total (,%) (,%) 4 (,%) Tabela do total de colunas. Y X Baxo Alto Total Baxo (,%) 7 (3,%) 8 (,%) Alto 9 (9,%) 3 (,%) 3 (8,%) Total (,%) (,%) 4 (,%) As tabelas acma ndcam exstênca de relação entre as varáves rotatvdade e saláro, pos as proporções margnas não se repetem no nteror da tabela. Problema. A proporção de homens entre os ndvíduos que usaram o hosptal é:, 4 (b) A proporção de homens entre os ndvíduos que não usaramo hosptal é: 9, 4 7 (c) Tabela do total de colunas. Usaram o hosptal (,) (,), Não usaram o hosptal 9 (,9) 8 (,8),7,,, Independentemente do sexo, % das pessoas usam e 7% não usam o hosptal. Essas porcentagens deveram ser guas nas duas colunas e não são. Portanto, o uso do hosptal depende do sexo do segurado. Problema 7. Veja a tabela a segur. Entre parênteses, encontram-se os valores esperados em caso de ndependênca das varáves. cap4 - -

3 Bussab&Morettn Estatístca Básca Grau de Instrução Procedênca º grau º grau Superor Total Interor 3 (4,) 7 (,) (,) Captal 4 (3,7) (,) (,83) Outra (4,33) (,) (,7) 3 Total 8 3 Com sso, os cálculos fcam assm: C, +,7 + +,3 +, +, +, +,4 +,, 7 e + n,7,8,7 + 3 Problema 8. Para os dados do problema 3, tem-se: Y X Baxo Alto Total Baxo (4) 7 (4) 8 Alto 9 () 3 () 3 Total 4 De modo que,, +, +, +,, e C + n,,3, + 4, T n 4 ( r ) ( s ) Para os dados do problema, tem-se: De modo que, C T,37 Homens Mulheres Total Usaram o hosptal () () Não usaram o hosptal 9 (87) 8 (87) 7 Total, +, +,7 +,7, 4 e Problema 9. + n n ( r ) ( s ),4,7,4 +,4,7 cap4-3 -

4 Bussab&Morettn Estatístca Básca Os dados podem ser assm representados: Companha Duração de efeto de dedetzação Menos de 4 meses De 4 a 8 meses Mas de 8 meses X,3,,8 Y,3,8,7 Z,34,, Essas proporções ndcam que não há dferenças da duração de efeto de dedetzação entre as três empresas. Problema.,8,7,7,7 Altura (m),7,, Altura (m),,,,,, 7 7 Peso (kg),4 7 7 Peso (kg) (b) Quantdade de água Cálculo Produção de trgo (c) % 9% 8% 7% % Estatístca (d) Idade 4 3 % % 4% 3% % % Acudade Vsual (e) % % % % 3% 4% % % 7% 8% 9% % Renda (f) cap4-4 -

5 Bussab&Morettn Estatístca Básca Nota 4 3 Número de peças produzdas (g) Problema. Dagrama de dspersão 4 3 Taxa de Analfabetsmo Setor Prmáro (b) O gráfco do tem ndca dependênca lnear entre as varáves. 8 x 4,887 4,48 (c) (, ), 8 8 y Corr X Y 3, 8,3 (d) As regões de Porto Alegre e Fortaleza apresentam comportamento dferente das demas. Retrando-se esses elementos do cálculo resulta Corr ( X, Y), 9. Problema. Y X 3 4 Total Total (b) Como exstem pontos que concdram no caso de um dagrama de dspersão, pode-se representar os pontos concdentes no gráfco com número de repetções. Outra alternatva, cap4 - -

6 Bussab&Morettn Estatístca Básca válda do ponto de vsta descrtvo é adconar uma perturbação aos pontos. Soma-se uma quantdade pequena às coordenadas, de modo a não haver mas concdêncas. A segur, o gráfco com a perturbação: 7 Y (com perturbação) 4 3,,, 3 3, 4 X (com perturbação) (c) O coefcente de correlação entre X e Y é,9, ndcando uma dependênca lnear moderada entre as varáves. Problema 3. Gráfco de dspersão 8 7 Tempo de reação 4 3,, 3 3, 4 4, Número de objetos (b) O coefcente de correlação entre as varáves é,74. Problema 4. X: dade Estado Cvl n x dp(x) var(x) x () q q q 3 x n soltero 34,33 7,9 9,,83 7, 3,7 4,8 4,8 casado 3,3,9 3,3,8 3,37 34,9 39,8 48,9 Total 3 34,8,74 4,39, 3, 34, 4, 48,9 9, + 3,3 var( X ) 4,39 3 var( X ) 4,39 R var( X ) 4,39 cap4 - -

7 Bussab&Morettn Estatístca Básca Problema. X: Nota em Estatístca. Seção N x dp(x) var(x) x () q q q 3 x n P 7 8,7,7, T 7 8,9,,4 7 7, 8 9 V 7,9,4, Total 8,4,3, ,7 + 7,4 +,9 3,99 + 8,8 + 9,9 4, var( X ),9 var( X ) 4,39 R var( X ) 4,39 Logo, Seção não serve para explcar nota. Problema. 9 Economa Redacao Problema 7. 8 ProfSec Admnstrador Pode-se perceber que os pontos estão razoavelmente dspersos abaxo em relação a reta (xy). Logo, parece que os saláros dos professores secundáros é menor que o dos admnstradores. Problema 8. cap4-7 -

8 Bussab&Morettn Saláro Estado Cvl Menos de SM Entre e SM Mas de SM Total Soltero,,9,9,4 Casado,8,3,, Total,,,3, (b) Consdere-se a tabela do total de colunas: cap4-8 - Estatístca Básca Saláro Estado Cvl Menos de SM Entre e SM Mas de SM Total Soltero,,38,3,4 Casado,4,,7, Total,,,, Pelas dferenças entre as proporções margnas e as do nteror da tabela, parece haver relação entre as varáves. Problema 9. (b) Opnão Local de resdênca Urbano Suburbano Rural Total A favor,33,8,7, Contra,7,4,3, A opnão parece depender do local de resdênca do ndvíduo. Opnão Local de resdênca Urbano Suburbano Rural Total A favor 3 (4) 3 (3) 3 () Contra (4) (3) () C, +, +,83 +,83 + 4, + 4, 9, e + n 9,,3 9, + Problema. Consdere a tabela com os valores observados e os esperados: Propredade Atvdade Costera Fluval Internaconal Total Estatal (33,4) 4 (9,) (34,34) 97 Partcular 9 (3,4) 3 (4,98) 48 (4,) 37 4,38 +, + 8,8 +,4 +,9 + 4,9, 9 e Parece exstr assocação entre o tpo de atvdade e propredade das embarcações. Problema. Consdere a tabela com os valores observados e esperados :

9 Bussab&Morettn Estatístca Básca Partcparam Cdade São Paulo Campnas Rb. Preto Santos Sm (4,7) (8,9) (97,4) (97,4) Não (3,4) 8 (9,) 9 (,8) 8 (,8) 3,3 + 3,4 +,4 +,38 +,+, +,3 +,8 8, e Os dados da tabela ndcam que a partcpação em atvdades esportvas depende da cdade. Problema. Tabela dos totas de colunas. Pretende Classe socal contnuar? Alta Méda Baxa Total Sm,,44,38,4 Não,,,7, Há evdêncas de que a dstrbução das respostas afrmatvas e negatvas não concdem. (b) (c) Tabela dos valores observados e esperados: Pretende Classe socal contnuar? Alta Méda Baxa Total Sm () () 38 (44) 8 Não (4) 8 (3) 7 (), +, + 8,8 +,7 +,33 +,4 33, 3 e Exste dependênca entre as varáves. Se houvesse tal modfcação, a dependênca entre as varáves sera apenas menor ( 7, ). Problema 3. n 3 n 9 n n n n ,33,8,7 n e, 7 n 9. n e, 4 n. n3 e, 3 n. 3 Problema 4. Corr x x y y n dp( X ) dp( Y) n ( ) X, Y cap4-9 - x x y x y y nx y x + xy n y n

10 Bussab&Morettn Estatístca Básca x y y x nx x x y y + nx y n y x x nx y nxy y ny Problema. O coefcente de correlação lnear entre X e Y é -,9, ndcando forte correlação lnear entre as varáves. 3 ( ) ( 3,) ( 4,4) 7,4 Corr X, Y,9 3, 3 4,4 8,93 [ ( ) ] ( ) [ ] Problema. Pode-se calcular, com os dados fornecdos, Corr ( X, Y ), 9 e Corr ( X, Z ), 7. Como o valor mas alto encontrado é,9, a varável Y é a mas ndcada para explcar a varação de X. Problema 7. Saláro Idade [,) [,3) Total [,3) [3,4) 8 [4,) 3 7 Total (b) O cálculo do coefcente de correlação neste caso, podera ser feto utlzando-se os pontos médos de cada categora. (c) Com a déa que fo descrta no tem anteror, o cálculo do coefcente de correlação agrupados podera ser feto com a fórmula usual, onde havera 4 pares (;7,) repetdos, pares (3;7,) repetdos, etc. Assm a fórmula sera: ( ) [ n ( x x) ] [ n ( y y) ] X, Y Corr n dp( X ) dp( Y) onde x, y são os pontos médos, n n 4, n, n, n 3, n 7 Problema Tabela dos valores observados e dos observados: Cara Coroa Total Cara 4 (3,9) (,8) 4 Coroa 8 (8,8) (,9) 4 Total 48, +, +, +,, 8 e Logo, não há assocação entre os resultados das moedas de um real e de um quarto de dólar. cap4 - -

11 Bussab&Morettn (b) O coefcente de correlação lnear entre as varáves X e X é, pos X e X são ndependentes. Esse resultado está de acordo com o resultado do tem anteror. Problema 9. O saláro anual médo dos homens é e o desvo-padrão 3,87. (b) O saláro anual médo das mulheres é e o desvo-padrão 3,. (c) Estatístca Básca 4 Y X (d) Corr ( X Y ),,4 [ 4 ] [ ] (e) O saláro médo famlar é. A varânca do saláro famlar é 3. (f) Descontando 8% dos saláros de todos os homens da amostra e % do saláro de todas as mulheres, o saláro médo famlar ca para 3, e a varânca va a 3,8. Problema 3. Hstograma..4 Densdade Vendas cap4 - -

12 Bussab&Morettn Estatístca Básca (b) A méda da varável V é 3, e a varânca 3,. Como dp(v),43, v + dp( V ) 3, é o lmte para se consderar um vendedor excepconal. Acma desse valor, há apenas dentre os ndvíduos analsados. (c) O prmero quartl da dstrbução de V é 3,. (d) Os box-plots a segurndcam que exste alguma dferença entre a dstrbução das vendas nas três dferentes zonas. Assm, não é justo aplcar um mesmo crtéro para todas as zonas. 4 Vendas 3 Norte Sul Zona Oeste (e) Corr ( T, V ), 7, Corr ( E, V ), (f) contratação de um empregado., logo a varável teste parece ser a mas mportante na Conceto do Zona gerente Norte Sul Leste Total Bom 4 (,7) 3 (,7) (,7) 8 Mau (,3) (,3) 4 (,3) 7 Total (g) 3, 7 e Logo, exste uma baxa assocação entre o Conceto do gerente e a Zona. Consdere X: resultado do teste. Conceto do gerente n méda dp var Bom 8,,4 4,7 Mau 7,4,8,8 Total,7,87 3, 8 4,7 + 7,8 var( X ) 3, var( X ) 3, R var( X ) 3, Consdere agora X: vendas: cap4 - -

13 Bussab&Morettn Estatístca Básca var( X ) R var( var( Problema 3. Zona n méda dp var Norte 9,8 4,4 7,7 Sul 34, 3, 83,8 Oeste, 4,, Total 3,,43 3, 7,7 + 83,8 +, 3, X ) 3,,8 X ) 3,, Frequênca absoluta,, 3 Tem po de servco 7 (b) me ( X ) 4, ; md ( X ), ; var( X ), (c) (d) (A,A),..., (A,E), (B,A),..., (B,E), (C,A),..., (C,E), (D,A),..., (D,E), (E,A),...,(E,E) X Freq.,4,8,,4,4,,4 3 4 Méda 7 cap4-3 -

14 Bussab&Morettn Estatístca Básca (e) me ( X ) 4, ; md ( X ) 4, ; var( X ), var( X ) Vemos que me ( X ) me( X ) e var( X ) (f) S 4 9 Freq Var (g) me ( S ), 8 ; var( S ), 39. (h) X X 3 7 Total,4,4,8,4, 3,4,4,8,4,,8,8,,8,4 7,4,4,8,4, Total,,,4,, () As varáves são ndependentes, pos ( ) ( ) ( ) (j) São guas entre s e à dstrbução de X. (k) (l) Não tem esse tem. Teremos 3 trplas. P X, X j P X P X ) (m) Hstograma mas próxmo de uma normal; me ( X ) me( X ), var( X ) var( X ) (n) Hstograma com assmetra à dreta. (o) Dstrbuções margnas guas à dstrbução de X. Problema 3. j cap4-4 -

15 Bussab&Morettn (b) (c) Não tem. Não tem. (A,B),..., (A,E), (B,A),..., (B,E), (C,A),..., (C,E), (D,A),..., (D,E), (E,A),...,(E,D) X 3 4 Freq.,,,3,, Estatístca Básca Frequenca Méda (d) me ( X ) 4, ; md ( X ) 4, ; var( X ), Vemos que me ( X ) me( X ) (e) S 4 9 Freq Var (f) me ( S ), ; var( S ), 4. cap4 - -

16 Bussab&Morettn Estatístca Básca X X 3 7 Total,4,4,8,4, 3,4,4,8,4,,8,8,,8,4 7,4,4,8,4, Total,,,4,, (g) As varáves são ndependentes, pos ( ) ( ) ( ) (h) São guas entre s e à dstrbução de X. () (j) Não tem esse tem. Teremos trplas. P X, X j P X P X ) (k) Hstograma mas próxmo de uma normal; me ( X ) me( X ), var( X ) var( X ) (l) Hstograma com assmetra à dreta. (m) Dstrbuções margnas guas à dstrbução de X. Problema 34. j 8 B A Problema 3. Dotplot para as regões de procedênca:. :.... : Captal :.. :. : Interor :. :.... : Outra cap4 - -

17 Bussab&Morettn Estatístca Básca Captal Interor BoxPlot - Captal BoxPlot Interor Outra BoxPlot - Outra Pode-se observar que os saláros da Captal têm varabldade maor e dstrbução mas assmétrca. As médas e medanas são smlares. Problema 3. Saláros Idade Solteros Saláros Idade Casados Os gráfcos de dspersão não mostram tendêncas partculares. Problema 37. cap4-7 -

18 Bussab&Morettn Estatístca Básca 3 3 Populacao (x) Norte Nordeste Sudeste Regões Sul Centro-O este Os boxplots acma mostram que todas as dstrbuções são assmétrcas, sendo que a regão Sul se destaca pelo seu aspecto pecular. A regão Sudeste tem varabldade maor, pela nclusão do estado de São Paulo, que é bastante populoso. Problema 38. Telebrás Ibovespa Baxa Alta Total Baxa 4 (,4) (8,) 4 Alta (9,) 4 (,4) Total , 83 e T n,94 ( r ) ( s ) Logo, percebe-se grande assocação entre os preços das ações da Telebrás e Ibovespa. Problema 39.,, Temperatura,, Umdade 8 4,,,, 4,, 8,,, 4, CO,, 4,, 8,,, 4, CO cap4-8 -

19 Bussab&Morettn Estatístca Básca 8 Umdade 4,,,,,, Temperatura cap4-9 -

Estatística stica Descritiva

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

Leia mais

TABELAS E GRÁFICOS PARA VARIÁVEIS ALEATÓRIAS QUANTITATIVAS CONTÍNUAS

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

Leia mais

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

3.6. Análise descritiva com dados agrupados Dados agrupados com variáveis discretas 3.6. Análse descrtva com dados agrupados Em algumas stuações, os dados podem ser apresentados dretamente nas tabelas de frequêncas. Netas stuações devemos utlzar estratégas específcas para obter as meddas

Leia mais

Probabilidade e Estatística. Correlação e Regressão Linear

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

Leia mais

Ocorrência (i) Total Freq. Observada (n i )

Ocorrência (i) Total Freq. Observada (n i ) apítulo 4 Problema H L : p p p6 / 6 Ocorrênca ( 3 4 5 6 Total Freq. Observada (n 43 49 56 45 66 4 3 Freq. Esperada ( n * 5 5 5 5 5 5 3 ( n / n n,98,,7,5 5,,6 8,96 8,96 ; s 6; g.l. 5. ˆ 5 α P ( χ > 8,96,.

Leia mais

Introdução e Organização de Dados Estatísticos

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

Leia mais

Análise de Regressão. Profa Alcione Miranda dos Santos Departamento de Saúde Pública UFMA

Análise de Regressão. Profa Alcione Miranda dos Santos Departamento de Saúde Pública UFMA Análse de Regressão Profa Alcone Mranda dos Santos Departamento de Saúde Públca UFMA Introdução Uma das preocupações estatístcas ao analsar dados, é a de crar modelos que explctem estruturas do fenômeno

Leia mais

Professor Mauricio Lutz CORRELAÇÃO

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

Leia mais

ANÁLISE EXPLORATÓRIA E ESTATÍSTICA DESCRITIVA

ANÁLISE EXPLORATÓRIA E ESTATÍSTICA DESCRITIVA ANÁLISE EXPLORATÓRIA E ESTATÍSTICA DESCRITIVA 014 Estatístca Descrtva e Análse Exploratóra Etapas ncas. Utlzadas para descrever e resumr os dados. A dsponbldade de uma grande quantdade de dados e de métodos

Leia mais

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

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

Leia mais

Análise Descritiva com Dados Agrupados

Análise Descritiva com Dados Agrupados Análse Descrtva com Dados Agrupados Em algumas stuações, os dados podem ser apresentados dretamente nas tabelas de frequêncas. Netas stuações devemos utlzar estratégas específcas para obter as meddas descrtvas

Leia mais

3ª AULA: ESTATÍSTICA DESCRITIVA Medidas Numéricas

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

Leia mais

CAPÍTULO 2 DESCRIÇÃO DE DADOS ESTATÍSTICA DESCRITIVA

CAPÍTULO 2 DESCRIÇÃO DE DADOS ESTATÍSTICA DESCRITIVA CAPÍTULO DESCRIÇÃO DE DADOS ESTATÍSTICA DESCRITIVA. A MÉDIA ARITMÉTICA OU PROMÉDIO Defnção: é gual a soma dos valores do grupo de dados dvdda pelo número de valores. X x Soma dos valores de x número de

Leia mais

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

Ao se calcular a média, moda e mediana, temos: Quanto mais os dados variam, menos representativa é a média. Estatístca Dscplna de Estatístca 0/ Curso de Admnstração em Gestão Públca Profª. Me. Valéra Espíndola Lessa e-mal: lessavalera@gmal.com Meddas de Dspersão Indcam se os dados estão, ou não, prómos uns dos

Leia mais

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

Ao se calcular a média, moda e mediana, temos: Quanto mais os dados variam, menos representativa é a média. Estatístca Dscplna de Estatístca 0/ Curso Superor de tecnólogo em Gestão Ambental Profª. Me. Valéra Espíndola Lessa e-mal: lessavalera@gmal.com Meddas de Dspersão Indcam se os dados estão, ou não, prómos

Leia mais

7 - Distribuição de Freqüências

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

Leia mais

Capítulo 2 Estatística Descritiva Continuação. Prof. Fabrício Maciel Gomes

Capítulo 2 Estatística Descritiva Continuação. Prof. Fabrício Maciel Gomes Capítulo Estatístca Descrtva Contnuação Prof. Fabríco Macel Gomes Problema Uma peça após fundda sob pressão a alta temperatura recebe um furo com dâmetro especfcado em 1,00 mm e tolerânca de 0,5 mm: (11,75

Leia mais

4 Critérios para Avaliação dos Cenários

4 Critérios para Avaliação dos Cenários Crtéros para Avalação dos Cenáros É desejável que um modelo de geração de séres sntétcas preserve as prncpas característcas da sére hstórca. Isto quer dzer que a utldade de um modelo pode ser verfcada

Leia mais

5.1 Seleção dos melhores regressores univariados (modelo de Índice de Difusão univariado)

5.1 Seleção dos melhores regressores univariados (modelo de Índice de Difusão univariado) 5 Aplcação Neste capítulo será apresentada a parte empírca do estudo no qual serão avalados os prncpas regressores, um Modelo de Índce de Dfusão com o resultado dos melhores regressores (aqu chamado de

Leia mais

CURSO de ESTATÍSTICA Gabarito

CURSO de ESTATÍSTICA Gabarito UNIVERSIDADE FEDERAL FLUMINENSE TRANSFERÊNCIA o semestre letvo de 010 e 1 o semestre letvo de 011 CURSO de ESTATÍSTICA Gabarto INSTRUÇÕES AO CANDIDATO Verfque se este caderno contém: PROVA DE REDAÇÃO com

Leia mais

ESTATÍSTICA MULTIVARIADA 2º SEMESTRE 2010 / 11. EXERCÍCIOS PRÁTICOS - CADERNO 1 Revisões de Estatística

ESTATÍSTICA MULTIVARIADA 2º SEMESTRE 2010 / 11. EXERCÍCIOS PRÁTICOS - CADERNO 1 Revisões de Estatística ESTATÍSTICA MULTIVARIADA º SEMESTRE 010 / 11 EXERCÍCIOS PRÁTICOS - CADERNO 1 Revsões de Estatístca -0-11 1.1 1.1. (Varáves aleatóras: função de densdade e de dstrbução; Méda e Varânca enquanto expectatvas

Leia mais

FAAP APRESENTAÇÃO (1)

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

Leia mais

ANÁLISE EXPLORATÓRIA DE DADOS

ANÁLISE EXPLORATÓRIA DE DADOS CENTRO DE CIÊNCIAS EXATAS CCE DEPARTAMENTO DE ESTATÍSTICA Curso de Especalzação Lato Sensu em Estatístca ANÁLISE EXPLORATÓRIA DE DADOS Professor: Dr. Waldr Medr medr@uel.br Londrna/Pr Março de 011 ÍNDICE

Leia mais

ANÁLISE EXPLORATÓRIA E ESTATÍSTICA DESCRITIVA

ANÁLISE EXPLORATÓRIA E ESTATÍSTICA DESCRITIVA ANÁLISE EXPLORATÓRIA E ESTATÍSTICA DESCRITIVA 014 Estatístca Descrtva e Análse Exploratóra Etapas ncas. Utlzadas para descrever e resumr os dados. A dsponbldade de uma grande quantdade de dados e de métodos

Leia mais

Análise de Regressão

Análise de Regressão Análse de Regressão método estatístco que utlza relação entre duas ou mas varáves de modo que uma varável pode ser estmada (ou predta) a partr da outra ou das outras Neter, J. et al. Appled Lnear Statstcal

Leia mais

8 - Medidas Descritivas

8 - Medidas Descritivas 8 - Meddas Descrtvas 8. Introdução Ao descrevemos um conjunto de dados por meo de tabelas e gráfcos temos muto mas nformações sobre o comportamento de uma varável do que a própra sére orgnal de dados.

Leia mais

1. ANÁLISE EXPLORATÓRIA E ESTATÍSTICA DESCRITIVA

1. ANÁLISE EXPLORATÓRIA E ESTATÍSTICA DESCRITIVA 1. ANÁLISE EXPLORATÓRIA E ESTATÍSTICA DESCRITIVA 014 Estatístca Descrtva e Análse Exploratóra Etapas ncas. Utlzadas para descrever e resumr os dados. A dsponbldade de uma grande quantdade de dados e de

Leia mais

Variável discreta: X = número de divórcios por indivíduo

Variável discreta: X = número de divórcios por indivíduo 5. Análse descrtva com dados agrupados Em algumas stuações, os dados podem ser apresentados dretamente nas tabelas de frequêncas. Netas stuações devemos utlzar estratégas específcas para obter as meddas

Leia mais

Regressão e Correlação Linear

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

Leia mais

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

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

Leia mais

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

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

Leia mais

NOÇÕES SOBRE CORRELAÇÃO E REGRESSÃO LINEAR SIMPLES

NOÇÕES SOBRE CORRELAÇÃO E REGRESSÃO LINEAR SIMPLES NOÇÕES SOBRE CORRELAÇÃO E REGRESSÃO LINEAR SIMPLES 1 O nosso objetvo é estudar a relação entre duas varáves quanttatvas. Eemplos:. Idade e altura das cranças.. v. Tempo de prátca de esportes e rtmo cardíaco

Leia mais

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

AULA 4. Segundo Quartil ( Q observações são menores que ele e 50% são maiores. Estatístca Aplcada à Engenhara AULA 4 UNAMA - Unversdade da Amazôna.8 MEDIDA EPARATRIZE ão valores que separam o rol (os dados ordenados) em quatro (quarts), dez (decs) ou em cem (percents) partes guas.

Leia mais

CAPÍTULO 2 - Estatística Descritiva

CAPÍTULO 2 - Estatística Descritiva INF 16 Prof. Luz Alexandre Peternell CAPÍTULO - Estatístca Descrtva Exercícos Propostos 1) Consderando os dados amostras abaxo, calcular: méda artmétca, varânca, desvo padrão, erro padrão da méda e coefcente

Leia mais

2ª Atividade Formativa UC ECS

2ª Atividade Formativa UC ECS I. Explque quando é que a méda conduz a melhores resultados que a medana. Dê um exemplo para a melhor utlzação de cada uma das meddas de localzação (Exame 01/09/2009). II. Suponha que um professor fez

Leia mais

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

CONCEITOS INICIAIS DE ESTATÍSTICA MÓDULO 2 DISTRIBUIÇÃO DE FREQÜÊNCIA - ELEMENTOS Prof. Rogério Rodrigues CONCEITOS INICIAIS DE ESTATÍSTICA MÓDULO DISTRIBUIÇÃO DE FREQÜÊNCIA - ELEMENTOS Prof. Rogéro Rodrgues I) TABELA PRIMITIVA E DISTRIBUIÇÃO DE FREQÜÊNCIA : No processo de amostragem, a forma de regstro mas

Leia mais

3. Estatística descritiva bidimensional

3. Estatística descritiva bidimensional 3. Estatístca descrtva bdmensonal (Tabelas, Gráfcos e números) Análse bvarada (ou bdmensonal): avala o comportamento de uma varável em função da outra, por exemplo: Quantas TV Phlps são venddas na regão

Leia mais

Os modelos de regressão paramétricos vistos anteriormente exigem que se suponha uma distribuição estatística para o tempo de sobrevivência.

Os modelos de regressão paramétricos vistos anteriormente exigem que se suponha uma distribuição estatística para o tempo de sobrevivência. MODELO DE REGRESSÃO DE COX Os modelos de regressão paramétrcos vstos anterormente exgem que se suponha uma dstrbução estatístca para o tempo de sobrevvênca. Contudo esta suposção, caso não sea adequada,

Leia mais

1. ANÁLISE EXPLORATÓRIA E ESTATÍSTICA DESCRITIVA

1. ANÁLISE EXPLORATÓRIA E ESTATÍSTICA DESCRITIVA 1. ANÁLISE EXPLORATÓRIA E ESTATÍSTICA DESCRITIVA 011 Estatístca Descrtva e Análse Exploratóra Etapas ncas. Utlzadas para descrever e resumr os dados. A dsponbldade de uma grande quantdade de dados e de

Leia mais

Sistemas de Filas: Aula 5. Amedeo R. Odoni 22 de outubro de 2001

Sistemas de Filas: Aula 5. Amedeo R. Odoni 22 de outubro de 2001 Sstemas de Flas: Aula 5 Amedeo R. Odon 22 de outubro de 2001 Teste 1: 29 de outubro Com consulta, 85 mnutos (níco 10:30) Tópcos abordados: capítulo 4, tens 4.1 a 4.7; tem 4.9 (uma olhada rápda no tem 4.9.4)

Leia mais

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

Medidas de Dispersão e Assimetria Desvio Médio Variância Desvio Padrão Medidas de Assimetria Coeficiente de Assimetria Exemplos. Meddas de Dspersão e Assmetra Desvo Médo Varânca Desvo Padrão Meddas de Assmetra Coefcente de Assmetra Exemplos lde 1 de 16 Meddas de Dspersão - Méda ervem para verfcação e representatvdade das meddas

Leia mais

4.1. Medidas de Posição da amostra: média, mediana e moda

4.1. Medidas de Posição da amostra: média, mediana e moda 4. Meddas descrtva para dados quanttatvos 4.1. Meddas de Posção da amostra: méda, medana e moda Consdere uma amostra com n observações: x 1, x,..., x n. a) Méda: (ou méda artmétca) é representada por x

Leia mais

Estatística Experimental Medicina Veterinária. Faculadade de Ciências Agrárias e Veterinárias. Campus de Jaboticabal SP. Gener Tadeu Pereira

Estatística Experimental Medicina Veterinária. Faculadade de Ciências Agrárias e Veterinárias. Campus de Jaboticabal SP. Gener Tadeu Pereira MATERIAL DIDÁTICO Medcna Veternára Faculadade de Cêncas Agráras e Veternáras Campus de Jabotcabal SP Gener Tadeu Perera º SEMESTRE DE 04 ÍNDICE INTRODUÇÃO AO R AULA ESTATÍSTICA DESCRITIVA 3 º EXERCÍCIO

Leia mais

Programa do Curso. Sistemas Inteligentes Aplicados. Análise e Seleção de Variáveis. Análise e Seleção de Variáveis. Carlos Hall

Programa do Curso. Sistemas Inteligentes Aplicados. Análise e Seleção de Variáveis. Análise e Seleção de Variáveis. Carlos Hall Sstemas Intelgentes Aplcados Carlos Hall Programa do Curso Lmpeza/Integração de Dados Transformação de Dados Dscretzação de Varáves Contínuas Transformação de Varáves Dscretas em Contínuas Transformação

Leia mais

CORRELAÇÃO E REGRESSÃO

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

Leia mais

Associação entre duas variáveis quantitativas

Associação entre duas variáveis quantitativas Exemplo O departamento de RH de uma empresa deseja avalar a efcáca dos testes aplcados para a seleção de funconáros. Para tanto, fo sorteada uma amostra aleatóra de 50 funconáros que fazem parte da empresa

Leia mais

2. VARIÁVEIS ALEATÓRIAS

2. VARIÁVEIS ALEATÓRIAS VARIÁVEIS ALEATÓRIAS 0 Varável aleatóra Ω é o espaço amostral de um epermento aleatóro Uma varável aleatóra é uma função que atrbu um número real a cada resultado em Ω Eemplo Retra- ao acaso um tem produzdo

Leia mais

MEDIDAS DE TENDÊNCIA CENTRAL

MEDIDAS DE TENDÊNCIA CENTRAL 3.1- Introdução. ESTATÍSTICA MEDIDAS DE TENDÊNCIA CENTRAL Como na representação tabular e gráfca dos dados a Estatístca Descrtva consste num conjunto de métodos que ensnam a reduzr uma quantdade de dados

Leia mais

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

www.obconcursos.com.br/portal/v1/carreirafiscal www.obconcursos.com.br/portal/v1/carrerafscal Moda Exercíco: Determne o valor modal em cada um dos conjuntos de dados a segur: X: { 3, 4,, 8, 8, 8, 9, 10, 11, 1, 13 } Mo 8 Y: { 10, 11, 11, 13, 13, 13,

Leia mais

(c) 0,5; 9,5; -10,5; -0,5; 12,3; 2,3; etc. Ocorre desvio alto para o indivíduo 19 (-19,5) X (idade da casa)

(c) 0,5; 9,5; -10,5; -0,5; 12,3; 2,3; etc. Ocorre desvio alto para o indivíduo 19 (-19,5) X (idade da casa) Bussab&Morettn Estatístca Básca Capítulo 6 Problema zˆ,5, 55x αˆ : a acudade vsual méda estmada para recém-nascdos (zero anos de dade) é,5; βˆ : a acudade vsual méda estmada dmnu,55 a cada ano,5; 9,5;

Leia mais

Análise Exploratória de Dados

Análise Exploratória de Dados Análse Exploratóra de Dados Objetvos Análse de duas varáves quanttatvas: obter uma reta que se ajuste aos dados segundo o crtéro de mínmos quadrados; apresentar outros crtéros para a determnação de uma

Leia mais

3 Metodologia de Avaliação da Relação entre o Custo Operacional e o Preço do Óleo

3 Metodologia de Avaliação da Relação entre o Custo Operacional e o Preço do Óleo 3 Metodologa de Avalação da Relação entre o Custo Operaconal e o Preço do Óleo Este capítulo tem como objetvo apresentar a metodologa que será empregada nesta pesqusa para avalar a dependênca entre duas

Leia mais

O problema da superdispersão na análise de dados de contagens

O problema da superdispersão na análise de dados de contagens O problema da superdspersão na análse de dados de contagens 1 Uma das restrções mpostas pelas dstrbuções bnomal e Posson, aplcadas usualmente na análse de dados dscretos, é que o parâmetro de dspersão

Leia mais

Introdução à Análise de Dados nas medidas de grandezas físicas

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

Leia mais

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

FICHA de AVALIAÇÃO de MATEMÁTICA A 10.º Ano Versão 4 FICHA de AVALIAÇÃO de MATEMÁTICA A 10.º Ano Versão 4 Nome Nº Turma: Data: / / Professor 10.º Ano Classfcação Apresente o seu racocíno de forma clara, ndcando todos os cálculos que tver de efetuar e todas

Leia mais

Caderno de Exercícios Resolvidos

Caderno de Exercícios Resolvidos Estatístca Descrtva Exercíco 1. Caderno de Exercícos Resolvdos A fgura segunte representa, através de um polígono ntegral, a dstrbução do rendmento nas famílas dos alunos de duas turmas. 1,,75 Turma B

Leia mais

Análise Exploratória de Dados

Análise Exploratória de Dados Análse Exploratóra de Dados Objetvos Análse de duas varáves quanttatvas: traçar dagramas de dspersão, para avalar possíves relações entre as duas varáves; calcular o coefcente de correlação entre as duas

Leia mais

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

FICHA de AVALIAÇÃO de MATEMÁTICA A 10.º Ano Versão 2 FICHA de AVALIAÇÃO de MATEMÁTICA A 10.º Ano Versão 2 Nome Nº Turma: Data: / / Professor 10.º Ano Classfcação Apresente o seu racocíno de forma clara, ndcando todos os cálculos que tver de efetuar e todas

Leia mais

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

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

Leia mais

Economia Industrial. Prof. Marcelo Matos. Aula 7

Economia Industrial. Prof. Marcelo Matos. Aula 7 Economa Industral Prof. Marcelo Matos Aula 7 Concentração de Mercado Resende e Boff [cap 5 de K&H, 2013]; Ferguson e Ferguson cap.3; Meddas de Concentração: característcas Possbldade de classfcar meddas

Leia mais

CURSO ON-LINE PROFESSOR: VÍTOR MENEZES

CURSO ON-LINE PROFESSOR: VÍTOR MENEZES O Danel Slvera pedu para eu resolver mas questões do concurso da CEF. Vou usar como base a numeração do caderno foxtrot Vamos lá: 9) Se, ao descontar uma promssóra com valor de face de R$ 5.000,00, seu

Leia mais

Métodos Avançados em Epidemiologia

Métodos Avançados em Epidemiologia Unversdade Federal de Mnas Geras Insttuto de Cêncas Exatas Departamento de Estatístca Métodos Avançados em Epdemologa Aula 5-1 Regressão Lnear Smples: Estmação e Interpretação da Reta Tabela ANOVA e R

Leia mais

Estatística II Antonio Roque Aula 18. Regressão Linear

Estatística II Antonio Roque Aula 18. Regressão Linear Estatístca II Antono Roque Aula 18 Regressão Lnear Quando se consderam duas varáves aleatóras ao mesmo tempo, X e Y, as técncas estatístcas aplcadas são as de regressão e correlação. As duas técncas estão

Leia mais

Aplicando o método de mínimos quadrados ordinários, você encontrou o seguinte resultado: 1,2

Aplicando o método de mínimos quadrados ordinários, você encontrou o seguinte resultado: 1,2 Econometra - Lsta 3 - Regressão Lnear Múltpla Professores: Hedbert Lopes, Prscla Rbero e Sérgo Martns Montores: Gustavo Amarante e João Marcos Nusdeo QUESTÃO 1. Você trabalha na consultora Fazemos Qualquer

Leia mais

CQ110 : Princípios de FQ

CQ110 : Princípios de FQ CQ110 : Prncípos de FQ CQ 110 Prncípos de Físco Químca Curso: Farmáca Prof. Dr. Marco Vdott mvdott@ufpr.br Potencal químco, m potencal químco CQ110 : Prncípos de FQ Propredades termodnâmcas das soluções

Leia mais

AEP FISCAL ESTATÍSTICA

AEP FISCAL ESTATÍSTICA AEP FISCAL ESTATÍSTICA Módulo 11: Varáves Aleatóras (webercampos@gmal.com) VARIÁVEIS ALEATÓRIAS 1. Conceto de Varáves Aleatóras Exemplo: O expermento consste no lançamento de duas moedas: X: nº de caras

Leia mais

x Ex: A tabela abaixo refere-se às notas finais de três turmas de estudantes. Calcular a média de cada turma:

x Ex: A tabela abaixo refere-se às notas finais de três turmas de estudantes. Calcular a média de cada turma: Professora Janete Perera Amador 1 8 Meddas Descrtvas Vmos anterormente que um conjunto de dados pode ser resumdo através de uma dstrbução de freqüêncas, e que esta pode ser representada através de uma

Leia mais

PROVA DE MATEMÁTICA DO VESTIBULAR 2013 DA UNICAMP-FASE 1. RESOLUÇÃO: PROFA. MARIA ANTÔNIA C. GOUVEIA

PROVA DE MATEMÁTICA DO VESTIBULAR 2013 DA UNICAMP-FASE 1. RESOLUÇÃO: PROFA. MARIA ANTÔNIA C. GOUVEIA PROVA DE MATEMÁTICA DO VESTIBULAR 03 DA UNICAMP-FASE. PROFA. MARIA ANTÔNIA C. GOUVEIA QUESTÃO 37 A fgura abaxo exbe, em porcentagem, a prevsão da oferta de energa no Brasl em 030, segundo o Plano Naconal

Leia mais

Termo-Estatística Licenciatura: 4ª Aula (08/03/2013)

Termo-Estatística Licenciatura: 4ª Aula (08/03/2013) Termo-Estatístca Lcencatura: 4ª Aula (08/03/013) Prof. Alvaro Vannucc RELEMBRADO Dstrbução dscreta (hstogramas) x contínua (curvas de dstrbução): Dada uma Função de Dstrbução de Densdade de Probabldade,

Leia mais

ANÁLISE EXPLORATÓRIA E ESTATÍSTICA DESCRITIVA

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

Leia mais

RISCO. Investimento inicial $ $ Taxa de retorno anual Pessimista 13% 7% Mais provável 15% 15% Otimista 17% 23% Faixa 4% 16%

RISCO. Investimento inicial $ $ Taxa de retorno anual Pessimista 13% 7% Mais provável 15% 15% Otimista 17% 23% Faixa 4% 16% Análse de Rsco 1 RISCO Rsco possbldade de perda. Quanto maor a possbldade, maor o rsco. Exemplo: Empresa X va receber $ 1.000 de uros em 30 das com títulos do governo. A empresa Y pode receber entre $

Leia mais

Medidas de Tendência Central. Prof.: Ademilson Teixeira

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

Leia mais

CAPÍTULO VI Introdução ao Método de Elementos Finitos (MEF)

CAPÍTULO VI Introdução ao Método de Elementos Finitos (MEF) PMR 40 - Mecânca Computaconal CAPÍTULO VI Introdução ao Método de Elementos Fntos (MEF). Formulação Teórca - MEF em uma dmensão Consderemos a equação abao que representa a dstrbução de temperatura na barra

Leia mais

CONCEITOS BÁSICOS. Podemos assim caracterizar três áreas de interesse (ramos) da Estatística: Estatística Inferencial ESTATÍSTICA

CONCEITOS BÁSICOS. Podemos assim caracterizar três áreas de interesse (ramos) da Estatística: Estatística Inferencial ESTATÍSTICA 1 Estatístca CONCEITOS BÁSICOS 6 É uma metodologa ou conjunto de técncas que utlza a coleta de dados, sua classfcação, sua apresentação ou representação, sua análse e sua nterpretação vsando a sua utlzação

Leia mais

NOTA II TABELAS E GRÁFICOS

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

Leia mais

Prof. Lorí Viali, Dr.

Prof. Lorí Viali, Dr. Prof. Lorí Val, Dr. val@mat.ufrgs.br http://www.mat.ufrgs.br/~val É o grau de assocação entre duas ou mas varáves. Pode ser: correlaconal ou expermental. Prof. Lorí Val, Dr. UFRGS Insttuto de Matemátca

Leia mais

1. CORRELAÇÃO E REGRESSÃO LINEAR

1. CORRELAÇÃO E REGRESSÃO LINEAR 1 CORRELAÇÃO E REGREÃO LINEAR Quando deseja-se estudar se exste relação entre duas varáves quanttatvas, pode-se utlzar a ferramenta estatístca da Correlação Lnear mples de Pearson Quando essa correlação

Leia mais

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

FICHA de AVALIAÇÃO de MATEMÁTICA A 10.º Ano Versão 1 FICHA de AVALIAÇÃO de MATEMÁTICA A 10.º Ano Versão 1 Nome Nº Turma: Data: / / Professor 10.º Ano Classfcação Apresente o seu racocíno de forma clara, ndcando todos os cálculos que tver de efetuar e todas

Leia mais

O problema da superdispersão na análise de dados de contagens

O problema da superdispersão na análise de dados de contagens O problema da superdspersão na análse de dados de contagens 1 Uma das restrções mpostas pelas dstrbuções bnomal e Posson, aplcadas usualmente na análse de dados dscretos, é que o parâmetro de dspersão

Leia mais

Prof. Lorí Viali, Dr.

Prof. Lorí Viali, Dr. Prof. Lorí Val, Dr. val@mat.ufrgs.br http://www.mat.ufrgs.br/~val/ 1 É o grau de assocação entre duas ou mas varáves. Pode ser: correlaconal ou expermental. Numa relação expermental os valores de uma das

Leia mais

UNIVERSIDADE NOVA DE LISBOA Faculdade de Economia Análise de Dados e Probabilidade 2º Semestre 2008/2009 Exame Final 1ª Época. Grupo I (4 Valores)

UNIVERSIDADE NOVA DE LISBOA Faculdade de Economia Análise de Dados e Probabilidade 2º Semestre 2008/2009 Exame Final 1ª Época. Grupo I (4 Valores) UNIVERSIDADE NOVA DE LISBOA Faculdade de Economa Análse de Dados e Probabldade º Semestre 008/009 Exame Fnal ª Época Clara Costa Duarte Data: 8/05/009 Graça Slva Duração: h0 Grupo I (4 Valores) A gelatara

Leia mais

Contabilometria. Aula 8 Regressão Linear Simples

Contabilometria. Aula 8 Regressão Linear Simples Contalometra Aula 8 Regressão Lnear Smples Orgem hstórca do termo Regressão Le da Regressão Unversal de Galton 1885 Galton verfcou que, apesar da tendênca de que pas altos tvessem flhos altos e pas axos

Leia mais

Capítulo 1. Exercício 5. Capítulo 2 Exercício

Capítulo 1. Exercício 5. Capítulo 2 Exercício UNIVERSIDADE FEDERAL DE GOIÁS CIÊNCIAS ECONÔMICAS ECONOMETRIA (04-II) PRIMEIRA LISTA DE EXERCÍCIOS Exercícos do Gujarat Exercíco 5 Capítulo Capítulo Exercíco 3 4 5 7 0 5 Capítulo 3 As duas prmeras demonstrações

Leia mais

Neste capítulo abordam-se os principais conceitos relacionados com os cálculos de estatísticas, histogramas e correlação entre imagens digitais.

Neste capítulo abordam-se os principais conceitos relacionados com os cálculos de estatísticas, histogramas e correlação entre imagens digitais. 1 1Imagem Dgtal: Estatístcas INTRODUÇÃO Neste capítulo abordam-se os prncpas concetos relaconados com os cálculos de estatístcas, hstogramas e correlação entre magens dgtas. 4.1. VALOR MÉDIO, VARIÂNCIA,

Leia mais

X = 1, se ocorre : VB ou BV (vermelha e branca ou branca e vermelha)

X = 1, se ocorre : VB ou BV (vermelha e branca ou branca e vermelha) Estatístca p/ Admnstração II - Profª Ana Cláuda Melo Undade : Probabldade Aula: 3 Varável Aleatóra. Varáves Aleatóras Ao descrever um espaço amostral de um expermento, não especfcamos que um resultado

Leia mais

Rastreando Algoritmos

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

Leia mais

Fast Multiresolution Image Querying

Fast Multiresolution Image Querying Fast Multresoluton Image Queryng Baseado no artgo proposto por: Charles E. Jacobs Adan Fnkelsten Davd H. Salesn Propõe um método para busca em um banco de dados de magem utlzando uma magem de consulta

Leia mais

PARTE 1. 1. Apresente as equações que descrevem o comportamento do preço de venda dos imóveis.

PARTE 1. 1. Apresente as equações que descrevem o comportamento do preço de venda dos imóveis. EXERCICIOS AVALIATIVOS Dscplna: ECONOMETRIA Data lmte para entrega: da da 3ª prova Valor: 7 pontos INSTRUÇÕES: O trabalho é ndvdual. A dscussão das questões pode ser feta em grupo, mas cada aluno deve

Leia mais

UMA AVALIAÇÃO DOS RESULTADOS DOS PROGRAMAS DE COMBATE AO ANALFABETISMO NO BRASIL

UMA AVALIAÇÃO DOS RESULTADOS DOS PROGRAMAS DE COMBATE AO ANALFABETISMO NO BRASIL UMA AVALIAÇÃO DOS RESULTADOS DOS PROGRAMAS DE COMBATE AO ANALFABETISMO NO BRASIL Área 11 - Economa Socal e Demografa Econômca Classfcação JEL: I28, H52, C35. André Olvera Ferrera Lourero Insttuto de Pesqusa

Leia mais

Estatística I Licenciatura MAEG 2006/07

Estatística I Licenciatura MAEG 2006/07 Estatístca I Lcencatura MAEG 006/07 AMOSTRAGEM. DISTRIBUIÇÕES POR AMOSTRAGEM.. Em determnada unversdade verfca-se que 30% dos alunos têm carro. Seleccona-se uma amostra casual smples de 0 alunos. a) Qual

Leia mais

Livro Eletrônico Aula 00 Noções de Estatística p/ ANTAQ - Especialista / Técnico em Regulação (com videoaulas)

Livro Eletrônico Aula 00 Noções de Estatística p/ ANTAQ - Especialista / Técnico em Regulação (com videoaulas) Lvro Eletrônco Aula 00 Noções de Estatístca p/ ANTAQ - Especalsta / Técnco em Regulação (com vdeoaulas) Professor: Arthur Lma ! AULA 00 (demonstratva) SUMÁRIO PÁGINA 1. Apresentação 01 2. Cronograma do

Leia mais

PROVA DE ESTATÍSTICA & PROBABILIDADES SELEÇÃO MESTRADO/UFMG 2010/2011

PROVA DE ESTATÍSTICA & PROBABILIDADES SELEÇÃO MESTRADO/UFMG 2010/2011 Instruções: PROVA DE ESTATÍSTICA & PROBABILIDADES SELEÇÃO MESTRADO/UFMG 00/0 Cada uestão respondda corretamente vale (um) ponto. Cada uestão respondda ncorretamente vale - (menos um) ponto. Cada uestão

Leia mais

Redução dos Dados. Júlio Osório. Medidas Características da Distribuição. Tendência Central (Localização) Variação (Dispersão) Forma

Redução dos Dados. Júlio Osório. Medidas Características da Distribuição. Tendência Central (Localização) Variação (Dispersão) Forma Redução dos Dados Júlo Osóro Meddas Característcas da Dstrbução Tendênca Central (Localzação) Varação (Dspersão) Forma 1 Meddas Característcas da Dstrbução Meddas Estatístcas Tendênca Central Dspersão

Leia mais

Prof. Lorí Viali, Dr.

Prof. Lorí Viali, Dr. Prof. Lorí Val, Dr. val@mat.ufrgs.br http://www.mat.ufrgs.br/~val/ É o grau de assocação entre duas ou mas varáves. Pode ser: correlaconal ou expermental. Prof. Lorí Val, Dr. UFRG Insttuto de Matemátca

Leia mais

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

FICHA de AVALIAÇÃO de MATEMÁTICA A 10.º Ano Versão 3 FICHA de AVALIAÇÃO de MATEMÁTICA A 10.º Ano Versão 3 Nome Nº Turma: Data: / / Professor 10.º Ano Classfcação Apresente o seu racocíno de forma clara, ndcando todos os cálculos que tver de efetuar e todas

Leia mais

III. Consequências de um novo padrão de inserção das mulheres no mercado de trabalho sobre o bem-estar na região metropolitana de São Paulo

III. Consequências de um novo padrão de inserção das mulheres no mercado de trabalho sobre o bem-estar na região metropolitana de São Paulo CEPAL - SERIE Polítcas socales N 60 III. Consequêncas de um novo padrão de nserção das mulheres no mercado de trabalho sobre o bem-estar na regão metropoltana de São Paulo A. Introdução Rcardo Paes de

Leia mais

Variabilidade Espacial do Teor de Água de um Argissolo sob Plantio Convencional de Feijão Irrigado

Variabilidade Espacial do Teor de Água de um Argissolo sob Plantio Convencional de Feijão Irrigado Varabldade Espacal do Teor de Água de um Argssolo sob Planto Convenconal de Fejão Irrgado Elder Sânzo Aguar Cerquera 1 Nerlson Terra Santos 2 Cásso Pnho dos Res 3 1 Introdução O uso da água na rrgação

Leia mais

2 Incerteza de medição

2 Incerteza de medição 2 Incerteza de medção Toda medção envolve ensaos, ajustes, condconamentos e a observação de ndcações em um nstrumento. Este conhecmento é utlzado para obter o valor de uma grandeza (mensurando) a partr

Leia mais