MAE116 Noções de Estatística
|
|
|
- Diego Branco Wagner
- 9 Há anos
- Visualizações:
Transcrição
1 Exercício 1 A Secretaria de Saúde de um muicípio vem realizado um programa educativo etre as gestates mostrado a importâcia da amametação. Para averiguar a eficácia do programa pretede-se realizar uma pesquisa para estimar a proporção p de mães que amametam o recém-ascido pelo meos até o terceiro mês de idade da criaça. Uma amostra de mães submetidas ao programa será acompahada até o bebê completar 90 dias. (a) (0,75) Qual deve ser o tamaho da amostra, para que o erro da estimativa de p seja de 0,07, com um ível de cofiaça de 0,92? Sabe-se que ε = 0,07 é o erro amostral e z é tal que P( z Z z) = 0,92 e Z~N(0,1). Assim, z é tal que A(z) = 0,96 z = 1,75. Portato, o tamaho da amostra é calculado por: = ( z 2 ε ) p(1 p) = ( 1,75 2 0,07 ) 0,25 = 156,25 O tamaho da amostra deve ser de 157 mães. (b) (0,75) Registros da Secretaria de Saúde mostram que essa proporção p é superior a 70%. Com essa iformação seria possível cosiderar em (a) uma amostra de tamaho meor? Se sim, de quato? Se ão, por quê? Sabe-se que p > 0,7; etão o valor máximo de p(1 p) = 0,7(1 0,7) = 0,21. Logo, reduzimos o valor da amostra para = ( z 2 ε ) p(1 p) = ( 1,75 2 0,07 ) 0,21 = 131,25 Com isso, = 132, coseguido uma dimiuição de =25 mães a serem amostradas. (c) (1,0) Por uma questão de limitação de tempo, cosiderou-se uma amostra de 60 mães, cujos períodos de amametação (em dias) estão apresetados a seguir. Para as mães que aida estavam amametado o fial do acompahameto foi atribuído o tempo de 90 dias Dê uma estimativa potual para p e, com base ela, costrua um itervalo de 92% de cofiaça para p. Qual é o erro amostral de sua estimativa? Seja X: o. De mães com período de amametação de pelo meos 90 dias. Etão temos que p = X = 43 = 0,72 é uma estimativa potual para p. 60 O itervalo de cofiaça para p, com cofiaça γ = 0,92(z = 1,75) é calculado por: p (1 p ) p (1 p ) IC(p, 92%) = [p z ; p + z ] = [0,72 1,75 0, ; 0,72 + 1,75 0, ] = = [0,72 0,1014; 0,72 + 0,1014] = [0,618; 0,821]; sedo o erro amostral da estimativa dado por ε = z p (1 p ) = 0,1014. Págia 1 de 6
2 Exercício 2 Em uma amostra aleatória de 80 de bebês ascidos pré-termo, a idade gestacioal média ao ascer foi x = 29,8 semaas e desvio padrão s = 3,6 semaas. (a) (1,0) Costrua um itervalo de cofiaça de 95% para a idade gestacioal média de bebês ascidos prétermo. Seja X: idade gestacioal de bebês ascidos pré-termo. Iteresse é estimar : idade média gestacioal de bebes ascidos pré-termo Como ão sabemos se X tem distribuição ormal, mas o tamaho da amostra é grade, usado o TCL, o IC para é calculado por: [x z s s ; x + z ] Temos x = 29,8; como γ = 0,95 etão z = 1,96; = 80, e s = 3,6. Assim, substituido os valores, temos: [29,8 1,96 3,6 3,6 ; 29,8 + 1,96 ] = [29,8 0,7888; 29,8 + 0,7888] = [29,01; 30,59]; sedo o erro amostral ε = z s = 0,7888. (b) (0,5) Qual é o comprimeto desse itervalo? O comprimeto do itervalo esta dado pela difereça etre o limite Superior e limite Iferior, logo o comprimeto é 1,58 semaas. (c) (1,0) Que tamaho de amostra seria ecessário para que o itervalo de cofiaça de 95% teha comprimeto de 2 semaas? Como ão cohecemos o valor do desvio padrão populacioal, admitimos que o desvio padrão amostral s esteja próximo do valor, de tal forma que o erro amostral cosiderado seja ε = z s Como Amplitude = 2 = Amplitude/2 = 1. Etão, = ( z e )2 s 2 = ( 1,96 1 )2 3,6 2 = 49,79 50 Logo o tamaho de amostra ecessário para que o itervalo de cofiaça de 95% teha comprimeto de 2 semaas é = 50 bebês. Exercício 3 Um professor deseja estimar a proporção p de aluos que coseguiram eteder de forma satisfatória o coteúdo miistrado de sua matéria, utilizado um ovo método de esio. Ele quer que essa proporção seja estimada com um erro de 0,04 e um ível de cofiaça de 0,92. (a) (1,0) Qual é o tamaho de amostra ecessário para ateder às exigêcias do professor? Págia 2 de 6
3 Como ão temos iformação a respeito de p, etão cosideramos p = 0,5; assim p(1 p) = 0,25; logo o tamaho da amostra é determiado por = ( z 2 ε ) p(1 p) = ( z 2 ε ) 0,25 Temos que ε = 0,04 é o erro amostral e z é tal que P( z Z z) = 0,92 e com Z~N(0,1). O que implica z=1,75. Portato, = ( 1,75 2 0,04 ) 0,25 = 478,51 O tamaho da amostra deve ser de 479 aluos. (b) (0,75) Que tamaho deveria ter a amostra supodo que p está etre 0,2 e 0,6? E supodo que p é meor que 0,2? Note que, se 0,2 p 0,6 o máximo valor de p(1 p) é 0,5 0,5 = 0,25 e este caso ão há redução em alteração o tamaho de. Logo = 479 aluos. Se p < 0,2; etão o máximo valor de p(1 p) é 0,2 0,8 = 0,16 e = ( 1,75 0,04 )2 0,16 = 306, aluos, produzido uma redução de =172 aluos. (c) (0,75) Tomada uma amostra de 120 estudates, 50 apresetaram bom desempeho em uma prova aplicada após dois meses de utilização do ovo método. Com base esses dados, determie um itervalo de cofiaça com coeficiete de cofiaça de 0,95 para p. Seja X: o. de estudates que apresetaram bom desempeho a prova aplicada após dois meses de utilização do ovo método. Etão temos que p = X = 50 = 0,417, γ = 0,95 z = 1,96; logo: IC(p, 95%) = [p z p (1 p ) ; p + z p (1 p ) 0,0882] = [0,3288; 0,5052], 120 ] = [0,417 1,96 0, ; 0, ,96 0,243] = [0,417 0,0882; 0, sedo o erro amostral dado por ε = z p (1 p ) = 0,0882. Exercício 4 Utilize o programa R, com istruções a seguir, para gerar 80 réplicas de uma distribuição biomial, com parâmetros = 90 e p = 0,75 (probabilidade de sucesso). Para cada réplica estima-se a probabilidade de sucesso e costrói-se o itervalo de cofiaça (Lim_if, Lim_sup), com = 0,90. O programa também forece o úmero de itervalos, detre os 100 gerados, que cotem o verdadeiro valor de p. Imprima os itervalos gerados. (a) (1,0) Assiale os itervalos que ão cotêm o verdadeiro valor de p. Quatos são eles? Cheque com o úmero forecido pelo programa. > cbid(p_sucesso,lim_if, Lim_sup) p_sucesso Lim_if Lim_sup [1,] [2,] [3,] [4,] Págia 3 de 6
4 [5,] [6,] * [7,] [8,] [9,] [10,] [11,] [12,] [13,] [14,] [15,] [16,] [17,] [18,] [19,] [20,] [21,] [22,] [23,] [24,] [25,] [26,] * [27,] [28,] [29,] [30,] [31,] [32,] [33,] [34,] * [35,] [36,] * [37,] [38,] * [39,] [40,] [41,] [42,] [43,] [44,] [45,] * [46,] [47,] [48,] [49,] [50,] [51,] [52,] [53,] [54,] * Págia 4 de 6
5 [55,] [56,] [57,] [58,] [59,] [60,] * [61,] [62,] [63,] [64,] * [65,] [66,] * [67,] [68,] [69,] [70,] [71,] [72,] * [73,] [74,] [75,] * [76,] [77,] [78,] * [79,] * [80,] MAE116 Noções de Estatística > aux1<- ifelse(lim_if< 0.75,1,0) > aux2<-ifelse(lim_sup< 0.75,1,0) > idicadora <-ifelse(aux1==aux2,1,0) > sum(idicadora) [1] 14 As replicas 6,26,34,36,38,45,54,60,64,66,72,75,78,79 ão cotem o verdadeiro valor de p, 14 itervalos. Cofere com o programa. (b) (0,75) Calcule a proporção de itervalos que cotêm o verdadeiro valor de p, detre os 80 gerados. Comete o resultado obtido. São 66 itervalos que cotem o verdadeiro valor de p, detre os 80 gerados. Etão a proporção de itervalos que cotem o verdadeiro valor de p é 66/80=0,825. O procedimeto para gerar itervalos com cofiaça de 90% produziu 82,5% de itervalos que cotiham o verdadeiro valor de p, aproximadamete igual ao ível de cofiaça. Págia 5 de 6
6 (c) (0,75) Repita o estudo de simulação para ites (b) e (c), cosiderado 1000 réplicas da distribuição biomial. Não é ecessário imprimir os 1000 IC gerados. Nota: faça a adaptação do programa, substituido o valor 80 por Das 1000 replicas geradas 100 ão cotiham o verdadeiro valor de p,quer dizer, 900 tiham o verdadeiro valor de p. A proporção de itervalos que cotiham o verdadeiro valor de p é de 0,90, este caso, igual ao valor esperado para itervalo de 90% de cofiaça. Observações: 1. Istruções começado por # são cometários; 2. As istruções de comados devem ser digitadas a tela Script Widow e, para serem executadas, clique em <Submit> (lado direito acima da tela Output Widow ); 3. Os resultados dos comados executados aparecerão a tela Output Widow. Programa o Rcdmr # para gerar 80 réplicas da biomial = 90, p = 0.75 _replicas<-80 replicas<- rbiom(_replicas,90,0.75) # para estimar a probabilidade de sucesso p_sucesso<- replicas/90 # para costruir Itervalo de 90% Cofiaça para cada réplica erro<-1.64*sqrt(p_sucesso*(1-p_sucesso)/90) Lim_if<-p_sucesso - erro Lim_sup<- p_sucesso+erro #para visualisar os resultados cbid(p_sucesso,lim_if, Lim_sup) # para cotar quatos IC ão cotem o verdadeiro valor 0,75 aux1<- ifelse(lim_if< 0.75,1,0) aux2<-ifelse(lim_sup< 0.75,1,0) idicadora <-ifelse(aux1==aux2,1,0) sum(idicadora) Págia 6 de 6
ESTIMAÇÃO DA PROPORÇÃO POPULACIONAL p
ESTIMAÇÃO DA PROPORÇÃO POPULACIONAL p Objetivo Estimar uma proporção p (descohecida) de elemetos em uma população, apresetado certa característica de iteresse, a partir da iformação forecida por uma amostra.
Cap. 4 - Estimação por Intervalo
Cap. 4 - Estimação por Itervalo Amostragem e iferêcia estatística População: cosiste a totalidade das observações em que estamos iteressados. Nº de observações a população é deomiado tamaho=n. Amostra:
Objetivo. Estimar a média de uma variável aleatória X, que representa uma característica de interesse de uma população, a partir de uma amostra.
Objetivo Estimar a média de uma variável aleatória X, que represeta uma característica de iteresse de uma população, a partir de uma amostra. Exemplos: : peso médio de homes a faixa etária de 20 a 30 aos,
Intervalos de Confiança
Itervalos de Cofiaça Prof. Adriao Medoça Souza, Dr. Departameto de Estatística - PPGEMQ / PPGEP - UFSM - 0/9/008 Estimação de Parâmetros O objetivo da Estatística é a realização de iferêcias acerca de
Capítulo 5- Introdução à Inferência estatística.
Capítulo 5- Itrodução à Iferêcia estatística. 1.1) Itrodução.(184) Na iferêcia estatística, aalisamos e iterpretamos amostras com o objetivo de tirar coclusões acerca da população de ode se extraiu a amostra.
Objetivo. Estimar a média µ de uma variável aleatória X, que representa uma característica de interesse de uma população, a partir de uma amostra.
ESTIMAÇÃO PARA A MÉDIAM Objetivo Estimar a média µ de uma variável aleatória X, que represeta uma característica de iteresse de uma população, a partir de uma amostra. Exemplos: µ : peso médio de homes
Teorema do Limite Central, distribuição amostral, estimação por ponto e intervalo de confiança
Teorema do Limite Cetral, distribuição amostral, estimação por poto e itervalo de cofiaça Prof. Marcos Pó Métodos Quatitativos para Ciêcias Sociais Distribuição amostral Duas amostrages iguais oriudas
MAE Introdução à Probabilidade e Estatística II Resolução Lista 2
MAE 9 - Itrodução à Probabilidade e Estatística II Resolução Lista Professor: Pedro Moretti Exercício 1 Deotado por Y a variável aleatória que represeta o comprimeto dos cilidros de aço, temos que Y N3,
Exame MACS- Inferência-Intervalos.
Exame MACS- Iferêcia-Itervalos. No iício deste capítulo, surgem algumas ideias que devemos ter presetes: O objectivo da iferêcia estatística é usar uma amostra e tirar coclusões para toda a população.
d) A partir do item c) encontre um estimador não viciado para σ 2.
Uiversidade de Brasília Departameto de Estatística 6 a Lista de PE 1 Seja X 1,, X ) uma AAS tal que EX i ) = µ e VarX i ) = σ 2 a) Ecotre EXi 2 ) e E X 2) b) Calcule EX i X) X i X) 2 c) Se T =, mostre
Avaliação de Desempenho de Sistemas Discretos
Distribuições Comus Avaliação de Desempeho de Sistemas Discretos Probabilidade e Estatística 2 Uiforme Normal Poisso Hipergeométrica Biomial Studet's Geométrica Logormal Expoecial Beta Gamma Qui-Quadrado
MAE 116 - Noções de Estatística Grupo A - 1 o semestre de 2014 Lista de exercício 8 - Aula 8 - Estimação para p - CASA
MAE 116 - Noções de Estatística Grupo A - 1 o semestre de 2014 Lista de exercício 8 - Aula 8 - Estimação para p - CASA 1. (2,5) Um provedor de acesso à iteret está moitorado a duração do tempo das coexões
A Inferência Estatística é um conjunto de técnicas que objetiva estudar a população através de evidências fornecidas por uma amostra.
UNIVERSIDADE FEDERAL DA PARAÍBA Distribuição Amostral Luiz Medeiros de Araujo Lima Filho Departameto de Estatística INTRODUÇÃO A Iferêcia Estatística é um cojuto de técicas que objetiva estudar a população
INTERVALOS DE CONFIANÇA
INTRVALOS D CONFIANÇA 014 stimação por itervalos 1,..., é uma amostra aleatória de uma variável cuja distribuição depede do parâmetro. Se L( 1,..., ) e U( 1,..., ) são duas fuções tais que L < U e P(L
MAE Introdução à Probabilidade e Estatística II Resolução Lista 1
MAE 229 - Itrodução à Probabilidade e Estatística II Resolução Lista 1 Professor: Pedro Moretti Exercício 1 (a) Fazer histograma usado os seguites dados: Distribuição de probabilidade da variável X: X
Grupo A - 1 semestre de 2012 Lista de exercícios 8 - Estimação C A S A (gabarito)
Exercício 1. (2 pontos). O Departamento de Trânsito do Estado de São Paulo pretende estimar a proporção p de veículos fabricados nos últimos dez anos e cadastrados no estado que estejam emitindo monóxido
ESTIMAÇÃO DE PARÂMETROS
ESTIMAÇÃO DE PARÂMETROS 1 Estimação de Parâmetros uiverso do estudo (população) dados observados O raciocíio idutivo da estimação de parâmetros Estimação de Parâmetros POPULAÇÃO p =? AMOSTRA Observações:
Revisando... Distribuição Amostral da Média
Estatística Aplicada II DISTRIBUIÇÃO AMOSTRAL MÉDIA AULA 08/08/16 Prof a Lilia M. Lima Cuha Agosto de 016 Revisado... Distribuição Amostral da Média Seja X uma v. a. de uma população com média µ e variâcia
UNIVERSIDADE FEDERAL DO PARANÁ SETOR DE CIÊNCIAS EXATAS DEPTO. DE ESTATÍSTICA LISTA 1-ESTATÍSTICA II (CE003)
UNIVERSIDADE FEDERAL DO PARANÁ SETOR DE CIÊNCIAS EXATAS DEPTO. DE ESTATÍSTICA LISTA -ESTATÍSTICA II (CE003) Prof. Beito Olivares Aguilera o Sem./6. Usado os dados da Tabela o Aexo (Seção Orçameto da MB),
Exercícios de Intervalos de Confiança para media, variância e proporção
Exercícios de Itervalos de Cofiaça para media, variâcia e proporção 1. Se uma amostra aleatória =5, tem uma média amostral de 51,3 e uma desvio padrão populacioal de σ=. Costrua o itervalo com 95% de cofiaça
Pedro Alberto Barbetta / Marcelo Menezes Reis / Antonio Cezar Bornia São Paulo: Atlas, 2004
Estatística para Cursos de Egeharia e Iformática Pedro Alberto Barbetta / Marcelo Meezes Reis / Atoio Cezar Boria São Paulo: Atlas, 004 Cap. 7 - DistribuiçõesAmostrais e Estimaçãode deparâmetros APOIO:
CAPÍTULO 6 - ESTIMAÇÃO E TESTES DE HIPÓTESES
CAPÍTULO 6 - ESTIMAÇÃO E TESTES DE HIPÓTESES 6. INTRODUÇÃO INFERÊNCIA ESTATÍSTICA Estimação por poto por itervalo Testes de Hipóteses População X θ =? Amostra θ Iferêcia Estatística X, X,..., X 6. ESTIMAÇÃO
Estatística. Estatística II - Administração. Prof. Dr. Marcelo Tavares. Distribuições de amostragem. Estatística Descritiva X Estatística Inferencial
Estatística II - Admiistração Prof. Dr. Marcelo Tavares Distribuições de amostragem Na iferêcia estatística vamos apresetar os argumetos estatísticos para fazer afirmações sobre as características de uma
Estimativa de Parâmetros
Estimativa de Parâmetros ENG09004 04/ Prof. Alexadre Pedott [email protected] Trabalho em Grupo Primeira Etrega: 7/0/04. Plao de Amostragem - Cotexto - Tipo de dado, frequêcia de coleta, quatidade
INFERÊNCIA. Fazer inferência (ou inferir) = tirar conclusões
INFERÊNCIA Fazer iferêcia (ou iferir) = tirar coclusões Iferêcia Estatística: cojuto de métodos de aálise estatística que permitem tirar coclusões sobre uma população com base em somete uma parte dela
Distribuições de Estatísticas Amostrais e Teorema Central do Limite
Distribuições de Estatísticas Amostrais e Teorema Cetral do Limite Vamos começar com um exemplo: A mega-sea de 996 a N 894 úmeros de a 6: Média: m 588 Desvio padrão: 756 49 amostras de 6 elemetos Frequêcia
Estimação por Intervalo (Intervalos de Confiança):
Estimação por Itervalo (Itervalos de Cofiaça): 1) Itervalo de Cofiaça para a Média Populacioal: Muitas vezes, para obter-se a verdadeira média populacioal ão compesa fazer um levatameto a 100% da população
4. Inferência Estatística Estimadores Pontuais
4. Iferêcia Estatística Estimadores Potuais 4.1. Itrodução Em lihas gerais, a Iferêcia Estatística objetiva estudar a população através de evidêcias forecidas pela amostra. É a amostra que cotém os elemetos
Mestrado Integrado em Engenharia Civil. Disciplina: TRANSPORTES. Sessão Prática 4: Amostragem
Mestrado Itegrado em Egeharia Civil Disciplia: TRNSPORTES Prof. Resposável: José Mauel Viegas Sessão Prática 4: mostragem Istituto Superior Técico / Mestrado Itegrado Egª Civil Trasportes ulas Práticas
10 - Medidas de Variabilidade ou de Dispersão
10 - Medidas de Variabilidade ou de Dispersão 10.1 Itrodução Localizado o cetro de uma distribuição de dados, o próximo passo será verificar a dispersão desses dados, buscado uma medida para essa dispersão.
Uma amostra aleatória simples de n elementos é selecionada a partir da população. Calcula-se o valor da média a partir da amostra
Distribuição amostral de Um dos procedimetos estatísticos mais comus é o uso de uma média da amostra ( ) para fazer iferêcias sobre uma população de média µ. Esse processo é apresetado a figura abaio.
CAPÍTULO 6 ESTIMATIVA DE PARÂMETROS PPGEP. Introdução. Introdução. Estimativa de Parâmetros UFRGS
CAPÍTULO 6 Itrodução Uma variável aleatória é caracterizada ou descrita pela sua distribuição de probabilidade. ETIMATIVA DE PARÂMETRO URG Em aplicações idustriais, as distribuições de probabilidade são
PROVA 1 27/10/ Os dados apresentados na seqüência mostram os resultados de colesterol
PROVA 1 7/10/009 Nome: GABARITO 1. Os dados apresetados a seqüêcia mostram os resultados de colesterol mg /100ml em dois grupos de aimais. O grupo A é formado por 10 total ( ) aimais submetidos a um cotrole
INTERVALO DE CONFIANÇA
INTERVALO DE CONFIANÇA Supoha que etejamo itereado um parâmetro populacioal verdadeiro (ma decohecido) θ. Podemo etimar o parâmetro θ uado iformação de oa amotra. Chamamo o úico úmero que repreeta o valor
Virgílio A. F. Almeida DCC-UFMG 1/2005
Virgílio A. F. Almeida DCC-UFMG 1/005 !" # Comparado quatitativamete sistemas eperimetais: Algoritmos, protótipos, modelos, etc Sigificado de uma amostra Itervalos de cofiaça Tomado decisões e comparado
Objetivo Estimar uma proporção p (desconhecida) de elementos uma população, apresentando certa característica de interesse, partir
Objetivo Estimar uma roorção (descohecida) de elemetos em uma oulação, aresetado certa característica de iteresse, a artir da iformação forecida or uma amostra. Exemlos: : roorção de aluos da USP que foram
UNIVERSIDADE FEDERAL DO PARANÁ SETOR DE CIÊNCIAS EXATAS DEPTO. DE ESTATÍSTICA LISTA 4 PROBABILIDADE A (CE068) Prof. Benito Olivares Aguilera
UNIVERSIDADE FEDERAL DO PARANÁ SETOR DE CIÊNCIAS EATAS DEPTO. DE ESTATÍSTICA LISTA 4 PROBABILIDADE A (CE068) Prof. Beito Olivares Aguilera 2 o Sem./09 1. Das variáveis abaixo descritas, assiale quais são
DISTRIBUIÇÃO AMOSTRAL E ESTIMAÇÃO PONTUAL INTRODUÇÃO ROTEIRO POPULAÇÃO E AMOSTRA. Estatística Aplicada à Engenharia
ROTEIRO DISTRIBUIÇÃO AMOSTRAL E ESTIMAÇÃO PONTUAL 1. Itrodução. Teorema Cetral do Limite 3. Coceitos de estimação potual 4. Métodos de estimação potual 5. Referêcias Estatística Aplicada à Egeharia 1 Estatística
ESTATÍSTICA NÃO-PARAMÉTRICA
ESTATÍSTICA NÃO-PARAMÉTRICA Prof. Dr. Edmilso Rodrigues Pito Faculdade de Matemática - UFU [email protected] 1 Programa Itrodução - Plao de curso, sistema de avaliação - Coceitos básicos de iferêcia
O teste de McNemar. A tabela 2x2. Depois - Antes
Prof. Lorí Viali, Dr. http://www.pucrs.br/famat/viali/ [email protected] O teste de McNemar O teste de McNemar para a sigificâcia de mudaças é particularmete aplicável aos experimetos do tipo "ates e depois"
Faculdade de Economia Universidade Nova de Lisboa ESTATÍSTICA. Exame Final 2ª Época 26 de Junho de Grupo I (3 valores)
Faculdade de Ecoomia Uiversidade Nova de Lisboa ESTATÍSTIA Exame Fial ª Época 6 de Juho de 00 Ateção:. Respoda a cada grupo em folhas separadas. Idetifique todas as folhas.. Todas as respostas devem ser
Distribuição Amostral da Média: Exemplos
Distribuição Amostral da Média: Eemplos Talvez a aplicação mais simples da distribuição amostral da média seja o cálculo da probabilidade de uma amostra ter média detro de certa faia de valores. Vamos
Métodos de Amostragem
Métodos de Amostragem Amostragem aleatória Este é o procedimeto mais usual para ivetários florestais e baseia-se o pressuposto de que todas as uidades amostrais têm a mesma chace de serem amostradas a
Romeu M agnani Marisa Veiga Capela INSTITUTO DE QUÍMICA UNESP ARARAQUARA
ESTATÍSTICA Romeu Magai Marisa Veiga Capela UNESP INSTITUTO DE QUÍMICA ARARAQUARA I. ESTATÍSTICA DESCRITIVA. INTRODUÇÃO A Estatística Descritiva trata da maeira de apresetar um cojuto de dados em tabelas
