Probabilidade nas Ciências da Saúde

Tamanho: px
Começar a partir da página:

Download "Probabilidade nas Ciências da Saúde"

Transcrição

1 UNIVERSIDDE ESTDUL DE GOIÁS Undade Unverstára de Cêncas Exatas e Tecnológcas Curso de Lcencatura em Matemátca robabldade nas Cêncas da Saúde Rafaela Fernandes da Slva Santos NÁOLIS 014

2 Rafaela Fernandes da Slva Santos robabldade nas Cêncas da Saúde Trabalho de Curso apresentado a Coordenação djunta de TC, como parte dos requstos para obtenção do título de Graduado no Curso de Lcencatura em Matemátca da Unversdade Estadual de Goás sob a orentação do rofessor Msc. Cleber Gugol Carrasco. NÁOLIS 014

3

4 DEDICTÓRI Dedco este trabalho aos meus pas, famlares, amgos e professores que sempre me apoaram.

5 GRDECIMENTOS gradeço prmeramente a Deus, por ter me abençoado nessa camnhada e me proteger a cada da. gradeço aos meus pas, Sérgo e Lúca por estarem ao meu lado e me apoando em todos os momentos da mnha graduação. mnha rmã, Carolne, que sempre servu de nspração para eu não desstr dos meus sonhos. E aos meus famlares e amgos. o professor Cleber, por ter tdo a pacênca e dedcação, e por ter me mostrado um lado dferente da robabldade, despertando em mm nteresse na área. gradeço ao Henrque, Deus o colocou em meu camnho e por ter sdo pacente e me apoado nessa reta fnal da unversdade. gradeço também a todos os professores que tve o prvlégo de convver todos esses anos. E aos meus colegas que já se formaram, em especal, a Lorrany, ao Edson e o Rafael, que foram muto mportantes nessa mnha vda acadêmca.

6 LIST DE TELS TEL 4.1: Esquema para verfcação de teste dagnóstco...3 TEL 4.: Resultado do teste em paralelo...8 TEL 4.3: Resultado do teste em sére...30 TEL 5.1: Exame do fator reumatode...3 TEL 5.: Valores do teste ELIS...33 TEL 5.3: Combnação em paralelo e em sére dos testes de ultrassom e tomografa...35

7 LIST DE FIGURS FIGUR.1: Exemplo de eventos mutuamente exclusvos...13 FIGUR.: Ilustração da probabldade condconal do evento dado o evento...16 FIGUR 3.1: artção do espaço amostral para três eventos...18 FIGUR 3.: Representação do evento no espaço amostral S...19

8 RESUMO Neste trabalho será apresentada uma avalação dos testes dagnóstcos aplcados na área da saúde. No prmero momento uma ntrodução sobre probabldade com enfoco nas defnções, regra da adção e ndependênca de eventos. Como segunda parte, será apresentado o teorema de ayes. osterormente, a avalação do teste dagnóstco, destacando as meddas, os valores predtvos e as combnações em paralelo e em sére. or últmo, utlzando o conhecmento adqurdo prevamente, serão apresentados exemplos de aplcações da metodologa adotada. alavras chave: robabldade, Teorema de ayes, Teste dagnóstco.

9 SUMÁRIO INTRODUÇÃO ROILIDDE Expermentos leatóros e Determnístcos Espaço mostral e Evento Eventos Mutuamente Exclusvos robabldades robabldade Clássca robabldade Frequentsta robabldade xomátca robabldade Subjetva Regra da dção de robabldades robabldade Condconal Independênca de Eventos TEOREM DE YES artção do Espaço mostral Regra da robabldade Total Teorema de ayes VLIÇÃO TESTE DIGNÓSTICO Meddas do Teste Dagnóstco Sensbldade e Especfcdade Valores redtvos Decsões Incorretas Combnação de Testes Dagnóstcos Combnação em aralelo Combnação em Sére EXEMLOS DE LICÇÃO Teste de Reumatsmo Teste de HIV Dagnóstco de Câncer ancreátco CONCLUSÃO ILIOGRFI...36

10 INTRODUÇÃO Um pacente faz exames para descobrr se possu certa doença, e o médco, baseado no resultado, dz que sm. Qual é a probabldade dos testes estarem certos e do pacente estar realmente doente? Testes dagnóstcos são utlzados para avalar patologas com um bom grau de precsão, utlzando apenas alguns exames VIEIR, 004. Esses testes apenas são precsos, porque eles exgem, além de análses clíncas, a compreensão de meddas que defnem a sua qualdade própra SORES, SIQUEIR, 00. É muto mportante estudar e entender as aplcações da probabldade relaconada às cêncas da saúde, em partcular, neste trabalho as probabldades assocadas à avalação da qualdade de testes dagnóstcos e suas combnações, e também quas são os passos para que eles sejam realzados. Não exste teste perfeto, aquele que com certeza absoluta determna a presença ou ausênca da doença. [...] Frequentemente, um únco teste não é o sufcente, e portanto devemos combnar dos ou mas testes. O deal sera que, para cada patologa, fossem determnados os testes a serem ncluídos no processo dagnóstco e a melhor forma de combná-los SORES, SIQUEIR, 00. O teste dagnóstco é consderado váldo somente quando seus valores atngem determnado valor, por causa dsso ele é capaz de dentfcar a doença. Ele só é realmente adotado na população quando feto em uma amostra com ndvíduos doentes e sados. Neste trabalho, serão apresentados e estudados a sensbldade do teste, que é a probabldade do teste ser postvo dado que a pessoa está doente, e a especfcdade do teste, sendo a probabldade do teste ser negatvo dado que o pacente não está doente. Será vsto também o valor predtvo postvo, que é a probabldade do pacente estar realmente doente quando o resultado do teste é postvo, e o valor predtvo negatvo, sendo esse a probabldade do pacente não estar doente dado que o exame deu negatvo. Duas decsões ncorretas também serão apresentadas, o falso postvo, que é a probabldade do teste dar postvo quando a pessoa não está doente, e o falso negatvo, que é a probabldade do teste dar negatvo quando a pessoa está doente. Dos tpos de combnação de testes dagnóstcos serão estudados, a combnação em paralelo, sendo utlzado em casos de emergênca, quando é consderada a presença da doença se

11 11 pelo menos um dos testes forem postvos, e a combnação em sére, sendo mas utlzada quando é necessáro mas tempo para o dagnóstco do pacente. Este trabalho está dvddo em cnco capítulos. No segundo capítulo será apresentada uma revsão sobre probabldade, com expermentos aleatóros e determnístcos, espaço amostral, eventos e as defnções de probabldade juntamente com a regra da adção, probabldade condconal e ndependênca de eventos. O tercero capítulo traz uma demonstração do teorema de ayes, a partção do espaço amostral e a regra da probabldade total. No quarto capítulo é apresentada a avalação do teste dagnóstco com as frequêncas, sensbldade e especfcdade, os valores predtvos e as combnações dos testes em paralelo e em sére. No últmo capítulo será utlzada a metodologa aplcada a exemplos numércos.

12 . ROILIDDE Neste capítulo são apresentadas as defnções de expermentos aleatóros e determnístcos e espaço amostral. São ntroduzdas também as defnções de probabldade clássca, frequentsta, axomátca e subjetva. lém dsso, serão apresentados os concetos de regra da adção, probabldade condconal, regra do produto e ndependênca de eventos..1. Expermentos leatóros e Determnístcos Expermentos aleatóros são expermentos que ao serem repetdos nas mesmas condções ncas não produzem os mesmos resultados, enquanto os expermentos determnístcos, levam ao mesmo resultado DNTS, 008. Como exemplo de expermento aleatóro pode ser consderado o resultado do teste do etlômetro ou bafômetro, dependendo do que o pacente ngeru o teste pode dar alterado ou normal, e já para o expermento determnístco, temos o exemplo clássco de que se aquecermos a água, sob pressão normal, a 100ºC ela entrará em ebulção... Espaço mostral e Evento Espaço amostral denotado por S é o conjunto de todos os resultados possíves de um expermento aleatóro MEYER, 1983, enquanto evento é qualquer subconjunto de resultados do expermento aleatóro. ara cada expermento realzado ocorrerá apenas um únco evento. Como exemplo, consdere o segunte expermento: Um teste é aplcado a três pacentes, onde o resultado classfca o pacente como tendo a doença D ou não D c, assm o espaço amostral é dado por, c c c c c c c c c c c c S { D1, D, D 3, D1, D, D 3, D1, D, D 3, D1, D, D 3, D1, D, D 3, D1, D, D 3, D1, D, D 3, D1, D, D 3 }. Um evento assocado a esse espaço amostral, podera ser, por exemplo: O evento : somente dos pacentes são classfcados como doentes pelo teste, assm o evento é dado por: c c c { D1, D, D3, D1, D, D3, D1, D, D3 }.

13 Eventos Mutuamente Exclusvos Dos eventos e são mutuamente exclusvos quando a ocorrênca de um exclu a ocorrênca do outro, por exemplo, o teste para confrmar a ocorrênca de uma doença só tem dos possíves resultados, postvo ou negatvo. ocorrênca de um desses eventos elmna a ocorrênca do outro, sto é, I φ. Fgura.1 lustra um evento mutuamente exclusvo: FIGUR.1: Exemplo de Eventos Mutuamente Exclusvos..3. robabldades Nessa seção serão apresentados quatro defnções de probabldade: clássca, frequentsta, subjetva e axomátca robabldade Clássca Seja S um espaço amostral com n eventos smples equprováves e um evento smples de S composto de m eventos smples. probabldade de ocorrer o evento, é defnda por DNTS, 008: m.1 n não ocorrênca do evento determnada por c poder ser calculada subtrando m de n, e dvdndo por n, assm tem-se:

14 14 n m c. n É fácl verfcar que c 1, pos: n m n m m c n n n n ssm, tem-se que c 1 e c 1 pos: c m n m m n m n 1 n n n n robabldade Frequentsta o repetr n vezes um expermento aleatóro, anota-se quantas vezes o evento assocado a esse expermento acontece. Seja n a quantdade de vezes que ocorre o evento nas n repetções, então a probabldade do evento ocorrer é dada por DNTS, 008: n.5 n.3.3. robabldade xomátca Dado um evento qualquer do espaço amostral S, a probabldade será defnda numa classe de eventos que satsfaz certas propredades a segur DNTS, 008: a 0 1; b S 1; c φ 0;

15 15 d c 1 - ; e U c S; f U n n 1 1, com os s mutuamente exclusvos robabldade Subjetva probabldade subjetva conta com a experênca de vda do ndvíduo que trabalha com o assunto quando analsa as característcas do expermento estudado. Desse modo, a probabldade poderá ser dferente em cada caso, para cada pessoa, em decorrênca das dstntas opnões ou conhecmento que cada uma tem sobre a ocorrênca do evento DNTS, 008. Como exemplo, tome um estudo de caso em que o médco usando a sua experênca profssonal, avala a probabldade de um ndvíduo estar com determnada doença. Um outro médco entretanto, também devdo a sua experênca, podera avalar para mas ou para menos essa probabldade..4. Regra da dção de robabldades Regra da adção é usada para calcular a probabldade da unão de eventos. Seja e quasquer eventos de S, então temos MGLHÃES, LIM, 008: U I.6 Observe que, se e forem eventos mutuamente exclusvos, temos: U.7 pos I φ e φ 0.

16 16.5. robabldade Condconal Dados dos eventos e, a probabldade de ocorrer dado que ocorreu, pode ser observada no Dagrama de Venn, da Fgura. onde, se o evento ocorrer, o evento ocorre somente se ocorrer a ntersecção entre eles, ou seja, se ocorrer. ssm temos que: I, desde que > 0..8 FIGUR.: Ilustração da probabldade condconal do evento dado o evento. Isolando-se a I em.8, tem-se um resultado consequênca da probabldade condconal, conhecda como regra do produto de probabldades, dada por: I.9.6. Independênca de Eventos Um evento é ndependente do evento, se a probabldade de ocorrer não é nfluencada pelo fato de ter ocorrdo ou não, ou seja MGLHÃES, LIM, 008:.10

17 17 ou anda, substtundo.10 em.9, temos: I.11

18 3. TEOREM DE YES Neste capítulo são apresentados os concetos de partção do espaço amostral, regra da probabldade total e o teorema de ayes artção do Espaço mostral Os eventos, 1,, 3, K n formam uma partção do espaço amostral, se eles forem mutuamente exclusvos e se sua unão for gual ao espaço amostral. Isto é MGLHÃES, LIM, 013: I φ para todo j e U n j 1 S para 1,,..., n. 3.1 Fgura 3.1 lustra um exemplo de uma partção com 3 eventos, onde, U S 1 U 3 e I I φ. 1 3 FIGUR 3.1: artção do espaço amostral para três eventos.

19 Regra da robabldade Total ara ntroduzr a regra da probabldade total, será consderado a prncípo um caso partcular para três eventos 1,, 3 que formam uma partção de S. Consdere também, como um evento qualquer de S. ssm pode-se escrever I U I U I conforme mostra a Fgura FIGUR 3.: Representação do evento no espaço amostral S. Logo a probabldade do evento ocorrer pode ser dada por: I U I U I que, Como os eventos I 1, I e I 3 são mutuamente exclusvos, tem-se I I I Dessa forma, pela regra do produto.9 tem-se: Como caso geral da regra da probabldade total, consdere 1,, 3,..., n, eventos da partção do espaço amostral S e seja um evento qualquer de S, temos MORETTIN, 01:

20 0 n Demonstração: Os eventos I e j I, para j, 1,,..., n e j 1,,..., n, são mutuamente exclusvos, pos: φ φ I I I I I I j j 3.6 Observe em 3.6 que φ j I, pos os eventos s, formam uma partção do espaço amostral S. O evento pode ser escrto como: n I U U I U I U I 3.7 assm, 3 1 n I K I I I 3.8 Usando a regra do produto.9, temos: 1 1 n n K 3.9 portanto, n

21 Teorema de ayes Seja n,...,, 1 uma partção do espaço amostral S e um evento qualquer do espaço amostral S, e seja conhecdas e para 1,,..., n, então a probabldade de ocorrer um dos eventos dado que ocorreu o evento é dada por DNTS, 008: 1 1 n n K 3.11 ou n Demonstração: ela probabldade condconal.8 tem-se, que: I 3.13 Sabe-se que I I e que pela regra do produto.9 tem-se que I pode ser reescrto como: I 3.14 com sso, pela regra da probabldade total 3.9 tem-se: 1 1 n n K 3.15

22 ortanto utlzando 3.14 e 3.15 respectvamente, no numerador e denomnador de 3.13, tem-se que: 1 1 n n L 3.16 ou anda, n

23 4. VLIÇÃO TESTE DIGNÓSTICO Quando exste certa anomala ou doença na população, as cêncas da saúde utlzam recursos precsos para fazer o dagnóstco de certas doenças. O uso correto de testes dagnóstcos consttu em uma parte fundamental da área da saúde, portanto a qualdade dos testes dagnóstcos é vtal VIEIR, 010. O mportante é descobrr se o teste realmente responde quem está doente e quem não está, com certa precsão Meddas do Teste Dagnóstco Quando feto o teste dagnóstco, a frequênca de verdadero postvo a ndca que o número de doentes nos quas foram fetos os testes deu postvo e eles realmente estão doentes, já a frequênca de verdadero negatvo d é o número de ndvíduos sem a doença e que o teste deu negatvo VIEIR, 010. Frequênca de falso postvo b é a quantdade de pessoas sem a doença no qual ao ser aplcado o teste o mesmo falhou, ou seja, o teste detectou a presença da doença, e frequênca de falso negatvo c ndca o número de pessoas doentes em que o teste fo feto e o mesmo não detectou a doença VIEIR, 003. Tabela 4.1 esquematza as frequêncas para uma melhor compreensão. TEL 4.1: Esquema para verfcação de teste dagnóstco. Doença Teste Total ostvo Negatvo resente a c ac usente b d bd Total ab cd abcd

24 4 Denotando o teste postvo por T e negatvo por T, quem é portador da doença por D e não portador por D, pode-se defnr a segur algumas probabldades com o auxílo da Tabela 4.1. probabldade do teste dar postvo T é calculada dvdndo o total de testes postvos pelo total de testes aplcados, sto é: a b T 4.1 a b c d nalogamente, a probabldade do teste ser negatvo T- é calculada dvdndo o total de testes negatvos pelo total de testes aplcados, sto é: c d T 4. a b c d gora, a probabldade do ndvíduo ser portador da doença D é dada pela dvsão do total da presença da doença pelo total de ndvíduos ou testes aplcados, ou seja: a c D 4.3 a b c d E a probabldade do ndvíduo não ser o portador da doença D- é defnda pela dvsão do total da ausênca da doença pelo total de ndvíduos, dada por: b d D 4.4 a b c d

25 5 4.. Sensbldade e Especfcdade O uso correto de um teste dagnóstco necessta, além de consderações clíncas, o conhecmento de meddas que caracterzam a sua veracdade. sensbldade e a especfcdade são usadas para produzr decsões clíncas precsas SORES, SIQUEIR, 00. Sensbldade é a probabldade de dagnóstcos verdaderos postvos resultados postvos corretos, no total de pessoas com a doença, ou seja, a probabldade condconal do teste ser postvo dado que o ndvíduo apresenta a doença VIEIR, 010, sto é: s a T D 4.5 a c Especfcdade é a probabldade de dagnóstcos verdaderos negatvos resultados negatvos corretos, no total de pessoas sem a doença, ou seja a probabldade condconal do teste ser negatvo dado que o ndvíduo não está doente VIEIR, 010, ou seja: e d T D 4.6 b d Tanto a sensbldade quanto a especfcdade medem a qualdade do teste Valores redtvos O mportante em testes dagnóstcos é a obtenção das meddas de desempenho do teste. ara calcular esses valores é necessáro ter um certo cudado, pos uma tercera medda, a prevalênca da doença, denotada também por p D, é utlzada e pode ser defnda como a proporção de ndvíduos portadores da doença na população, que está sendo nvestgada MRTINEZ, LOUZD-NETO, 000. Nesta seção utlza-se D como sendo a prevalênca da doença na população e não somente de uma amostra grupo de pacentes como no cálculo da sensbldade e especfcdade.

26 6 O valor predtvo postvo V é a probabldade do pacente estar doente dado que o teste tem resultado postvo SORES, SIQUEIR, 00, sto é: V D T 4.7 Não se pode utlzar a Tabela 4.1 para calcular o V, pos agora p D se trata da prevalênca da população e a tabela se trata de uma amostra. ssm, o V pode ser calculado através do teorema de ayes, da segunte manera: T D D V D T 4.8 T D D T D D Note que T D s, D é a prevalênca da doença na população p, T D é o complementar da especfcdade, logo é gual a 1 e e D é o complementar da prevalênca, ou seja, 1 p. Dessa forma substtundo as probabldades pelos seus respectvos valores em 4.8, tem-se que: s p V 4.9 s p 1 e 1 p Defne-se valor predtvo negatvo VN como sendo a probabldade do pacente não está doente dado que o resultado do teste é negatvo MRTINEZ, LOUZD-NETO, 000, ou seja: VN D T 4.10 nalogamente, através do teorema de ayes, o valor predtvo negatvo VN, pode ser escrto da segunte forma, sto é:

27 7 T D D VN D T 4.11 T D D T D D ou seja, tem-se que: Neste caso, note que T D e e T D é o complementar da sensbldade, 1 s. Dessa forma substtundo as probabldades pelos seus respectvos valores em 4.11, e1 p VN e1 p 1 s p Decsões ncorretas São denomnadas decsões ncorretas, as probabldades dos testes serem falsos postvos F e falsos negatvos FN SORES, SIQUEIR, 00. probabldade de ocorrer falso postvo é defnda como sendo a probabldade da pessoa não estar doente dado que o teste deu postvo, e o falso negatvo é a probabldade da pessoa estar doente dado que o teste deu negatvo. Dessa forma, a probabldade de ocorrer falso postvo é dada por: F D T 4.13 Observe que D T é o complementar do valor predtvo postvo V, sto é, D T 1 D T V, logo tem-se que: 1 F 1 V 4.14 probabldade do teste ser falso negatvo é representada por: FN D T 4.15

28 8 Note que D T é complementar do valor predtvo negatvo VN, ou seja, D T 1 D T VN, logo tem-se que, 1 FN 1 VN Combnação de Testes Dagnóstcos Quando é necessáro usar dos ou mas testes para chegar a um dagnóstco, é precso saber como são obtdos os índces de qualdade do teste múltplo, sendo esse composto por dos ou mas testes ndvduas. E, a manera mas smples de se fazer um teste múltplo a partr do resultado de dos testes, são as combnações em sére e paralelo. combnação em paralelo é mas utlzada em casos de emergêncas, já a em sére é aplcada em tragens, quando não é necessáro um atendmento rápdo SORES, SIQUEIR, Combnação em aralelo Consderando somente dos testes T1 e T, a combnação de testes em paralelo é dta postva se pelo menos um dos testes for postvo. Tabela 4. apresenta os possíves resultados para a combnação de dos testes em paralelo. TEL 4.: Resultado do teste em paralelo. Teste 1 Teste Teste em aralelo Negatvo Negatvo Negatvo Negatvo ostvo ostvo ostvo Negatvo ostvo ostvo ostvo ostvo sensbldade do teste em paralelo sp é dado por SORES, SIQUEIR, 00:

29 9 s p T D T U T D ssm, pela regra da adção.6, tem-se s p T U T D T D T D T I T D Com sso, pela ndependênca de eventos.11, tem-se T I T D T D T D então, s p T D T D T D T D Defndo s T D como sendo a sensbldade do teste T1 e s T D, a 1 1 sensbldade do teste T, a sensbldade do teste em paralelo é dada por: 1 s p s s s1 s especfcdade do teste em paralelo ep é dada por SORES, SIQUEIR, 00: e p T D T I T D 4. 1 pela ndependênca de eventos.11, tem-se e p T D T D 4. 1 assm, defnndo e T D como sendo a especfcdade do teste T1 e e T D é a 1 1 especfcdade do teste T, portanto, a especfcdade do teste em paralelo é dada por:

30 30 e p e 1 e Combnação em Sére O teste em sére é consderado postvo se ambos os testes forem postvos. Consderado apenas dos testes, o segundo teste somente será aplcado apenas se o prmero for postvo. Tabela 4.3 apresenta os resultados da aplcação de um teste em sére. TEL 4.3: Resultado do teste em sére. Teste 1 Teste Teste em Sére Negatvo Desnecessáro Negatvo ostvo Negatvo Negatvo ostvo ostvo ostvo sensbldade do teste em sére é dada por SORES, SIQUEIR, 00: s s T D T I T D ssm, utlzando a ndependênca de eventos.11, tem-se s s T D T D portanto, como s T D e s T D, a sensbldade do teste em sére, é dada por: 1 1 s s s 1 s 4.6 especfcdade do teste em sére es é dada por SORES, SIQUEIR, 00: e s T D T U T D 4.7 1

31 31 ou seja, pela regra da adção.6, tem-se e s T U T D T D T D T IT D pela ndependênca de eventos.11, tem-se que, T IT D T D T D 1 1 portanto, como e T D e e T D, a expressão para especfcdade do teste em sére é dada por: 1 1 e S e e e1 e

32 5. EXEMLOS DE LICÇÃO Neste capítulo serão apresentados exemplos de aplcações dos testes dagnóstcos, um em que são calculados a sensbldade, a especfcdade e os valores predtvos, e outra em que os testes em paralelo e em sére são utlzados Teste de reumatsmo esqusadores estudam um caso de reumatsmo em 176 pacentes com artrte reumatode e 74 sem a doença VIEIR, 010. Os valores apresentados na Tabela 5.1 apresentam os dados do teste. TEL 5.1: Exame do fator reumatode. Doença Teste ostvo Negatvo Total resente usente Total FONTE: MEDEIROS, MMC, FERRZ, M, Estudos sobre dagnóstcos. Rev ras Reumatol sensbldade e a especfcdade, usando os dados da Tabela 5.1, poder ser calculadas respectvamente por 4.5 e 4.6, logo tem-se: s T D 0,68 e e T 0, D ortanto, para o teste de reumatsmo tem-se uma sensbldade de 68,% e uma especfcdade de 91,%, ou seja, se o pacente realmente tver a doença reumatsmo, o teste detecta com uma probabldade de 68,% e se o pacente não tver a doença, a probabldade do teste dar negatvo, ou seja, acertar é 91,%.

33 Teste de HIV Exstem váras tecnologas para a detecção do vírus HIV, mas no rasl a mas usada fo o teste ELIS. Em 1995 esta técnca fo aplcada em város laboratóros amercanos, e entre eles o OTT, que relatou em seus prmeros testes, uma sensbldade de 95% e uma especfcdade de 99,8% SORES, SIQUEIR, 00. Tabela 5. mostra os valores para o V, VN, F e FN. TEL 5.: Valores do teste ELIS. revalênca V% VN% F% FN% 1/ ,47 100,00 99,53 0,00 1/ ,54 100,00 95,46 0,00 1/ ,1 99,99 67,79 0,01 1/500 48,77 99,99 51,3 0,01 1/00 70,47 99,99 9,53 0,01 1/100 8,75 99,99 17,5 0,01 1/50 90,65 99,99 9,35 0,01 p Consderando a prevalênca de HIV como sendo de um caso a cada ndvíduos 0,001, pode-se calcular os valores predtvos e as probabldades de falso postvo e negatvo, utlzando respectvamente 4.9, 4.1, 4.14 e 4.16, assm tem-se: s p 0,95 0,001 V s p 1e 1 p 0,95 0, , ,001 0, , ,00 0,999 0, ,31 0,

34 34 e1 p 0, ,001 VN e1 p 1 s p 0, , ,95 0,001 0,998 0,999 0, , ,9999 0,998 0,999 0,05 0,001 0, , , F 1 V 1 0,31 0, FN 1 VN 1 0,9999 0, Dessa forma, tem-se que a probabldade de se cometer um falso postvo é consderável, pos a probabldade do ndvíduo não ter HIV dado que o teste fo postvo é de 67,79%. Entretanto, a probabldade de cometer um falso negatvo é muto baxa, somente 0,01%. Observe na Tabela 5. que a medda que a prevalênca de HIV na população aumenta, o V também aumenta, e como a F é o complementar do V, então ela dmnu. No entanto, o VN contnua alto, mesmo para prevalênca alta de HIV. O mesmo ocorre para a FN. or sso, que em geral, quando um pacente faz um teste de HIV e o resultado é postvo, o médco pede para que ele repta o teste exame, enquanto, que se o resultado for negatvo não é peddo para ele refazer o teste Dagnóstco de Câncer ancreátco Um pacente sente váras dores nas costas e no abdômen e tem uma perda de peso sgnfcante, os médcos levantam a hpótese de que seja câncer do pâncreas. ara verfcar a presença da doença, os testes de ultrassom e tomografa computadorzadas são solctados. Tabela 5.3 mostra os dados sobre a sensbldade e a especfcdade dos testes, sendo usados em paralelo e em sére SORES, SIQUEIR, 00.

35 35 TEL 5.3: Combnação em paralelo e sére dos testes de ultrassom e tomografa. Teste Sensbldade % Especfcdade % : Ultrassom : Tomografa : ou postvo S: e postvo Os testes e S são respectvamente os testes em paralelo e em sére. Tomando ambos os testes e como ndependentes e usando as equações da sensbldade 4.0 e da especfcdade 4.3 do teste em paralelo e a sensbldade 4.6 e especfcdade 4.9 do teste em sére, temse: s s s s s 0,75 0,85 0,75 0,85 0, p e e e 0,65 0,85 0, p s s s 0,75 0,85 0, s e e e e e 0,65 0,85 0,65 0,85 0, s O teste em paralelo teve maor sensbldade do que o teste em sére, entretanto, a especfcdade do teste em sére fo maor do que a do paralelo. O uso de teste em paralelo ou em sére, va depender da urgênca do dagnóstco. Em geral, em casos de emergênca utlza-se a combnação em paralelo, pos a mesma é mas sensível. Quando não necessta muta rapdez no dagnóstco, utlza-se a combnação em sére, pos essa tem uma especfcdade maor.

36 CONCLUSÃO rofssonas das cêncas da saúde precsam passar por uma sére de estudos antes de estarem aptos a elaborar e realzar os testes dagnóstcos, que são fundamentas para os pacentes e tem que ser precsos e bem fetos. Com este trabalho, pode-se observar que esses testes são bastante complexos e por causa dsso é necessáro um conhecmento prévo à respeto de probabldade, em partcular, sobre o teorema de ayes. or sso, foram mostrados como se calcula os tpos de probabldade e outras regras necessáras para a resolução dos testes. Com a aplcação da combnação dos testes em paralelo e em sére, pode-se observar que o teste em paralelo é mas sensível que o teste em sére, ou seja, a probabldade do teste ser postvo dado que o pacente está doente é maor. Entretanto, o teste em sére tem maor especfcdade que o teste em paralelo, ou seja, a probabldade do teste ser negatvo dado que a pessoa não está doente é mas alta. Dessa forma, com a realzação deste trabalho, pode-se conclur que, dependendo da urgênca do tratamento, a combnação de testes em paralelo é o mas ndcado, pos, basta apenas um dos testes ser postvo para consderar o resultado do teste em paralelo postvo e começar o tratamento do ndvíduo medatamente. No entanto, os testes em sére são ndcados, em geral, quando não se tem tanta urgênca no dagnóstco do ndvíduo, sendo utlzados em tragens e consultóros médcos.

37 ILIOGRFI DNTS, C... robabldade: Um Curso Introdutóro. Edtora US. 3ª Edção Revsta MGLHÃES, M. N; LIM,. C.. Noções de robabldade e Estatístca. 6ª Edção. Revsada. São aulo: Edtora US, 008. MRTINEZ, E. Z; LOUZD NETO. F. Metodologa Estatístca para Testes Dagnóstcos e Laboratoras com Respostas Dcotomzadas. Revsta de Matemátca Estatístca, São aulo, 18: , 000. MEYER,. L. robabldade: plcações à Estatístca. Edtora LTC. ª Edção, MORETTIN, L. G. Estatístca ásca: robabldade e Inferênca. Edtora earson, São aulo. 1ª Edção, ª Rempressão. 01. SORES, J. F; SIQUEIR,. L. Introdução à Estatístca Médca. Cooperatva Edtora e de Cultura Médca Ltda. 1ª Edção. Mnas Geras. 00. VIEIR, G. M. Segredos da Estatístca em esqusa Centífca. Gráfca e Edtora Vera. 1ª Edção VIEIR, S. oestatístca Tópcos vançados. Edtora Elsever. 1ª Edção. 7ª Rempressão, Revsta e tualzada VIEIR, S. oestatístca Tópcos vançados. Edtora Elsever. 3ª Edção. 010.

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

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

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

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

7. Resolução Numérica de Equações Diferenciais Ordinárias

7. Resolução Numérica de Equações Diferenciais Ordinárias 7. Resolução Numérca de Equações Dferencas Ordnáras Fenômenos físcos em dversas áreas, tas como: mecânca dos fludos, fluo de calor, vbrações, crcutos elétrcos, reações químcas, dentre váras outras, podem

Leia mais

Covariância e Correlação Linear

Covariância e Correlação Linear TLF 00/ Cap. X Covarânca e correlação lnear Capítulo X Covarânca e Correlação Lnear 0.. Valor médo da grandeza (,) 0 0.. Covarânca na propagação de erros 03 0.3. Coecente de correlação lnear 05 Departamento

Leia mais

Nota Técnica Médias do ENEM 2009 por Escola

Nota Técnica Médias do ENEM 2009 por Escola Nota Técnca Médas do ENEM 2009 por Escola Crado em 1998, o Exame Naconal do Ensno Médo (ENEM) tem o objetvo de avalar o desempenho do estudante ao fm da escolardade básca. O Exame destna-se aos alunos

Leia mais

INTRODUÇÃO À PROBABILIDADE. A probabilidade é uma medida da incerteza dos fenômenos. Traduz-se por um número real compreendido de 0 ( zero) e 1 ( um).

INTRODUÇÃO À PROBABILIDADE. A probabilidade é uma medida da incerteza dos fenômenos. Traduz-se por um número real compreendido de 0 ( zero) e 1 ( um). INTRODUÇÃO À PROILIDDE teora das probabldade nada mas é do que o bom senso transformado em cálculo probabldade é o suporte para os estudos de estatístca e expermentação. Exemplos: O problema da concdênca

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

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

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

Sempre que surgir uma dúvida quanto à utilização de um instrumento ou componente, o aluno deverá consultar o professor para esclarecimentos.

Sempre que surgir uma dúvida quanto à utilização de um instrumento ou componente, o aluno deverá consultar o professor para esclarecimentos. Insttuto de Físca de São Carlos Laboratóro de Eletrcdade e Magnetsmo: Transferênca de Potênca em Crcutos de Transferênca de Potênca em Crcutos de Nesse prátca, estudaremos a potênca dsspada numa resstênca

Leia mais

Polos Olímpicos de Treinamento. Aula 10. Curso de Teoria dos Números - Nível 2. Divisores. Prof. Samuel Feitosa

Polos Olímpicos de Treinamento. Aula 10. Curso de Teoria dos Números - Nível 2. Divisores. Prof. Samuel Feitosa Polos Olímpcos de Trenamento Curso de Teora dos Números - Nível 2 Prof. Samuel Fetosa Aula 10 Dvsores Suponha que n = p α 1 2...pα é a fatoração em prmos do ntero n. Todos os dvsores de n são da forma

Leia mais

Teoria Elementar da Probabilidade

Teoria Elementar da Probabilidade 10 Teora Elementar da Probabldade MODELOS MATEMÁTICOS DETERMINÍSTICOS PROBABILÍSTICOS PROCESSO (FENÓMENO) ALEATÓRIO - Quando o acaso nterfere na ocorrênca de um ou mas dos resultados nos quas tal processo

Leia mais

PROBABILIDADE - CONCEITOS BÁSICOS

PROBABILIDADE - CONCEITOS BÁSICOS ROBBILIDD - CONCITOS BÁSICOS xpermento leatóro é um expermento no qual: todos os possíves resultados são conhecdos; resulta num valor desconhecdo, dentre todos os resultados possíves; pode ser repetdo

Leia mais

1 Princípios da entropia e da energia

1 Princípios da entropia e da energia 1 Prncípos da entropa e da energa Das dscussões anterores vmos como o conceto de entropa fo dervado do conceto de temperatura. E esta últma uma conseqüênca da le zero da termodnâmca. Dentro da nossa descrção

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

Departamento de Informática. Modelagem Analítica. Modelagem Analítica do Desempenho de Sistemas de Computação. Disciplina: Medida de Probabilidade

Departamento de Informática. Modelagem Analítica. Modelagem Analítica do Desempenho de Sistemas de Computação. Disciplina: Medida de Probabilidade Departaento de Inforátca Dscplna: do Desepenho de Ssteas de Coputação Medda de Probabldade Prof. Sérgo Colcher colcher@nf.puc-ro.br Teora da Probabldade Modelo ateátco que perte estudar, de fora abstrata,

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

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

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 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

UNIVERSIDADE DO ESTADO DA BAHIA - UNEB DEPARTAMENTO DE CIÊNCIAS EXATAS E DA TERRA COLEGIADO DO CURSO DE DESENHO INDUSTRIAL CAMPUS I - SALVADOR

UNIVERSIDADE DO ESTADO DA BAHIA - UNEB DEPARTAMENTO DE CIÊNCIAS EXATAS E DA TERRA COLEGIADO DO CURSO DE DESENHO INDUSTRIAL CAMPUS I - SALVADOR Matéra / Dscplna: Introdução à Informátca Sstema de Numeração Defnção Um sstema de numeração pode ser defndo como o conjunto dos dígtos utlzados para representar quantdades e as regras que defnem a forma

Leia mais

3 Algoritmos propostos

3 Algoritmos propostos Algortmos propostos 3 Algortmos propostos Nesse trabalho foram desenvolvdos dos algortmos que permtem classfcar documentos em categoras de forma automátca, com trenamento feto por usuáros Tas algortmos

Leia mais

Q 1-1,5(Q3-Q1) < X i < Q 3 + 1,5(Q 3 -Q 1 ) Q 3 +1,5(Q 3 -Q 1 ) < X i < Q 3 +3(Q 3 -Q 1 ) Q 1 3(Q 3 -Q 1 ) < X i < Q 1 1,5(Q 3 -Q 1 )

Q 1-1,5(Q3-Q1) < X i < Q 3 + 1,5(Q 3 -Q 1 ) Q 3 +1,5(Q 3 -Q 1 ) < X i < Q 3 +3(Q 3 -Q 1 ) Q 1 3(Q 3 -Q 1 ) < X i < Q 1 1,5(Q 3 -Q 1 ) DIGRM OX-PLOT E CRCTERIZÇÃO DE OUTLIERS E VLORES EXTREMOS Outlers e valores extremos são aqueles que estão muto afastados do centro da dstrbução. Uma forma de caracterzá-los é através do desenho esquemátco

Leia mais

Cálculo do Conceito ENADE

Cálculo do Conceito ENADE Insttuto aconal de Estudos e Pesqusas Educaconas Aníso Texera IEP Mnstéro da Educação ME álculo do onceto EADE Para descrever o cálculo do onceto Enade, prmeramente é mportante defnr a undade de observação

Leia mais

Física. Física Módulo 1 Vetores, escalares e movimento em 2-D

Física. Física Módulo 1 Vetores, escalares e movimento em 2-D Físca Módulo 1 Vetores, escalares e movmento em 2-D Vetores, Escalares... O que são? Para que servem? Por que aprender? Escalar Defnção: Escalar Grandea sem dreção assocada. Eemplos: Massa de uma bola,

Leia mais

Curso de especialização em Finanças e Economia Disciplina: Incerteza e Risco Prof: Sabino da Silva Porto Júnior Sabino@ppge.ufrgs.

Curso de especialização em Finanças e Economia Disciplina: Incerteza e Risco Prof: Sabino da Silva Porto Júnior Sabino@ppge.ufrgs. Incerteza: o básco Curso de especalzação em Fnanças e Economa Dscplna: Incerteza e Rsco Prof: Sabno da Slva Porto Júnor Sabno@ppge.ufrgs.br Introdução Até agora: conseqüêncas das escolhas dos consumdores

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

Despacho Econômico de. Sistemas Termoelétricos e. Hidrotérmicos

Despacho Econômico de. Sistemas Termoelétricos e. Hidrotérmicos Despacho Econômco de Sstemas Termoelétrcos e Hdrotérmcos Apresentação Introdução Despacho econômco de sstemas termoelétrcos Despacho econômco de sstemas hdrotérmcos Despacho do sstema braslero Conclusões

Leia mais

Escolha do Consumidor sob condições de Risco e de Incerteza

Escolha do Consumidor sob condições de Risco e de Incerteza 9/04/06 Escolha do Consumdor sob condções de Rsco e de Incerteza (Capítulo 7 Snyder/Ncholson e Capítulo Varan) Turma do Prof. Déco Kadota Dstnção entre Rsco e Incerteza Na lteratura econômca, a prmera

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

Ministério da Educação. Instituto Nacional de Estudos e Pesquisas Educacionais Anísio Teixeira. Cálculo do Conceito Preliminar de Cursos de Graduação

Ministério da Educação. Instituto Nacional de Estudos e Pesquisas Educacionais Anísio Teixeira. Cálculo do Conceito Preliminar de Cursos de Graduação Mnstéro da Educação Insttuto Naconal de Estudos e Pesqusas Educaconas Aníso Texera Cálculo do Conceto Prelmnar de Cursos de Graduação Nota Técnca Nesta nota técnca são descrtos os procedmentos utlzados

Leia mais

Probabilidade e avaliação de testes diagnósticos

Probabilidade e avaliação de testes diagnósticos robabldade e avalação de testes dagnóstcos Introdução: É conhecdo que fumar causa câncer de pulmão e doenças do coração. rovavelmente você já ouvu alguém dzer: Fulano fumou a vda toda e morreu velho sem

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

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

Aula 7: Circuitos. Curso de Física Geral III F-328 1º semestre, 2014

Aula 7: Circuitos. Curso de Física Geral III F-328 1º semestre, 2014 Aula 7: Crcutos Curso de Físca Geral III F-38 º semestre, 04 Ponto essencal Para resolver um crcuto de corrente contínua, é precso entender se as cargas estão ganhando ou perdendo energa potencal elétrca

Leia mais

Introdução. Uma lâmpada nova é ligada e observa-se o tempo gasto até queimar. Resultados possíveis

Introdução. Uma lâmpada nova é ligada e observa-se o tempo gasto até queimar. Resultados possíveis Introdução A teora das probabldades é um ramo da matemátca que lda modelos de fenômenos aleatóros. Intmamente relaconado com a teora de probabldade está a Estatístca, que se preocupa com a cração de prncípos,

Leia mais

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)

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) 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)

Leia mais

Termodinâmica e Termoquímica

Termodinâmica e Termoquímica Termodnâmca e Termoquímca Introdução A cênca que trata da energa e suas transformações é conhecda como termodnâmca. A termodnâmca fo a mola mestra para a revolução ndustral, portanto o estudo e compreensão

Leia mais

CENTRO UNIVERSITÁRIO DO LESTE DE MINAS GERAIS - UnilesteMG

CENTRO UNIVERSITÁRIO DO LESTE DE MINAS GERAIS - UnilesteMG 1 CENTRO UNIVERSITÁRIO DO LESTE DE MINAS GERAIS - UnlesteMG Dscplna: Introdução à Intelgênca Artfcal Professor: Luz Carlos Fgueredo GUIA DE LABORATÓRIO LF. 01 Assunto: Lógca Fuzzy Objetvo: Apresentar o

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

UTILIZAÇÃO DO MÉTODO DE TAGUCHI NA REDUÇÃO DOS CUSTOS DE PROJETOS. Uma equação simplificada para se determinar o lucro de uma empresa é:

UTILIZAÇÃO DO MÉTODO DE TAGUCHI NA REDUÇÃO DOS CUSTOS DE PROJETOS. Uma equação simplificada para se determinar o lucro de uma empresa é: UTILIZAÇÃO DO MÉTODO DE TAGUCHI A REDUÇÃO DOS CUSTOS DE PROJETOS Ademr José Petenate Departamento de Estatístca - Mestrado em Qualdade Unversdade Estadual de Campnas Brasl 1. Introdução Qualdade é hoje

Leia mais

Associação de resistores em série

Associação de resistores em série Assocação de resstores em sére Fg.... Na Fg.. está representada uma assocação de resstores. Chamemos de I, B, C e D. as correntes que, num mesmo nstante, passam, respectvamente pelos pontos A, B, C e D.

Leia mais

Capítulo 2. APROXIMAÇÕES NUMÉRICAS 1D EM MALHAS UNIFORMES

Capítulo 2. APROXIMAÇÕES NUMÉRICAS 1D EM MALHAS UNIFORMES Capítulo. Aproxmações numércas 1D em malhas unformes 9 Capítulo. AROXIMAÇÕS NUMÉRICAS 1D M MALHAS UNIFORMS O prncípo fundamental do método das dferenças fntas (MDF é aproxmar através de expressões algébrcas

Leia mais

CAPÍTULO 1 Exercícios Propostos

CAPÍTULO 1 Exercícios Propostos CAPÍTULO 1 Exercícos Propostos Atenção: Na resolução dos exercícos consderar, salvo menção em contráro, ano comercal de das. 1. Qual é a taxa anual de juros smples obtda em uma aplcação de $1.0 que produz,

Leia mais

LQA - LEFQ - EQ -Química Analítica Complemantos Teóricos 04-05

LQA - LEFQ - EQ -Química Analítica Complemantos Teóricos 04-05 LQA - LEFQ - EQ -Químca Analítca Complemantos Teórcos 04-05 CONCEITO DE ERRO ALGARISMOS SIGNIFICATIVOS Embora uma análse detalhada do erro em Químca Analítca esteja fora do âmbto desta cadera, sendo abordada

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

Estimativa da Incerteza de Medição da Viscosidade Cinemática pelo Método Manual em Biodiesel

Estimativa da Incerteza de Medição da Viscosidade Cinemática pelo Método Manual em Biodiesel Estmatva da Incerteza de Medção da Vscosdade Cnemátca pelo Método Manual em Bodesel Roberta Quntno Frnhan Chmn 1, Gesamanda Pedrn Brandão 2, Eustáquo Vncus Rbero de Castro 3 1 LabPetro-DQUI-UFES, Vtóra-ES,

Leia mais

INTRODUÇÃO AO CÁLCULO DE ERROS NAS MEDIDAS DE GRANDEZAS FÍSICAS

INTRODUÇÃO AO CÁLCULO DE ERROS NAS MEDIDAS DE GRANDEZAS FÍSICAS Físca Laboratoral Ano Lectvo 003/04 ITRODUÇÃO AO CÁLCULO DE ERROS AS MEDIDAS DE GRADEAS FÍSICAS. Introdução.... Erros de observação: erros sstemátcos e erros fortutos ou acdentas... 3. Precsão e rgor...3

Leia mais

Sistemas Robóticos. Sumário. Introdução. Introdução. Navegação. Introdução Onde estou? Para onde vou? Como vou lá chegar?

Sistemas Robóticos. Sumário. Introdução. Introdução. Navegação. Introdução Onde estou? Para onde vou? Como vou lá chegar? Sumáro Sstemas Robótcos Navegação Introdução Onde estou? Para onde vou? Como vou lá chegar? Carlos Carreto Curso de Engenhara Informátca Ano lectvo 2003/2004 Escola Superor de Tecnologa e Gestão da Guarda

Leia mais

REGRESSÃO LOGÍSTICA. Seja Y uma variável aleatória dummy definida como:

REGRESSÃO LOGÍSTICA. Seja Y uma variável aleatória dummy definida como: REGRESSÃO LOGÍSTCA. ntrodução Defnmos varáves categórcas como aquelas varáves que podem ser mensurados usando apenas um número lmtado de valores ou categoras. Esta defnção dstngue varáves categórcas de

Leia mais

PROJEÇÕES POPULACIONAIS PARA OS MUNICÍPIOS E DISTRITOS DO CEARÁ

PROJEÇÕES POPULACIONAIS PARA OS MUNICÍPIOS E DISTRITOS DO CEARÁ GOVERNO DO ESTADO DO CEARÁ SECRETARIA DO PLANEJAMENTO E GESTÃO - SEPLAG INSTITUTO DE PESQUISA E ESTRATÉGIA ECONÔMICA DO CEARÁ - IPECE NOTA TÉCNICA Nº 29 PROJEÇÕES POPULACIONAIS PARA OS MUNICÍPIOS E DISTRITOS

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

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

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

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

PROBLEMAS SOBRE PONTOS Davi Máximo (UFC) e Samuel Feitosa (UFC)

PROBLEMAS SOBRE PONTOS Davi Máximo (UFC) e Samuel Feitosa (UFC) PROBLEMS SOBRE PONTOS Dav Máxmo (UFC) e Samuel Fetosa (UFC) Nível vançado Dstrbur pontos num plano ou num espaço é uma tarefa que pode ser realzada de forma muto arbtrára Por sso, problemas sobre pontos

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

Lista de Exercícios de Recuperação do 2 Bimestre. Lista de exercícios de Recuperação de Matemática 3º E.M.

Lista de Exercícios de Recuperação do 2 Bimestre. Lista de exercícios de Recuperação de Matemática 3º E.M. Lsta de Exercícos de Recuperação do Bmestre Instruções geras: Resolver os exercícos à caneta e em folha de papel almaço ou monobloco (folha de fcháro). Copar os enuncados das questões. Entregar a lsta

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

d o m i c i l i a r, d o m i c i l i o m i c i l i s o b r e s o b r e s o b r e a d

d o m i c i l i a r, d o m i c i l i o m i c i l i s o b r e s o b r e s o b r e a d s t a d o m c l a r, s o b r e c s t a d o m c l a r, s o b r e c s t a d o m c l a r, s o b r e c Marcos hstórcos: 1993 1996 2004 Objetvo da Pastoral da Pessoa Idosa A Pastoral da Pessoa Idosa tem por

Leia mais

Eventos coletivamente exaustivos: A união dos eventos é o espaço amostral.

Eventos coletivamente exaustivos: A união dos eventos é o espaço amostral. DEFINIÇÕES ADICIONAIS: PROBABILIDADE Espaço amostral (Ω) é o conjunto de todos os possíves resultados de um expermento. Evento é qualquer subconjunto do espaço amostral. Evento combnado: Possu duas ou

Leia mais

Energia de deformação na flexão

Energia de deformação na flexão - UNIVERSIDADE FEDERAL FLUMINENSE ESCOLA DE ENGENHARIA INDUSTRIAL METALÚRGICA DE VOLTA REDONDA PROFESSORA: SALETE SOUZA DE OLIVEIRA BUFFONI DISCIPLINA: RESISTÊNCIA DOS MATERIAIS Energa de deformação na

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

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

Universidade Salvador UNIFACS Cursos de Engenharia Cálculo IV Profa: Ilka Rebouças Freire. Integrais Múltiplas

Universidade Salvador UNIFACS Cursos de Engenharia Cálculo IV Profa: Ilka Rebouças Freire. Integrais Múltiplas Unversdade Salvador UNIFACS Cursos de Engenhara Cálculo IV Profa: Ilka ebouças Frere Integras Múltplas Texto 3: A Integral Dupla em Coordenadas Polares Coordenadas Polares Introduzremos agora um novo sstema

Leia mais

MAPEAMENTO DA VARIABILIDADE ESPACIAL

MAPEAMENTO DA VARIABILIDADE ESPACIAL IT 90 Prncípos em Agrcultura de Precsão IT Departamento de Engenhara ÁREA DE MECANIZAÇÃO AGRÍCOLA MAPEAMENTO DA VARIABILIDADE ESPACIAL Carlos Alberto Alves Varella Para o mapeamento da varabldade espacal

Leia mais

Avaliação da Tendência de Precipitação Pluviométrica Anual no Estado de Sergipe. Evaluation of the Annual Rainfall Trend in the State of Sergipe

Avaliação da Tendência de Precipitação Pluviométrica Anual no Estado de Sergipe. Evaluation of the Annual Rainfall Trend in the State of Sergipe Avalação da Tendênca de Precptação Pluvométrca Anual no Estado de Sergpe Dandara de Olvera Félx, Inaá Francsco de Sousa 2, Pablo Jónata Santana da Slva Nascmento, Davd Noguera dos Santos 3 Graduandos em

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

Controle Estatístico de Processos: a questão da autocorrelação, dos erros de mensuração e do monitoramento de mais de uma característica de qualidade

Controle Estatístico de Processos: a questão da autocorrelação, dos erros de mensuração e do monitoramento de mais de uma característica de qualidade Controle Estatístco de Processos: a questão da autocorrelação, dos erros de mensuração e do montoramento de mas de uma característca de qualdade Docentes: Maysa S. de Magalhães; Lnda Lee Ho; Antono Fernando

Leia mais

Nesse circuito, os dados indicam que a diferença de potencial entre os pontos X e Y, em volts, é a) 3,3 c) 10 e) 18 b) 6,0 d) 12.

Nesse circuito, os dados indicam que a diferença de potencial entre os pontos X e Y, em volts, é a) 3,3 c) 10 e) 18 b) 6,0 d) 12. Aprmorando os Conhecmentos de Eletrcdade Lsta 7 Assocação de esstores Prof.: Célo Normando. (UNIFO-97) O resstor, que tem a curva característca representada no gráfco abao, é componente do crcuto representado

Leia mais

Distribuição de Massa Molar

Distribuição de Massa Molar Químca de Polímeros Prof a. Dr a. Carla Dalmoln carla.dalmoln@udesc.br Dstrbução de Massa Molar Materas Polmércos Polímero = 1 macromolécula com undades químcas repetdas ou Materal composto por númeras

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

01. Em porcentagem das emissões totais de gases do efeito estufa, o Brasil é o quarto maior poluidor, conforme a tabela abaixo:

01. Em porcentagem das emissões totais de gases do efeito estufa, o Brasil é o quarto maior poluidor, conforme a tabela abaixo: PROCESSO SELETIVO 7 RESOLUÇÃO MATEMÁTICA Rosane Soares Morera Vana, Luz Cláudo Perera, Lucy Tem Takahash, Olímpo Hrosh Myagak QUESTÕES OBJETIVAS Em porcentagem das emssões totas de gases do efeto estufa,

Leia mais

Hoje não tem vitamina, o liquidificador quebrou!

Hoje não tem vitamina, o liquidificador quebrou! A U A UL LA Hoje não tem vtamna, o lqudfcador quebrou! Essa fo a notíca dramátca dada por Crstana no café da manhã, lgeramente amenzada pela promessa de uma breve solução. - Seu pa dsse que arruma à note!

Leia mais

DECISÃO SOB INCERTEZA

DECISÃO SOB INCERTEZA PPGE/UFRGS - Prof. Sabno Porto Junor 19/10/2005 Incerteza: o básco Curso de especalzação em Fnanças e Economa Dscplna: Incerteza e Rsco Prof: Sabno da Slva Porto Júnor Sabno@ppge.ufrgs.br 1 Introdução

Leia mais

Modelo Logístico. Modelagem multivariável com variáveis quantitativas e qualitativas, com resposta binária.

Modelo Logístico. Modelagem multivariável com variáveis quantitativas e qualitativas, com resposta binária. Modelagem multvarável com varáves quanttatvas e qualtatvas, com resposta bnára. O modelo de regressão não lnear logístco ou modelo logístco é utlzado quando a varável resposta é qualtatva com dos resultados

Leia mais

ESPELHOS E LENTES ESPELHOS PLANOS

ESPELHOS E LENTES ESPELHOS PLANOS ESPELHOS E LENTES 1 Embora para os povos prmtvos os espelhos tvessem propredades mágcas, orgem de lendas e crendces que estão presentes até hoje, para a físca são apenas superfíces poldas que produzem

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

3 A técnica de computação intensiva Bootstrap

3 A técnica de computação intensiva Bootstrap A técnca de computação ntensva ootstrap O termo ootstrap tem orgem na expressão de língua nglesa lft oneself by pullng hs/her bootstrap, ou seja, alguém levantar-se puxando seu própro cadarço de bota.

Leia mais

3.1. Conceitos de força e massa

3.1. Conceitos de força e massa CAPÍTULO 3 Les de Newton 3.1. Concetos de força e massa Uma força representa a acção de um corpo sobre outro,.e. a nteracção físca entre dos corpos. Como grandeza vectoral que é, só fca caracterzada pelo

Leia mais

Cap. IV Análise estatística de incertezas aleatórias

Cap. IV Análise estatística de incertezas aleatórias TLF 010/11 Cap. IV Análse estatístca de ncertezas aleatóras Capítulo IV Análse estatístca de ncertezas aleatóras 4.1. Méda 43 4.. Desvo padrão 44 4.3. Sgnfcado do desvo padrão 46 4.4. Desvo padrão da méda

Leia mais

Visando dar continuidade ao trabalho de simulação, encaminho o MODELO DE ALOCAÇÃO E DIMENSIONAMENTO DO PESSOAL DOCENTE DE TERCEIRO GRAU

Visando dar continuidade ao trabalho de simulação, encaminho o MODELO DE ALOCAÇÃO E DIMENSIONAMENTO DO PESSOAL DOCENTE DE TERCEIRO GRAU Ofíco Brasíla, 24 de anero de 2005. Senhora Presdente ANDIFES, Vsando dar contnudade ao trabalho de smulação, encamnho o MODELO DE ALOCAÇÃO E DIMENSIONAMENTO DO PESSOAL DOCENTE DE TERCEIRO GRAU revsado

Leia mais

Números Complexos. Conceito, formas algébrica e trigonométrica e operações. Autor: Gilmar Bornatto

Números Complexos. Conceito, formas algébrica e trigonométrica e operações. Autor: Gilmar Bornatto Números Complexos Conceto, formas algébrca e trgonométrca e operações. Autor: Glmar Bornatto Conceto (parte I) Os números complexos surgram para sanar uma das maores dúvdas que atormentavam os matemátcos:

Leia mais

Estabilidade de Lyapunov e Propriedades Globais para Modelo de Dinâmica Viral

Estabilidade de Lyapunov e Propriedades Globais para Modelo de Dinâmica Viral Establdade de Lyapunov e Propredades Globas para Modelo de Dnâmca Vral Nara Bobko Insttuto de Matemátca Pura e Aplcada 22460-320, Estrada Dona Castorna, Ro de Janero - RJ E-mal: narabobko@gmal.com. Resumo:

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

IV - Descrição e Apresentação dos Dados. Prof. Herondino

IV - Descrição e Apresentação dos Dados. Prof. Herondino IV - Descrção e Apresentação dos Dados Prof. Herondno Dados A palavra "dados" é um termo relatvo, tratamento de dados comumente ocorre por etapas, e os "dados processados" a partr de uma etapa podem ser

Leia mais

Controlo Metrológico de Contadores de Gás

Controlo Metrológico de Contadores de Gás Controlo Metrológco de Contadores de Gás José Mendonça Das (jad@fct.unl.pt), Zulema Lopes Perera (zlp@fct.unl.pt) Departamento de Engenhara Mecânca e Industral, Faculdade de Cêncas e Tecnologa da Unversdade

Leia mais

O Uso do Software Matlab Aplicado à Previsão de Índices da Bolsa de Valores: Um Estudo de Caso no Curso de Engenharia de Produção

O Uso do Software Matlab Aplicado à Previsão de Índices da Bolsa de Valores: Um Estudo de Caso no Curso de Engenharia de Produção O Uso do Software Matlab Aplcado à Prevsão de Índces da Bolsa de Valores: Um Estudo de Caso no Curso de Engenhara de Produção VICENTE, S. A. S. Unversdade Presbterana Mackenze Rua da Consolação, 930 prédo

Leia mais

1 a Lei de Kirchhoff ou Lei dos Nós: Num nó, a soma das intensidades de correntes que chegam é igual à soma das intensidades de correntes que saem.

1 a Lei de Kirchhoff ou Lei dos Nós: Num nó, a soma das intensidades de correntes que chegam é igual à soma das intensidades de correntes que saem. Les de Krchhoff Até aqu você aprendeu técncas para resolver crcutos não muto complexos. Bascamente todos os métodos foram baseados na 1 a Le de Ohm. Agora você va aprender as Les de Krchhoff. As Les de

Leia mais

Análise Econômica da Aplicação de Motores de Alto Rendimento

Análise Econômica da Aplicação de Motores de Alto Rendimento Análse Econômca da Aplcação de Motores de Alto Rendmento 1. Introdução Nesta apostla são abordados os prncpas aspectos relaconados com a análse econômca da aplcação de motores de alto rendmento. Incalmente

Leia mais

Influência dos Procedimentos de Ensaios e Tratamento de Dados em Análise Probabilística de Estrutura de Contenção

Influência dos Procedimentos de Ensaios e Tratamento de Dados em Análise Probabilística de Estrutura de Contenção Influênca dos Procedmentos de Ensaos e Tratamento de Dados em Análse Probablístca de Estrutura de Contenção Mara Fatma Mranda UENF, Campos dos Goytacazes, RJ, Brasl. Paulo César de Almeda Maa UENF, Campos

Leia mais

O migrante de retorno na Região Norte do Brasil: Uma aplicação de Regressão Logística Multinomial

O migrante de retorno na Região Norte do Brasil: Uma aplicação de Regressão Logística Multinomial O mgrante de retorno na Regão Norte do Brasl: Uma aplcação de Regressão Logístca Multnomal 1. Introdução Olavo da Gama Santos 1 Marnalva Cardoso Macel 2 Obede Rodrgues Cardoso 3 Por mgrante de retorno,

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

Elementos de Estatística e Probabilidades II

Elementos de Estatística e Probabilidades II Elementos de Estatístca e Probabldades II Varáves e Vetores Aleatóros dscretos Inês Das 203 O prncpal objetvo da deste documento é fornecer conhecmentos báscos de varáves aleatóras dscretas e pares aleatóros

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

2 Máquinas de Vetor Suporte 2.1. Introdução

2 Máquinas de Vetor Suporte 2.1. Introdução Máqunas de Vetor Suporte.. Introdução Os fundamentos das Máqunas de Vetor Suporte (SVM) foram desenvolvdos por Vapnk e colaboradores [], [3], [4]. A formulação por ele apresentada se basea no prncípo de

Leia mais

Como aposentadorias e pensões afetam a educação e o trabalho de jovens do domicílio 1

Como aposentadorias e pensões afetam a educação e o trabalho de jovens do domicílio 1 Como aposentadoras e pensões afetam a educação e o trabalo de jovens do domcílo 1 Rodolfo Hoffmann 2 Resumo A questão central é saber como o valor da parcela do rendmento domclar formada por aposentadoras

Leia mais

MOQ-14 PROJETO e ANÁLISE de EXPERIMENTOS. Professor: Rodrigo A. Scarpel

MOQ-14 PROJETO e ANÁLISE de EXPERIMENTOS. Professor: Rodrigo A. Scarpel MOQ-14 PROJETO e ANÁLISE de EPERIMENTOS Professor: Rodrgo A. Scarpel rodrgo@ta.br www.mec.ta.br/~rodrgo Prncípos de cração de modelos empírcos: Modelos (matemátcos, lógcos, ) são comumente utlzados na

Leia mais