Introdução ao Qui-Quadrado
|
|
- Luiz Castilhos de Carvalho
- 7 Há anos
- Visualizações:
Transcrição
1 Técicas Laboratoriais de Física Lic. Física e g. Biomédica 007/08 Capítulo X Teste do Qui-quadrado, Itrodução ao qui-quadrado Defiição geral do qui-quadrado Graus de liberdade e reduzido abilidade do 66 Itrodução ao Qui-Quadrado Cosideremos um exemplo cocreto. Supohamos que realizamos 40 medidas x,... x 40 do alcace de um projéctil disparado por uma certa pistola e obtemos os resultados apresetados a tabela 0.. Admitamos que estes resultados seguem uma distribuição ormal ou Gaussiaa G X,σ (x) (hipótese razoável). Tabela 0. Valores medidos de x (em cm) Neste tipo de experiêcias ão cohecemos, à partida, o valor de X e a largura σ da distribuição esperada. Vamos, etão, começar por estimar estas quatidades: xi Melhor estimativa para X x 730.cm 40 ( xi x) Melhor estimativa para σ 46.8 cm Dep. Física, FCTUC 86
2 Técicas Laboratoriais de Física Lic. Física e g. Biomédica 007/08 Agora devemos pergutar: a ossa hipótese da distribuição dos 40 resultados obtidos para x correspoder a uma distribuição Gaussiaa é razoável? Para respoder a esta questão devemos calcular como esperaríamos que os 40 resultados estivessem distribuídos se correspodessem de facto a uma distribuição ormal e comparar esses resultados com os experimetalmete obtidos. Uma dificuldade é que, como x é uma variável cotíua, ão podemos falar do º esperado de medidas ser igual a um determiado valor de x. m vez disso, devemos falar em termos do º esperado um dado itervalo a < x < b. Vamos etão dividir os valores possíveis em itervalos de valores. s itervalos escolhidos são mostrados a tabela 0. Tabela 0. Itervalos,, e º de resultados que cai em cada itervalo, Nº do itervalo Valores de x o itervalo bservações 68 Defiidos os itervalos, cotamos os os de medidas que caem em cada itervalo,. m seguida, assumido que os resultados estão ormalmete distribuídos (caracterizados pelos X e σ estimados), podemos calcular o º de medidas,, que seria esperado em cada itervalo. Teremos depois de decidir quão bem os os observados se ajustam aos os esperados cálculo dos os esperados é bastate rápido. A probabilidade de que qualquer medida caia um itervalo a < x < b é a área delimitada pela fução de Gauss etre os poto x a e x b. Neste exemplo, teremos as probabilidades,, 3 e 4 de uma qualquer medida cair as áreas delimitadas pelos 4 itervalos mostrados a figura. 69 Dep. Física, FCTUC 87
3 Técicas Laboratoriais de Física Lic. Física e g. Biomédica 007/08 As duas áreas iguais e 3 correspodem à cohecida quatidade 68%. Portato, As outras duas probabilidades somam a quatidade remaescete 3% e, portato, Para ecotrarmos os os esperados temos apeas que multiplicar as quatidades pelo º total de medidas, N 40. s resultados são mostrados a Tabela 0.3 Tabela 0.3 Nº do itervalo, abilidade Nº esperado N Nº observado Lembremos que os os esperados, ão são esperados ao fim de uma medida mas são ates valores médios depois de realizarmos o osso pacote de 40 medidas muitas vezes (daí os ão serem os iteiros). Para avaliarmos o ajuste etre os e e, portato, a justeza da ossa hipótese, determiemos os devios ( ). Se forem pequeos a hipótese estará correcta. 70 Tabela 0.4 Cotudo, precisamos º de defiir o que é uma difereça ( ) pequea ou grade. Se os imagiarmos a repetir a ossa série de 40 medidas muitas vezes, etão o º de medidas em qualquer itervalo pode ser cosiderado como o resultado de uma experiêcia de cotages do tipo das descritas o capítulo aterior (sobre a distribuição de Poisso). As respostas muito diferetes para deveriam ter como valor médio e seria de esperar que fluctuassem em toro de com um desvio padrão da ordem de. Assim, os dois os a serem comparados são o desvio ( ) e as fluctuações esperadas. stas cosiderações levam-os a poderar a razão 7 Dep. Física, FCTUC 88
4 Técicas Laboratoriais de Física Lic. Física e g. Biomédica 007/08 Para algus itervalos, a razão deve ser positiva e para outros egativa. Para poucos itervalos, o valor pode ser cosideravelmete maior do que mas para a maioria deve ser da ordem de ou iferior. Vamos etão quadrar a razão aterior para cada e somar para todos os itervalos utilizados. ste procedimeto leva-os a defiir um º desigado por qui-quadrado: ( ) ste º costitui um idicador razoável para verificarmos o acordo etre distribuição observada e a esperada. Se 0, o acordo é perfeito, embora essa situação seja altamete improvável. m geral, espera-se que cada termo da soma seja da ordem de e, portato, como haverá termos,. ssa correspoderá etão à situação em que a hipótese é verificada experimetalmete. Pelo cotrário, >> que a hipótese estava icorrecta. sigificará 7 No osso exemplo: ( ) (.6) ( 3.6) (.4) ( 0.4) Como o valor de.80 para é bem meor que 4, ão há razão para se duvidar que a hipótese proposta ão esteja correcta resultado diferetes. Defiição geral do Qui-Quadrado ( ) é geral e pode ser aplicado a muitas experiêcia A questão pertiete que surge é qual o procedimeto para escolhermos o º de itervalos. ssa escolha depede do tipo de experiêcia e, em particular, da quatidade x ser cotíua ou discreta. É esse aspecto que vamos agora cosiderar. 73 Dep. Física, FCTUC 89
5 Técicas Laboratoriais de Física Lic. Física e g. Biomédica 007/08 Medidas de uma variável cotíua A úica distribuição cotíua que estudamos foi a distribuição Gaussiaa mas é claro que existem muitas mais. Por exemplo, em muitas experiêcias de Física Atómica e Nuclear, a distribuição esperada para a quatidade x medida (a realidade, a eergia), é a distribuição Loretziaa: f ( x) x X + γ ( ) ode X e γ são certas costates. utro exemplo de uma distribuição cotíua é a distribuição expoecial t τ f ( t) e τ que dá a probabilidade de um átomo radioactivo (cuja vida média esperada é τ) existir durate um tempo t. Seja qual for a distribuição esperada f(x), a área total circuscrita pelo gráfico de f(x) em fução de x é e a probabilidade de obtermos uma medida etre x a e x b é apeas a área etre a e b. b ( a < x < b) f ( x) a dx 74 tão, se o itervalo estiver circuscrito etre x a e x a +, o º esperado de medidas o itervalo (para um total de N medidas realizadas) é N + a ( a < x < a ) N + a f ( x) dx º de medidas esperadas em cada itervalo ão deve ser pequeo. mbora ão haja limite iferior, deve ser maior ou igual a 5: 5. Por outro lado, o º de itervalos ão deve ser iferior a 4, tal como o exemplo que cosiderámos. Desta forma, cocluiremos que, para aplicarmos o teste do qui-quadrado de forma útil, o º de medidas realizadas ão deve ser iferior a 0. Medidas de uma variável Discreta Supohamos que medimos uma variável discreta ν, como por exemplo, o º de vezes que sai o algarismo quado jogamos cico dados. Neste caso, os valores possíveis de ν são 0,,, 3, 4 e 5 e ão é ecessário agregarmos os valores em itervalos. u melhor, escolhemos 6 itervalos mas cada um deles cotém apeas resultado. 75 Dep. Física, FCTUC 90
6 Técicas Laboratoriais de Física Lic. Física e g. Biomédica 007/08 Cotudo, acotece, por vezes, ser desejável agruparmos vários resultados o mesmo itervalo. Por exemplo, se atirarmos os 5 dados 00 vezes, de acordo com o cálculo das probabilidades a distribuição dos resultados seria a apresetada a tabela 0.5. Como podemos ver, os úmeros esperados quato à obteção de 4 ou 5 algarismos é de apeas 0.6 e 0.03, respectivamete, ou seja, muito iferior às outras. stes itervalos ão estão portato em situações adequadas à aplicação do teste do qui- -quadrado. que devemos etão fazer é reagrupar os resultados ν 3, 4 e 5 um úico itervalo, ficado o total com 4 itervalos. A tabela 0.5 mostra também os valores esperados para cada itervalo. Defiidos os itervalos podemos cotar as ocorrêcias observadas em cada itervalo. Depois podemos calcular e ver se as distribuições esperada e medida cocordam. Nesta experiêcia sabemos que a distribuição esperada é certamete uma distribuição biomial B 5,/6 (ν), desde que os dados sejam verdadeiros. Assim, o osso teste da distribuição é um teste a saber se os dados são verdadeiros ou estão falseados. Tabela 0.5 Nº de vezes que sai º corrêcias esperadas Nº do itervalo Nº esperado 76 utras formas de Qui-quadrado Ao logo do curso já várias vezes apareceu a oção de e em todos os casos o é uma soma de quadrados de fórmula geral: valor observado valor esperado desvio padrão Se o acordo for, será da ordem de ; se ão, será muito maior que. Ifelizmete, só podemos usar o teste do quado cohecemos os valores esperados e os desvios padrão. Talvez a situação mais comum em que estes valores podem ser cohecidos com bastate precisão seja o tipo de distribuições como a que usámos como exemplo, ode os são dados pela própria distribuição experimetal e os desvios padrão são as raízes quadradas desses valores. Cotudo, este teste é de aplicação muito variada. Cosideremos uma situação em que medimos duas gradezas experimetais, x e y, e esperamos que haja uma determiada relação fucioal etre elas, y f(x) (como y A + Bx). Supohamos que temos N pares de medidas (x i, y i ) ode os x i têm icerteza desprezável e os y i têm icerteza σ i. Neste caso, os valores esperados para os y i são os valores calculados f(x i ) e podemos etão testar até que poto y se ajusta à fução f(x) através de: 77 Dep. Física, FCTUC 9
7 Técicas Laboratoriais de Física Lic. Física e g. Biomédica 007/08 N y f σ i x i i ( ) Graus de Liberdade e reduzido Até agora comparámos o parâmetro com o º de itervalos em que dividimos os ossos dados. Cotudo, um procedimeto melhor é compará-lo ates com o º de graus de liberdade, d. m geral, o º de graus de liberdade um cálculo estatístico é defiido como o º de dados observados meos o º de parâmetros obtidos a partir desses dados e usados os cálculos. Para os problemas usados este capítulo os dados observados são os os de observações os itervalos,. Portato, o º de dados observados é apeas, o º de itervalos. tão, estes casos, o º de graus de liberdade é d c ode c é o º de parâmetros que tiveram que ser calculados para determiarmos os os esperados. ste valor c é frequetemete desigado por úmero de costragimetos. 78 º de costragimetos depede de cada experiêcia. Laçameto de 5 dados e registo do º de vezes em que sai o úmero. Nesta experiêcia, ode estamos a testar a hipótese dos dados serem verdadeiros, a distribuição esperada do º de vezes que sai o úmero (ν) é a distribuição biomial B 5,/6 (ν), ode 0,,, 3, 4 ou 5. Ambos os parâmetros desta fução, o º de dados (5) e a probabilidade de sair o úmero (/6), são cohecidas à partida e ão têm que ser calculados a partir dos dados. Quado calculamos o º esperado de ocorrêcias de um ν particular, devemos multiplicar a probabilidade biomial pelo º total de laçametos, N (00 o osso exemplo). ste parâmetro depede dos dados: N tão, este caso, c e d 4 3, uma vez que os dados foram agrupados em 4 itervalos. Portato, esta experiêcia tiha 3 graus de liberdade. 79 Dep. Física, FCTUC 9
8 Técicas Laboratoriais de Física Lic. Física e g. Biomédica 007/08 Alcace de um projéctil - s dados foram agrupados em 4 itervalos ( 4). - Nessa experiêcia, o alcace do projéctil foi determiado N 40 vezes. - Mas para determiar a distribuição G X,σ (x) calculámos X e σ a partir dos dados observados. Assim, o º total de costragimetos foi de 3. - º de graus de liberdade é etão: d 4 3 ste resultado explica porque ão pudemos usar um º de itervalos iferior a 4. Quado é elevado, a difereça etre e d ão é importate, mas quado é pequeo (o que acotece muitas vezes), percebe-se como é importate esta difereça. Prova-se que o valor esperado para é exactamete d. Uma forma mais coveiete de avaliar o é usar o reduzido: d Valor esperado de 80 abilidades do Qui-Quadrado Voltemos à experiêcia do alcace do projéctil. Vimos que.8 e como para esta experiêcia d, o reduzido dá também.8. Será este um valor aceitável para cocluirmos que a experiêcia é bem reproduzida por uma distribuição Gaussiaa? procedimeto geral é o seguite: depois de completarmos qualquer série de medidas, calculamos o reduzido, que registaremos como uma vez que é o resulta directamete das ossas observações. Depois, cosiderado que as ossas medidas seguem uma determiada distribuição (a distribuição esperada), calculamos a probabilidade ( ) de ecotrarmos um valor de maior ou igual a. Se esta probabilidade for elevada, o osso valor de é perfeitamete aceitável e ão há razão para rejeitarmos a distribuição esperada. Se a probabilidade for muito baixa, um valor de da ordem do osso observado é muito improvável e é-o também a correspodêcia etre a distribuição esperada e a experimetal. 8 Dep. Física, FCTUC 93
9 Técicas Laboratoriais de Física Lic. Física e g. Biomédica 007/08 Uma froteira possível são os 5% que já usámos para as correlações. Assim, uma probabilidade de < 5 ( ) % idicaria um desacordo sigificativo. Se a froteira for % etão uma probabilidade de ( ) < % idicaria um desacordo altamete sigificativo. cálculo das probabilidades ( ) é complexo para o âmbito desta disciplia, mas os resultados estão tabelados e podem ser ecotrados facilmete a literatura da especialidade. As percetages da probabilidade ( ) de obtermos um valor de maior ou igual a um valor particular para algus graus de liberdade, d, são apresetadas da tabela 0.6. s traços idicam probabilidades iferiores a 0.05%. 8 Tabela 0.6 Por exemplo: com 0 graus de liberdade (d 0), a probabilidade de obter um é igual a 3%. Portato, se tivéssemos obtido um reduzido de uma experiêcia de 0 graus de liberdade, cocluiríamos que as ossas observações diferiam sigificativamete da distribuição esperada, tedo em cota um ível de sigificado de 5%. 83 Dep. Física, FCTUC 94
Probabilidades num jogo aos dados
Técicas Laboratoriais de Física Lic. Física e Eg. Biomédica 007/08 Capítulo VIII Distribuição Biomial Probabilidades um jogo aos dados Defiição de uma Distribuição Biomial Propriedades da Distribuição
Leia maisCap. VI Histogramas e Curvas de Distribuição
TLF /11 Capítulo VI Histogramas e curvas de distribuição 6.1. Distribuições e histogramas. 6 6.. Distribuição limite 63 6.3. Sigificado da distribuição limite: frequêcia esperada e probabilidade de um
Leia maisCapítulo II Propagação de erros (cont.)
Técicas Laboratoriais de Física Lic. Física e Eg. Biomédica 007/08 Capítulo II Propagação de erros (cot.) Propagação de icertezas idepedetes e arbitrárias Fuções de uma variável Determiação da propagação
Leia maisDESIGUALDADES, LEIS LIMITE E TEOREMA DO LIMITE CENTRAL. todas as repetições). Então, para todo o número positivo ξ, teremos:
48 DESIGUALDADES, LEIS LIMITE E TEOREMA DO LIMITE CENTRAL LEI DOS GRANDES NÚMEROS Pretede-se estudar o seguite problema: À medida que o úmero de repetições de uma experiêcia cresce, a frequêcia relativa
Leia mais6.1 Estimativa de uma média populacional: grandes amostras. Definição: Um estimador é uma característica amostral (como a média amostral
6 ESTIMAÇÃO 6.1 Estimativa de uma média populacioal: grades amostras Defiição: Um estimador é uma característica amostral (como a média amostral x ) utilizada para obter uma aproximação de um parâmetro
Leia maisAvaliação 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
Leia maisMATEMÁTICA II. Profa. Dra. Amanda Liz Pacífico Manfrim Perticarrari
MATEMÁTICA II Profa. Dra. Amada Liz Pacífico Mafrim Perticarrari amada@fcav.uesp.br O PROBLEMA DA ÁREA O PROBLEMA DA ÁREA Ecotre a área da região que está sob a curva y = f x de a até b. S = x, y a x b,
Leia maisVirgílio 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
Leia maisComparação entre duas populações
Comparação etre duas populações AMOSTRAS INDEPENDENTES Comparação etre duas médias 3 Itrodução Em aplicações práticas é comum que o iteresse seja comparar as médias de duas diferetes populações (ambas
Leia maisCÁLCULO I. Exibir o cálculo de algumas integrais utilizando a denição;
CÁLCULO I Prof Edilso Neri Júior Prof Adré Almeida Aula o 9: A Itegral de Riema Objetivos da Aula Deir a itegral de Riema; Exibir o cálculo de algumas itegrais utilizado a deição; Apresetar fuções que
Leia maisMATEMÁTICA II. Profa. Dra. Amanda Liz Pacífico Manfrim Perticarrari
MATEMÁTICA II Profa. Dra. Amada Liz Pacífico Mafrim Perticarrari amada@fcav.uesp.br Ecotre a área da região que está sob a curva y = f x de a até b. S = x, y a x b, 0 y f x Isso sigifica que S, ilustrada
Leia maisbinomial seria quase simétrica. Nestas condições será também melhor a aproximação pela distribuição normal.
biomial seria quase simétrica. Nestas codições será também melhor a aproximação pela distribuição ormal. Na prática, quado e p > 7, a distribuição ormal com parâmetros: µ p 99 σ p ( p) costitui uma boa
Leia maisCONCEITOS BÁSICOS E PRINCÍPIOS DE ESTATÍSTICA
1 CONCEITOS BÁSICOS E PRINCÍPIOS DE ESTATÍSTICA 1. Coceitos Básicos de Probabilidade Variável aleatória: é um úmero (ou vetor) determiado por uma resposta, isto é, uma fução defiida em potos do espaço
Leia maisCap. 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:
Leia maisTRANSPORTES. Sessão Prática 4 Amostragem de escalares
Mestrado Itegrado em Egeharia Civil TRNPORTE Prof. Resposável: Luis Picado atos essão Prática 4 mostragem de escalares Istituto uperior Técico / Mestrado Itegrado Egeharia Civil Trasportes ulas Práticas
Leia maisAmostras Aleatórias e Distribuições Amostrais. Probabilidade e Estatística: afinal, qual é a diferença?
Amostras Aleatórias e Distribuições Amostrais Probabilidade e Estatística: afial, qual é a difereça? Até agora o que fizemos foi desevolver modelos probabilísticos que se adequavam a situações reais. Por
Leia maisIntrodução. Exemplos. Comparar três lojas quanto ao volume médio de vendas. ...
Itrodução Exemplos Para curar uma certa doeça existem quatro tratametos possíveis: A, B, C e D. Pretede-se saber se existem difereças sigificativas os tratametos o que diz respeito ao tempo ecessário para
Leia mais10 - 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.
Leia maisMestrado 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
Leia maisLista de Exercícios #4 Assunto: Variáveis Aleatórias Contínuas
. ANPEC 8 - Questão Seja x uma variável aleatória com fução desidade de probabilidade dada por: f(x) = x, para x f(x) =, caso cotrário. Podemos afirmar que: () E[x]=; () A mediaa de x é ; () A variâcia
Leia maisn ) uma amostra aleatória da variável aleatória X.
- Distribuições amostrais Cosidere uma população de objetos dos quais estamos iteressados em estudar uma determiada característica. Quado dizemos que a população tem distribuição FX ( x ), queremos dizer
Leia maisDistribuições Amostrais
Distribuições Amostrais O problema da iferêcia estatística: fazer uma afirmação sobre os parâmetros da população θ (média, variâcia, etc) através da amostra. Usaremos uma AAS de elemetos sorteados dessa
Leia maisINTERPOLAÇÃO POLINOMIAL
1 Mat-15/ Cálculo Numérico/ Departameto de Matemática/Prof. Dirceu Melo LISTA DE EXERCÍCIOS INTERPOLAÇÃO POLINOMIAL A aproximação de fuções por poliômios é uma das ideias mais atigas da aálise umérica,
Leia maisUniversidade São Judas Tadeu Faculdade de Tecnologia e Ciências Exatas Laboratório de Física e Química
Uiversidade São Judas Tadeu Faculdade de Tecologia e Ciêcias Exatas Laboratório de Física e Química Aálise de Medidas Físicas Quado fazemos uma medida, determiamos um úmero para caracterizar uma gradeza
Leia maisobjetivo Exercícios Meta da aula Pré-requisitos
Exercícios A U L A 6 Meta da aula Aplicar o formalismo quâtico estudado as Aulas a 5 deste módulo à resolução de um cojuto de exercícios. objetivo Esperamos que, após o térmio desta aula, você teha cosolidado
Leia maisCAP. I ERROS EM CÁLCULO NUMÉRICO
CAP I ERROS EM CÁLCULO NUMÉRICO 0 Itrodução Por método umérico etede-se um método para calcular a solução de um problema realizado apeas uma sequêcia fiita de operações aritméticas A obteção de uma solução
Leia maisExperimento 1 Estudo da Lei de Hooke
Experimeto 1 Estudo da Lei de Hooke 1.1 Objetivos Físicos Verificação experimetal da lei de Hooke para uma mola helicoidal: Medida experimetal do módulo de rigidez do material μ. 1. Objetivos Didáticos
Leia mais1 Distribuições Amostrais
1 Distribuições Amostrais Ao retirarmos uma amostra aleatória de uma população e calcularmos a partir desta amostra qualquer quatidade, ecotramos a estatística, ou seja, chamaremos os valores calculados
Leia maisTestes de Hipóteses sobre uma Proporção Populacional
Estatística II Atoio Roque Aula Testes de Hipóteses sobre uma Proporção Populacioal Seja o seguite problema: Estamos iteressados em saber que proporção de motoristas da população usa cito de seguraça regularmete.
Leia mais) E X. ) = 0 2 ( 1 p ) p = p. ) E 2 ( X ) = p p 2 = p ( 1 p ) ( ) = i 1 n. ( ) 2 n E( X) = ( ) = 1 p ( ) = p V ( X ) = E ( X 2 E X
3.5 A distribuição uiforme discreta Defiição: X tem distribuição uiforme discreta se cada um dos valores possíveis,,,, tiver fução de probabilidade P( X = i ) = e represeta-se por, i =,, 0, c.c. X ~ Uif
Leia maisExercício: Mediu-se os ângulos internos de um quadrilátero e obteve-se 361,4. Qual é o erro de que está afetada esta medida?
1. Tratameto estatísticos dos dados 1.1. TEORIA DE ERROS O ato de medir é, em essêcia, um ato de comparar, e essa comparação evolve erros de diversas origes (dos istrumetos, do operador, do processo de
Leia maisProva Escrita de MATEMÁTICA A - 12o Ano a Fase
Prova Escrita de MATEMÁTICA A - 1o Ao 00 - a Fase Proposta de resolução GRUPO I 1. Como a probabilidade do João acertar em cada tetativa é 0,, a probabilidade do João acertar as tetativas é 0, 0, 0, 0,
Leia maisUma 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.
Leia maisb) Fabrico de peças cilíndricas Capítulo 5 - Distribuições conjuntas de probabilidades e complementos X - comprimento da peça Y - diâmetro da peça
Capítulo 5 - Distribuições cojutas de probabilidades e complemetos 5.1 Duas variáveis aleatórias discretas. Distribuições cojutas, margiais e codicioais. Idepedêcia Em relação a uma mesma eperiêcia podem
Leia maisDETERMINANDO A SIGNIFICÂNCIA ESTATÍSTICA PARA AS DIFERENÇAS ENTRE MÉDIAS
DTRMINANDO A SIGNIFIÂNIA STATÍSTIA PARA AS DIFRNÇAS NTR MÉDIAS Ferado Lag da Silveira Istituto de Física - UFRGS lag@if.ufrgs.br O objetivo desse texto é apresetar através de exemplos uméricos como se
Leia maisESTIMAÇÃO POR INTERVALO (INTERVALOS DE CONFIANÇA)
06 ETIMÇÃO OR INTERVLO (INTERVLO DE CONINÇ) Cada um dos métodos de estimação potual permite associar a cada parâmetro populacioal um estimador. Ora a cada estimador estão associadas tatas estimativas diferetes
Leia maisAMOSTRAGEM ALEATÓRIA DISTRIBUIÇÕES POR AMOSTRAGEM
6 AMOSTRAGEM ALEATÓRIA DISTRIBUIÇÕES POR AMOSTRAGEM Quado se pretede estudar uma determiada população, aalisam-se certas características ou variáveis dessa população. Essas variáveis poderão ser discretas
Leia maisMAE 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
Leia maisCapítulo I Séries Numéricas
Capítulo I Séries Numéricas Capitulo I Séries. SÉRIES NÚMERICAS DEFINIÇÃO Sedo u, u,..., u,... uma sucessão umérica, chama-se série umérica de termo geral u à epressão que habitualmete se escreve u u...
Leia maisComo se decidir entre modelos
Como se decidir etre modelos Juliaa M. Berbert Quado uma curva é lei de potecia? O procedimeto amplamete usado para testar movimetação biológica a fim de ecotrar padrões de busca como Voos de Levy tem
Leia maisESCOLA BÁSICA DE ALFORNELOS
ESCOLA BÁSICA DE ALFORNELOS FICHA DE TRABALHO DE MATEMÁTICA 9.º ANO VALORES APROXIMADOS DE NÚMEROS REAIS Dado um úmero xe um úmero positivo r, um úmero x como uma aproximação de x com erro iferior a r
Leia maisEstacionariedade e correlação temporal em dados financeiros
Estacioariedade e correlação temporal em dados fiaceiros Hoje em dia há uma quatidade imesa de dados fiaceiros sedo armazeados, egócio a egócio, pelo mudo afora. Gratuitamete, é possível coseguir facilmete
Leia maisDERIVADAS DE FUNÇÕES11
DERIVADAS DE FUNÇÕES11 Gil da Costa Marques Fudametos de Matemática I 11.1 O cálculo diferecial 11. Difereças 11.3 Taxa de variação média 11.4 Taxa de variação istatâea e potual 11.5 Primeiros exemplos
Leia mais) E 2 ( X) = p p 2 = p( 1 p) ) = 0 2 ( 1 p) p = p ( ) = ( ) = ( ) = p. F - cara (sucesso) C - coroa (insucesso)
3.6 A distribuição biomial Defiição: uma eperiêcia ou prova de Beroulli é uma eperiêcia aleatória só com dois resultados possíveis (um deles chamado "sucesso" e o outro "isucesso"). Seja P(sucesso) = p,
Leia mais1 Estimação de Parâmetros
1 Estimação de arâmetros Vários tipos de estudos tem o objetivo de obter coclusões fazer iferêcias a respeito de parâmetros de uma população. A impossibilidade de avaliar toda a população faz com que a
Leia maisMétodos iterativos. Métodos Iterativos para Sistemas Lineares
Métodos iterativos Métodos Iterativos para Sistemas Lieares Muitos sistemas lieares Ax = b são demasiado grades para serem resolvidos por métodos directos (por exemplo, se A é da ordem de 10000) á que
Leia maisESTATÍSTICA. PROF. RANILDO LOPES U.E PROF EDGAR TITO
ESTATÍSTICA PROF. RANILDO LOPES http://ueedgartito.wordpress.com U.E PROF EDGAR TITO Medidas de tedêcia cetral Medidas cetrais são valores que resumem um cojuto de dados a um úico valor que, de alguma
Leia maisDistribuições 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
Leia maisINFERÊNCIA. 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
Leia maisMétodos Quantitativos para Ciência da Computação Experimental Aula #4
Métodos Quatitativos para Ciêcia da Computação Experimetal Aula #4 Jussara Almeida DCC-UFMG 2017 Measuremets are ot to provide umbers, but isights Metodologia de Comparação de Sistemas Experimetais Comparado
Leia maisSumário. 2 Índice Remissivo 11
i Sumário 1 Esperaça de uma Variável Aleatória 1 1.1 Variáveis aleatórias idepedetes........................... 1 1.2 Esperaça matemática................................. 1 1.3 Esperaça de uma Fução de
Leia maisAnálise de Algoritmos. Análise de Algoritmos. Análise de Algoritmos. Análise de Algoritmos. Análise de Algoritmos. Análise de Algoritmos
Aálise de Algoritmos Aálise de Algoritmos Prof Dr José Augusto Baraauskas DFM-FFCLRP-USP A Aálise de Algoritmos é um campo da Ciêcia da Computação que tem como objetivo o etedimeto da complexidade dos
Leia maisSecção 1. Introdução às equações diferenciais
Secção. Itrodução às equações difereciais (Farlow: Sec..,.) Cosideremos um exemplo simples de um feómeo que pode ser descrito por uma equação diferecial. A velocidade de um corpo é defiida como o espaço
Leia maisEstatística: Aplicação ao Sensoriamento Remoto SER ANO Teste de Hipótese
Estatística: Aplicação ao Sesoriameto Remoto SER 4 - ANO 18 Teste de Hipótese Camilo Daleles Reó camilo@dpi.ipe.br http://www.dpi.ipe.br/~camilo/estatistica/ Estimação de Parâmetros Como já foi visto,
Leia maisUNIVERSIDADE ESTADUAL PAULISTA JÚLIO DE MESQUITA FILHO Campus de Bauru
EXPERIMENTO - MEDIDAS E ERROS ****************************************************************************. Objetivos: Propiciar ao estudate a compreesão dos coceitos básicos de medidas; Avaliação e propagação
Leia maisDistribuições Amostrais
9/3/06 Uiversidade Federal do Pará Istituto de Tecologia Estatística Aplicada I Prof. Dr. Jorge Teófilo de Barros Lopes Campus de Belém Curso de Egeharia Mecâica 3/09/06 3:38 ESTATÍSTICA APLICADA I - Teoria
Leia maisObtemos, então, uma amostra aleatória de tamanho n de X, que representamos por X 1, X 2,..., X n.
Vamos observar elemetos, extraídos ao acaso e com reposição da população; Para cada elemeto selecioado, observamos o valor da variável X de iteresse. Obtemos, etão, uma amostra aleatória de tamaho de X,
Leia maisMEDIDAS DE TENDÊNCIA CENTRAL E MEDIDAS DE DISPERSÃO Í N D I C E
MEDIDAS DE TENDÊNCIA CENTRAL E MEDIDAS DE DISPERSÃO Í N D I C E Medidas de Tedêcia Cetral Itrodução... 1- Média Aritmética... - Moda... 3- Mediaa... Medidas de Dispersão 4- Amplitude Total... 5- Variâcia
Leia maisA DESIGUALDADE DE CHEBYCHEV
A DESIGUALDADE DE CHEBYCHEV Quado se pretede calcular a probabilidade de poder ocorrer determiado acotecimeto e se cohece a distribuição probabilística que está em causa o problema, ão se colocam dificuldades
Leia maisDistribuições Amostrais
7/3/07 Uiversidade Federal do Pará Istituto de Tecologia Estatística Aplicada I Prof. Dr. Jorge Teófilo de Barros Lopes Campus de Belém Curso de Egeharia Mecâica 3/07/07 09:3 ESTATÍSTICA APLICADA I - Teoria
Leia maisMAE 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,
Leia maisTeorema 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
Leia maisTaxas e Índices. Ana Maria Lima de Farias Dirce Uesu Pesco
Taxas e Ídices Aa Maria Lima de Farias Dirce Uesu esco Itrodução Nesse texto apresetaremos coceitos básicos sobre ídices e taxas. Embora existam aplicações em diversos cotextos, essas otas utilizaremos
Leia mais4 Teoria da Probabilidade
48 4 Teoria da Probabilidade Apresetam-se este capítulo coceitos de probabilidade e de estimação de fuções desidade de probabilidade ecessários ao desevolvimeto e compreesão do modelo proposto (capítulo
Leia maisCapítulo VII: Soluções Numéricas de Equações Diferenciais Ordinárias
Capítulo VII: Soluções Numéricas de Equações Difereciais Ordiárias 0. Itrodução Muitos feómeos as áreas das ciêcias egearias ecoomia etc. são modelados por equações difereciais. Supoa-se que se quer determiar
Leia maisLista de Exercícios #6 Assunto: Propriedade dos Estimadores e Métodos de Estimação
Assuto: Propriedade dos Estimadores e Métodos de Estimação. ANPEC 08 - Questão 6 Por regulametação, a cocetração de um produto químico ão pode ultrapassar 0 ppm. Uma fábrica utiliza esse produto e sabe
Leia maisCapítulo 5- Introdução à Inferência estatística. (Versão: para o manual a partir de 2016/17)
Capítulo 5- Itrodução à Iferêcia estatística. (Versão: para o maual a partir de 2016/17) 1.1) Itrodução.(222)(Vídeo 39) Na iferêcia estatística, aalisamos e iterpretamos amostras com o objetivo de tirar
Leia maisCapítulo 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.
Leia maisESTIMAÇÃO 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.
Leia maisEstudando complexidade de algoritmos
Estudado complexidade de algoritmos Dailo de Oliveira Domigos wwwdadomicombr Notas de aula de Estrutura de Dados e Aálise de Algoritmos (Professor Adré Bala, mestrado UFABC) Durate os estudos de complexidade
Leia maisSucessões. , ou, apenas, u n. ,u n n. Casos Particulares: 1. Progressão aritmética de razão r e primeiro termo a: o seu termo geral é u n a n1r.
Sucessões Defiição: Uma sucessão de úmeros reais é uma aplicação u do cojuto dos úmeros iteiros positivos,, o cojuto dos úmeros reais,. A expressão u que associa a cada a sua imagem desiga-se por termo
Leia maisTeorema 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
Leia maisA finalidade de uma equação de regressão seria estimar valores de uma variável, com base em valores conhecidos da outra.
Jaete Pereira Amador Itrodução A aálise de regressão tem por objetivo descrever através de um modelo matemático, a relação existete etre duas variáveis, a partir de observações dessas viráveis. A aálise
Leia maisSéries de Fourier. As séries de Fourier são séries cujos termos são funções sinusoidais.
Séries de Fourier As séries de Fourier são séries cujos termos são fuções siusoidais. Importâcia prática: uma fução periódica (em codições bastate gerais) pode ser represetada por uma série de Fourier;
Leia maisEstatística Aplicada Medidas Resumo Apostila 4 Prof. Fábio Hipólito Aluno(a):
Medidas Resumo Apostila 4 Prof. Fábio Hipólito Aluo(a): # Objetivo desta aula: Calcular as medidas de tedêcia cetral: média, moda e mediaa para distribuições de frequêcias potuais e por itervalos de classes.
Leia maisESTIMAÇÃO 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:
Leia maisEstimação da média populacional
Estimação da média populacioal 1 MÉTODO ESTATÍSTICO Aálise Descritiva Teoria das Probabilidades Iferêcia Os dados efetivamete observados parecem mostrar que...? Se a distribuição dos dados seguir uma certa
Leia maisEscola de Engenharia de Lorena EEL USP Departamento de Engenharia Química DEQUI Disciplina: Normalização e Controle da Qualidade NCQ
1 Escola de Egeharia de orea EE SP Departameto de Egeharia Química DEQI Disciplia: Normalização e Cotrole da Qualidade NCQ Capítulo : Amostragem por Variáveis (MI STD 1) SEÇÃO A.1 Objetivo Este capítulo
Leia maisTeoria da Estimação 1
Teoria da Estimação 1 Um dos pricipais objetivos da estatística iferecial cosiste em estimar os valores de parâmetros populacioais descohecidos (estimação de parâmetros) utilizado dados amostrais. Etão,
Leia maisProbabilidade II Aula 12
Coteúdo Probabilidade II Aula Juho de 009 Desigualdade de Marov Desigualdade de Jese Lei Fraca dos Grades Números Môica Barros, D.Sc. Itrodução A variâcia de uma variável aleatória mede a dispersão em
Leia maisTeorema do limite central e es/mação da proporção populacional p
Teorema do limite cetral e es/mação da proporção populacioal p 1 RESULTADO 1: Relembrado resultados importates Seja uma amostra aleatória de tamaho de uma variável aleatória X, com média µ e variâcia σ.temos
Leia maisInstruções gerais sobre a Prova:
DEPARTAMENTO DE ESTATÍSTICA - UFMG PROVA DE ESTATÍSTICA & PROBABILIDADES SELEÇÃO MESTRADO/UFMG 2012/2013 Istruções gerais sobre a Prova: (a) Cada questão respodida corretamete vale 1 (um) poto. (b) Cada
Leia mais11 Aplicações da Integral
Aplicações da Itegral Ao itroduzirmos a Itegral Defiida vimos que ela pode ser usada para calcular áreas sob curvas. Veremos este capítulo que existem outras aplicações. Essas aplicações estedem-se aos
Leia maisCAPÍTULO 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
Leia maisEstatística para Economia e Gestão REVISÕES SOBRE VARIÁVEIS ALEATÓRIAS DISCRETAS E CONTÍNUAS
Estatística para Ecoomia e Gestão REVISÕES SOBRE VARIÁVEIS ALEATÓRIAS DISCRETAS E CONTÍNUAS Primavera 008/009 Variável Aleatória: Defiição: uma variável aleatória é uma fução que atribui a cada elemeto
Leia maisVariáveis Aleatórias e Distribuições de Probabilidade
PROBABILIDADES Variáveis Aleatórias e Distribuições de Probabilidade BERTOLO Fução de Probabilidades Vamos cosiderar um experimeto E que cosiste o laçameto de um dado hoesto. Seja a variável aleatória
Leia maisO teste de McNemar. A tabela 2x2. Depois - Antes
Prof. Lorí Viali, Dr. http://www.pucrs.br/famat/viali/ viali@pucrs.br O teste de McNemar O teste de McNemar para a sigificâcia de mudaças é particularmete aplicável aos experimetos do tipo "ates e depois"
Leia mais( 1,2,4,8,16,32,... ) PG de razão 2 ( 5,5,5,5,5,5,5,... ) PG de razão 1 ( 100,50,25,... ) PG de razão ½ ( 2, 6,18, 54,162,...
Progressões Geométricas Defiição Chama se progressão geométrica PG qualquer seqüêcia de úmeros reais ou complexos, ode cada termo a partir do segudo, é igual ao aterior, multiplicado por uma costate deomiada
Leia maisEPR 007 Controle Estatístico de Qualidade
EP 7 Cotrole Estatístico de Qualidade Prof. Dr. Emerso José de Paiva Gráficos e tabelas origiadas de Costa, Epprecht e Carpietti (212) 1 Num julgameto, ifelizmete, um iocete pode ir pra cadeia, assim como
Leia maisDistribuição 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
Leia maisEstimar uma proporção p (desconhecida) de elementos em uma população, apresentando certa característica de interesse, a partir da informação
ESTIMAÇÃO DA PROPORÇÃO POPULACIONAL p 1 Objetivo Estimar uma proporção p (descohecida) de elemetos em uma população, apresetado certa característica de iteresse, a partir da iformação forecida por uma
Leia mais1. Definição e conceitos básicos de equações diferenciais
Capítulo 7: Soluções Numéricas de Equações Difereciais Ordiárias. Itrodução Muitos feómeos as áreas das ciêcias, egearias, ecoomia, etc., são modelados por equações difereciais. Supoa-se que se quer determiar
Leia maisMQI 2003 ESTATÍSTICA PARA METROLOGIA - SEMESTRE Teste 2 07/07/2008 Nome: PROBLEMA 1 Sejam X e Y v.a. contínuas com densidade conjunta:
MQI 003 ESTATÍSTICA PARA METROLOGIA - SEMESTRE 008.0 Teste 07/07/008 Nome: PROBLEMA Sejam X e Y v.a. cotíuas com desidade cojuta: f xy cy xy x y (, ) = + 3 ode 0 e 0 a) Ecotre a costate c que faz desta
Leia mais1. Dados: Deve compreender-se a natureza dos dados que formam a base dos procedimentos
9. Testes de Hipóteses 9.. Itrodução Uma hipótese pode defiir-se simplesmete como uma afirmação acerca de uma mais populações. Em geral, a hipótese se refere aos parâmetros da população sobre os quais
Leia maisRegressão linear simples
Regressão liear simples Maria Virgiia P Dutra Eloae G Ramos Vaia Matos Foseca Pós Graduação em Saúde da Mulher e da Criaça IFF FIOCRUZ Baseado as aulas de M. Pagao e Gravreau e Geraldo Marcelo da Cuha
Leia mais3.4.2 Cálculo da moda para dados tabulados. 3.4 Moda Cálculo da moda para uma lista Cálculo da moda para distribuição de freqüências
14 Calcular a mediaa do cojuto descrito pela distribuição de freqüêcias a seguir. 8,0 10,0 10 Sabedo-se que é a somatória das, e, portato, = 15+25+16+34+10 = 100, pode-se determiar a posição cetral /2
Leia maisTRABALHO1 MEDIÇÕES, ALGARISMOS SIGNIFICATIVOS E ERROS.
TRABALHO1 MEDIÇÕES, ALGARISMOS SIGNIFICATIVOS E ERROS. 1.1 Objectivos Medir gradezas físicas, utilizado os istrumetos adequados. Apresetar correctamete os resultados das medições, ao ível da utilização
Leia maisCálculo II Sucessões de números reais revisões
Ídice 1 Defiição e exemplos Cálculo II Sucessões de úmeros reais revisões Mestrado Itegrado em Egeharia Aeroáutica Mestrado Itegrado em Egeharia Civil Atóio Beto beto@ubi.pt Departameto de Matemática Uiversidade
Leia maislim Px ( ) 35 x 5 ), teremos Px ( ) cada vez mais próximo de 35 (denotaremos isso da forma Px ( ) 35 ). UNIVERSIDADE FEDERAL DA PARAÍBA CAMPUS IV-CCAE
CURSO DISCIPLINA PROFESSOR I) Itrodução ao Limite de uma Fução UNIVERSIDADE FEDERAL DA PARAÍBA CAMPUS IV-CCAE LICENCIATURA EM MATEMÁTICA CÁLCULO DIFERENCIAL E INTEGRAL I Limite de uma Fução José Elias
Leia maisExponenciais e Logaritmos (MAT 163) - Notas de Aulas 2 Prof Carlos Alberto S Soares
Expoeciais e Logaritmos (MAT 163) - Notas de Aulas 2 Prof Carlos Alberto S Soares 1 Prelimiares Lembremos que, dados cojutos A, B R ão vazios, uma fução de domíio A e cotradomíio B, aotada por, f : A B,
Leia mais