A DISTRIBUIÇÃO GENERALIZADA DE VALORES EXTREMOS APLICADA AO AJUSTE DOS DADOS DE VELOCIDADE MÁXIMA DO VENTO EM PIRACICABA, SÃO PAULO, BRASIL

Tamanho: px
Começar a partir da página:

Download "A DISTRIBUIÇÃO GENERALIZADA DE VALORES EXTREMOS APLICADA AO AJUSTE DOS DADOS DE VELOCIDADE MÁXIMA DO VENTO EM PIRACICABA, SÃO PAULO, BRASIL"

Transcrição

1 A DISTRIBUIÇÃO GENERALIZADA DE VALORES EXTREMOS APLICADA AO AJUSTE DOS DADOS DE VELOCIDADE MÁXIMA DO VENTO EM PIRACICABA SÃO PAULO BRASIL Ezequel Abraham Lóez BAUTISTA Slvo Sadoval ZOCCHI Luz Roberto ANGELOCCI RESUMO: A teora dos valores etremos desemeha um ael fudametal a modelagem de evetos assocados a robabldades muto equeas ou evetos raros. Os modelos robablístcos baseados esta teora vsam redzer a artr de um cojuto de valores mámos de um rocesso ambetal regstrado um eríodo relatvamete curto 30 aos or eemlo os valores mámos eserados em um eríodo maor de temo ou mas aos que ara o caso esecífco dos vetos são de grade utldade or eemlo o laejameto de estruturas cvs. Este trabalho cosstu o ajuste da dstrbução geeralzada de valores etremos GVE aos dados de velocdade máma mesal de veto regstrados durate um eríodo de 43 aos 956 a 97 e 974 a 000 em Praccaba Estado de São Paulo. Para a estmação dos arâmetros dessa dstrbução fo utlzado o método da máma verossmlhaça. O ajuste aos dados fo avalado or meo dos gráfcos quatl-quatl e do teste de Kolmogorov-Smrov. A artr do ajuste cal da dstrbução GVE a dstrbução de Gumbel demostrou ser a mas adequada ara modelar os dados de velocdade máma de veto em todos os meses do ao. Observou-se também que os meses de setembro a dezembro aresetaram as maores velocdades mámas de veto. Vetos com velocdades acma de 60 km.h - cosderados muto fortes também se aresetaram este eríodo do ao. Por últmo foram obtdas as velocdades mámas ara os eríodos de retoro e 00 aos e costruídos seus resectvos tervalos de 95% de cofaça or meo do método delta. PALAVRAS-CHAVE: Período de retoro; ível de retoro; tervalo de cofaça. Itrodução O veto tem mortâca muto grade a atvdade humaa. Na agrcultura or eemlo está dretamete assocado ao desevolvmeto das latas ao facltar as trocas de calor de dódo de carboo e de vaor d água etre a atmosfera e a vegetação além de ajudar o rocesso de olzação das flores e oder ser utlzado como fote de eerga eerga eólca. Etretato quado se regstram vetos de velocdades elevadas ormalmete de curta duração os seus efetos assam geralmete a ser daosos rovocado o estímulo ecessvo à evaotrasração o acamameto das latas a queda Deartameto de Cêcas Eatas Escola Sueror de Agrcultura Luz de Queroz ESALQ Uversdade de São Paulo - USP Caa Postal 9 CEP: Praccaba SP Brasl. E-mal: sszocch@esalq.us.br Rev. Mat. Estat. São Paulo v

2 de flores e frutos a quebra de galhos e arracameto de latas causado a erosão dos solos a deformação da asagem e daos em costruções e stalações. De forma geral a revsão robablístca da ocorrêca de vetos etremos é de vtal mortâca ara o laejameto das atvdades sujetas a seus efetos adversos e uma forma de modelar esses evetos é utlzar a teora dos valores etremos roosta or Fsher e Tett 98. Segudo esta teora estem três tos de dstrbuções asstótcas de valores etremos a to I de Gumbel a to II de Fréchet e a to III de Webull. Essas dstrbuções são freqüetemete utlzadas ara estmar robabldades de ocorrêca de vetos acma de valores ré-estabelecdos ou ara se rever o valor mámo de velocdade de veto em determados eríodos de temo. Sedo tradcoalmete utlzada a dstrbução de Gumbel como ode ser observado os trabalhos de Smu e Fllbe 976 Grgoru 984 Gusella 99 Abld et al. 99 e Walshaw 994. No etato Smu e Heckert 996 e Holmes e Morarty 999 cocluíram que a dstrbução de Webull é a mas arorada ara modelar velocdades mámas de veto de orgem etratrocal ecludo áreas de torados. Um roblema que surge a rátca é o da escolha da dstrbução de valores etremos mas adequada ara uma amostra de dados em artcular Rayal 997. Como alteratva este autor sugere a utlzação da dstrbução geeralzada de valores etremos GVE desevolvda or Jekso 955 que ode ser cosderada como uma famíla de dstrbuções que clu como casos artculares os três tos de dstrbuções asstótcas de valores etremos. O resete trabalho fo desevolvdo com o objetvo rcal de aresetar e mlemetar a metodologa ara ajustar a dstrbução GVE aos dados de velocdade máma mesal de vetos em Praccaba obter a robabldade de ocorrêca mesal de valores etremos de velocdades de veto acma de e 00 km.h estmar o eríodo de retoro ara o maor valor de velocdade máma de veto regstrado em cada um dos meses do ao e determar as velocdades mámas ara eríodos de retoro de e 00 aos e seus resectvos tervalos de cofaça. Materal e métodos Os dados de velocdades mámas mesas de veto a 0 m acma do ível do solo foram obtdos o eríodo de 956 a 97 e de 974 a 000 a artr de regstros de aemógrafo do to uversal marca Fuess localzado em Praccaba lattude 4 30 S logtude W e alttude 545 m. De cada mês fo selecoado o valor de velocdade máma statâea ara formar a sére de valores mámos. Foram utlzados regstros de 4 aos ara os meses de jaero e setembro e 43 aos ara os restates meses do ao devdo à dsobldade de algumas observações. Icalmete fo realzada uma aálse eloratóra dos dados que cosstu o cálculo das meddas de tedêca cetral méda e medaa de dsersão varâca desvo adrão coefcete de varação e amltude terquartlca de assmetra e costrução de um gráfco de caas ara a varável aleatóra velocdade máma de veto em cada mês do ao. Cosderado que uma das ressuosções ara que se ossam utlzar os modelos robablístcos de valores etremos é que a sére de observações amostras... ara um certo mês seja aleatóra fo utlzado o teste de chorrlho 96 Rev. Mat. Estat. São Paulo v

3 Rev. Mat. Estat. São Paulo v ru test descrto em Zar 999 ara verfcar esta ressuosção. Este teste é de utldade a detecção de desvos a aleatoredade de uma seqüêca de medções quattatvas o temo ocasoadas or tedêcas ou erodcdade Díaz 999. Para a aálse da varável aleatóra velocdade máma de veto em cada mês do ao fo adotada a dstrbução geeralzada de valores etremos GVE com fução de dstrbução acumulada dada or: e F defda em < < / ara < 0 < < ara tededo a zero / < < ara > 0 sedo e resectvamete os arâmetros de locação escala e de forma com >0. As dstrbuções de valores etremos de Fréchet e de Webull corresodem aos casos artculares de em que > 0 e < 0 resectvamete. Como lmte de F com tededo a zero tem-se: F e e que é a fução de dstrbução acumulada de Gumbel com arâmetros de escala e de locação e resectvamete com >0. A artr de obtém-se a fução desdade de robabldade da dstrbução GVE dada or: e f defda em < < / ara < 0 e / < < ara > 0. Como lmte de f com tededo a zero tem-se que: f e e e defda em < <. A estmação dos arâmetros dessa dstrbução fo feta elo método da máma verossmlhaça Smth 985. Suodo que há deedêca etre as observações obtém-se a fução de verossmlhaça L L L e

4 Rev. Mat. Estat. São Paulo v Logo o logartmo da fução de verossmlhaça deotado or l é dado or: l l l l ] l [ L l que ara <0 assume valores dferetes de zero se todos os valores de... forem meores do que ou seja se > sedo o maor valor da sére de observações e ara >0 se todos os valores de... forem maores do que ou seja < sedo o meor valor da sére de observações. Caso cotráro L 0. Os estmadores de máma verossmlhaça de e foram obtdos ela solução do sstema de equações ão-leares formado elas dervadas de rmera ordem da eq. em relação a cada arâmetro gualadas a zero sto é ela solução de: 0 l 0 0 w w w w w w w 3 sedo:. w Vsto que o sstema de equações 3 ão ossu solução aalítca fo utlzado o método de Newto-Rahso ara obteção de uma solução umérca artdo-se de valores cas ara e. Dado um valor cal arbtráro o 00 ara roõese como valores cas de o e o ara e os valores tas que EX e VarX s ode e s são resectvamete a méda e a varâca da sére de observações. Obtêmse assm as segutes eressões ara os valores cas: s o

5 e o s. 4 A segur será cosderado o caso artcular da dstrbução GVE com tededo a zero ou seja a dstrbução de Gumbel. Nesse caso o logartmo da fução de verossmlhaça é dado or: l l[ L ] l e e os estmadores de máma verossmlhaça de e foram obtdos ela solução do sstema de equações: e 0. e 0 Esse sstema de equações ão ossu solução aalítca ortato fo utlzado o método de Newto-Rahso ara obteção de uma solução umérca tomado-se como valores cas o e o ara e as soluções obtdas or meo do método dos mometos dadas or: e 6 o γ s π s 6 o s s 5 π sedo γ a costate de Euler aromadamete gual a Para testar se as observações seguem uma dstrbução de valores etremos de Gumbel de Fréchet ou de Webull basta testar se tede a zero a dstrbução GVE o que fo feto or meo do teste da razão de verossmlhaça modfcado Hoskg 984. Assm ara testar a hótese H o : 0 cotra H a : 0 utlza-se a estatístca de razão de verossmlhaça modfcada T LR * dada ela eressão: * 8 TLR T LR sedo o tamaho da amostra e T LR a estatístca de razão de verossmlhaça que tem dstrbução asstótca χ com grau de lberdade e é dada or: T LR [ l G l GVE ] [ l GVE l G ] Rev. Mat. Estat. São Paulo v

6 sedo l e l os mámos do logartmo da fução de máma verossmlhaça GVE G das dstrbuções GVE e de Gumbel e GVE e G seus resectvos vetores de estmatvas de máma verossmlhaça. Desta forma testa-se H o comarado o valor da estatístca T * LR com o valor tabela do de χ α da dstrbução χ com grau de lberdade com certo ível de sgfcâca α. Em seguda ara testar o ajuste da dstrbução GVE aos dados fo utlzado o teste de Kolmogorov-Smrov descrto em Camos 983. Este teste o etato segudo Crutcher 975 e Coover 980 somete deve ser utlzado ara dstrbuções comletamete esecfcadas sto é quado ão estem arâmetros descohecdos que recsam ser estmados a artr da amostra. Caso cotráro o teste se areseta muto coservador. Para corrgr este roblema foram obtdos or meo de smulação os íves crítcos ara a estatístca de Kolmogorov-Smrov o caso em que se estmam os arâmetros da dstrbução GVE com um ível de sgfcâca 5% ara amostras de tamahos 4 e 43 segudo as déas aresetadas or Lllefors 967 e Coover 980. Para estmar as robabldades de ocorrêca mesal de valores etremos de velocdade de veto acma de km.h - fo utlzada a segute eressão: > P X F e cujo lmte ara tededo a zero é dado or: P X > e e. O eríodo de retoro estmado eresso em aos ara o maor valor regstrado em cada um dos meses do ao é dado or: τ. F O ível de retoro assocado ao eríodo de retoro τ é obtdo a artr da solução da equação: ara /τ ou seja f d F. 6 Ao verter 6 chega-se à solução: 00 Rev. Mat. Estat. São Paulo v

7 Rev. Mat. Estat. São Paulo v [ ] { } l F 7 ara 0 cujo lmte ara tededo a zero é dado or: [ ] { } l l F 8 A estmatva do ível de retoro ara eríodos de retoro τ / fo obtda or substtução das estmatvas de máma verossmlhaça de e a eq. 7 e de e a eq. 8. Além das estmatvas otuas foram costruídos os tervalos de cofaça I.C. com coefcete de cofaça de α00% ara os íves de retoro utlzado método delta como descrto em Grgoru 984. De acordo com esse método o tervalo de cofaça ara com α 00% de cofaça é dado or:. I.C / Var z α ± sedo α o ível de sgfcâca z α/ o valor tal que P Z < z α/ α e Z uma varável com dstrbução ormal adrozada e Var a varâca assocada ao ível de retoro. Esse método basea-se o fato de a dstrbução de ser asstotcamete ormal com méda e matrz de varâcas e covarâcas dada elo verso da matrz de formação de Fsher. Por outro lado o ível de retoro 7 ode ser learzado or meo de easão de rmera ordem em sére de Taylor em toro de um oto cal corresodete ao vetor de estmatvas dos arâmetros e ou seja Logo quado o arâmetro a dstrbução GVE é dferete de zero a varâca do ível de retoro é dada or: Cov Cov Cov Var Var Var Var Por sua vez ara o caso em que tede a zero tem-se: Var Cov Var Var

8 3 Resultados e dscussão Os meses de setembro a dezembro aresetam em méda os valores mas altos de velocdade máma de veto sedo outubro o mês que mostra em méda o maor valor 746 km.h Tabela. Além dos meses ctados aterormete também aresetam em méda valores altos acma de 60 km.h jaero feverero e março. Isto é devdo ao aquecmeto duro ser maor esses eríodos do ao Vaello e Alves 99 rovocado a eetração de lhas de stabldade com mudaças bruscas o regme de veto que ode assar de calmo < km.h a vedaval 88 a 0 km.h. Tabela - Estatístcas descrtvas da varável aleatóra velocdade máma mesal km.h de veto os eríodos de 956 a 97 e de 974 a 000 em Praccaba SP Fote: Deartameto de Cêcas Eatas ESALQ/USP Mês Méda Medaa Varâca Desvo adrão Amltude terquartílca Coefcete de assmetra Coefcete de varação % Ja Fev Mar Abr Ma Ju Jul Ago Set Out Nov Dez De feverero a julho ota-se um acetuado decréscmo da méda e da medaa sedo em julho que se regstram os meores valores destas meddas méda5489 km.h e medaa584 km.h Fgura. A medaa é sstematcamete meor do que a méda o que sugere que as dstrbuções sejam assmétrcas à dreta fato reforçado elos valores ostvos dos coefcetes de assmetra Tabela. Este adrão de varação da velocdade máma ao logo do ao oder ser cosderado como tíco da regão Sudeste do Brasl Tubels e Nascmeto 984; Vaello e Alves 99. Os gráfcos de caa bo lot ara a varável velocdade máma de veto ara cada mês do ao sugerem a reseça de algus valores aaretemete atícos reresetados elos símbolos e * rcalmete os meses de jaero março juho outubro ovembro e dezembro Fgura. Como esses valores odem estar fluecado as meddas de dsersão varâca e desvo adrão são aresetados a Tabela os valores de amltude terquartílca cujos maores valores são observados em mao e outubro. Nota-se assm que aesar de mao aresetar um dos meores valores de méda e medaa ossu uma das maores dsersões o que ode ser vsualzado a Fgura e quatfcado or meo do coefcete de varação Tabela. 0 Rev. Mat. Estat. São Paulo v

9 Novem bro Outubro D ezem bro Jaero Feverero M arço Abrl Setem bro M ao Agosto Juho Julho M éda M edaa FIGURA - Gráfco de radar ara reresetar as meddas de tedêca cetral méda e medaa da varável velocdade máma de veto km.h em cada um dos meses do ao em Praccaba SP Fote: Deartameto de Cêcas Eatas ESALQ/USP Velocdades mámas de veto km h JAN FEV MAR ABR MAI JUN JUL AGO SET OUT NOV DEZ Meses do ao FIGURA - Gráfcos de caa bo lot ara a varável velocdade máma de veto ara cada um dos meses do ao em Praccaba SP Fote: Deartameto de Cêcas Eatas ESALQ/USP. Para verfcar a ressuosção de deedêca costatou-se or meo do teste de chorrlho cujos resultados estão aresetados a Tabela que ão há evdêcas ara assumr que as seqüêcas de medções sejam deedetes. Assm o cumrmeto desta ressuosção garate a obteção de ferêcas estatístcas satsfatóras a artr dos modelos robablístcos de valores etremos Sharma et al Rev. Mat. Estat. São Paulo v

10 Tabela - Números totas de valores meores e maores do que a medaa estatístcas do teste de corrlho v e valores crítcos do teste com um ível de sgfcâca 5% ara cada um dos meses do ao em Praccaba SP Fote: Deartameto de Cêcas Eatas ESALQ USP Mês v Valores crítcos Iferor Sueror Ja Fev Mar Abr Ma Ju Jul Ago Set. 5 9 Out Nov Dez Como uma seguda etaa fo ajustada a dstrbução GVE cujas estmatvas dos arâmetros e obtdas or meo do método de máma verossmlhaça e suas resectvas varâcas e covarâcas estmadas ara cada um dos meses do ao são aresetadas a Tabela 3. Tabela 3 - Estmatvas dos arâmetros da dstrbução geeralzada de valores etremos e as resectvas varâcas e covarâcas estmadas ara dados de velocdade máma mesal km.h de veto os eríodos de 956 a 97 e de 974 a 000 ara cada um dos meses do ao em Praccaba SP Fote: Deartameto de Cêcas Eatas ESALQ/USP Mês Vâr Vâr Vâr Côv Côv Côv Ja Fev Mar Abr Ma Ju Jul Ago Set Out Nov Dez Rev. Mat. Estat. São Paulo v

11 Nota-se que as estmatvas otuas do arâmetro de forma estão rómas a zero ara todos os meses do ao o que corresodera à dstrbução de Gumbel Tabela 3. Etretato devdo às estmatvas serem meores do que zero em 8 dos meses oder-se-a esar a utlzação da dstrbução de Webull ara esses meses. Essa dstrbução segudo Smu e Heckert 996 e Holmes e Morarty 999 é a mas arorada ara reresetar feômeos ambetas como a velocdade máma de vetos devdo ao fato de ossur uma cauda sueror com lmte fto. Por outro lado ara os meses restates as estmatvas otuas do arâmetro de forma são maores do que zero corresodedo à dstrbução de Fréchet que ão é dcada elos autores or aresetar cauda sueror com lmte fto odedo coduzr a redções lmtadas de íves de retoro. Cometam ada que essa dstrbução ode surgr devdo a velocdades decorretes de dferetes tos de vetos quato ao seu mecasmo de orgem ou a ossíves erros a amostragem ara amostras equeas. Sugerem esse caso que se ote ela dstrbução de Gumbel que aesar de aresetar cauda sueror com lmte fto levam a redções de íves de retoro ferores aos obtdos quado se utlza a dstrbução de Fréchet. Para decdr etre uma das três dstrbuções comoetes da dstrbução GVE ou seja ara se testar a hótese de gualdade do arâmetro ao valor zero otou-se elo teste da razão de verossmlhaça. Comarado-se os valores da estatístca T LR * aresetados a Tabela 4 com o valor tabela do de χ com um grau de lberdade e 5 % de sgfcâca dado or χ ; coclu-se que a dstrbução de Gumbel é a mas adequada ara modelar os dados de velocdade máma de veto cosderados. Essa coclusão é reforçada elo fato de o valor ulo de que corresode à dstrbução de Gumbel estar comreeddo detro dos lmtes do tervalo de cofaça ara Tabela 4. Tabela 4 - Itervalos de 95 % de cofaça ara o arâmetro de forma e valores da estatístca de razão de verossmlhaça modfcada T LR * ara dados de velocdade máma mesal km.h de veto os eríodos de 956 a 97 e de 974 a 000 ara cada um dos meses do ao em Praccaba SP Fote: Deartameto de Cêcas Eatas ESALQ/USP Mês Lmtes de 95 % de cofaça ara Iferor Sueror * T LR Ja Fev Mar Abr Ma Ju Jul Ago Set Out Nov Dez Rev. Mat. Estat. São Paulo v

12 Durate o rocedmeto de estmação dos arâmetros das dstrbuções GVE e de Gumbel houve semre uma ráda covergêca or meo do método de Newto- Rahso roorcoada ela boa seleção dos valores cas dos arâmetros obtdos or meo de 4 e 5. Tabela 5 - Estmatvas dos arâmetros e da dstrbução de Gumbel e corresodetes varâcas e covarâcas estmadas Mês Vâr Vâr Côv Ja Fev Mar Abr Ma Ju Jul Ago Set Out Nov Dez Em seqüêca ara verfcar a qualdade do ajuste da dstrbução de Gumbel alcou-se o teste de Kolmogorov-Smrov com um ível de sgfcâca de 5% cujas dfereças mámas absolutas observadas etre os valores de robabldade das fuções de robabldade acumulada emírca e de Gumbel teórca assm como os íves crítcos D α ara 4 ou 43 com um ível de sgfcâca α 5% obtdos or smulação são aresetados a Tabela 6. Para obter tas íves crítcos calmete geraram-se amostras de tamaho 4 ou 43 de uma varável aleatóra com dstrbução GVE adrão. Em seguda calculou-se ara cada uma o valor da estatístca de Kolmogorv- Smrov estmado os arâmetros da dstrbução GVE a artr da amostra e tomou-se como ível crítco o quatl 95%. Comarado-se os valores da estatístca ara cada mês do ao com os íves crítcos verfca-se que a dstrbução de Gumbel ajusta-se bem aos dados em todos os meses do ao. Estes resultados o etato cocordam arcalmete com os obtdos or Agelocc et al. 995 ara a mesma localdade e regstros roveetes da mesma estação meteorológca. Estes autores cocluíram que a dstrbução de Gumbel ão teve um bom ajuste ara os meses de feverero abrl e ovembro. Esta dvergêca as coclusões é elcada elo fato da sére de dados utlzada or estes autores ter sdo equea 0 aos. 06 Rev. Mat. Estat. São Paulo v

13 Tabela 6 - Resultados do teste de Kolmogorov-Smrov ara verfcação da qualdade do ajuste da dstrbução de Gumbel aos dados de velocdade máma mesal km.h de veto os eríodos de 956 a 97 e de 974 a 000 ara cada um dos meses do ao em Praccaba SP Fote: Deartameto de Cêcas Eatas ESALQ/USP Mês Número de dados Dfereça máma absoluta D D 005 Ja Fev Ma Abr Ma Ju Jul Ago Set Out Nov Dez A artr do ajuste da dstrbução de Gumbel observou-se que o eríodo de setembro a março regstram-se rajadas com velocdades acma de 60 km.h - classfcadas como vetos muto fortes segudo a escala de medda de tesdade dos vetos roosta or Beaufort Natoal Weather Servce 00 com robabldade de ocorrêca maor do que 050 valor cosderado alto segudo Agelocc et al. 995 Tabela 7. Esta Tabela mostra ada que a robabldade de ocorrêca de vetos com velocdades suerores a 00 km.h - é maor os meses de setembro outubro e ovembro em comaração com o resto de meses do ao. Estes vetos são classfcados como tormetas voletas ou temestades com grau a escala de Beaufort Natoal Weather Servce 00 e têm grade mortâca já que odem causar daos estruturas cosderáves e arracameto de árvores. Os meses de jaero e mao assm como março e abrl aresetam valores dêtcos de com eríodos de retoro dferetes o que ode ser elcado devdo ao fato de o comortameto da dstrbução de Gumbel ser dstto ara os dferetes meses do ao Tabela 8. As estmatvas dos íves de retoro mesas e tervalos de cofaça assocados aos eríodos de retoro e 00 aos obtdos elo método delta são aresetados a Tabela 9 revelado que os maores íves de retoro regstram-se os meses de setembro a dezembro. Rev. Mat. Estat. São Paulo v

14 Tabela 7 - Probabldades de ocorrêca de rajadas mámas mesas de veto com velocdade acma de e 00 km.h a 0 m acma do ível do solo ara cada um dos meses do ao em Praccaba SP Fote: Deartameto de Cêcas Eatas ESALQ/USP Mês Velocdade km.h - >40 >50 >60 >70 >80 >90 >00 Ja Fev Mar Abr Ma Ju Jul Ago Set Out Nov Dez Tabela 8 - Períodos de retoro estmados ara os maores valores de velocdade máma de veto km.h regstrados em cada um dos meses do ao os eríodos de 956 a 97 e de 974 a 000 em Praccaba SP Fote: Deartameto de Cêcas Eatas ESALQ/USP Mês Maor valor regstrado de velocdade Período de retoro máma de veto km.h aos Ja Fev Mar Abr Ma Ju Jul Ago Set. 096 Out Nov Dez Rev. Mat. Estat. São Paulo v

15 Tabela 9 - Níves de retoro km.h estmados e lmtes feror LI e sueror LS de seus resectvos tervalos de 95 % de cofaça ara os eríodos de retoro e 00 aos obtdos or meo do método delta ara cada um dos meses do ao em Praccaba SP Fote: Deartameto de Cêcas Eatas ESALQ/ USP Mês LI Período de retoro aos 5 aos 0 aos 50 aos 00 aos LS LI LS LI LS LI LS Ja Fev Mar Abr Ma Ju Jul Ago Set Out Nov Dez Coclusões A dstrbução geeralzada de valores etremos com arâmetro 0 que corresode à dstrbução de valores to I ou de Gumbel é adequada ara estudar o comortameto da velocdade máma de veto em todos os meses do ao em Praccaba. As maores velocdades mámas de veto e os maores íves de retoro regstramse os meses de setembro a dezembro. Vetos com velocdade acma dos 60 km.h - cosderados muto fortes e com robabldade de ocorrêca sueror a 05 aresetamse também este eríodo do ao. Agradecmetos Esta esqusa fo realzada com o aoo da Coordeação de Aerfeçoameto de Pessoal de Nível Sueror CAPES - Programa Estudate Covêo de Pós-Graduação da Fudação. BAUTISTA E.A.L.; ZOCCHI S.S.; ANGELOCCI L.R. Fttg the geeralzed etreme value dstrbuto GEV to the mamum wd seed data Praccaba São Paulo Brazl. Rev. Mat. Estat. São Paulo v ABSTRACT: The etreme value theory lays a fudametal role modelg evets assocated to very small robabltes or rare evets. The am of the robablstc models based o ths theory s to redct from a set of mamum values of a evrometal rocess recorded o a relatvely Rev. Mat. Estat. São Paulo v

16 short erod e.g. 30 years the eected mamum values a greater erod or more years. For the secfc case of wd these values are very useful for eamle for the lag ad develomet of cvl structures. Ths work s cocered wth the fttg of the geeralzed etreme value GEV dstrbuto to the mamum wd seeds recorded mothly durg a 43- year erod 956 to 97 ad 974 to 000 Praccaba SP Brazl. For the estmato of arameters of the GVE dstrbuto the method of the mamum lkelhood was used. The fttg to the data was evaluated through the quatl-quatl grah ad the Kolmogorov-Smrov test. From the tal fttg of the GEV dstrbuto we cocluded that the Gumbel dstrbuto was the most sutable to model the mamum wd seed for all moths. It was observed that the Setember to December erod reseted the hghest values of mamum wd seed. Ths erod also showed wds wth seeds above 60 km.h - cosdered as very strog. Fally we obtaed the retur levels for the retur erods of ad 00 years ad we costructed ther resectve 95% cofdece tervals through the delta method. KEYWORDS: Retur level; retur erod; cofdece terval. Referêcas ABILD J.; ANDERSEN E.Y.; ROSBJERG D. The clmate of etreme wds at the Great Belt of Demark. J. Wd Eg. Idustr. Aerodyam. Amsterda v ANGELOCCI L.R.; WIENDL F.W.; ARRUDA H.V. Probabldades mesas de ocorrêca de rajadas de veto a regão de Praccaba. I: CONGRESSO BRASILEIRO DE AGROMETEOROLOGIA 9. Cama Grade 995. Aas... Cama Grade: Socedade Braslera de Agrometeorologa UFPB CAMPOS H. Estatístca eermetal ão aramétrca. 4.ed. Praccaba: ESALQ CONOVER W.J. Practcal oarametrc statstcs..ed. New York: Joh Wley CRUTCHER H.L. A ote o the ossble msuse of the Kolmogorov-Smrov test. J. Al. Metereol. Bosto v DÍAZ J.F. Itroduccó a los métodos o aramétrcos. Xalaa: Uversdad Veracruzaa Facultad de Estadístca e Iformátca FISHER R.A.; TIPPETT L.H.C. Lmtg forms of the frequecy dstrbutos of the largest or smallest member of a samle. Proc. Camb. Phlos. Soc. New York v GRIGORIU M. Estmates of etreme wd from short records. J. Struct. Eg. New York v GUSELLA V. Estmato of etreme wds from short-term records. J. Struct. Eg. New York v HOLMES J.D.; MORIARTY W.W. Alcato of the geeralzed Pareto dstrbuto to etreme value aalyss wd egeerg. J. Wd Eg. Idustr. Aerodyam. Amsterda v HOSKING J.R.M. Testg whether the shae arameter s zero the geeralzed etreme-value dstrbuto. Bometrka Lodo v Rev. Mat. Estat. São Paulo v

17 JENKINSON A.F. The frequecy dstrbuto of the aual mamum or mmum values of meteorologcal elemets. Q. J. R. Meteorol. Soc. Brackeel v LILLIEFORS H.W. O the Kolmogorov-Smrov test for ormalty wth mea ad varace ukow. J. Am. Stat. Assoc. Aleadra v NATIONAL WEATHER SERVICE. The Beaufort wd force scale. Dsoível em: <htt:// oaa.gov/lot/webage/beaufort>. Acesso em: 0 fev. 00. RAYNAL J.A. Sobre el uso del domo de atraccó ara la detfcacó de valores etremos ara mámos. Ig. Hdráulca Méco Méco v SHARMA P.; KHARE M.; CHAKRABARTI S.P. Alcato of etreme value theory for redctg volatos of ar qualty stadards for a urba road tersecto. Trasort. Res. New York v SIMIU E.; FILLIBEN J. Probablty dstrbuto of etreme wd seeds. J. Struct. Eg. New York v SIMIU E.; HECKERT N.A. Etreme wd dstrbuto tals: A eak over threshold aroach. J. Struct. Eg. New York v SMITH R.L. Mamum lkelhood estmato a class of oregular cases. Bometrka Lodo v TUBELIS A.; NASCIMENTO F.J. do. Meteorologa descrtva: fudametos e alcações brasleras. São Paulo: Nobel : Veto. VIANELLO R.L.; ALVES A.R. Meteorologa básca e alcações. Vçosa: UFV WALSHAW D. Gettg the most from your etreme wd data: a ste by ste gude. J. Res. Nat. Stad. Techol. Washgto v ZAR J.H. Bostatstcal aalyss. 4.ed. New Jersey: Pretce Hall Recebdo em Arovado aós revsão em Rev. Mat. Estat. São Paulo v

Hidrologia, Ambiente e Recursos Hídricos 2009 / Rodrigo Proença de Oliveira

Hidrologia, Ambiente e Recursos Hídricos 2009 / Rodrigo Proença de Oliveira Hdrologa, Ambete e Recursos Hídrcos 009 / 00 Rodrgo roeça de Olvera Aálse estatístca IST: Hdrologa, Ambete e Recursos Hídrcos Rodrgo roeça de Olvera, 009 Cocetos base Varável aleatóra oulação Fução de

Leia mais

Revisão de Estatística X = X n

Revisão de Estatística X = X n Revsão de Estatístca MÉDIA É medda de tedêca cetral mas comumete usada ara descrever resumdamete uma dstrbução de freqüêca. MÉDIA ARIMÉTICA SIMPLES São utlzados os valores do cojuto com esos guas. + +...

Leia mais

Cap. 5. Testes de Hipóteses

Cap. 5. Testes de Hipóteses Cap. 5. Testes de Hpóteses Neste capítulo será estudado o segudo problema da ferêca estatístca: o teste de hpóteses. Um teste de hpóteses cosste em verfcar, a partr das observações de uma amostra, se uma

Leia mais

REGRESSÃO LINEAR 05/10/2016 REPRESENTAÇAO MATRICIAL. Y i = X 1i + 2 X 2i k X ni + i Y = X + INTRODUÇÃO SIMPLES MÚLTIPLA

REGRESSÃO LINEAR 05/10/2016 REPRESENTAÇAO MATRICIAL. Y i = X 1i + 2 X 2i k X ni + i Y = X + INTRODUÇÃO SIMPLES MÚLTIPLA REGRESSÃO LINEAR CUIABÁ, MT 6/ INTRODUÇÃO Relação dos valores da varável depedete (varável resposta) aos valores de regressoras ou exógeas). SIMPLES MÚLTIPLA (varáves depedetes,... =,,, K=,,, k em que:

Leia mais

6. Inferência para Duas Populações USP-ICMC-SME 2013

6. Inferência para Duas Populações USP-ICMC-SME 2013 6. Iferêca ara Duas Poulações UP-ICMC-ME 3 8.. Poulações deedetes co dstrbução oral Poulação Poulação,,,, ~ N, ~ N, ~ N, Obs. e a dstrbução de e/ou ão for oral, os resultados são váldos aroxadaete. Testes

Leia mais

Métodos tipo quadratura de Gauss

Métodos tipo quadratura de Gauss COQ-86 Métodos Numércos ara Sstemas Algébrcos e Dferecas Métodos to quadratura de Gauss Cosderado a tegração: Método de quadratura de Gauss com otos teros I f d a ser comutada com a maor recsão ossível

Leia mais

MAE 5776 ANÁLISE MULTIVARIADA. Júlia M Pavan Soler

MAE 5776 ANÁLISE MULTIVARIADA. Júlia M Pavan Soler MAE 5776 ANÁLISE MULTIVARIADA Júla M Pava Soler ava@me.us.br º Semestre IME/09 Baco de Dados: Dados Multvarados Varáves Udades Amostras j j j j j j : Matrz de Dados resosta do -ésmo dvíduo a j-ésma varável

Leia mais

ESTATÍSTICA MÓDULO 3 MEDIDAS DE TENDÊNCIA CENTRAL

ESTATÍSTICA MÓDULO 3 MEDIDAS DE TENDÊNCIA CENTRAL ESTATÍSTICA MÓDULO 3 MEDIDAS DE TEDÊCIA CETRAL Ídce. Meddas de Tedêca Cetral...3 2. A Méda Artmétca Smles ( μ, )...3 3. A Méda Artmétca Poderada...6 Estatístca Módulo 3: Meddas de Tedêca Cetral 2 . MEDIDAS

Leia mais

A DISTRIBUIÇÃO GENERALIZADA DE VALORES EXTREMOS NO ESTUDO DA VELOCIDADE MÁXIMA DO VENTO EM PIRACICABA, SP EZEQUIEL ABRAHAM LÓPEZ BAUTISTA

A DISTRIBUIÇÃO GENERALIZADA DE VALORES EXTREMOS NO ESTUDO DA VELOCIDADE MÁXIMA DO VENTO EM PIRACICABA, SP EZEQUIEL ABRAHAM LÓPEZ BAUTISTA A DISTRIBUIÇÃO GENERALIZADA DE VALORES EXTREMOS NO ESTUDO DA VELOCIDADE MÁXIMA DO VENTO EM PIRACICABA SP EZEQUIEL ABRAHAM LÓPEZ BAUTISTA Dssertação aresentada à Escola Sueror de Agrcultura "Luz de Queroz"

Leia mais

CÁLCULO DE RAÍZES DE EQUAÇÕES NÃO LINEARES

CÁLCULO DE RAÍZES DE EQUAÇÕES NÃO LINEARES CÁLCULO DE RAÍZES DE EQUAÇÕES NÃO LINEARES Itrodução Em dversos camos da Egehara é comum a ecessdade da determação de raízes de equações ão leares. Em algus casos artculares, como o caso de olômo, que

Leia mais

Estudo do intervalo de confiança da regressão inversa utilizando o software R

Estudo do intervalo de confiança da regressão inversa utilizando o software R Estudo do tervalo de cofaça da regressão versa utlzado o software R Llae Lopes Cordero João Domgos Scalo. Itrodução Na maora das aplcações evolvedo regressão, determa-se o valor de Y correspodete a um

Leia mais

Macroeconometria Aula 3 Revisão de estatística e teste de hipótese

Macroeconometria Aula 3 Revisão de estatística e teste de hipótese Macroecoometra 008. Aula 3 Revsão de estatístca e teste de hpótese 3.5. Estmação No estudo das probabldades, o objetvo é calcular a probabldade de evetos préespecfcados. De agora em date o objetvo muda.

Leia mais

Estatística - exestatmeddisper.doc 25/02/09

Estatística - exestatmeddisper.doc 25/02/09 Estatístca - exestatmeddsper.doc 5/0/09 Meddas de Dspersão Itrodução ão meddas estatístcas utlzadas para avalar o grau de varabldade, ou dspersão, dos valores em toro da méda. ervem para medr a represetatvdade

Leia mais

CAP. V AJUSTE DE CURVAS PELO MÉTODO DOS MÍNIMOS QUADRADOS

CAP. V AJUSTE DE CURVAS PELO MÉTODO DOS MÍNIMOS QUADRADOS CAP. V AJUSTE DE CURVAS PELO MÉTODO DOS MÍNIMOS QUADRADOS No caítulo ateror estudamos uma forma de ldar com fuções matemátcas defdas or taelas de valores. Frequetemete, estas taelas são otdas com ase em

Leia mais

Inferência Estatística e Aplicações I. Edson Zangiacomi Martinez Departamento de Medicina Social FMRP/USP

Inferência Estatística e Aplicações I. Edson Zangiacomi Martinez Departamento de Medicina Social FMRP/USP Iferêca Estatístca e Aplcações I Edso Zagacom Martez Departameto de Medca Socal FMRP/USP edso@fmrp.usp.br Rotero Parte I Escola frequetsta Defções: parâmetros, estmatvas Dstrbuções de probabldade Estmação

Leia mais

Regressão Simples. Parte III: Coeficiente de determinação, regressão na origem e método de máxima verossimilhança

Regressão Simples. Parte III: Coeficiente de determinação, regressão na origem e método de máxima verossimilhança Regressão Smples Parte III: Coefcete de determação, regressão a orgem e método de máxma verossmlhaça Coefcete de determação Proporção da varabldade explcada pelo regressor. R Varação explcada Varação total

Leia mais

Regressao Simples. Parte II: Anova, Estimação Intervalar e Predição

Regressao Simples. Parte II: Anova, Estimação Intervalar e Predição egressao Smples Parte II: Aova, Estmação Itervalar e Predção Aálse de Varâca Nem todos os valores das amostras estão cotdos a reta de regressão, e quato mas afastados estverem por, a reta represetará a

Leia mais

CAP. V AJUSTE DE CURVAS PELO MÉTODO DOS MÍNIMOS QUADRADOS

CAP. V AJUSTE DE CURVAS PELO MÉTODO DOS MÍNIMOS QUADRADOS CAP. V AJUSTE DE CURVAS PELO MÉTODO DOS MÍNIMOS QUADRADOS No caítulo IV, Iterolação Polomal, estudamos uma forma de ldar com fuções matemátcas defdas or taelas de valores. Frequetemete, estas taelas são

Leia mais

Distribuições Amostrais. Estatística. 8 - Distribuições Amostrais UNESP FEG DPD

Distribuições Amostrais. Estatística. 8 - Distribuições Amostrais UNESP FEG DPD Dstrbuções Amostras Estatístca 8 - Dstrbuções Amostras 08- Dstrbuções Amostras Dstrbução Amostral de Objetvo: Estudar a dstrbução da população costtuída de todos os valores que se pode obter para, em fução

Leia mais

HIDROLOGIA E RECURSOS HÍDRICOS. Análise estatística aplicada à hidrologia

HIDROLOGIA E RECURSOS HÍDRICOS. Análise estatística aplicada à hidrologia Aálse estatístca aplcada à hdrologa. Séres hdrológcas oções complemetares HIDROLOGIA E RECURSOS HÍDRICOS Aálse estatístca aplcada à hdrologa O Egehero HIDRÁULICO Echerá? Que população pode abastecer e

Leia mais

4- Método de Diferenças Finitas Aplicado às Equações Diferenciais Parciais.

4- Método de Diferenças Finitas Aplicado às Equações Diferenciais Parciais. MÉTODOS NUMÉRICOS PARA EQUAÇÕES DIFERENCIAIS PARCIAIS 4- Método de Dereças Ftas Alcado às Equações Derecas Parcas. 4.- Aromação de Fuções. 4..- Aromação or Polômos: Iterolação. 4..- Ajuste de Dados: Mímos

Leia mais

Nas Instituições de Ensino Superior(IES), há uma relação direta entre a qualidade do ensino e a taxa de inadimplência. A taxa de inadimplência das

Nas Instituições de Ensino Superior(IES), há uma relação direta entre a qualidade do ensino e a taxa de inadimplência. A taxa de inadimplência das CORRELAÇÃO Nas Isttuções de Eso Superor(IES), há uma relação dreta etre a qualdade do eso e a taxa de admplêca. A taxa de admplêca das IES que obtveram cocetos A e B o Provão é,%, as que obtveram C é 6%

Leia mais

Estudo das relações entre peso e altura de estudantes de estatística através da análise de regressão simples.

Estudo das relações entre peso e altura de estudantes de estatística através da análise de regressão simples. Estudo das relações etre peso e altura de estudates de estatístca através da aálse de regressão smples. Waessa Luaa de Brto COSTA 1, Adraa de Souza COSTA 1. Tago Almeda de OLIVEIRA 1 1 Departameto de Estatístca,

Leia mais

Estatística: Aplicação ao Sensoriamento Remoto SER ANO Estimação Pontual

Estatística: Aplicação ao Sensoriamento Remoto SER ANO Estimação Pontual Estatístca: Aplcação ao Sesorameto Remoto SER 04 - ANO 08 Estmação Potual Camlo Daleles Reó camlo@dp.pe.br http://www.dp.pe.br/~camlo/estatstca/ Iferêca Estatístca Cosdere o expermeto: retram-se 3 bolas

Leia mais

Testes de Hipótese Multivariados para Matrizes de Covariâncias em Processos Autocorrelacionados com Aplicações em Controle de Qualidade

Testes de Hipótese Multivariados para Matrizes de Covariâncias em Processos Autocorrelacionados com Aplicações em Controle de Qualidade Uversdade Federal de Mas Geras Isttuto de Cêcas Eatas Programa de Pós-Graduação em Estatístca Dssertação de Mestrado: estes de Hótese Multvarados ara Matrzes de Covarâcas em Processos Autocorrelacoados

Leia mais

Professor Mauricio Lutz REGRESSÃO LINEAR SIMPLES. Vamos, então, calcular os valores dos parâmetros a e b com a ajuda das formulas: ö ; ø.

Professor Mauricio Lutz REGRESSÃO LINEAR SIMPLES. Vamos, então, calcular os valores dos parâmetros a e b com a ajuda das formulas: ö ; ø. Professor Maurco Lutz 1 EGESSÃO LINEA SIMPLES A correlação lear é uma correlação etre duas varáves, cujo gráfco aproma-se de uma lha. O gráfco cartesao que represeta essa lha é deomado dagrama de dspersão.

Leia mais

ESTATÍSTICA Aula 7. Prof. Dr. Marco Antonio Leonel Caetano

ESTATÍSTICA Aula 7. Prof. Dr. Marco Antonio Leonel Caetano ESTATÍSTICA Aula 7 Prof. Dr. Marco Atoo Leoel Caetao Dstrbuções de Probabldade DISCRETAS CONTÍNUAS (Números teros) Bomal Posso Geométrca Hper-Geométrca Pascal (Números reas) Normal t-studet F-Sedecor Gama

Leia mais

Avaliação da qualidade do ajuste

Avaliação da qualidade do ajuste Avalação da qualdade do ajuste 1 Alguma termologa: Modelo ulo: é o modelo mas smples que pode ser defdo, cotedo um úco parâmetro ( µ) comum a todos os dados; Modelo saturado: é o modelo mas complexo a

Leia mais

NOTA BREVE SOBRE O CONCEITO DE MÉDIA 1

NOTA BREVE SOBRE O CONCEITO DE MÉDIA 1 NOTA BREVE SOBRE O CONCEITO DE MÉDIA O coceto de méda surge de modo abudate a dscla de Métodos Estatístcos, resete em mutos cursos de lcecatura de sttuções de eso sueror. Surge, de gual modo, em domíos

Leia mais

Confiabilidade Estrutural

Confiabilidade Estrutural Professor Uversdade de Brasíla Departameto de Egehara Mecâca Programa de Pós graduação em Itegrdade Estrutural Algortmo para a Estmatva do Idce de Cofabldade de Hasofer-Ld Cofabldade Estrutural Jorge Luz

Leia mais

Aplicabilidade da distribuição GEV ao estudo da precipitação máxima diária anual na região sul de Minas Gerais

Aplicabilidade da distribuição GEV ao estudo da precipitação máxima diária anual na região sul de Minas Gerais Revsta Agrogeoambetal - v. 6,. - Abrl 04 Aplcabldade da dstrbução GEV ao estudo da precptação máma dára aual a regão sul de Mas Geras Alsso Souza de Olvera Carlos Rogéro de Mello Camla Slva Fraco 3 Rosâgela

Leia mais

Média. Mediana. Ponto Médio. Moda. Itabira MEDIDAS DE CENTRO. Prof. Msc. Emerson José de Paiva 1 BAC011 - ESTATÍSTICA. BAC Estatística

Média. Mediana. Ponto Médio. Moda. Itabira MEDIDAS DE CENTRO. Prof. Msc. Emerson José de Paiva 1 BAC011 - ESTATÍSTICA. BAC Estatística BAC 0 - Estatístca Uversdade Federal de Itajubá - Campus Itabra BAC0 - ESTATÍSTICA ESTATÍSTICA DESCRITIVA MEDIDAS DE CENTRO Méda Medda de cetro ecotrada pela somatóra de todos os valores de um cojuto,

Leia mais

Distribuições de Probabilidades

Distribuições de Probabilidades Estatístca - aulasestdstrnormal.doc 0/05/06 Dstrbuções de Probabldades Estudamos aterormete as dstrbuções de freqüêcas de amostras. Estudaremos, agora, as dstrbuções de probabldades de populações. A dstrbução

Leia mais

Teoria das Comunicações

Teoria das Comunicações Teora das Comucações.6ª Revsão de robabldade rof. dré Noll arreto rcíos de Comucação robabldade Cocetos áscos Eermeto aleatóro com dversos resultados ossíves Eemlo: rolar um dado Evetos são cojutos de

Leia mais

ESTATÍSTICA APLICADA À ZOOTECNIA

ESTATÍSTICA APLICADA À ZOOTECNIA ESTATÍSTICA APLICADA À ZOOTECNIA Eucldes Braga MALHEIROS *. INTRODUÇÃO.a) Somatóras e Produtóros Sejam,, 3,...,, valores umércos. A soma desses valores (somatóra) pode ser represetada por: = = = =. e o

Leia mais

CONHECIMENTOS ESPECÍFICOS

CONHECIMENTOS ESPECÍFICOS CONHECIMENTOS ESPECÍFICOS Uma uversdade oferece um curso para capactação profssoal de joves caretes. Ao fal do curso, cada jovem partcpate será avalado por meo de uma prova teórca e de uma prova prátca,

Leia mais

MEDIDAS DE TENDÊNCIA CENTRAL I

MEDIDAS DE TENDÊNCIA CENTRAL I Núcleo das Cêcas Bológcas e da Saúde Cursos de Bomedca, Ed. Físca, Efermagem, Farmáca, Fsoterapa, Fooaudologa, edca Veterára, uscoterapa, Odotologa, Pscologa EDIDAS DE TENDÊNCIA CENTRAL I 7 7. EDIDAS DE

Leia mais

NOTAS DE AULA DA DISCIPLINA CE076 = 2. ], T 2 = conhecido como T 2 de Hotelling

NOTAS DE AULA DA DISCIPLINA CE076 = 2. ], T 2 = conhecido como T 2 de Hotelling NOTAS DE AULA DA DISCIPLINA CE76 4 INFERÊNCIA SOBRE O VETOR DE MÉDIAS 4. TESTE PARA UM VETOR DE MÉDIAS µ Lembrado o caso uvarado: H : µ µ H : µ µ Nível de sfcâca: α Estatístca do teste: t X µ s/ ~ t Decsão:

Leia mais

TESTES DE PROPORÇÕES TESTE DE UMA PROPORÇÃO POPULACIONAL

TESTES DE PROPORÇÕES TESTE DE UMA PROPORÇÃO POPULACIONAL TESTES DE PROPORÇÕES TESTE DE UMA PROPORÇÃO POPULACIONAL As hpóteses a serem testadas serão: H 0 : p p 0 H : p p 0 p > p 0 p < p 0 Estatístca do Teste: pˆ p0 z c p ( p ) 0 0 EXEMPLOS. Uma máqua está regulada

Leia mais

Probabilidades e Estatística LEGM, LEIC-A, LEIC-T, MA, MEMec

Probabilidades e Estatística LEGM, LEIC-A, LEIC-T, MA, MEMec Duração: 90 mutos Grupo I Probabldades e Estatístca LEGM, LEIC-A, LEIC-T, MA, MEMec Justfque coveetemete todas as respostas 2 o semestre 2017/2018 14/06/2018 11:00 2 o Teste B 10 valores 1. Os dvíduos

Leia mais

? Isso é, d i= ( x i. . Percebeu que

? Isso é, d i= ( x i. . Percebeu que Estatístca - Desvo Padrão e Varâca Preparado pelo Prof. Atoo Sales,00 Supoha que tehamos acompahado as otas de quatro aluos, com méda 6,0. Aluo A: 4,0; 6,0; 8,0; méda 6,0 Aluo B:,0; 8,0; 8,0; méda 6,0

Leia mais

x n = n ESTATÍSTICA STICA DESCRITIVA Conjunto de dados: Organização; Amostra ou Resumo; Apresentação. População

x n = n ESTATÍSTICA STICA DESCRITIVA Conjunto de dados: Organização; Amostra ou Resumo; Apresentação. População ESTATÍSTICA STICA DESCRITIVA Prof. Lorí Val, Dr. val@mat.ufrgs.br http://.ufrgs.br/~val/ Orgazação; Resumo; Apresetação. Cojuto de dados: Amostra ou População Um cojuto de dados é resumdo de acordo com

Leia mais

Estatística. 2 - Estatística Descritiva

Estatística. 2 - Estatística Descritiva Estatístca - Estatístca Descrtva UNESP FEG DPD Prof. Edgard - 0 0- ESTATÍSTICA DESCRITIVA Possblta descrever as Varáves: DESCRIÇÃO GRÁFICA MEDIDAS DE POSIÇÃO MEDIDAS DE DISPERSÃO MEDIDAS DE ASSIMETRIA

Leia mais

7 Análise de covariância (ANCOVA)

7 Análise de covariância (ANCOVA) Plejameto de Expermetos II - Adlso dos Ajos 74 7 Aálse de covarâca (ANCOVA) 7.1 Itrodução Em algus expermetos, pode ser muto dfícl e até mpossível obter udades expermetas semelhtes. Por exemplo, pode-se

Leia mais

Prof. Lorí Viali, Dr. PUCRS FAMAT: Departamento de Estatística Prof. Lorí Viali, Dr. PUCRS FAMAT: Departamento de Estatística

Prof. Lorí Viali, Dr. PUCRS FAMAT: Departamento de Estatística Prof. Lorí Viali, Dr. PUCRS FAMAT: Departamento de Estatística Prof. Lorí Val, Dr. http://www.pucrs.br/famat/val/ val@pucrs.br Prof. Lorí Val, Dr. PUCRS FAMAT: Departameto de Estatístca Prof. Lorí Val, Dr. PUCRS FAMAT: Departameto de Estatístca Obetvos A Aálse de

Leia mais

Em muitas situações duas ou mais variáveis estão relacionadas e surge então a necessidade de determinar a natureza deste relacionamento.

Em muitas situações duas ou mais variáveis estão relacionadas e surge então a necessidade de determinar a natureza deste relacionamento. Prof. Lorí Val, Dr. val@pucrs.r http://www.pucrs.r/famat/val/ Em mutas stuações duas ou mas varáves estão relacoadas e surge etão a ecessdade de determar a atureza deste relacoameto. A aálse de regressão

Leia mais

Modelo de Regressão Simples

Modelo de Regressão Simples Modelo de Regressão Smples Hstora Hstóra Termo regressão fo troduzdo por Fracs Galto (8-9). Estudo sobre altura de pas e flhos. Karl Pearso coletou mas de ml regstros e verfcou a le de regressão uversal

Leia mais

Econometria: 3 - Regressão Múltipla

Econometria: 3 - Regressão Múltipla Ecoometra: 3 - Regressão Múltpla Prof. Marcelo C. Mederos mcm@eco.puc-ro.br Prof. Marco A.F.H. Cavalcat cavalcat@pea.gov.br Potfíca Uversdade Católca do Ro de Jaero PUC-Ro Sumáro O modelo de regressão

Leia mais

MÓDULO 8 REVISÃO REVISÃO MÓDULO 1

MÓDULO 8 REVISÃO REVISÃO MÓDULO 1 MÓDULO 8 REVISÃO REVISÃO MÓDULO A Estatístca é uma técca que egloba os métodos cetícos para a coleta, orgazação, apresetação, tratameto e aálse de dados. O objetvo da Estatístca é azer com que dados dspersos

Leia mais

Análise de Correspondência

Análise de Correspondência MA 0330 ANÁS MUTVARAA AOS Aálse de orresodêca úla M Pava Soler ava@me.us.br Sem/016 Obetvos: Aálse de orresodêca Varável olua u.a. / Varável ha 1 1 Y 11 Y 1 Y 1 Y 1 Y 1 Y Y Y Y 1 Y Y Y Y 1 Y Y Y detfcar

Leia mais

Estatística Descritiva

Estatística Descritiva Estatístca Descrtva Cocetos Báscos Poulação ou Uverso Estatístco: coj. de elemetos sobre o qual cde o estudo estatístco; Característca Estatístca ou Atrbuto: a característca que se observa os elemetos

Leia mais

Tópicos Extras 2ª parte. Análise de Correlação e Regressão

Tópicos Extras 2ª parte. Análise de Correlação e Regressão Tópcos Extras ª parte Aálse de Correlação e Regressão 1 Defções báscas ANÁLISE DE CORRELAÇÃO Mesurar a força da assocação etre as varáves (geralmete através do cálculo de algum coefcete). ANÁLISE DE REGRESSÃO

Leia mais

8. INFERÊNCIA PARA DUAS POPULAÇÕES

8. INFERÊNCIA PARA DUAS POPULAÇÕES 8 INFERÊNCIA PARA UA POPULAÇÕE 8 Populações depedetes co dstrbução oral População População, L, Y, L,Y ~ N, σ Y ~ N, σ σ σ Y ~ N, Obs e a dstrbução de e/ou Y ão for oral, os resultados são váldos aproxadaete

Leia mais

DESEMPENHO DE ESTIMADORES DA MÉDIA POPULACIONAL DE DISTRIBUIÇÕES ASSIMÉTRICAS BASEADOS EM AMOSTRAGEM POR CONJUNTOS ORDENADOS

DESEMPENHO DE ESTIMADORES DA MÉDIA POPULACIONAL DE DISTRIBUIÇÕES ASSIMÉTRICAS BASEADOS EM AMOSTRAGEM POR CONJUNTOS ORDENADOS DESEMPENHO DE ESTIMADORES DA MÉDIA POPULACIONAL DE DISTRIBUIÇÕES ASSIMÉTRICAS BASEADOS EM AMOSTRAGEM POR CONJUNTOS ORDENADOS Fracsco Juor PIGATO Mara Cecíla Medes BARRETO RESUMO: Um deleameto amostral

Leia mais

Faculdade de Tecnologia de Catanduva CURSO SUPERIOR DE TECNOLOGIA EM AUTOMAÇÃO INDUSTRIAL

Faculdade de Tecnologia de Catanduva CURSO SUPERIOR DE TECNOLOGIA EM AUTOMAÇÃO INDUSTRIAL Faculdade de Tecologa de Cataduva CURSO SUPERIOR DE TECNOLOGIA EM AUTOMAÇÃO INDUSTRIAL 5. Meddas de Posção cetral ou Meddas de Tedêca Cetral Meddas de posção cetral preocupam-se com a caracterzação e a

Leia mais

NOTAS DE AULA DA DISCIPLINA CE076. ], T 2 = conhecido como T 2 de Hotelling

NOTAS DE AULA DA DISCIPLINA CE076. ], T 2 = conhecido como T 2 de Hotelling 4 INFERÊNCIA SOBRE O VETOR DE MÉDIAS 4. TESTE PARA UM VETOR DE MÉDIAS µ Lembrado o caso uvarado: H : µ = µ H : µ µ Nível de sgfcâca: α Estatístca do teste: X µ t = s/ ~ t Decsão: se t > t - (α/) rejeta-se

Leia mais

Construção e Análise de Gráficos

Construção e Análise de Gráficos Costrução e Aálse de Gráfcos Por que fazer gráfcos? Facldade de vsualzação de cojutos de dados Faclta a terpretação de dados Exemplos: Egehara Físca Ecooma Bologa Estatístca Y(udade y) 5 15 1 5 Tabela

Leia mais

Noções Básicas de Medidas e Algarismos Significativos

Noções Básicas de Medidas e Algarismos Significativos Noções Báscas de Meddas e Algarsmos Sgfcatvos Prof. Theo Z. Pava Departameto de Físca - Faculdade de Flosofa, Cêcas e Letras de Rberão Preto-USP Físca Acústca Motvações Quas são os padrões de meddas? Podemos

Leia mais

Estatística Descritiva

Estatística Descritiva Estatístca Descrtva Cocetos Báscos Poulação ou Uverso Estatístco: coj. de elemetos sobre o qual cde o estudo estatístco; Característca Estatístca ou Atrbuto: a característca que se observa os elemetos

Leia mais

Capítulo 5: Ajuste de curvas pelo método dos mínimos quadrados

Capítulo 5: Ajuste de curvas pelo método dos mínimos quadrados Capítulo : Ajuste de curvas pelo método dos mímos quadrados. agrama de dspersão No capítulo ateror estudamos uma forma de ldar com fuções matemátcas defdas por uma taela de valores. Frequetemete o etato

Leia mais

MAE0229 Introdução à Probabilidade e Estatística II

MAE0229 Introdução à Probabilidade e Estatística II Exercíco Cosdere a dstrbução expoecal com fução de desdade de probabldade dada por f (y; λ) = λe λy, em que y, λ > 0 e E(Y) = /λ Supor que o parâmetro λ pode ser expresso proporcoalmete aos valores de

Leia mais

Controle Estatístico de Qualidade. Capítulo 6 (montgomery)

Controle Estatístico de Qualidade. Capítulo 6 (montgomery) Cotrole Estatístco de Qualdade Capítulo 6 (motgomery) Gráfcos de Cotrole para Atrbutos Itrodução Mutas característcas da qualdade ão podem ser represetadas umercamete. Nestes casos, classfcamos cada tem

Leia mais

Difusão entre Dois Compartimentos

Difusão entre Dois Compartimentos 59087 Bofísca II FFCLRP USP Prof. Atôo Roque Aula 4 Dfusão etre Dos Compartmetos A le de Fck para membraas (equação 4 da aula passada) mplca que a permeabldade de uma membraa a um soluto é dada pela razão

Leia mais

Probabilidades e Estatística LEAN, LEGI, LEGM, LMAC, MEAer, MEAmbi, MEC

Probabilidades e Estatística LEAN, LEGI, LEGM, LMAC, MEAer, MEAmbi, MEC Duração: 90 mutos Grupo I Probabldades e Estatístca LEAN, LEGI, LEGM, LMAC, MEAer, MEAmb, MEC Justfque coveetemete todas as respostas 1 o semestre 2018/2019 10/01/2019 11:00 2 o teste B 10 valores 1. Cosdere-se

Leia mais

Relatório 2ª Atividade Formativa UC ECS

Relatório 2ª Atividade Formativa UC ECS Relatóro 2ª Atvdade Formatva Eercíco I. Quado a dstrbução de dados é smétrca ou apromadamete smétrca, as meddas de localzação méda e medaa, cocdem ou são muto semelhates. O mesmo ão acotece quado a dstrbução

Leia mais

INFERÊNCIA ESTATÍSTICA PARA DUAS POPULAÇÕES

INFERÊNCIA ESTATÍSTICA PARA DUAS POPULAÇÕES INFERÊNCIA ESTATÍSTICA PARA DUAS POPULAÇÕES . Populações depedetes co dstrbução oral População População,, Y,,Y ~ N, Y ~ N, Y ~ N, Obs. Se a dstrbução de e/ou Y ão for oral, os resultados são váldos aproxadaete.

Leia mais

POLINÔMIOS DE JACOBI E QUADRATURA NUMÉRICA INTRODUÇÃO

POLINÔMIOS DE JACOBI E QUADRATURA NUMÉRICA INTRODUÇÃO POLINÔMIOS DE JACOBI E QUADRATURA NUMÉRICA INTRODUÇÃO Para um melhor etedmeto do método da colocação ortogoal e sua relação com o método dos resíduos oderados (MRP) tora-se dsesável um estudo mesmo que

Leia mais

Aula 9. Aula de hoje. Aula passada. Self-normalized Importance Sampling Gerando amostras complicadas Variância amostral Simulação

Aula 9. Aula de hoje. Aula passada. Self-normalized Importance Sampling Gerando amostras complicadas Variância amostral Simulação Aula 9 Aula passada Método da rejeção (rejecto samplg) Exemplos Importace Samplg Exemplos Geeralzação Aula de hoje Self-ormalzed Importace Samplg Gerado amostras complcadas Varâca amostral Smulação Importace

Leia mais

Parte 3 - Regressão linear simples

Parte 3 - Regressão linear simples Parte 3 - Regressão lear smples Defção do modelo Modelo de regressão empregado para eplcar a relação lear etre duas varáves (ajuste de uma reta). O modelo de regressão lear smples pode ser epresso a forma:

Leia mais

Probabilidades e Estatística LEE, LEIC-A, LEIC-T, LEMat, LERC, MEBiol, MEBiom, MEEC, MEFT, MEMec, MEQ

Probabilidades e Estatística LEE, LEIC-A, LEIC-T, LEMat, LERC, MEBiol, MEBiom, MEEC, MEFT, MEMec, MEQ Duração: 90 mutos Grupo I Probabldades e Estatístca LEE, LEIC-A, LEIC-T, LEMat, LERC, MEBol, MEBom, MEEC, MEFT, MEMec, MEQ Justfque coveetemete todas as respostas 1 o semestre 018/019 10/01/019 09:00 o

Leia mais

5 Critérios para Análise dos Resultados

5 Critérios para Análise dos Resultados 5 Crtéros para Aálse dos Resultados Este capítulo tem por objetvos forecer os crtéros utlzados para aálse dos dados ecotrados a pesqusa, bem como uma vsão geral dos custos ecotrados e a forma de sua evolução

Leia mais

CAPÍTULO 3 MEDIDAS DE TENDÊNCIA CENTRAL E VARIABILIDADE PPGEP Medidas de Tendência Central Média Aritmética para Dados Agrupados

CAPÍTULO 3 MEDIDAS DE TENDÊNCIA CENTRAL E VARIABILIDADE PPGEP Medidas de Tendência Central Média Aritmética para Dados Agrupados 3.1. Meddas de Tedêca Cetral CAPÍTULO 3 MEDIDA DE TENDÊNCIA CENTRAL E VARIABILIDADE UFRG 1 Há váras meddas de tedêca cetral. Etre elas ctamos a méda artmétca, a medaa, a méda harmôca, etc. Cada uma dessas

Leia mais

É o grau de associação entre duas ou mais variáveis. Pode ser: correlacional ou. experimental.

É o grau de associação entre duas ou mais variáveis. Pode ser: correlacional ou. experimental. É o grau de assocação etre duas ou mas varáves. Pode ser: correlacoal ou Prof. Lorí Val, Dr. val@mat.ufrgs.r http://www.mat.ufrgs.r/~val/ expermetal. Numa relação expermetal os valores de uma das varáves

Leia mais

Probabilidades e Estatística

Probabilidades e Estatística Departameto de Matemátca robabldades e Estatístca LEAN, LEE, LEGI, LERC, LMAC, MEAer, MEAmb, MEBol, MEEC, MEMec 2 o semestre 20/202 2 o Teste B 08/06/202 :00 Duração: hora e 30 mutos Justfque coveetemete

Leia mais

Organização; Resumo; Apresentação.

Organização; Resumo; Apresentação. Prof. Lorí Val, Dr. val@ufrgs.br http://www.ufrgs.br/~val/ Grade Cojutos de Dados Orgazação; Resumo; Apresetação. Amostra ou População Defetos em uma lha de produção Lascado Deseho Torto Deseho Torto Lascado

Leia mais

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

Departamento de Informática. Modelagem Analítica do Desempenho de Sistemas de Computação. Modelagem Analítica. Disciplina: Deartameto de Iformátca Dscla: do Desemeho de Sstemas de Comutação Processos de ascmeto e Morte Prof. Sérgo Colcher colcher@f.uc-ro.br Processos de ascmeto e Morte CMTC Homogêea a ual trasções acotecem

Leia mais

5 Algoritmo para integração da relação tensão deformação

5 Algoritmo para integração da relação tensão deformação 5 Algortmo ara tegração da relação tesão deformação A aálse de materas com comortameto elastolástco or elemetos ftos é feta de forma cremetal e teratva. A cada estágo do rocesso de solução, cremetos de

Leia mais

Tabela 1 Números de acidentes /mês no Cruzamento X em CG/07. N de acidentes / mês fi f

Tabela 1 Números de acidentes /mês no Cruzamento X em CG/07. N de acidentes / mês fi f Lsta de exercícos Gabarto e chave de respostas Estatístca Prof.: Nelse 1) Calcule 1, e para o segute cojuto de valores. A,1,8,0,11,,7,8,6,,9, 1 O úmero que correspode a 5% do rol é o valor. O úmero que

Leia mais

ESTUDO DE VAZÕES MÍNIMAS Q 1,10 e Q 7,10 DE RIOS DO PARANÁ SEGUNDO DISTRIBUIÇÃO GENERALIZADA

ESTUDO DE VAZÕES MÍNIMAS Q 1,10 e Q 7,10 DE RIOS DO PARANÁ SEGUNDO DISTRIBUIÇÃO GENERALIZADA REVISTA VERDE DE AGROEOLOGIA E DESENVOLVIMENTO SUSTENTÁVEL GRUPO VERDE DE AGRIULTURA ALTERNATIVA (GVAA) ISSN 98-8 ESTUDO DE VAZÕES MÍNIMAS Q, e, DE RIOS DO PARANÁ SEGUNDO DISTRIBUIÇÃO GENERALIZADA Maoel

Leia mais

MEDIDAS DE POSIÇÃO: X = soma dos valores observados. Onde: i 72 X = 12

MEDIDAS DE POSIÇÃO: X = soma dos valores observados. Onde: i 72 X = 12 MEDIDAS DE POSIÇÃO: São meddas que possbltam represetar resumdamete um cojuto de dados relatvos à observação de um determado feômeo, pos oretam quato à posção da dstrbução o exo dos, permtdo a comparação

Leia mais

Econometria: 4 - Regressão Múltipla em Notação Matricial

Econometria: 4 - Regressão Múltipla em Notação Matricial Ecoometra: 4 - Regressão últpla em Notação atrcal Prof. arcelo C. ederos mcm@eco.puc-ro.br Prof. arco A.F.H. Cavalcat cavalcat@pea.gov.br Potfíca Uversdade Católca do Ro de Jaero PUC-Ro Sumáro O modelo

Leia mais

É o grau de associação entre duas ou mais variáveis. Pode ser: correlacional ou experimental.

É o grau de associação entre duas ou mais variáveis. Pode ser: correlacional ou experimental. Prof. Lorí Val, Dr. val@mat.ufrgs.br http://www.mat.ufrgs.br/~val/ É o grau de assocação etre duas ou mas varáves. Pode ser: correlacoal ou expermetal. Numa relação expermetal os valores de uma das varáves

Leia mais

Estatística Descritiva. Medidas estatísticas: Localização, Dispersão

Estatística Descritiva. Medidas estatísticas: Localização, Dispersão Estatístca Descrtva Meddas estatístcas: Localzação, Dspersão Meddas estatístcas Localzação Dspersão Meddas estatístcas - localzação Méda artmétca Dados ão agrupados x x Dados dscretos agrupados x f r x

Leia mais

50 Logo, Número de erros de impressão

50 Logo, Número de erros de impressão Capítulo 3 Problema. (a) Sedo o úmero médo de erros por pága, tem-se: 5 + + 3 + 3 + 4 33,66 5 5 Represetado o úmero medao de erros por md, tem-se, pela ordeação dos valores observados, que os valores de

Leia mais

CEDEPLAR - UFMG Nivelamento em Estatística 2013 Prof a Sueli Moro. Variáveis aleatórias

CEDEPLAR - UFMG Nivelamento em Estatística 2013 Prof a Sueli Moro. Variáveis aleatórias CEDEPLAR - UFMG Nvelameto em Estatístca 3 Prof a Suel Moro Varáves aleatóras Varável aleatóra resultado ou produto de um epermeto aleatóro com um resultado úco. Varável resultado = Espaço amostral cojuto

Leia mais

REGESD Prolic Matemática e Realidade- Profª Suzi Samá Pinto e Profº Alessandro da Silva Saadi

REGESD Prolic Matemática e Realidade- Profª Suzi Samá Pinto e Profº Alessandro da Silva Saadi REGESD Prolc Matemátca e Realdade- Profª Suz Samá Pto e Profº Alessadro da Slva Saad Meddas de Posção ou Tedêca Cetral As meddas de posção ou meddas de tedêca cetral dcam um valor que melhor represeta

Leia mais

3 Relações constitutivas para fluxo em meios não saturados 3.1. Introdução

3 Relações constitutivas para fluxo em meios não saturados 3.1. Introdução 40 3 Relações costtutvas ara fluxo em meos ão saturados 3.1. Itrodução Na atureza, a maora dos rocessos de fluxo ocorre em meos ão saturados. Em um solo calmete seco, or exemlo, sujeto à fltração de água

Leia mais

Descritiva. Francisco Cysneiros DE - UFPE

Descritiva. Francisco Cysneiros DE - UFPE Noções de Estatístca Descrtva Dr. Fracsco Cyseros Profº. Adjuto do Departameto de Estatístca-CCEN/UFPE E-mal: cyseros@de.ufpe.br web-page: www.de.ufpe.br/~cyseros/dscpla/farmaca/farmaca.htm Foe: (8) 6

Leia mais

a) 1,8 e 4,6. b) 2,0 e 2,2. c) 1,8 e 5,2. d) 2,0 e 4,6. e) 2,0 e 1,9.

a) 1,8 e 4,6. b) 2,0 e 2,2. c) 1,8 e 5,2. d) 2,0 e 4,6. e) 2,0 e 1,9. Questão : As otas de dez aluos, um exame, estão dadas a segur:, 5, 8, 3, 6, 5, 8, 7, 6, 0 O desvo médo e a varâca dessas otas podem ser expressos, respectvamete, por: a),8 e 4,6 b),0 e, c),8 e 5, d),0

Leia mais

3 Procedimento Experimental

3 Procedimento Experimental 3 Procedmeto Expermetal 3. Sstema de medção de vazão com extesômetro A Fg. 9 mostra o sstema de medção de vazão com extesômetro, o qual fo motado o laboratóro da PUC-Ro. este sstema, duas tubulações com,5

Leia mais

ESTATÍSTICA MÓDULO 2 OS RAMOS DA ESTATÍSTICA

ESTATÍSTICA MÓDULO 2 OS RAMOS DA ESTATÍSTICA ESTATÍSTICA MÓDULO OS RAMOS DA ESTATÍSTICA Ídce. Os Ramos da Estatístca...3.. Dados Estatístcos...3.. Formas Icas de Tratameto dos Dados....3. Notação por Ídces...5.. Notação Sgma ()...5 Estatístca Módulo

Leia mais

EVAPOTRANSPIRAÇÃO DE REFERÊNCIA UTILIZANDO MÉTODOS DE TANQUE CLASSE A PROPOSTOS PELA FAO, NA REGIÃO DE MOSSORÓ, RN

EVAPOTRANSPIRAÇÃO DE REFERÊNCIA UTILIZANDO MÉTODOS DE TANQUE CLASSE A PROPOSTOS PELA FAO, NA REGIÃO DE MOSSORÓ, RN EVAPOTRANSPIRAÇÃO DE REFERÊNCIA UTILIZANDO MÉTODOS DE TANQUE CLASSE A PROPOSTOS PELA FAO, NA REGIÃO DE MOSSORÓ, RN Tayd Dayvso Custódo Pexoto ; Sérgo Luz Agular Leve ; Adre Herma Frere Bezerra 3 ; José

Leia mais

Ivan G. Peyré Tartaruga. 1 Metodologia espacial

Ivan G. Peyré Tartaruga. 1 Metodologia espacial RELATÓRIO DE PESQUISA 5 Procedmetos o software ArcGIS 9. para elaborar os mapas da Regão Metropoltaa de Porto Alegre RMPA com as elpses de dstrbução drecoal etre 99 e 000 Iva G. Peré Tartaruga Metodologa

Leia mais

Lista de Exercícios #9 Assunto: Análise de Regressão Método de Mínimos Quadrados

Lista de Exercícios #9 Assunto: Análise de Regressão Método de Mínimos Quadrados Lsta de Exercícos #9 Assuto: Aálse de Regressão Método de Mímos Quadrados ANPEC 8 Questão 4 Cosdere o segute modelo de regressão lear smples: () y = β + β x + u Para uma amostra com 3 observações, foram

Leia mais

3 Análises Probabilísticas de Estabilidade

3 Análises Probabilísticas de Estabilidade 3 Aálses Probablístcas de Establdade 3.1 Itrodução Para facltar o etedmeto das metodologas de aálse de cofabldade serão apresetados este capítulo algus cocetos báscos de probabldade e estatístca. 3. Cocetos

Leia mais

1- Qual a diferença entre amostragem probabilística e não-probabilística? Qual é a mais recomendada?

1- Qual a diferença entre amostragem probabilística e não-probabilística? Qual é a mais recomendada? VIII-AMOSTRAGEM A Etatítca Iferecal ou Iferêca Etatítca tem como objetvo bucar cocluõe robablítca obre oulaçõe com bae o reultado obervado em amotra etraída dea oulaçõe Am, certo cudado báco devem er tomado

Leia mais

3. TESTES DE QUALIDADE DE AJUSTAMENTO

3. TESTES DE QUALIDADE DE AJUSTAMENTO Testes da qualdade de ajustameto 3 TESTES DE QULIDDE DE JUSTMENTO 3 Itrodução formação sobre o modelo da população dode se extra uma amostra costtu, frequetemete, um problema estatístco forma da dstrbução

Leia mais

Organização de dados -Dados não agrupados n. Mediana:

Organização de dados -Dados não agrupados n. Mediana: Orgazação de dado -Dado ão agruado Medaa: Poto de ocoameto: Méda: Moda: valor que ocorre com maor freqüêca Méda de Itervalo: + m max + Quartl: (ara j, ou 3) j( +) Poto de ocoameto: 4 Méda da Juta: Q +

Leia mais

Centro de Ciências Agrárias e Ambientais da UFBA Departamento de Engenharia Agrícola

Centro de Ciências Agrárias e Ambientais da UFBA Departamento de Engenharia Agrícola Cetro de Cêcas Agráras e Ambetas da UFBA Departameto de Egehara Agrícola Dscpla: AGR Boestatístca Professor: Celso Luz Borges de Olvera Assuto: Estatístca TEMA: Somatóro RESUMO E NOTAS DA AULA Nº 0 Seja

Leia mais

Universidade Federal do Rio Grande FURG. Instituto de Matemática, Estatística e Física IMEF Edital 15 CAPES INTERPOLAÇÃO

Universidade Federal do Rio Grande FURG. Instituto de Matemática, Estatística e Física IMEF Edital 15 CAPES INTERPOLAÇÃO Uversdade Federal do Ro Grade FURG Isttuto de Matemátca, Estatístca e Físca IMEF Edtal CAPES INTERPOLAÇÃO Pro. Atôo Mauríco Mederos Alves Proª Dese Mara Varella Martez Matemátca Básca ara Cêcas Socas II

Leia mais