Amostragem Casual Estratificada

Tamanho: px
Começar a partir da página:

Download "Amostragem Casual Estratificada"

Transcrição

1 CAPÍTUO VI Amotragem Caual Etratificada Profeor Gilo Ferade da Silva Departameto de Egearia Floretal Cetro de Ciêcia Agrária CCA/UFES

2 Itrodução A iteidade de amotragem eceária para etimar o parâmetro de uma população, com uma precião previamete fiada, depede da variabilidade dea população. Se a variâcia for grade, a iteidade de amotragem erá grade, bem como o cuto de amotragem. Se a variâcia for pequea, a iteidade de amotragem erá reduzida e o cuto de amotragem erão meore.

3 Sedo poível dividir uma população eterogêea em ub-populaçõe ou etrato omogêeo de tal modo que o valore da variável de iteree variem pouco de uma uidade para outra, pode-e obter uma etimativa precia da média de um etrato qualquer, atravé de uma pequea amotra dee etrato. A etimativa do etrato podem er combiada, reultado etimativa precia para toda a população. Quado a uidade amotrai ão elecioada aleatoriamete em cada etrato, o proceo é deomiado Amotragem Aleatória Etratificada.

4 Etrato I Etrato II Etrato III Etrato IV Equema de Amotragem Caual Etratificada.

5 Coidere o eguite eemplo apreetado por SOARES et al. (007), em que a população é compota de 0 uidade (árvore) edo obervado o valore da caracterítica (altura, em m), como e egue: Uidade Valor da Caracterítica Uidade Valor da Caracterítica Total Geral => 0

6 A partir do eemplo motrado, pode-e calcular a média e a variâcia verdadeira: = metro e =, m Se a população for dividida em trê etrato omogêeo, uma etimativa da média pode er obtida tomado-e uma amotra de cada etrato e calculado-e uma média poderada tedo como peo o tamao de cada etrato. o cao dete eemplo, o valor da média etimada eria igual à verdadeira média e a variâcia da média eria igual a zero.

7 Critério para etratificação A população pode er etratificada tomadoe como bae vária caracterítica tai como: Topografia do terreo; Sítio ou local atural; Tipologia floretal; Altura; Idade; Deidade; Volume, etre outro.

8 De acordo com COCHRA (963) citado por PEICO ETO e BREA (996), em geral a etratificação aumeta a precião da etimativa quado ão atifeita a eguite codiçõe: Que a população eja cotituída de caracterítica cujo tamao ou gradeza variam amplamete; Que a variávei medida team etreita correlação com o tamao ou gradeza da caracterítica; Que dipoa de uma boa medida do tamao do etrato.

9 3 Tipo de etratificação Etratificação da variável de iteree: A etratificação pode er feita em fução de uma variável de iteree. Como eemplo, tomado-e o volume como variável de iteree, poderia e procurar defiir etrato com volume emelate detro do etrato e diferete etre ele. Etratificação admiitrativa: É aplicada com o objetivo de obter iformaçõe etorizada por área de iteree, ou implemete para a orgaização do trabalo.

10 Etratificação tipológica: Tem como objetivo pricipal obter iformaçõe particulare para cada tipo floretal, que ão perfeitamete caracterizado e facilmete idetificado o campo. É a etratificação comumete utilizada o ivetário de floreta ativa, epecialmete a tropicai. Pré-etratificação: É a divião da população em etrato realizada ate da coleta de dado. Dee modo, a amotragem é etruturada para cada etrato idividualmete. Pó-etratificação: É quado a divião da população em etrato ocorre depoi da coleta de dado. Em geral, a póetratificação decorre da idetificação da variabilidade da população durate o trabalo de amotragem, permitido a delimitação do etrato i loco.

11 4 Vatage e devatage da ACE De acordo com HUSH (993) a amotragem etratificada, em ivetário floretal, apreeta a eguite vatage em relação à aleatória imple: a) Etimativa eparada de média e variâcia podem er obtida para cada ub-divião da floreta, ou etrato; b) Para uma dada iteidade de amotragem, freqüetemete a etratificação produz etimativa da média geral mai precia do que uma amotragem aleatória imple do memo tamao.

12 5 otação a amotragem caual etratificada ão defiido o eguite ímbolo para idetificar a variávei da população: = úmero de etrato; = úmero potecial de uidade do etrato (); = úmero total potecial de uidade de amotra da população; = úmero de uidade amotrai o etrato (); = úmero total de uidade amotrada a população; W A A = proporção do etrato () a população;

13 w = proporção do etrato () a amotra total; A = área do etrato (); A A = área total da população; f = fração amotral do etrato (); f = fração amotral da população; X i = variável de iteree.

14 a) Média a ) Média por etrato 6 Etimadore do parâmetro da ACS i i a ) Média etratificada t W

15 b) Variâcia b ) Variâcia por etrato i i b ) Variâcia etratificada t W

16 c) Variâcia da média c ) População ifiita c ) População fiita t W t f W ou t W W

17 d) Erro Padrão da Média t t e) Erro de Amotragem - Erro Aboluto E a t - Erro Relativo E r t t t 00 t

18 f) Itervalo de Cofiaça para a Média IC t t P t t t t g) Itervalo de Cofiaça por Hectare IC f P t t t fc t t t ) Total da População Xˆ Xˆ t c em que f c = A a p i) Itervalo de Cofiaça para o Total IC Xˆ t X Xˆ t P t t j) Etimativa Míima de Cofiaça EMC t P t t

19 6. Cálculo do úmero de grau de liberdade A fórmula para o Itervalo de Cofiaça preupõem que a média etratificada eja ormalmete ditribuída e o erro padrão da média bem determiado, de modo que o coeficiete (t) poa er ecotrado a tabela de ditribuição ormal. Aim, o úmero de grau de liberdade que determia o valor de (t) etá ituado etre o meor do valore ( ) e o omatório do ( ). SATTERTHWAITE (946) deevolveu um método para o cálculo do úmero efetivo de grau de liberdade, como e egue: g g 4 0 g em que

20 6. Iteidade de amotragem A iteidade de amotragem é calculada em fução do tipo de alocação da uidade amotrai o etrato, ou eja: alocação proporcioal ou ótima. 6.. Alocação proporcioal W W t E W t E W t População fiita População ifiita

21 6.. Alocação ótima de EYMA População fiita População ifiita W W W t E W t E W t

22 7 Eemplo de Aplicação da ACE Ivetariar a população de Piu p. cotituída de 450 parcela de 0, a, ou eja, 45 ectare, motrada a Figura, atravé da Amotragem Caual Etratificada, admitido-e um erro de amotragem máimo de 0% da média etimada, com 90% de probabilidade de cofiaça. Etrato ocalização A Idade (a) até (0i) 4, ao (0j) até () 6, ao 3 (i) até (30o) 4, 4 ao Total A = 45 a = 450 Fote: PEICO ETO e BREA, 996

23 Solução: I Realização do ivetário piloto Uidade ocal. Etrato Etrato Etrato 3 Vol. (m 3 /0,a) ocal. Vol. (m 3 /0,a) ocal. Vol. (m 3 /0,a) 9-g 5,8 0-m 0,4 -k,3 5-d 7,6 0-30,5 -l 4,3 3 3-m 8,8 8-m 30,7 8-a 9, 4 6-j,5 4-7, 5-m,8 5 -o, -o 8,4 9-d 33, 6 9-m 6, 3-a 9, ,8 7 4-m, 3-0,4 5-a 6, g 3, - -

24 II Cálculo do erro de amotragem O objetivo dee pao é verificar e o ivetário piloto realizado atedeu ao erro de ivetário etabelecido de 0% da média. Cao io acoteça, o ivetário piloto erá o próprio ivetário defiitivo. Cao cotrário, é eceário calcular a iteidade amotral ótima e retorar ao campo para medir mai parcela.

25 IV Aálie etatítica da amotragem a ) Média por etrato i i 3 3,086 m /0,a 3 5,0500 m /0,a 3 7,457 m /0, a a ) Média etratificada t t W., , , ,647 m /0,a 450

26 b ) Variâcia por etrato 3 i i 0,464 (m /0,a) 3,877(m /0,a) ,89 (m /0, a) t b ) Variâcia etratificada t W 0,300.0,464 0,3644.,877 0,356.30,89,0473(m 3 /0,a) c) Variâcia da média t W t 0, 9547(m 3 /a)

27 d) Erro Padrão da Média t t t 0, 977 m 3 /0,a t 0, 9547 E e) Erro de Amotragem e ) Erro de Amotragem Aboluto a t t Precia calcular o grau de liberdade!! t (0,0; 7) =,74 E a =,74.0,977 =,700 m 3 /0, a e ) Erro de Amotragem Relativo E r tt 00 t E r,74.0,977 00,647 7,86%

28 Que coia boa!!!!!! O erro de ivetário foi meor do que o etabelecido!!! O ivetário piloto foi uficiete e ão é eceário medir mai parcela!!!!! Agora é ó calcular a demai etatítica para um ivetário defiitivo!!!!!

29 f) Itervalo de Cofiaça para a Média IC t t P t t t t IC[,64,74(0,977),64 +,74(0,977)] = 90% IC[9,94 m 3 /0, a 3,34 m 3 /0, a] = 90% g) Itervalo de Cofiaça por Hectare IC f P t t t fc t t t IC[(,64,74.0,977)(0000/000) (,64 +,74.0,977)(0000/000)] = 90% IC[99,43 m 3 /a 33,43 m 3 /a] = 90% c

30 ) Total por Etrato Xˆ ˆ X ˆ X ˆ 3 X j) Itervalo de Cofiaça para o Total IC 44., ,0500 t t i) Total da População k) Etimativa Míima de Cofiaça para a Média Xˆ 450., m 3 IC[ (,74) 0,977 X (,74) 0,977] = 90% IC[8973 m 3 X 0504 m 3 ] = 90% EMC[,64,33 (,049) ] = 90% EMC[0,5 m 3 /0, a ] = 90% Xˆ Xˆ t X Xˆ t P ,457 EMC m 3 m 3 m 3 t P t t Xˆ t

31 l) Etimativa Míima de Cofiaça por Hectare EMC t f P C EMC[(,64,33.,049)(0000/000) ] = 90% EMC[0,54 m 3 /a ] = 90% m) Etimativa Míima de Cofiaça para o Total EMC X t X P EMC[ (,33),049 X] = 90% EMC[95,4 m 3 X] = 90%

32 O que vem a eguir é apea uma curioidade, ão é eceário er feito!!! Qual eria a iteidade amotral ótima? O ivetário piloto mediu mai parcela do que o eceário?

33 Cálculo da iteidade amotral ótima A etimativa obtida o ivetário piloto foram a eguite: a) Média a ) Média por etrato i i a ) Média etratificada t t W 3., , ,457 3,086 m /0,a 3 5,0500 m /0,a 3 7,457 m /0, a 44 3,647 m /0,a 450

34 b) Variâcia b ) Variâcia por etrato 3 i i 0,464 (m /0,a) 3,877(m /0,a) ,89 (m /0, a) b ) Variâcia etratificada t W t 3 0,300.0,464 0,3644.,877 0,356.30,89,0473m /0,a

35 A fração de amotragem determiada pelo ivetário piloto é dada por: f e f f 0, f = 0,95 > 0,95 População ifiita.

36 Calculado-e a iteidade amotral pela alocação proporcioal, tem-e: t E W Para facilitar o cálculo da iteidade de amotragem, deve-e cotruir o eguite quadro de dado: Etrato W W W 44 0,300,086 3,346 0,464,035 3,3480 0, ,3644 5,0500 4,6773,877,7046 7,9730 0, ,356 7,457 5,558 30,89,759 9,763 0,06 Total 450,000,647 4,496,0473 0,0468 W

37 Calculado-e a iteidade amotral pela alocação proporcioal, tem-e: W t (0,0; ) =,7 =,0473 (m 3 /0,3 a) E = (E ) = (0,.,647) =,643 m 3 /0, a A primeira aproimação de () reulta:,7.,0473 3,30 4,643 t (0,0; 3) =,77 =4,08 5 t (0,0; 4) =,76 3 =3,9 4 t (0,0; 3) =,77

38 o etato, é eceário verificar e a ditribuição da uidade o etrato foi cotemplada o ivetário piloto. 0, ,80 0, , , ,73 5 W

39 V Aálie comparativa do reultado Volume médio por parcela Volume total Parâmetro =,55 m 3 /0,a V = 0.48 m 3 Etimativa,64 m 3 /0,a X m 3 Volume por ectare V/a = 5,50 m 3 /a X/a = 6,43 m 3 /a Variâcia do volume = 65,48 (m 3 /0,a) t, 05 (m 3 /0,a) Devio padrão do volume Coeficiete de variação = 8,09 m 3 /0,a % = 35,89% S (t) = 4,59 m 3 /0, a cv t,0%

40 FIM

41 Referêcia HUSCH, B.; MIER, C.I.; BEERS, T.W. Foret meuratio. 3 ed. Malabar: Krieger Publiig Compay, p. PEICO ETO, S.; BREA, D.A. Ivetário floretal. Curitiba: Edição do autore p. SATTHERTHWAITE, F.E. A approimate ditributio of etimate of variace compoet. Biometric Bulleti, odo, v., p.0-4, 946. SOARES, C.P.B.; ETO, F.P.; SOUZA, A.. Dedrometria e Ivetário Floretal. Viçoa: Editora UFV, Uiveridade Federal de Viçoa p.

42 a b c d e f g i j k l m o A B C D E F I II III Figura - Volume, em m 3 por uidade de amotra de 0, a, obtido pelo ivetário 00% de um boque Piu p (PEICO ETTO e BREA, 996).

43 úmero efetivo de grau de liberdade (g.l.) g g 4 0 em que g 88, g 398, g 738, g g g 7 6, g.l.

Amostragem Casual Simples. Professor Gilson Fernandes da Silva Departamento de Engenharia Florestal Centro de Ciências Agrárias CCA/UFES

Amostragem Casual Simples. Professor Gilson Fernandes da Silva Departamento de Engenharia Florestal Centro de Ciências Agrárias CCA/UFES Amotragem Caual Simple Profeor Gilo Ferade da Silva Departameto de Egeharia Floretal Cetro de Ciêcia Agrária CCA/UFES 1 Itrodução Coforme apreetado o capítulo aterior, o método de ivetário podem er probabilítico

Leia mais

INTERVALO DE CONFIANÇA

INTERVALO DE CONFIANÇA INTERVALO DE CONFIANÇA Supoha que etejamo itereado um parâmetro populacioal verdadeiro (ma decohecido) θ. Podemo etimar o parâmetro θ uado iformação de oa amotra. Chamamo o úico úmero que repreeta o valor

Leia mais

CAPÍTULO 7 - Intervalos de confiança

CAPÍTULO 7 - Intervalos de confiança INF 16 CAPÍTULO 7 - Itervalo de cofiaça É uma maeira de calcularmo uma etimativa de um parâmetro decohecido. Muita veze também fucioa como um tete de hipótee. A idéia é cotruir um itervalo de cofiaça para

Leia mais

Cap. 4 - Estimação por Intervalo

Cap. 4 - Estimação por Intervalo Cap. 4 - Estimação por Itervalo Amostragem e iferêcia estatística População: cosiste a totalidade das observações em que estamos iteressados. Nº de observações a população é deomiado tamaho=n. Amostra:

Leia mais

Intervalo de Confiança para a Variância de uma População Distribuída Normalmente. Pode-se mostrar matematicamente que a variância amostral,

Intervalo de Confiança para a Variância de uma População Distribuída Normalmente. Pode-se mostrar matematicamente que a variância amostral, Etatítica II Antonio Roque Aula 8 Intervalo de Confiança para a Variância de uma População Ditribuída Normalmente Pode-e motrar matematicamente que a variância amotral, ( x x) n é um etimador não envieado

Leia mais

Noções de Inferência Estatística

Noções de Inferência Estatística Noçõe de Iferêcia Etatítica Itrodução: O objetivo pricipal da iferêcia etatítica é fazer afirmaçõe obre caracterítica de uma população, baeado-e em reultado de uma amotra. Para io veremo como e relacioam

Leia mais

Métodos de Amostragem

Métodos de Amostragem Métodos de Amostragem Amostragem aleatória Este é o procedimeto mais usual para ivetários florestais e baseia-se o pressuposto de que todas as uidades amostrais têm a mesma chace de serem amostradas a

Leia mais

Bioestatística e Computação I

Bioestatística e Computação I Bioetatítica e Computação I Intervalo de confiança Maria Virginia P Dutra Eloane G Ramo Vania Mato Foneca Pó Graduação em Saúde da Mulher e da Criança IFF FIOCRUZ Baeado na aula de M. Pagano e Gravreau

Leia mais

1 Inferência Estatística - Teoria da Estimação

1 Inferência Estatística - Teoria da Estimação 1 Inferência Etatítica - Teoria da Etimação 1.1 Introdução Nete capítulo abordaremo ituaçõe em que o interee etá em obter informaçõe da população com bae em amotra. Como exemplo, conidere a eguinte ituaçõe.

Leia mais

EFICIÊNCIA DE INVENTÁRIO FLORESTAL COM AMOSTRAGEM PONTO DE BITTERLICH E CONGLOMERADO EM LINHA EM PLANTAÇÃO DE Pinus taeda

EFICIÊNCIA DE INVENTÁRIO FLORESTAL COM AMOSTRAGEM PONTO DE BITTERLICH E CONGLOMERADO EM LINHA EM PLANTAÇÃO DE Pinus taeda EFICIÊNCIA DE INVENTÁRIO FLORESTAL CO AOSTRAGE PONTO DE BITTERLICH E CONGLOERADO E LINHA E PLANTAÇÃO DE Piu taeda João Paulo Druzcz, Nelo Yohihiro Nakajima, Sylvio Péllico Netto, Sebatião do Amaral achado,

Leia mais

Avaliação de Desempenho de Sistemas Discretos

Avaliação de Desempenho de Sistemas Discretos Distribuições Comus Avaliação de Desempeho de Sistemas Discretos Probabilidade e Estatística 2 Uiforme Normal Poisso Hipergeométrica Biomial Studet's Geométrica Logormal Expoecial Beta Gamma Qui-Quadrado

Leia mais

Exemplos de I.C. (1 ) 100% para a mådia (e para diferença entre mådias)

Exemplos de I.C. (1 ) 100% para a mådia (e para diferença entre mådias) Exemplo de I.C. ( )% para a mådia (e para difereça etre mådia) Exemplo : Tete de compreão foram aplicado em dua marca de cimeto para avaliar a reitêcia em cocreto. Foram produzido 5 corpo de prova de cada

Leia mais

Sumário: 6.3.3. Intervalo de confiança para a diferença entre duas médias de. populações independentes com variâncias conhecidas...

Sumário: 6.3.3. Intervalo de confiança para a diferença entre duas médias de. populações independentes com variâncias conhecidas... 0 Sumário: 6. Itervalo de Cofiaça...0 6.. etimação por itervalo...0 6.. Itervalo de cofiaça para a média...0 6... Itervalo de cofiaça para a média com variâcia cohecida...0 6... Itervalo de cofiaça para

Leia mais

Determinação do factor correctivo da potência de ruído em sistemas de transmissão por cabo coaxial com igualação

Determinação do factor correctivo da potência de ruído em sistemas de transmissão por cabo coaxial com igualação Determiação do actor correctivo da potêcia de ruído em itema de tramião por cabo coaxial com igualação A ução de traerêcia do igualador é dada por I ( V e y( ( H ( em que y ( é a traormada de Fourier da

Leia mais

Mestrado Integrado em Engenharia Civil. Disciplina: TRANSPORTES. Sessão Prática 4: Amostragem

Mestrado Integrado em Engenharia Civil. Disciplina: TRANSPORTES. Sessão Prática 4: Amostragem Mestrado Itegrado em Egeharia Civil Disciplia: TRNSPORTES Prof. Resposável: José Mauel Viegas Sessão Prática 4: mostragem Istituto Superior Técico / Mestrado Itegrado Egª Civil Trasportes ulas Práticas

Leia mais

Revisando... Distribuição Amostral da Média

Revisando... Distribuição Amostral da Média Estatística Aplicada II DISTRIBUIÇÃO AMOSTRAL MÉDIA AULA 08/08/16 Prof a Lilia M. Lima Cuha Agosto de 016 Revisado... Distribuição Amostral da Média Seja X uma v. a. de uma população com média µ e variâcia

Leia mais

A Inferência Estatística é um conjunto de técnicas que objetiva estudar a população através de evidências fornecidas por uma amostra.

A Inferência Estatística é um conjunto de técnicas que objetiva estudar a população através de evidências fornecidas por uma amostra. UNIVERSIDADE FEDERAL DA PARAÍBA Distribuição Amostral Luiz Medeiros de Araujo Lima Filho Departameto de Estatística INTRODUÇÃO A Iferêcia Estatística é um cojuto de técicas que objetiva estudar a população

Leia mais

Probabilidade e Estatística

Probabilidade e Estatística Probabilidade e Etatítica Material teórico Medida de Diperão ou Variação Reponável pelo Conteúdo: Profª M. Roangela Maura C. Bonici MEDIDAS DE DISPERSÃO OU VARIAÇÃO Introdução ao Conteúdo Cálculo da

Leia mais

DISTRIBUIÇÃO AMOSTRAL E ESTIMAÇÃO PONTUAL INTRODUÇÃO ROTEIRO POPULAÇÃO E AMOSTRA. Estatística Aplicada à Engenharia

DISTRIBUIÇÃO AMOSTRAL E ESTIMAÇÃO PONTUAL INTRODUÇÃO ROTEIRO POPULAÇÃO E AMOSTRA. Estatística Aplicada à Engenharia ROTEIRO DISTRIBUIÇÃO AMOSTRAL E ESTIMAÇÃO PONTUAL 1. Itrodução. Teorema Cetral do Limite 3. Coceitos de estimação potual 4. Métodos de estimação potual 5. Referêcias Estatística Aplicada à Egeharia 1 Estatística

Leia mais

ESTATÍSTICA BÁSICA- SUMÁRIO ( 1 a PARTE)

ESTATÍSTICA BÁSICA- SUMÁRIO ( 1 a PARTE) ESTATÍSTICA BÁSICA- SUMÁRIO ( a PARTE) POPULAÇÕES E AMOSTRAS IMPORTÂNCIA DA FORMA DA POPULAÇÃO DISTRIBUIÇÃO NORMAL DE GAUSS PARÂMETROS E ESTIMATIVAS TEOREMA DO LIMITE CENTRAL DISTRIBUIÇÃO Z E DISTRIBUIÇÃO

Leia mais

DISTRIBUIÇÕES DE PROBABILIDADE

DISTRIBUIÇÕES DE PROBABILIDADE DISTRIBUIÇÕES DE PROBABILIDADE DISTRIBUIÇÃO DE PROBABILIDADE Seja uma v.a. que assume os valores,,..., com probabilidade p, p,..., p associadas a cada elemeto de, sedo p p... p diz-se que está defiida

Leia mais

Virgílio A. F. Almeida DCC-UFMG 1/2005

Virgílio A. F. Almeida DCC-UFMG 1/2005 Virgílio A. F. Almeida DCC-UFMG 1/005 !" # Comparado quatitativamete sistemas eperimetais: Algoritmos, protótipos, modelos, etc Sigificado de uma amostra Itervalos de cofiaça Tomado decisões e comparado

Leia mais

Validação do método de dimensionamento do número médio ideal de sementes por saca

Validação do método de dimensionamento do número médio ideal de sementes por saca Validação do método de dimeioameto do úmero médio ideal de emete por aca Quitiliao Siqueira Schrode Nomelii 1, Dayae Alve Cota 1, Luca Floretio Silva 1, Alie Sato Ferreira 1, Jaer Moura Pereira 2, Nádia

Leia mais

Teoria dos Erros. Figura 1 - Medida de um objeto com uma régua graduada em centímetros

Teoria dos Erros. Figura 1 - Medida de um objeto com uma régua graduada em centímetros 3 Teoria do Erro. Itrodução A gradeza fíica ão determiada experimetalmete por medida ou combiaçõe de medida. Ea medida tem uma icerteza itríeca que advém da caracterítica do equipameto utilizado a ua determiação

Leia mais

ESTIMAÇÃO DA PROPORÇÃO POPULACIONAL p

ESTIMAÇÃO DA PROPORÇÃO POPULACIONAL p ESTIMAÇÃO DA PROPORÇÃO POPULACIONAL p Objetivo Estimar uma proporção p (descohecida) de elemetos em uma população, apresetado certa característica de iteresse, a partir da iformação forecida por uma amostra.

Leia mais

Teste para Médias: duas amostras independentes

Teste para Médias: duas amostras independentes Etatítica II.09.07 UNIVERSIDADE FEDERAL DE RONDÔNIA CAMPUS DE JI-PARANÁ DEPARTAMENTO DE ENGENHARIA AMBIENTAL Etatítica I - UNIR Etatítica II Tete para Média: dua amotra independente Profa. Renata Gonçalve

Leia mais

Estatística Multivariada Aplicada

Estatística Multivariada Aplicada Faculdade de Ecoomia da Uiveridade de Coimbra Etatítica Multivariada Aplicada Pedro Lope Ferreira 000 ii Sumário Itrodução à etatítica multivariada -----------------------------------------------. A orgaização

Leia mais

Universidade Cruzeiro do Sul. Campus Virtual Unidade I: Unidade: Medidas de Dispersão

Universidade Cruzeiro do Sul. Campus Virtual Unidade I: Unidade: Medidas de Dispersão Univeridade Cruzeiro do Sul Campu Virtual Unidade I: Unidade: Medida de Diperão 010 0 A medida de variação ou diperão avaliam a diperão ou a variabilidade da equência numérica em análie. São medida que

Leia mais

Estatística: Aplicação ao Sensoriamento Remoto SER ANO Teoria da amostragem

Estatística: Aplicação ao Sensoriamento Remoto SER ANO Teoria da amostragem Estatística: Aplicação ao Sesoriameto Remoto SER 04 - ANO 017 Teoria da amostragem Camilo Daleles Reó [email protected] http://www.dpi.ipe.br/~camilo/estatistica/ Algumas Cosiderações... É importate ter

Leia mais

Exercícios de Intervalos de Confiança para media, variância e proporção

Exercícios de Intervalos de Confiança para media, variância e proporção Exercícios de Itervalos de Cofiaça para media, variâcia e proporção 1. Se uma amostra aleatória =5, tem uma média amostral de 51,3 e uma desvio padrão populacioal de σ=. Costrua o itervalo com 95% de cofiaça

Leia mais

Unidade de Ensino Descentralizada de Colatina Coordenadoria de Informática Disciplina: Probabilidade e Estatística Prof. Leandro Melo de Sá 2006/2

Unidade de Ensino Descentralizada de Colatina Coordenadoria de Informática Disciplina: Probabilidade e Estatística Prof. Leandro Melo de Sá 2006/2 Uidade de io Decetralizada de Colatia Coordeadoria de Iformática Diciplia: Probabilidade e tatítica Prof. Leadro Melo de Sá 006/ Uidade 4 STIMAÇÃO Nea uidade uaremo o dado amotrai para fazer iferêcia (ou

Leia mais

Regressão linear simples

Regressão 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 mais

DESIGUALDADES, LEIS LIMITE E TEOREMA DO LIMITE CENTRAL. todas as repetições). Então, para todo o número positivo ξ, teremos:

DESIGUALDADES, 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 mais

A finalidade de uma equação de regressão seria estimar valores de uma variável, com base em valores conhecidos da outra.

A 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 mais

Objetivo. Estimar a média de uma variável aleatória X, que representa uma característica de interesse de uma população, a partir de uma amostra.

Objetivo. Estimar a média de uma variável aleatória X, que representa uma característica de interesse de uma população, a partir de uma amostra. Objetivo Estimar a média de uma variável aleatória X, que represeta uma característica de iteresse de uma população, a partir de uma amostra. Exemplos: : peso médio de homes a faixa etária de 20 a 30 aos,

Leia mais

Teorema do Limite Central, distribuição amostral, estimação por ponto e intervalo de confiança

Teorema do Limite Central, distribuição amostral, estimação por ponto e intervalo de confiança Teorema do Limite Cetral, distribuição amostral, estimação por poto e itervalo de cofiaça Prof. Marcos Pó Métodos Quatitativos para Ciêcias Sociais Distribuição amostral Duas amostrages iguais oriudas

Leia mais

Lista de Exercícios #4 Assunto: Variáveis Aleatórias Contínuas

Lista 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 mais

Distribuições de Estatísticas Amostrais e Teorema Central do Limite

Distribuições de Estatísticas Amostrais e Teorema Central do Limite Distribuições de Estatísticas Amostrais e Teorema Cetral do Limite Vamos começar com um exemplo: A mega-sea de 996 a N 894 úmeros de a 6: Média: m 588 Desvio padrão: 756 49 amostras de 6 elemetos Frequêcia

Leia mais

CONCEITOS BÁSICOS E PRINCÍPIOS DE ESTATÍSTICA

CONCEITOS 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 mais