CONCEITOS BÁSICOS E PRINCÍPIOS DE ESTATÍSTICA
|
|
- Isabella Castelhano de Andrade
- 6 Há anos
- Visualizações:
Transcrição
1 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 amostral. Uma variável aleatória pode ser discreta (como o laçameto de um dado) ou cotíua (como a medição de temperatura). Valor esperado (expectativa,sigificado): é a média poderada dos possíveis valores de X, cada valor poderado por sua probabilidade. É represetada por E(X) ou µ x, sedo defiida por E(X) = x f(x ) + x f(x ) x f(x ) 1 1 E(X) = Σ xp(x = x i i i ), para i=1,,...,. Variâcia: é uma medida da dispersão de X. É represetada por Var(X) e por defiida por [ ] ( ) = Σ ( µ ) ( ) = ( µ ) Var X x f x E X ou Var X ( ) E( X ) = i µ x i e é Desvio padrão: é a raiz quadrada ão-egativa da variâcia. É represetado por. Variável aleatória padroizada: seja x a variável aleatória com sigificado µ e desvio z = x µ. padrão. A variável aleatória padroizada (z), que correspode à x é defiida por ( ) Uma variável padroizada tem valor esperado igual a 0 e variâcia igual a 1 (desvio padrão igual a 1). Teste amostral simples: costitui-se de uma sucessão de leituras tomadas sob codições idêticas (mesmo observador e mesmo istrumeto de medição), exceto o tempo. Teste multiamostral: ocorre quado são feitas medições repetidas de uma quatidade, utilizado diferetes istrumetos de medição e diferetes observadores. As trocas, tato de observador como de istrumeto, causam mudaças a distribuição dos erros e, cosequetemete, tem-se um cojuto de variáveis aleatórias. Distribuição multivariada: é a distribuição cojuta de duas ou mais variáveis aleatórias defiidas o mesmo espaço amostral, própria de um teste multiamostral. Um exemplo é a distribuição associada com a observação simultâea de temperatura, pressão, direção e velocidade do veto. A fução distribuição de uma distribuição bivariada é: P(X x,y y) e é, usualmete, simbolizada por F ( x y) X, Y, 1
2 Valor verdadeiro de uma variável: é aquele que seria obtido a medição se ão houvesse característica estocástica (aleatória) associada com a medição. Erro aleatório: é um erro que represeta a difereça etre o valor medido da variável aleatória e seu valor verdadeiro. Erro sistemático: é um erro itroduzido cotiuamete, devido, por exemplo, a erro de calibração, desvios istrumetais, erro de técica e, também, devido à represetação iadequada de um processo (como a ão-cosideração da ocorrêcia de vazametos, depósitos). Variáveis aleatórias idepedetes: um úmero fiito de variáveis aleatórias X, Y,..., Z, um espaço amostral defiido, são cosideradas idepedetes se: ( X = x, Y = y,..., Z = z ) = P( X = x ) P( Y = y )...P( Z z ) P = i j para quaisquer valores de xi, y j,..., zk. Elas têm as seguites propriedades: i)e(xy) = E(X) E(Y) ii)var(x+y) = Var(X) + Var(Y) iii)cov(x,y) = 0 ode Cov(X,Y) = covariâcia. k i j k Covariâcia: é o coceito que relacioa duas variáveis aleatórias, X e Y, defiidas um mesmo espaço amostral, represetada por Cov(X,Y). É defiida por ou equivaletemete, [ ] (, ) = ( µ x )( µ y ) Cov X Y E X Y Cov( X, Y ) = E( XY) µ xµ y Coeficiete de correlação: forece a correlação etre duas variáveis aleatórias, X e Y, defiidas um mesmo espaço amostral, represetada por ρ X, Y. É defiido por ρ ( ) X, Y = Cov X, Y x y Autocovariâcia: ao lidar com o registro cotíuo da temperatura X(t) em fução do tempo, pode-se estar iteressado a relação etre X(t) os tempos t 1 e t.a covariâcia etre
3 variáveis aleatórias X(t 1 ) e X(t ), que represetam potos sobre um mesmo camiho, mas em diferetes tempos, é chamada de autocovariâcia. Covariâcia cruzada: é a covariâcia etre dois processos estocásticos cotíuos, sedo que um deles é referete a um poto o tempo X(t 1 ) e o outro a um poto e tempo possivelmete diferetes, Y(t ). 3. A Variâcia e a Distribuição de Erros Aleatórios Se uma medição experimetal é repetida um úmero de vezes, os valores registrados das quatidades medidas diferem, quase sempre, us dos outros. A dispersão de medições sucessivas de uma quatidade x é comumete expressa em termos da variâcia ou do desvio padrão do cojuto de medidas. Essas quatidades são defiidas de forma que sejam úteis a estimativa da probabilidade de ocorrêcia de erros aleatórios de itesidade defiida as medidas. A variâcia da amostra é simplesmete o desvio ao quadrado médio, de valores medidos de x, em relação à média da amostra x: a Σ = ( x x ) (1) ode a média (x ) é obtida por x x = Σ () O desvio padrão é obtido através da variâcia: a = a (3) 3
4 4 Na defiição da variâcia das Eq.(1), desvios positivos e egativos em toro da média ão se cacelam us aos outros. A última forma desta equação, que defie a variâcia, é a mais coveiete, quado cálculos reais estão sedo feitos. O valor da variâcia se tora mais cofiável quato mais medições forem obtidas e a exatidão real do procedimeto de medição é idicada pelo valor da variâcia, calculada a partir de uma quatidade muito grade de dados. Quado o úmero de potos experimetais obtido se torar ifiito, o cojuto ifiito é chamado uma população de valores. Para tal população, a média da população (µ) é defiida como: µ = lim Σ x (4) e a variâcia da população é defiida como Σ( x µ ) = lim (5) O desvio padrão da população é a raiz quadrada ão-egativa da variâcia da população. A média da população é o melhor, ou mais provável, valor de x, desde que as variações de x sejam resultates de efeitos pequeos, aleatórios, idepedetes e aditivos. Se, etretato, erros de método e/ou erros ão-aleatórios forem ieretes às medidas, etão a média pode diferir substacialmete do valor verdadeiro de x. Se em um cojuto ifiito de dados, as variações de x forem aleatórias, diz-se que a distribuição de valores de x em toro da média é uma Distribuição Normal ou Gaussiaa. 3.1 Distribuição Normal ou Gaussiaa. As distribuições de feômeos observados assumem, frequetemete, uma forma simétrica em toro da média. Uma fução desse tipo, de extrema importâcia em estatística, é chamada de Distribuição Normal ou Distribuição de Gauss, que é descrita pela fução F ( x ) = 1 exp π 1 ( x µ ) De forma abreviada, se a variável aleatória x apreseta distribuição ormal, com média µ e variâcia, diz-se, simplesmete, x = N( µ, ) 4
5 5 Do exame da fução desidade, verifica-se que: i) ela é simétrica em toro do eixo vertical que passa por µ; ii) o valor máximo de F(x) ocorreu quado x = µ; iii) tem por assítota o eixo das abscissas; iv) tem potos de iflexão em x = µ ±. Quado a variável aleatória x é padroizada, ela passa a ter uma Distribuição Normal Padroizada, que tem média zero e desvio padrão uitário, ou equivaletemete, uma distribuição N(0,1). Os valores desta fução distribuição são tabelados e com eles se tem um meio de obter as probabilidades associadas a qualquer variável ormal, cohecidos a média e o desvio padrão e a defiição de variável aleatória padroizada (z), 5
6 6 ( µ ) z = x Cosiderado, agora, o cojuto de variáveis aleatórias idepedetes (x 1, x,..., x ), cada uma ormalmete distribuída, com mesma média (µ) e mesma variâcia ( ). Etão, a média de uma amostra de elemetos, extraída de uma população N(µ, ), represetada por x = x1 + x x é ormalmete distribuída, com média µ e variâcia /. Este resultado é muito importate e é chamado de Teorema do Limite Cetral. Em cosequêcia, x z = µ tem uma distribuição ormal padroizada. Esta situação correspode a um teste amostral simples. A variâcia da população, defiida pela Eq..5, é baseada uma amostra hipotética, cotedo um úmero ifiito de replicatas de uma medida. Todavia, para objetivos práticos, é ecessário lidar com um úmero fiito de valores da quatidade em questão. A média da amostra (x ) é a melhor estimativa da média da população (µ). Etretato, a variâcia da amostra ( a ) ão é a melhor estimativa da variâcia da população ( ). A melhor estimativa da variâcia da população é dada por, s Σ = Σ x x Σ = = a (6) ( x x) Cosiderado, agora um teste multiamostral evolvedo variáveis aleatórias X 1, X,..., X, que são ormalmete distribuídas, com suas médias µ 1, µ,..., µ e variâcias 1,,...,, respectivamete. A variável aleatória Z é uma combiação liear dessas variáveis Z = a X + a X + + a X Na hipótese de Z ser ormalmete distribuída, sua média µ z é a média poderada das médias das variáveis aleatórias idividuais, que podem ou ão ser idepedetes, que é dada por ( a a a ) µ = µ + µ + + µ z A variâcia é dada por z i i i= 1 i j ( ) = a + a a Cov X, X i j i j 6
7 7 ode a Cov(X i, X j ) é zero, se as variáveis X i e X j são idepedetes uma da outra. Os chamados testes odal e de medida, muito utilizados para detectar e idetificar fotes de erros grosseiros, são testados cotra uma distribuição ormal padroizada. 3.. Distribuição Qui-quadrado A variável aleatória, formada pela soma dos quadrados de variáveis aleatórias idepedetes Z i, defiida por tem uma distribuição χ. ( i ( )) χ = Z i, Z = N 0, 1 i O valor é também cohecido como o úmero de graus de liberdade da χ. A média e a variâcia dessa distribuição são expressas em graus de liberdade, sedo iguais, respectivamete, a e. A fução desidade de probabilidade qui-quadrado é represetada por χ ν, ode ν desiga o úmero de graus de liberdade da χ. Se ν observações de uma variável são idepedetes, etão o úmero de graus de liberdade é igual a ν. Etretato, um grau de liberdade é perdido para cada restrição sobre as ν observações. 7
8 8 A fução distribuição F( χ α ) dispoíveis a maioria dos livros de estatística, para os quais ( α, ν ) P χ χ = α é tabulada de forma a forecer valores χ α, ν, que são ode α é a probabilidade de somas dos quadrados iguais ou superiores ao valor correspodete tabelado. O ível de sigificâcia α é, geralmete, fixado em toro do valor 0,05. Quato maior α, maior é o risco de rejeitar hipóteses boas; iversamete, o risco de aceitar hipóteses falsas aumeta, a medida que o valor de α dimiue. Se o valor calculado da variável aleatória χ for maior do que o valor tabelado χ α ν,, rejeitase a hipótese de que as variáveis Z i sejam aleatórias, etretato, se ele for meor ou igual, a hipótese é aceita. 8
9 Esta distribuição é usada para a detecção de erros grosseiros em dados de processo, ode se verifica se a variável aleatória costituída pela soma poderada (pelo iverso das variâcias) dos quadrados dos erros da variáveis idividuais segue uma distribuição qui-quadrado. Se isto for verdade, é válida a hipótese de que os erros de medida são variáveis aleatórias ormalmete distribuídas e, portato, o cojuto de medidas testadas ão cotém erro sistemático. Caso isto ão seja verdade, deve(m) ser idetificada(s) a(s) medida(s) que coté(ê)m erros grosseiros, submetedo-se o cojuto resultate ao teste em questão. Para realizar o teste, deve-se calcular o valor de χ e compará-lo com valores tabelados, uma vez defiido um ível de sigificâcia α, que exprime a probabilidade de somas dos quadrados iguais ou superiores ao valor correspodete da tabela. Se o valor calculado for maior do que o valor tabelado, rejeita-se a hipótese e se for meor ou igual ao valor tabelado, aceita-se a hipótese.a distribuição qui-quadrado é usada o chamado teste global de Almásy e Sztaó (1975) e também o teste do desbalaço odal de Romagoli et al.(1980) Testes de Hipóteses Um teste de hipóteses estatístico é um procedimeto para decidir se deve ser aceita ou rejeitada a hipótese H 0 cotra uma ou mais hipóteses alterativas. Cohecida a fução desidade de probabilidade F de uma estimativa (que é uma estimativa ão-tedeciosa de θ, uma variável aleatória qualquer), faz-se a suposição de que a represetação desta variável aleatória θ por F( $ θ ) é correta e que a média (ou valor esperado) de θ é θ 0. Coloca-se, etão a seguite questão: Se é verdadeira a hipótese de que θ = θ 0, por quato θ pode diferir de θ 0, ates que esta hipótese seja rejeitada por parecer errada? Se a hipótese θ = θ 0 for verdadeira, E(θ) = θ 0 e a probabilidade de que o valor de $ θ seja meor ou igual a θ α é ( θ α ) P θ $ α = e devido à simetria da curva da Distribuição Normal ( 1 α ) P θ $ α θ = Para tomar uma decisão cocerete à hipótese, selecioa-se um valor de α, que é chamado ível de cofiaça para o teste. Por exemplo, α pode ser 0,01 ou 0,05. 9
10 Etão, a amostra é coletada e θ $ é calculado. Se θ $ for maior do que θ 1 α ou meor do que θ α, a hipótese é rejeitada. Caso cotrário, ela é aceita. 10 H 0 : θˆ = θ 0 α = 0,05 em 5 % dos casos H 0 será rejeitada (decisão errada) A faixa de valores de $ θ em que a hipótese é rejeitada é chamada região de rejeição; a faixa de $ θ em que a hipótese é aceita é chamada de região de aceitação. O teste descrito é um teste de dois lados, também chamado bilateral ou bicaudal. Um teste uilateral pode ser baseado em duas possibilidades, sedo que uma delas θ $ seria maior do que algum θ 1 α, ode a hipótese seria rejeitada, se θ $ fosse de fato maior do que θ 1 α ; a outra seria supor que θ $ seja meor do que θ α. Himmelblau (1978) observa que a rejeição da hipótese ão implica um resultado defiitivo, mas idica que os dados e o procedimeto experimetal devem ser submetidos a um exame cauteloso para averiguar se ocorreu alguma coisa errada com a coleta de medidas ou com a istrumetação. A estrutura de teste mais simples é imagiar que haja uma dicotomia de estado para as variáveis aleatórias: i) H o : x é o valor verdadeiro da variável aleatória (que é a hipótese ula); ii) H 1 : x ão é o valor verdadeiro da variável (que é a hipótese alterativa). No teste de hipóteses, a decisão é tomada da seguite forma: com base a suposição de que a hipótese ula é verdadeira, se a estatística calculada a partir da amostra experimetal aleatória 10
11 cair fora da região de aceitação, a hipótese ula é rejeitada e a hipótese alterativa é aceita. Caso cotrário, a hipótese H o é aceita e H 1 é rejeitada. Podem-se distiguir dois tipos de erros ao testar uma hipótese: i) Erro Tipo I, que é o risco de declarar falsa uma hipótese verdadeira; ii) Erro Tipo II, que é o risco de ão rejeitar uma hipótese, quado ela é falsa. Isto pode ser resumido o esquema abaixo, ode a hipótese que está sedo testada é a hipótese H. Hipótese Aceitar H Rejeitar H H é verdadeira Decisão correta Erro do Tipo I H é falsa Erro do Tipo II Decisão correta Certamete, o erro do Tipo I existe porque α é selecioado para ser um valor ão-zero. Quado a hipótese é verdadeira e α = 0,05, por exemplo, em 5 % dos testes a hipótese será rejeitada, o que é uma decisão errada. A probabilidade β é a probabilidade de ão rejeitar uma difereça quado ela existe. Existem curvas, chamadas curvas de operação características, para determiar a probabilidade β. A probabilidade (1-β) é chamada potêcia do teste e represeta a probabilidade de tomar-se a decisão correta (rejeitar a hipótese), quado ela é realmete errada. Quado a difereça etre as médias (δ) aumeta, (1-β) aumeta e β dimiue. A seguir, apreseta-se de forma resumida um exemplo: 11 Se Probabilidade de cocluir que µ = µ A µ µ µ = µ A 1-α α µ = µ A + δ β 1-β A Himmelblau (1978) relata que, pela descrição dos dois tipos de erros, pode-se observar que a tetativa de dimiuir um tipo de erro resulta em um aumeto o outro tipo de erro. O úico modo de dimiuir os dois tipos de erro, simultâeamete, é aumetar o tamaho da amostra, o que pode ser caro, a prática. Observa que talvez um tipo de erro teha cosequêcias meos sérias do que o outro e, este caso, há alguma decisão adequada referete à seleção de valores de α e ao úmero de observações a ser feito. A experiêcia leva em cota os istrumetos, o projeto do processo e os custos, de modo a tomar-se uma decisão ecoômica para α e β. Em geral, os estudos descritos a literatura para detecção e idetificação de erros grosseiros, a recociliação de dados de processo, cosideram a probabilidade de ocorrêcia de erro Tipo I. Um teste de hipótese é usado a recociliação de dados para testar a hipótese ula: 11
12 1 H 0 : ão há erro grosseiro os dados de processo, versus a hipótese alterativa: H 1 : existe pelo meos um erro grosseiro os dados de processo, ou, especificamete, H 1j : existe um erro grosseiro a medição j 1
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 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 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 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 maisRevisando... 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 maisEstatística. Estatística II - Administração. Prof. Dr. Marcelo Tavares. Distribuições de amostragem. Estatística Descritiva X Estatística Inferencial
Estatística II - Admiistração Prof. Dr. Marcelo Tavares Distribuições de amostragem Na iferêcia estatística vamos apresetar os argumetos estatísticos para fazer afirmações sobre as características de uma
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 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 maisDISTRIBUIÇÃO 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 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 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 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 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 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 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 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 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 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 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 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 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 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 maisPROJETO E ANÁLISES DE EXPERIMENTOS (PAE) PROJETO FATORIAL 2 k COMPLETO E REPLICADO. Dr. Sivaldo Leite Correia
PROJETO E ANÁLISES DE EXPERIMENTOS (PAE) PROJETO FATORIAL 2 k COMPLETO E REPLICADO Dr. Sivaldo Leite Correia CONCEITOS, LIMITAÇÕES E APLICAÇÕES Nos tópicos ateriores vimos as estratégias geeralizadas para
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 maisMOQ-13 PROBABILIDADE E ESTATÍSTICA. Professor: Rodrigo A. Scarpel
MOQ-13 PROILIDDE E ESTTÍSTIC Professor: Rodrigo. Scarpel rodrigo@ita.br www.mec.ita.br/~rodrigo Programa do curso: Semaas 1 3 4 5 6 7 8 9 10 11 1 13 14 15 e 16 Itrodução à probabilidade (evetos, espaço
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 maisObjetivos. Testes não-paramétricos
Objetivos Prof. Lorí Viali, Dr. http://www. ufrgs.br/~viali/ viali@mat.ufrgs.br Testar o valor hipotético de um parâmetro (testes paramétricos) ou de relacioametos ou modelos (testes ão paramétricos).
Leia maisA finalidade dos testes de hipóteses paramétrico é avaliar afirmações sobre os valores dos parâmetros populacionais.
Prof. Jaete Pereira Amador Itrodução Os métodos utilizados para realização de iferêcias a respeito dos parâmetros pertecem a duas categorias. Pode-se estimar ou prever o valor do parâmetro, através da
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 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 maisAula 5. Aula de hoje. Aula passada. Limitante da união Método do primeiro momento Lei dos grandes números (fraca e forte) Erro e confiança
Aula 5 Aula passada Valor esperado codicioal Espaço amostral cotíuo, fução desidade Limitates para probabilidade Desigualdades de Markov, Chebyshev, Cheroff with high probability Aula de hoje Limitate
Leia maisObjetivos. Os testes de hipóteses ser: Paramétricos e Não Paramétricos. Testes não-paramétricos. Testes paramétricos
Objetivos Prof. Lorí Viali, Dr. http://www.pucrs.br/famat/viali/ viali@pucrs.br Testar o valor hipotético de um parâmetro (testes paramétricos) ou de relacioametos ou modelos (testes ão paramétricos).
Leia maisEstimadores de Momentos
Estimadores de Mometos A média populacioal é um caso particular daquilo que chamamos de mometo. Na realidade, ela é o primeiro mometo. Se X for uma v.a. cotíua, com desidade f(x; θ 1,..., θ r ), depededo
Leia maisProbabilidades e Estatística
Departameto de Matemática Probabilidades e Estatística Primeiro exame/segudo teste 2 o semestre 29/21 Duração: 18/9 miutos Grupo I Justifique coveietemete todas as respostas. 17/6/21 9: horas 1. Com base
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 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 maisHipótese Estatística. Tipos de Hipóteses
Hipótese Estatística Hipótese, em estatística, é uma suposição formulada a respeito dos parâmetros de uma distribuição de probabilidade de uma ou mais populações. Podemos formular a hipótese que a produtividade
Leia maisIntervalos de Confiança
Itervalos de Cofiaça Prof. Adriao Medoça Souza, Dr. Departameto de Estatística - PPGEMQ / PPGEP - UFSM - 0/9/008 Estimação de Parâmetros O objetivo da Estatística é a realização de iferêcias acerca de
Leia maisIntrodução ao Qui-Quadrado
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
Leia maisPROVA DE ESTATÍSTICA SELEÇÃO MESTRADO/UFMG 2005
PROVA DE ESTATÍSTICA SELEÇÃO MESTRADO/UFMG 005 Istruções para a prova: a) Cada questão respodida corretamete vale um poto. b) Questões deixadas em braco valem zero potos (este caso marque todas alterativas).
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 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 maisn C) O EMV é igual a i 1
PROVA DE ESTATÍSTICA E PROBABILIDADE SELEÇÃO MESTRADO/UFMG 009 Istruções: a) Cada questão respodida corretamete vale (um) poto. c) Cada questão respodida icorretamete vale - (meos um) poto. b) Cada questão
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 maisAULA Subespaço, Base e Dimensão Subespaço.
Note bem: a leitura destes apotametos ão dispesa de modo algum a leitura ateta da bibliografia pricipal da cadeira TÓPICOS Subespaço. ALA Chama-se a ateção para a importâcia do trabalho pessoal a realizar
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 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 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 maisSumário. 2 Índice Remissivo 17
i Sumário 1 Itrodução à Iferêcia Estatística 1 1.1 Defiições Básicas................................... 1 1.2 Amostragem....................................... 2 1.2.1 Tipos de Amostragem.............................
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 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 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 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 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 maisTeste de Hipóteses Paramétricos
Teste de Hipóteses Paramétricos Como costruir testes de hipóteses para difereças etre duas médias. Como costruir testes de hipóteses para difereças etre duas proporções. Como costruir testes de hipóteses
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 maisAprendizagem de Máquina
predizagem de Máquia Modelos de Mistura lgoritmo EM Estimação semi-paramétrica de desidade abordagem paramétrica para estimação de desidade supõe que a amostra X é extraída de uma distribuição que segue
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 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 maisEstatística Aplicada I DISTRIBUIÇÃO AMOSTRAL MÉDIA ERRO AMOSTRAL
Estatística Aplicada I DISTRIBUIÇÃO AMOSTRAL MÉDIA ERRO AMOSTRAL AULA 8 16/05/17 Prof a Lilia M. Lima Cuha Maio de 017 PROPOSITO FUNDAMENTAL DA INFERÊNCIA ESTATISTICA DESENVOLVER ESTIMATIVAS E TESTAR HIPOTESES
Leia maisCONHECIMENTOS ESPECÍFICOS
CESPE/UB FUB/0 fa 5 4 CONHECIMENTOS ESPECÍFICOS 60 As distribuições B e C possuem os mesmos valores para os quartis Q e Q, e o quartil superior em B correspode ao quartil cetral (Q ) da distribuição A.
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 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 maisMOQ 13 PROBABILIDADE E ESTATÍSTICA. Professor: Rodrigo A. Scarpel
MOQ 13 PROBABILIDADE E ESTATÍSTICA Professor: Rodrigo A. Scarpel rodrigo@ita.br www.mec.ita.br/~rodrigo Programa do curso: Semaas 1 2 3 4 5 6 7 8 9 1 11 12 13 14 15 e 16 Itrodução à probabilidade evetos
Leia maisSumário. 2 Índice Remissivo 19
i Sumário 1 Estatística Descritiva 1 1.1 Coceitos Básicos.................................... 1 1.1.1 Defiições importates............................. 1 1.2 Tabelas Estatísticas...................................
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 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 maisContabilometria. Prof.: Patricia Maria Bortolon, D. Sc.
Cotabilometria Prof.: Patricia Maria Bortolo, D. Sc. Teste para Duas Amostras Fote: LEVINE, D. M.; STEPHAN, D. F.; KREHBIEL, T. C.; BERENSON, M. L.; Estatística Teoria e Aplicações, 5a. Edição, Editora
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 maisDISTRIBUIÇÕES 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 maisProbabilidades 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 maisMas o que deixou de ser abordado na grande generalidade desses cursos foi o estudo dos produtos infinitos, mesmo que só no caso numérico real.
Resumo. O estudo das séries de termos reais, estudado as disciplias de Aálise Matemática da grade geeralidade dos cursos técicos de liceciatura, é aqui estedido ao corpo complexo, bem como ao caso em que
Leia maisDEPARTAMENTO DE ESTATÍSTICA - UFMG PROVA DE ESTATÍSTICA E PROBABILIDADE SELEÇÃO - MESTRADO/ UFMG /2016
DEPARTAMENTO DE ESTATÍSTICA - UFMG PROVA DE ESTATÍSTICA E PROBABILIDADE SELEÇÃO - MESTRADO/ UFMG - 205/206 Istruções:. Cada questão respodida corretamete vale (um poto. 2. Cada questão respodida icorretamete
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 maisObjetivo. Estimar a média µ de uma variável aleatória X, que representa uma característica de interesse de uma população, a partir de uma amostra.
ESTIMAÇÃO PARA A MÉDIAM Objetivo Estimar a média µ de uma variável aleatória X, que represeta uma característica de iteresse de uma população, a partir de uma amostra. Exemplos: µ : peso médio de homes
Leia maisESTATÍSTICA NÃO-PARAMÉTRICA
ESTATÍSTICA NÃO-PARAMÉTRICA Prof. Dr. Edmilso Rodrigues Pito Faculdade de Matemática - UFU edmilso@famat.ufu.br 1 Programa Itrodução - Plao de curso, sistema de avaliação - Coceitos básicos de iferêcia
Leia maisPropriedades: Notação: X ~ U(α, β). PRINCIPAIS MODELOS CONTÍNUOS
0 CONTÍNUOS PRINCIPAIS MODELOS Notação: ~ U(α β). Propriedades: Eemplo A dureza de uma peça de aço pode ser pesada como sedo uma variável aleatória uiforme o itervalo (5070) uidades. Qual a probabilidade
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 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 maisA 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 maisStela Adami Vayego DEST/UFPR
Resumo 0 Estimação de parâmetros populacioais 9.. Itrodução Aqui estudaremos o problema de avaliar certas características dos elemetos da população (parâmetros), com base em operações com os dados de uma
Leia maisEconometria. Econometria. Aplicação. Modelo completo. Soma de Coeficientes. Teste para um Parâmetro
. Revisão/exemplos Ecoometria. Iferêcia grades amostras. Revisão/exemplos Ecoometria /00 /00 Aplicação Modelo completo LogG = β + β logy + β 3 logpg + β 4 logpnc + β 5 logpuc + β 6 logppt + β 7 logpn +
Leia maisCONHECIMENTOS ESPECÍFICOS
Acerca dos coceitos de estatística e dos parâmetros estatísticos, julgue os ites seguites. CONHECIMENTOS ESPECÍFICOS CESPE/UB STM 67 A partir do histograma mostrado a figura abaixo, é correto iferir que
Leia maisTestes de Hipóteses. Júlio Osório. Os dois campos da Análise Estatística. Métodos Estatísticos. Inferência Estatística. Estatística Descritiva
Testes de Hipóteses Júlio Osório Os dois campos da Aálise Estatística Métodos Estatísticos Estatística Descritiva Iferêcia Estatística Estimativa Testes de Hipóteses 1 Exemplo Ilustrativo Mediram-se os
Leia maisREVISÃO DE PROBABILIDADE E ESTATÍSTICA. Parte 2
REVISÃO DE PROBABILIDADE E ESTATÍSTICA Parte Variáveis Aleatórias Defiição: Regra que atribui um valor umérico a cada possível resultado de um eperimeto. Eemplo: Jogue duas moedas (o eperimeto aleatório)
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 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 maisUniversidade Federal de Lavras Departamento de Estatística Prof. Daniel Furtado Ferreira 1 a Aula Prática Técnicas de somatório
Uiversidade Federal de Lavras Departameto de Estatística Prof. Daiel Furtado Ferreira 1 a Aula Prática Técicas de somatório Notação e propriedades: 1) Variáveis e ídices: o símbolo x j (leia x ídice j)
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 maisTeoria Elementar da Probabilidade
10 Teoria Elemetar da Probabilidade MODELOS MTEMÁTICOS DETERMINÍSTICOS PROBBILÍSTICOS PROCESSO (FENÓMENO) LETÓRIO - Quado o acaso iterfere a ocorrêcia de um ou mais dos resultados os quais tal processo
Leia maisCORRELAÇÃO Aqui me tens de regresso
CORRELAÇÃO Aqui me tes de regresso O assuto Correlação fez parte, acompahado de Regressão, do programa de Auditor Fiscal, até 998, desaparecedo a partir do cocurso do ao 000 para agora retorar soziho.
Leia mais6. Testes de Hipóteses Conceitos Gerais
6. Testes de Hipóteses Coceitos Gerais Este capitulo itrodutório, pretede apresetar todas as defiições e todo o vocabulário utilizado em testes de hipóteses. Em um primeiro mometo, talvez você fique um
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 maisAnálise de dados industriais
Aálise de dados idustriais Escola olitécica Departameto de Eeharia Química Roberto Guardai 4 arte 5. ÉCNICAS DE DISCRIMINAÇÃO E DE CLASSIFICAÇÃO DE DADOS Itrodução écicas estatísticas de aálise baseadas
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 maisProbabilidades e Estatística TODOS OS CURSOS
Duração: 90 miutos Grupo I robabilidades e Estatística TODOS OS CURSOS Justifique coveietemete todas as respostas 2 o semestre 2016/2017 05/07/2017 15:00 2 o Teste C 10 valores 1. Admita que a proporção
Leia maisBÁRBARA DENICOL DO AMARAL RODRIGUEZ CINTHYA MARIA SCHNEIDER MENEGHETTI CRISTIANA ANDRADE POFFAL SEQUÊNCIAS NUMÉRICAS. 1 a Edição
BÁRBARA DENICOL DO AMARAL RODRIGUEZ CINTHYA MARIA SCHNEIDER MENEGHETTI CRISTIANA ANDRADE POFFAL SEQUÊNCIAS NUMÉRICAS 1 a Edição Rio Grade 2017 Uiversidade Federal do Rio Grade - FURG NOTAS DE AULA DE CÁLCULO
Leia maisLicenciatura em Economia REVISÃO DE ALGUNS CONCEITOS EM ESTATÍSTICA. Luís Filipe Martins.
1 Ecoometria e Métodos de Modelização I Liceciatura em Ecoomia REVISÃO DE ALGUNS CONCEITOS EM ESTATÍSTICA Luís Filipe Martis luis.martis@iscte.pt http://home.iscte.pt/~lfsm Departameto de Métodos Quatitativos,
Leia maisEconometria. Econometria. Algumas considerações. Algumas considerações MQO. Derivando as Propriedades
Ecoometria. Propriedades fiitas dos estimadores MQO. Estimação da Variâcia do estimador de MQO 3. Revisão de Iferêcia (testes em ecoometria) Ecoometria. Propriedades fiitas dos estimadores MQO Algumas
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 mais