Testes de Hipótese para uma única Amostra - parte I
|
|
- Olívia de Sequeira Fialho
- 6 Há anos
- Visualizações:
Transcrição
1 Testes de Hipótese para uma única Amostra - parte I 26 de Junho de 2014
2
3 Objetivos Ao final deste capítulo você deve ser capaz de: Estruturar problemas de engenharia como testes de hipótese. Entender os conceitos de: hipótese nula; hipótese alternativa; significância; p-valor.
4 Podemos estar interessados em aceitar ou rejeitar uma afirmação a cerca de um parâmetro. A afirmação é denominada uma hipótese. A tomada de decisão é denominado um teste de hipótese. Possui uma conexão com intervalo de confiança.
5 Pode-se querer comparar a média da população com um valor especificado. Isso é chamado um estudo comparativo. Trataremos aqui apenas do caso com uma única população. Queremos testar afirmações sobre parâmetros dessa população.
6 Hipótese Estatística Afirmação sobre o parâmetro de uma ou mais populações. Usamos distribuições para representar uma população. Uma hipótese é uma afirmação sobre essa distribuição de probabilidade. Geralmente envolve um ou mais parâmetros dessa distribuição.
7 Exemplo: Estamos analisando a taxa de queima de um propelente sólido. A taxa de queima é uma variável aleatória tem distribuição de probabilidade. Estamos interessados apenas na média dessa taxa. Queremos decidir se a taxa média é ou não 50 cm por segundo. Podemos escrever como H 0 : μ = 50 cm por segundo H 1 : μ 50 cm por segundo
8 A afirmação H 0 : μ = 50 cm por segundo é chamada hipótese nula. (Sempre abrange a igualdade.) A afirmação H 1 : μ 50 cm por segundo é chamada hipótese alternativa. (Oposto da hipótese nula e representa a conclusão que será apoiada caso a H 0 seja rejeitada) Esse é um tipo de hipótese bilateral.
9 Em alguns casos podemos formular hipóteses unilaterais: H 0 : μ = 50 cm por segundo H 1 : μ<50 cm por segundo ou H 0 : μ = 50 cm por segundo H 1 : μ>50 cm por segundo
10 Observações: Hipóteses são afirmações sobre a população. Não são afirmações sobre a amostra. O valor do parâmetro especificado em H 0 (ex: 50) pode ser especificado de três formas: de experimentos passados verificar se houve alteração; a partir de uma teoria ou modelo verificar a teoria ou modelo; considerações externas verificar se o produto obedece algumas especificações.
11 Usamos a informação amostral para testar a hipótese. Se a informação da amostra é consistente com a hipótese não rejeitamos. Se a informação é inconsistente (pouco provável) rejeitamos. Poso saber se a hipótese é veradeira ou não? Só poderíamos saber se a hipótese é falsa ou não se tivéssemos acesso a toda população. Temos apenas a probabilidade de tomar uma conclusão errada.
12 Considere o exemplo da taxa de queima do propelente. Queremos testar H 0 : μ = 50 cm por segundo H 1 : μ 50 cm por segundo Coletamos uma amostra de tamanho n = 10. A taxa média observada x é uma estimativa para μ. Se x 50 evidência de que μ = 50. Se x é muito diferente de 50 evidência de que μ 50. Precisamos definir para quais valores de x não é razoável que μ = 50 região crítica.
13 Uma possibilidade: se 48, 5 x 51, 5 rejeitamos H 0 se x < 48, 5ou x > 51, 5 não rejeitamos H 0 Veremos mais a frente como determinamos a região crítica.
14 Podemos tirar conclusões erradas. Dizer que μ 50 quando μ = 50: mesmo com μ = 50, por azar, econtrarmos uma amostra tal que x < 48, 5ou x > 51, 5. (Erro tipo I) Dizer que μ = 50 quando μ 50: mesmo com μ 50, por azar, econtrarmos uma amostra tal que (Erro tipo II) 48, 5 x 51, 5.
15 Erro tipo I Rejeitar H 0 quando ela é verdadeira. Denotado por α. Erro tipo II Deixar de rejeitar H 0 quando ela é falsa. Denotado por β. Decisão H 0 é verdadeira H 0 é falsa Não rejeita H 0 nenhum erro erro tipo II Rejeita H 0 erro tipo I nenhum erro
16 O erro tipo I é também chamado nível se significância ou tamanho do teste. No exemplo da taxa suponha que σ = 2, 5 α = P( x < 48, 5ou x > 51, 5 μ = 50) = P( x < 48, 5 μ = 50)+P( x > 51, 5 μ = 50) ( x 50 = P 2, 5/ 10 ) ( ) 48, 5 50 x 50 < 2, 5/ +P 10 2, 5/ 51, 5 50 > 10 2, 5/ 10 = P(Z < 1, 90)+P(Z > 1, 90) =0, 0574
17 5,74% das amostras levariam à rejeição de H 0 mesmo com μ = 50.
18 Podemos dimunuir α aumentando a região de aceitação. Rejeitamos menos vezes. Tem menos probabilidade menor de errar ao rejeitar. Se rejeitamos H 0 quando x < 48 ou x > 52 temos que α = 0, 0164.
19 Vamos analisar agora o erro do tipo II (β). Precisamos ter uma hipótese alternativa específica. Um valor particular de μ, exemplo: μ = 48 μ = 50. Como o teste se funciona se queremos rejeitar H 0 para um valor de μ = 52 ou μ = 48? Pela simetria da normal os dois casos levam à mesma probabilidade de erro. β = P (48, 5 x 51, 5 μ = 52) ( 48, 5 52 = P 2, 5 10 ) x 52 2, 5 51, , 5 10 P( 4, 43 Z 0, 63) =0, 263.
20 Se estivéssemos testando μ = 50 e μ 50. O valor verdadeiro de μ = 52. A probabilidade de erramos ao rejeitar H 0 é 0,2643.
21 Se o valor verdadeiro fica mais próximo do valor de H 0 a probabilidade de erro aumenta. É mais difícil diferenciar médias muito próximas. Se o valor real fosse μ = 50, 5 temos β = 0, Probabilidade de erro bem maior.
22
23 O erro também depende do tamanho da amostra. Se aumentamos o tamanho da amostra mais informação. Teremos menor probabilidade de cometer erros.
24 No exemplo anterior, se n = 16 e não 10. Temos que β = P (48, 5 x 51, 5 μ = 52) ( ) 48, 5 52 = P 2, 5/ x , 5/ 51, , 5/ 16 P( 5, 60 Z 0, 80) =0, O valor anterior era β = 0, 2643.
25 Alguns outros resultados:
26 Resumindo Selecionando valores críticos apropriados podemos diminuir a região crítica e probabilidade de erro tipo I. Os erros estão amarrados se um aumenta o outro diminui. Aumentando tamanho da amostra diminuímos as probabilidade de erro. Se H 0 é falsa e se o verdadeiro valor se aproxima do valor em H 0 β aumenta. Se H 0 é falsa e se o verdadeiro valor se afasta do valor em H 0 β diminui.
27 O pesquisador controla o α quando seleciona os valores críticos. Rejeitar H 0 é uma conclusão forte. O β depende do verdadeiro valor do parâmetro e do tamanho da amostra. Aceitar H 0 é uma conclusão fraca. Preferimos dizer deixar de rejeitar H 0 do que aceitar H 0. Falhar em rejeitar H 0 : não encontramos evidências suficiente para rejeitar H0 ; não significa que haja alta probabilidade de que H0 seja verdadeira.
28 Potência de um teste Probabilidade de rejeitar H 0 quando H 0 é falsa. É a probabilidade de rejeitar corretamente uma hipótese nula. É calculada como 1 β = 1 P( deixar de rejeitar H 0 H 0 é falsa ) Comparamos testes estatísticos comparando suas potências.
29 Considere o exemplo da taxa de queima. Estávamos testando H 0 : μ = 50 cm por segundo H 1 : μ 50 cm por segundo Suponha que o valor verdadeiro é μ = 52. Se n = 10 vimos que β = 0, A potência é 1 β = 1 0, 2643 = 0, 7357 quando μ = 52.
30 A potência é uma medida de sensibilidade do teste. Qual sua habilidade de detectar diferenças. Qual a sensibilidade do teste de detectar uma diferença entre μ = 50 e μ = 52. O poder é 0,7357. O teste detecta essa diferença em 73,57% das vezes. Se a potência é muito baixa, podemos: aumentar o α; aumentar o n.
31 Hipótese unilaterais e bilaterais A hipótese alternativa pode ser unilateral ou bilateral. Depende da conclusão a ser retirada se rejeitamos H 0. Se queremos fazer afirmações como: maior que, inferior a, superior a o teste é unilateral. Se não temos nenhuma direção (apenas diferença): o teste é bilateral.
32 Como podemos descrever um teste? Dizendo se rejeitamos ou não H0 e qual o nível de significância α. Dizemos que H 0 : μ = 50 foi rejeitada com 0,05 de significância. Não dá informação sobre o valor calculado da estatística de teste. Estabelecemos o nível de significância antes de observarmos a amostra. Para evitar essas dificuldades podemos usar o valor P ou nível descritivo do teste. É a probabilidade de encontramos um valor tão ou mais extremo que a estatística de teste.
33 Valor P Menor nível de significância que conduz à rejeição de H 0, com os dados fornecidos. Chamamos a estatística de teste de significante quando rejeitamos H 0. OvalorPéomenor nível α em que a estatística é significante. Pode determinar quão significante os dados são. Valor P pequeno muito provável que H 0 é falsa. Valor P grande muito provável que H 0 é verdadeira.
34 Considere o exemplo da taxa de queima. Suponha que n = 16 e σ = 2, 5. Queremos testar Observamos x = 51, 3. μ = 50 vs μ 50 A figura mostra uma região crítica com valores simétricos 51,3 e 48,7.
35 Qualquer valor menor para α diminui a região crítica. E rejeitamos H 0 quando x = 51, 3; O valor P é calculado como ValorP = 1 P(48, 7 X 51, 3) ( ) 48, 7 50 = 1 P 2, 5/ x , 5/ 51, , 5/ 16 = 1 P( 2, 08 Z 2.08) =0, 038. H 0 é rejeitada para qualquer α>0, 038. Não seria rejeitada para α = 0, 01.
36 Testes de Hipótese vs Intervalo de Confiança Estamos testando H 0 : θ = θ 0 vs H 1 : θ θ 0. Seja [l, u] um intervalo com confiança 100(1 α)% para θ. Se θ 0 [l, u] não rejeitamos H 0. Se θ 0 / [l, u] rejeitamos H 0.
37 Exemplo: Considere o exemplo do propelente. Queremos testar H 0 : μ = 50 vs H 1 : μ 50. Vimos que com x = 51, 3 σ = 2, 5 n = 16 rejeitamos a hipótese nula com α = 0, 05. O intervalo de 95% de confiança pra μ fica 50, 075 μ 52, 525. Como 50 / [50, 075; 52, 525] a hipótese nula é rejeitada.
38 Procedimento geral para teste de hipótese Identifique o parâmetro de interesse a partir do problema. Especifique a hipótese nula H 0. Escolha um nível de significância α. Determine uma estatística de teste. Calcule o valor P e veja se é menor que α. Ou determine a região crítica e veja se a estatística cai nessa região. Decida se deve rejeitar ou não H 0 e conclua.
Teste de Hipótese e Intervalo de Confiança. Parte 2
Teste de Hipótese e Intervalo de Confiança Parte 2 Questões para discutirmos em sala: O que é uma hipótese estatística? O que é um teste de hipótese? Quem são as hipóteses nula e alternativa? Quando devemos
Testes de Hipóteses Estatísticas
Capítulo 5 Slide 1 Testes de Hipóteses Estatísticas Resenha Hipótese nula e hipótese alternativa Erros de 1ª e 2ª espécie; potência do teste Teste a uma proporção; testes ao valor médio de uma v.a.: σ
Métodos Estatísticos Avançados em Epidemiologia
Métodos Estatísticos Avançados em Epidemiologia Análise de Variância - ANOVA Cap. 12 - Pagano e Gauvreau (2004) - p.254 Enrico A. Colosimo/UFMG Depto. Estatística - ICEx - UFMG 1 / 39 Introdução Existem
Probabilidade e Estatística
Probabilidade e Estatística TESTES DE HIPÓTESES (ou Testes de Significância) Estimação e Teste de Hipóteses Estimação e teste de hipóteses (ou significância) são os aspectos principais da Inferência Estatística
AULA 19 Análise de Variância
1 AULA 19 Análise de Variância Ernesto F. L. Amaral 18 de outubro de 2012 Metodologia de Pesquisa (DCP 854B) Fonte: Triola, Mario F. 2008. Introdução à estatística. 10 ª ed. Rio de Janeiro: LTC. Capítulo
Modelos de Regressão Linear Simples - Erro Puro e Falta de Ajuste
Modelos de Regressão Linear Simples - Erro Puro e Falta de Ajuste Erica Castilho Rodrigues 2 de Setembro de 2014 Erro Puro 3 Existem dois motivos pelos quais os pontos observados podem não cair na reta
Consideremos os seguintes exemplos de hipóteses cuja veracidade interessa avaliar:
Consideremos os seguintes exemplos de hipóteses cuja veracidade interessa avaliar: o tempo médio de efeito de dois analgésicos não é o mesmo; a popularidade de determinado partido político aumentou; uma
Probabilidade. Luiz Carlos Terra
Luiz Carlos Terra Nesta aula, você conhecerá os conceitos básicos de probabilidade que é a base de toda inferência estatística, ou seja, a estimativa de parâmetros populacionais com base em dados amostrais.
MOQ-14 Projeto e Análise de Experimentos
Instituto Tecnológico de Aeronáutica Divisão de Engenharia Mecânica-Aeronáutica MOQ-14 Projeto e Análise de Experimentos Profa. Denise Beatriz Ferrari www.mec.ita.br/ denise denise@ita.br Regressão Linear
Pressuposições à ANOVA
UNIVERSIDADE FEDERAL DE RONDÔNIA CAMPUS DE JI-PARANÁ DEPARTAMENTO DE ENGENHARIA AMBIENTAL Estatística II Aula do dia 09.11.010 A análise de variância de um experimento inteiramente ao acaso exige que sejam
Modelos Lineares Generalizados - Verificação do Ajuste do Modelo
Modelos Lineares Generalizados - Verificação do Ajuste do Modelo Erica Castilho Rodrigues 21 de Junho de 2013 3 Uma outra medida usada para verificar o ajuste do modelo. Essa estatística é dada por X
Capítulo 5. Inferência no Modelo de Regressão Simples: Estimação de Intervalos, Teste de Hipóteses e Previsão
Capítulo 5 Inferência no Modelo de Regressão Simples: Estimação de Intervalos, Teste de Hipóteses e Previsão Hipóteses do Modelo de Regressão Linear Simples RS1. y x e t 1 t t RS. RS3. RS4. RS5. RS6. Ee
Pós-Graduação em Computação Distribuída e Ubíqua
Pós-Graduação em Computação Distribuída e Ubíqua INF612 - Aspectos Avançados em Engenharia de Software Engenharia de Software Experimental [Head First Statistics] Capítulos 10, 11, 12 e 13 [Experimentation
ANOVA (Analysis of Variance)
Tópicos Avançados em Avaliação e Desempenho de Sistemas ANOVA (Analysis of Variance) Aleciano Júnior aflj@cin.ufpe.br Carlos Melo casm3@cin.ufpe.br Charles Bezerra cbm3@cin.ufpe.br Tópicos Introdução História,
Probabilidade e Estatística, 2009/2
Probabilidade e Estatística, 2009/2 CCT - UDESC Prof. Fernando Deeke Sasse Problemas Resolvidos - Testes de Hipóteses 1. Uma empresa de manufatura têxtil está testando rolos de fio que o fornecedor afirma
Introdução. Ou seja, de certo modo esperamos que haja uma certa
UNIVERSIDADE FEDERAL DA PARAÍBA Teste de Independência Luiz Medeiros de Araujo Lima Filho Departamento de Estatística Introdução Um dos principais objetivos de se construir uma tabela de contingência,
ActivALEA. ative e atualize a sua literacia
ActivALEA ative e atualize a sua literacia N.º 26 A FREQUÊNCIIA RELATIIVA PARA ESTIIMAR A PROBABIILIIDADE Por: Maria Eugénia Graça Martins Departamento de Estatística e Investigação Operacional da FCUL
Gerenciamento dos Riscos do Projeto (PMBoK 5ª ed.)
Gerenciamento dos Riscos do Projeto (PMBoK 5ª ed.) Esta é uma área essencial para aumentar as taxas de sucesso dos projetos, pois todos eles possuem riscos e precisam ser gerenciados, ou seja, saber o
MAE116 - Noções de Estatística
MAE116 - Noções de Estatística Grupo A - 1 semestre de 2015 Gabarito da Lista de exercícios 10 - Introdução à Estatística Descritiva - CASA Exercício 1. (2 pontos) Sabe-se que, historicamente, 18% dos
Distribuição Normal de Probabilidade
Distribuição Normal de Probabilidade 1 Aspectos Gerais 2 A Distribuição Normal Padronizada 3 Determinação de Probabilidades 4 Cálculo de Valores 5 Teorema Central do Limite 1 1 Aspectos Gerais Variável
AULA 07 Distribuições Discretas de Probabilidade
1 AULA 07 Distribuições Discretas de Probabilidade Ernesto F. L. Amaral 31 de agosto de 2010 Metodologia de Pesquisa (DCP 854B) Fonte: Triola, Mario F. 2008. Introdução à estatística. 10 ª ed. Rio de Janeiro:
Estatística Analítica
Teste de Hipótese Testes Estatísticos 2 Teste de Hipótese Testes Estatísticos 3 1 Teste de Hipótese Testes Estatísticos 4 Principais Testes: Teste Qui-quadrado Teste T de Student Teste ANOVA Teste de Correlação
Aula 12 Teste de hipótese sobre proporções amostras grandes
Aula 12 Teste de hipótese sobre proporções amostras grandes Objetivos Na aula anterior, você aprendeu a construir testes de hipóteses sobre a média de uma população normal com variância σ 2 conhecida.
Aula de Exercícios - Teorema de Bayes
Aula de Exercícios - Teorema de Bayes Organização: Rafael Tovar Digitação: Guilherme Ludwig Primeiro Exemplo - Estagiários Três pessoas serão selecionadas aleatóriamente de um grupo de dez estagiários
M =C J, fórmula do montante
1 Ciências Contábeis 8ª. Fase Profa. Dra. Cristiane Fernandes Matemática Financeira 1º Sem/2009 Unidade I Fundamentos A Matemática Financeira visa estudar o valor do dinheiro no tempo, nas aplicações e
RELATÓRIO PARA A. SOCIEDADE informações sobre recomendações de incorporação de medicamentos e outras tecnologias no SUS
RELATÓRIO PARA A SOCIEDADE informações sobre recomendações de incorporação de medicamentos e outras tecnologias no SUS RELATÓRIO PARA A SOCIEDADE Este relatório é uma versão resumida do relatório técnico
15.053 26 de fevereiro de 2002
15.053 26 de fevereiro de 2002 Análise de Sensibilidade apresentado como Perguntas Freqüentes Pontos ilustrados em um exemplo contínuo de fabricação de garrafas. Se o tempo permitir, também consideraremos
CABELO ELÁSTICO TUDO O QUE VOCÊ PRECISA SABER
CABELO ELÁSTICO TUDO O QUE VOCÊ PRECISA SABER O QUE É UM CABELO EMBORRACHADO? O cabelo emborrachado, elástico ou chiclete é um cabelo em que a fibra perdeu a elasticidade natural, além da umidade, o que
I. Conjunto Elemento Pertinência
TEORI DOS CONJUNTOS I. Conjunto Elemento Pertinência Conjunto, elemento e pertinência são três noções aceitas sem definição, ou seja, são noções primitivas. idéia de conjunto é praticamente a mesma que
A dependência entre a inflação cabo-verdiana e a portuguesa: uma abordagem de copulas.
A dependência entre a inflação cabo-verdiana e a portuguesa: uma abordagem de copulas. Jailson da Conceição Teixeira Oliveira 1 Murilo Massaru da Silva 2 Robson Oliveira Lima 3 Resumo: Cabo Verde é um
GIL, Antonio Carlos. Como elaborar projetos de pesquisa. São Paulo, Editora Atlas, 2002....
GIL, Antonio Carlos. Como elaborar projetos de pesquisa. São Paulo, Editora Atlas, 2002.... 1 Como encaminhar uma Pesquisa? A pesquisa é um projeto racional e sistemático com objetivo de proporcionar respostas
OBSERVAÇÕES: EXERCÍCIOS
OBSERVAÇÕES: 1. Esta lista de exercícios poderá ser resolvida individualmente ou em grupos de 2 pessoas. 2. A lista possui 25 exercícios, destes você deve responder os 5 primeiros exercícios e os outros
Estatística II Aula 4. Prof.: Patricia Maria Bortolon, D. Sc.
Estatística II Aula 4 Prof.: Patricia Maria Bortolon, D. Sc. Fundamentos do Teste de Hipóteses Teste de Hipóteses - Definições É uma regra de decisão para aceitar, ou rejeitar, uma hipótese estatística
CEDERJ MÉTODOS DETERMINÍSTICOS 1 - EP4. Prezado Aluno,
CEDERJ MÉTODOS DETERMINÍSTICOS 1 - EP4 Prezado Aluno, Neste EP daremos sequência ao nosso estudo da linguagem da lógica matemática. Aqui veremos o conectivo que causa mais dificuldades para os alunos e
PESQUISA OPERACIONAL -PROGRAMAÇÃO LINEAR. Prof. Angelo Augusto Frozza, M.Sc.
PESQUISA OPERACIONAL -PROGRAMAÇÃO LINEAR Prof. Angelo Augusto Frozza, M.Sc. ROTEIRO Esta aula tem por base o Capítulo 2 do livro de Taha (2008): Introdução O modelo de PL de duas variáveis Propriedades
GRADUAÇÃO TECNOLÓGICA EM GESTÃO DA PRODUÇÃO INDUSTRIAL GERENCIAMENTO ESTATÍSTICO DOS PROCESSOS PRODUTIVOS (tópicos da aula 3)
1 GRADUAÇÃO TECNOLÓGICA EM GESTÃO DA PRODUÇÃO INDUSTRIAL GERENCIAMENTO ESTATÍSTICO DOS PROCESSOS PRODUTIVOS (tópicos da aula 3) ANÁLISE DO PROCESSO Só é possivel monitorar um processo após conhecê-lo bem.
Aula 5. Uma partícula evolui na reta. A trajetória é uma função que dá a sua posição em função do tempo:
Aula 5 5. Funções O conceito de função será o principal assunto tratado neste curso. Neste capítulo daremos algumas definições elementares, e consideraremos algumas das funções mais usadas na prática,
Gerenciamento do Escopo do Projeto (PMBoK 5ª ed.)
Gerenciamento do Escopo do Projeto (PMBoK 5ª ed.) De acordo com o PMBok 5ª ed., o escopo é a soma dos produtos, serviços e resultados a serem fornecidos na forma de projeto. Sendo ele referindo-se a: Escopo
2 Limites e Derivadas. Copyright Cengage Learning. Todos os direitos reservados.
2 Limites e Derivadas Copyright Cengage Learning. Todos os direitos reservados. 2.7 Derivadas e Taxas de Variação Copyright Cengage Learning. Todos os direitos reservados. Derivadas e Taxas de Variação
Teste de Hipótese para uma Amostra Única
Teste de Hipótese para uma Amostra Única OBJETIVOS DE APRENDIZAGEM Depois de um cuidadoso estudo deste capítulo, você deve ser capaz de: 1.Estruturar problemas de engenharia de tomada de decisão, como
Análise estatística. Aula de Bioestatística. 17/9/2008 (2.ª Parte) Paulo Nogueira
Análise estatística Aula de Bioestatística 17/9/2008 (2.ª Parte) Paulo Nogueira Testes de Hipóteses Hipótese Estatística de teste Distribuição da estatística de teste Decisão H 0 : Não existe efeito vs.
COMO VENDER MAIS USANDO FUNIL DE VENDAS. Capítulo III: Etapas do Funil de Vendas
COMO VENDER MAIS USANDO FUNIL DE VENDAS Capítulo III: Etapas do Funil de Vendas Índice Introdução Defina suas etapas de vendas corretamente Como definir suas etapas de vendas 03 05 06 2 Introdução Olá,
Métodos Estatísticos Avançados em Epidemiologia
Métodos Estatísticos Avançados em Epidemiologia Análise de Sobrevivência - Conceitos Básicos Enrico A. Colosimo Departamento de Estatística Universidade Federal de Minas Gerais http://www.est.ufmg.br/
Engenharia de Software II
Engenharia de Software II Aula 26 http://www.ic.uff.br/~bianca/engsoft2/ Aula 26-21/07/2006 1 Ementa Processos de desenvolvimento de software Estratégias e técnicas de teste de software Métricas para software
ANOVA. (Analysis of Variance) Prof. Dr. Guanis de Barros Vilela Junior
ANOVA (Analysis of Variance) Prof. Dr. Guanis de Barros Vilela Junior Para que serve a ANOVA? Para comparar três ou mais variáveis ou amostras. Por exemplo, queremos testar os efeitos cardiorrespiratórios
DISTRIBUIÇÕES ESPECIAIS DE PROBABILIDADE DISCRETAS
VARIÁVEIS ALEATÓRIAS E DISTRIBUIÇÕES DE PROBABILIDADES 1 1. VARIÁVEIS ALEATÓRIAS Muitas situações cotidianas podem ser usadas como experimento que dão resultados correspondentes a algum valor, e tais situações
Inteligência Artificial
Inteligência Artificial Aula 7 Programação Genética M.e Guylerme Velasco Programação Genética De que modo computadores podem resolver problemas, sem que tenham que ser explicitamente programados para isso?
Os eixo x e y dividem a circunferência em quatro partes congruentes chamadas quadrantes, numeradas de 1 a 4 conforme figura abaixo:
Circunferência Trigonométrica É uma circunferência de raio unitário orientada de tal forma que o sentido positivo é o sentido anti-horário. Associamos a circunferência (ou ciclo) trigonométrico um sistema
Probabilidade. Evento (E) é o acontecimento que deve ser analisado.
Probabilidade Definição: Probabilidade é uma razão(divisão) entre a quantidade de eventos e a quantidade de amostras. Amostra ou espaço amostral é o conjunto formado por todos os elementos que estão incluídos
ADMINISTRAÇÃO DE BANCOS DE DADOS MÓDULO 8
ADMINISTRAÇÃO DE BANCOS DE DADOS MÓDULO 8 Índice 1. Modelagem de Dados - Continuação...3 1.1. Modelo Entidade-Relacionamento (MER) - II... 3 1.1.1. Entidades fortes e entidades fracas... 3 1.2. Dicionário
Análise e Projeto de Sistemas
Análise e Projeto de Sistemas Gerenciamento de Projetos Conteúdo: Gerenciamento de Riscos Aula: II Prof.: Eude Lacerda E-mail: eude.lacerda@ifnmg.edu.br Apresentação Nesta aula você conhecerá o gerenciamento
Resolução da Prova de Raciocínio Lógico do STJ de 2015, aplicada em 27/09/2015.
de Raciocínio Lógico do STJ de 20, aplicada em 27/09/20. Raciocínio Lógico p/ STJ Mariana é uma estudante que tem grande apreço pela matemática, apesar de achar essa uma área muito difícil. Sempre que
Tópicos Avançados em Banco de Dados Dependências sobre regime e controle de objetos em Banco de Dados. Prof. Hugo Souza
Tópicos Avançados em Banco de Dados Dependências sobre regime e controle de objetos em Banco de Dados Prof. Hugo Souza Após vermos uma breve contextualização sobre esquemas para bases dados e aprendermos
LINEARIZAÇÃO DE GRÁFICOS
LINEARIZAÇÃO DE GRÁFICOS Física Básica Experimental I Departamento de Física / UFPR Processo de Linearização de Gráficos O que é linearização? procedimento para tornar uma curva que não é uma reta em uma
Custo de Oportunidade do Capital
Custo de Oportunidade do Capital É o custo de oportunidade de uso do fator de produção capital ajustado ao risco do empreendimento. Pode ser definido também como a taxa esperada de rentabilidade oferecida
Avaliação de Empresas Profa. Patricia Maria Bortolon
Avaliação de Empresas RISCO E RETORNO Aula 2 Retorno Total É a variação total da riqueza proporcionada por um ativo ao seu detentor. Fonte: Notas de Aula do Prof. Claudio Cunha Retorno Total Exemplo 1
Módulo de Equações do Segundo Grau. Equações do Segundo Grau: Resultados Básicos. Nono Ano
Módulo de Equações do Segundo Grau Equações do Segundo Grau: Resultados Básicos. Nono Ano Equações do o grau: Resultados Básicos. 1 Exercícios Introdutórios Exercício 1. A equação ax + bx + c = 0, com
Sejam P1(x1,y1) e P2(x2,y2) pontos pertencentes ao plano. A equação da reta pode ser expressa como: ou
Sejam P1(x1,y1) e P2(x2,y2) pontos pertencentes ao plano. A equação da reta pode ser expressa como: ou y = ax + b ax y = b Desta forma, para encontrarmos a equação da reta que passa por entre esses dois
Drone2Map: o software que transforma imagens de drones em mapas 2D e 3D
Drone2Map: o software que transforma imagens de drones em mapas 2D e 3D Por Régis Soares Os veículos aéreos não tripulados são novidade no Brasil e seguem cada vez mais em ascensão, mas esse nome ainda
Métodos Quantitativos em Contabilidade. Análise da Variância ANOVA. Prof. José Francisco Moreira Pessanha professorjfmp@hotmail.
Métodos Quatitativos em Cotabilidade Aálise da Variâcia AOVA Prof. José Fracisco Moreira Pessaha professorfmp@hotmail.com Rio de Jaeiro, 8 de setembro de 01 Aálise da Variâcia com um fator (OE WAY AOVA)
Comandos de Eletropneumática Exercícios Comentados para Elaboração, Montagem e Ensaios
Comandos de Eletropneumática Exercícios Comentados para Elaboração, Montagem e Ensaios O Método Intuitivo de elaboração de circuitos: As técnicas de elaboração de circuitos eletropneumáticos fazem parte
Métricas de Software
Métricas de Software Plácido Antônio de Souza Neto 1 1 Gerência Educacional de Tecnologia da Informação Centro Federal de Educação Tecnologia do Rio Grande do Norte 2006.1 - Planejamento e Gerência de
3º Ano do Ensino Médio. Aula nº06
Nome: Ano: º Ano do E.M. Escola: Data: / / 3º Ano do Ensino Médio Aula nº06 Assunto: Noções de Estatística 1. Conceitos básicos Definição: A estatística é a ciência que recolhe, organiza, classifica, apresenta
AULA 11 Experimentos Multinomiais e Tabelas de Contingência
1 AULA 11 Experimentos Multinomiais e Tabelas de Contingência Ernesto F. L. Amaral 24 de setembro de 2012 Faculdade de Filosofia e Ciências Humanas (FAFICH) Universidade Federal de Minas Gerais (UFMG)
Dureza Rockwell. No início do século XX houve muitos progressos. Nossa aula. Em que consiste o ensaio Rockwell. no campo da determinação da dureza.
A UU L AL A Dureza Rockwell No início do século XX houve muitos progressos no campo da determinação da dureza. Introdução Em 1922, Rockwell desenvolveu um método de ensaio de dureza que utilizava um sistema
ANÁLISE DE CIRCUITOS I ( AULA 03)
ANÁLISE DE CIRCUITOS I ( AULA 03) 1.0 O CAPACÍMETRO É o instrumento usado para medir o valor dos capacitores comuns e eletrolíticos. Há dois tipos de capacímetro: o analógico (de ponteiro) e o digital
Tipos de investigação educacional diferenciados por:
Bento Março 09 Tipos de investigação educacional diferenciados por: Praticalidade Básica Aplicada Método Qualitativo Quantitativo Experimental Não experimental Questões Etnográfica Histórica Descritiva
FÍSICA EXPERIMENTAL 3001
FÍSICA EXPERIMENTAL 3001 EXPERIÊNCIA 1 CIRCUITO RLC EM CORRENTE ALTERNADA 1. OBJETIOS 1.1. Objetivo Geral Apresentar aos acadêmicos um circuito elétrico ressonante, o qual apresenta um máximo de corrente
Cap. II EVENTOS MUTUAMENTE EXCLUSIVOS E EVENTOS NÃO- EXCLUSIVOS
Cap. II EVENTOS MUTUAMENTE EXCLUSIVOS E EVENTOS NÃO- EXCLUSIVOS Dois ou mais eventos são mutuamente exclusivos, ou disjuntos, se os mesmos não podem ocorrer simultaneamente. Isto é, a ocorrência de um
Conceitos Básicos em Estatística
Introdução à Estatística Conceitos Básicos em Estatística 1 Conceitos Básicos em Estatística Definição Uma população é uma colecção de unidades individuais, que podem ser pessoas, animais, resultados experimentais,
Exemplo COMO FAZER UM TRABALHO ESCOLAR O QUE DEVE CONSTAR EM UM TRABALHO ESCOLAR? Um Trabalho Escolar que se preze, de nível fundamental, deve conter:
COMO FAZER UM TRABALHO ESCOLAR O QUE DEVE CONSTAR EM UM TRABALHO ESCOLAR? Um Trabalho Escolar que se preze, de nível fundamental, deve conter: 1. Capa 2. Folha de Rosto 3. Sumário 4. Introdução 5. Texto
MATÉRIA TÉCNICA APTTA BRASIL SENSORES MAGNETO-RESTRITIVOS UM CRUZAMENTO DE DOIS TIPOS DE SENSORES CONHECIDOS.
MATÉRIA TÉCNICA APTTA BRASIL SENSORES MAGNETO-RESTRITIVOS UM CRUZAMENTO DE DOIS TIPOS DE SENSORES CONHECIDOS. Figura 1: Aqui uma vista dos sensores do eixo comando de válvulas de um NISSAN Máxima 2012.
WWW.RENOVAVEIS.TECNOPT.COM
Energia produzida Para a industria eólica é muito importante a discrição da variação da velocidade do vento. Os projetistas de turbinas necessitam da informação para otimizar o desenho de seus geradores,
Para entender o conceito de objetos em programação devemos fazer uma analogia com o mundo real:
Introdução a Orientação a Objetos com Java Autor: Professor Victor Augusto Zago Menegusso. Orientação a Objetos É um paradigma de programação que define a estrutura de um programa baseado nos conceitos
Teste de hipótese em modelos normais lineares: ANOVA
Teste de hipótese em modelos normais lineares: ANOVA Prof Caio Azevedo Prof Caio Azevedo Exemplo 1 No primeiro modelo, o interesse primário, de certa forma, é testar se a carga não contribui para explicar
GEOMETRIA. sólidos geométricos, regiões planas e contornos PRISMAS SÓLIDOS GEOMÉTRICOS REGIÕES PLANAS CONTORNOS
PRISMAS Os prismas são sólidos geométricos muito utilizados na construção civil e indústria. PRISMAS base Os poliedros representados a seguir são denominados prismas. face lateral base Nesses prismas,
Técnicas de Contagem I II III IV V VI
Técnicas de Contagem Exemplo Para a Copa do Mundo 24 países são divididos em seis grupos, com 4 países cada um. Supondo que a escolha do grupo de cada país é feita ao acaso, calcular a probabilidade de
MBA em Gerenciamento de Projetos. Teoria Geral do Planejamento. Professora: Maria Erileuza do Nascimento de Paula
MBA em Gerenciamento de Projetos Teoria Geral do Planejamento Professora: Maria Erileuza do Nascimento de Paula SOBRAL - CE 2014 O que é Planejamento É um processo contínuo e dinâmico que consiste em um
Aula 11: Desvios e Laços
Aula 11: Desvios e Laços Nesta aula explicaremos alguns comandos que podem alterar o fluxo dos seus programas em JavaScript. Você aprenderá a estrutura dos comandos de desvios e laços. Entenderá como funcionam
P R O G R A M A TERCEIRA FASE. DISCIPLINA: Estatística Aplicada à Pesquisa Educacional Código: 3EAPE Carga Horária: 54h/a (crédito 03)
UNIVERSIDADE DO ESTADO DE SANTA CATARINA - UDESC CENTRO DE CIÊNCIAS DA SAÚDE E DO ESPORTE - CEFID DEPARTAMENTO DE EDUCAÇÃO FÍSICA - DEF CURSO: LICENCIATURA EM EDUCAÇÃO FÍSICA CURRÍCULO: 2008/2 P R O G
UMA ANÁLISE BAYESIANA DO PERFIL COR/RAÇA DOS INDIVÍDUOS QUE TEM CURSO SUPERIOR NO BRASIL
ISSN 2175-6295 Rio de Janeiro- Brasil, 08 e 09 novembro de 2007. SPOLM 2007 UMA ANÁLISE BAYESIANA DO PERFIL COR/RAÇA DOS INDIVÍDUOS QUE TEM CURSO SUPERIOR NO BRASIL Giovani Glaucio de Oliveira Costa Universidade
Impressora Latex série 300. Garantia limitada
Impressora Latex série 300 Garantia limitada 2013 Hewlett-Packard Development Company, L.P. 1 Avisos legais As informações contidas neste documento estão sujeitas a alteração sem aviso prévio. As únicas
Usando potências de 10
Usando potências de 10 A UUL AL A Nesta aula, vamos ver que todo número positivo pode ser escrito como uma potência de base 10. Por exemplo, vamos aprender que o número 15 pode ser escrito como 10 1,176.
Análise de Variância (ANOVA)
Análise de Variância (ANOVA) A Regressão Linear visa modelar uma variável resposta numérica (quantitativa), à custa de uma ou mais variáveis preditoras, igualmente numéricas. Mas uma variável resposta
Regressão, Interpolação e Extrapolação Numéricas
, e Extrapolação Numéricas Departamento de Física Universidade Federal da Paraíba 29 de Maio de 2009, e Extrapolação Numéricas O problema Introdução Quem é quem Um problema muito comum na física é o de
Resolução da Lista de Exercício 6
Teoria da Organização e Contratos - TOC / MFEE Professor: Jefferson Bertolai Fundação Getulio Vargas / EPGE Monitor: William Michon Jr 10 de novembro de 01 Exercícios referentes à aula 7 e 8. Resolução
Função. Adição e subtração de arcos Duplicação de arcos
Função Trigonométrica II Adição e subtração de arcos Duplicação de arcos Resumo das Principais Relações I sen cos II tg sen cos III cotg tg IV sec cos V csc sen VI sec tg VII csc cotg cos sen Arcos e subtração
NavegadorContábil. Sim. Não. Sim. Não. Número 13-20 de agosto de 2010. Contabilização de operações de duplicata descontada e vendor
NavegadorContábil Número 13-20 de agosto de 2010 Contabilização de operações de duplicata descontada e vendor Introdução Muitas empresas no Brasil, na administração de seu capital de giro, fazem uso de
Equivalentes de Thévenin e Norton
Equivalentes de Thévenin e Norton Introdução Na análise muitas vezes nos interessa o que acontece em um par específico de terminais. Por exemplo, quando ligamos algum equipamento a uma tomada, estamos
A lei dos senos. Na Aula 42 vimos que a Lei dos co-senos é. a 2 = b 2 + c 2-2bc cos Â
A UA UL LA A lei dos senos Introdução Na Aula 4 vimos que a Lei dos co-senos é uma importante ferramenta matemática para o cálculo de medidas de lados e ângulos de triângulos quaisquer, isto é, de triângulos
Colégio Brasileiro de Cirurgia Digestiva
Colégio Brasileiro de Cirurgia Digestiva Orientação para pacientes com Cálculo (pedra) da vesícula. Quem pode ter pedra (cálculo) na vesícula? Pedra ou calculo da vesícula e uma doença bastante comum.
EXCEL 2013. O Excel já cria o gráfico com base nas células que você selecionou, confira:
GRÁFICOS Os gráficos servem para representar e comparar valores visualmente. O Excel tem uma ferramenta que permite fazer belos gráficos, de diversos tipos, dando apenas alguns cliques com o mouse. A melhor
Sistemas Distribuídos
Comunicação em Grupo Referência Sistemas operacionais modernos Andrew S. TANENBAUM Prentice-Hall, 1995 Seção 10.4 pág. 304-311 2 Comunicação em Grupo Suponha que se deseja um serviço de arquivos único
Bem-vindo ao tópico sobre conceitos de determinação de preços.
Bem-vindo ao tópico sobre conceitos de determinação de preços. Neste tópico, explicaremos como a determinação de preços é administrada no SAP Business One. Examinaremos tipos de preço que podem ser configurados
2 Workshop processamento de artigos em serviços de saúde Recolhimento de artigos esterilizados: é possível evitar?
2 Workshop processamento de artigos em serviços de saúde Recolhimento de artigos esterilizados: é possível evitar? 3 Farm. André Cabral Contagem, 19 de Maio de 2010 Rastreabilidade É definida como a habilidade
0.1 Introdução Conceitos básicos
Laboratório de Eletricidade S.J.Troise Exp. 0 - Laboratório de eletricidade 0.1 Introdução Conceitos básicos O modelo aceito modernamente para o átomo apresenta o aspecto de uma esfera central chamada
Pelo que foi exposto no teorema de Carnot, obteve-se a seguinte relação:
16. Escala Absoluta Termodinâmica Kelvin propôs uma escala de temperatura que foi baseada na máquina de Carnot. Segundo o resultado (II) na seção do ciclo de Carnot, temos que: O ponto triplo da água foi
Erros de Estado Estacionário. Carlos Alexandre Mello. Carlos Alexandre Mello cabm@cin.ufpe.br 1
Erros de Estado Estacionário Carlos Alexandre Mello 1 Introdução Projeto e análise de sistemas de controle: Resposta de Transiente Estabilidade Erros de Estado Estacionário (ou Permanente) Diferença entre
EXAME DE MACS 2º FASE 2014/2015 = 193
EXAME DE MACS 2º FASE 2014/2015 1. Divisor Padrão: 00+560+80+240 200 = 190 = 19 200 20 Filiais A B C D Quota Padrão 1,088 58,01 86,010 24,870 L 1 58 86 24 L(L + 1) 1,496 58,498 86,499 24,495 Quota Padrão