Cap. 4 - Estimação por Intervalo
|
|
- Kléber Teixeira Quintanilha
- 6 Há anos
- Visualizações:
Transcrição
1 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: um subcojuto de observações selecioadas a partir de uma população. Tamaho da amostra:. Defiição: As variáveis aleatórias (X 1, X,..., X ) são uma amostra aleatória (aa ou iid) de tamaho se a) Os X i s forem variáveis aleatórias idepedetes e b) Cada X i tiver a mesma distribuição de probabilidades. Quado a amostragem é aleatória podemos fazer iferêcias sobre a população a partir de uma amostra. Estatística: é qualquer fução das observações em uma amostra aleatória. Parâmetro: descrição umérica de uma característica da população, geralmete descohecida. Exemplos de parâmetros: média de altura de uma população; variâcia, proporção de peças defeituosas, etc... Prof. Dr. Clécio da Silva Ferreira - Departameto de Estatística - UFJF 1
2 Estimação de Parâmetros Estimador: é uma estatística usada para estimar um parâmetro populacioal, a partir de uma amostra aleatória. Exemplos de estimadores: a) X (média amostral): estimador da média populacioal; b) S (variâcia amostral): estimador da variâcia populacioal; c) S (desvio padrão amostral): estimador do desvio padrão populacioal Prof. Dr. Clécio da Silva Ferreira - Departameto de Estatística - UFJF
3 d) p (proporção amostral): estimador da proporção populacioal, etc. O valor que um estimador assume uma determiada amostra é deomiado estimativa do parâmetro. Objetivo: Estimar um parâmetro de uma população de uma variável X (que pode ser a média, a variâcia, o desvio padrão, a proporção de objetos com determiada característica de iteresse, etc) de uma população em estudo cosiste a determiação do valor umérico do mesmo a partir de uma estatística adequada defiida uma amostra aleatória extraída da população em estudo. Na prática selecioamos apeas uma amostra, produzido apeas uma estimativa. Como um estimador é uma variável aleatória, o mesmo tem média e variâcia. Assim, mesmo que o estimador seja ão tedecioso a estimativa obtida pode estar muito distate da verdadeira média populacioal. Etão, outra propriedade desejável é que o estimador teha uma variâcia pequea, reduzido assim a possibilidade da estimativa ser muito diferete do valor do parâmetro. Acurácia: observações próximas (em toro) do valor alvo, real ou esperado. Precisão: observações próximas da média do cojuto de observações (baixa variabilidade). Prof. Dr. Clécio da Silva Ferreira - Departameto de Estatística - UFJF 3
4 Prof. Dr. Clécio da Silva Ferreira - Departameto de Estatística - UFJF 4
5 Estimação potual No processo de estimação por poto admite-se como valor umérico do parâmetro a estimativa calculada a partir de uma amostra aleatória extraída da população em estudo. Exemplo: Na estimação por poto da média populacioal de uma variável X admite-se que x, ode x é uma estimativa de dada por x i 1 i x sedo x 1, x,..., x observações da variável X uma amostra de tamaho extraída da população de observações desta variável para estimar a média populacioal. Existem outros processos de estimação potual, ão abordados aqui. No processo de estimação por itervalo, usa-se a distribuição amostral do estimador para a costrução de um itervalo, sedo que este itervalo tem uma probabilidade =1- α, especificada a priori, de coter o verdadeiro valor do parâmetro estimado. O itervalo é deomiado itervalo de cofiaça de 100% e a probabilidade é deomiada ível de cofiaça. Os íveis de cofiaça usuais são 0,95 (95%) e 0,99(99%). Itervalo de Cofiaça: Expressa o grau de icerteza associado com uma estimativa. Itervalo com 100(1- α)% de cofiaça para o parâmetro θ: Iterpretação: Se K amostras aleatórias de mesmo tamaho forem coletadas e um IC de 100(1- α)% for calculado para cada amostra, etão 100(1- α)% desses K itervalos cotem o valor verdadeiro do parâmetro θ. Observações: Quato maior for o IC, meor é sua precisão. A metade do IC é sua precisão. Prof. Dr. Clécio da Silva Ferreira - Departameto de Estatística - UFJF 5
6 Distribuições Amostrais o A seleção da amostra a partir de um plao amostral probabilístico faz com qualquer estimador (estatística) seja uma VA. Por que? Por causa da aleatoriedade itroduzida pelo sorteio realizado o processo de amostragem. o Uma estatística é uma VA aleatória e a sua distribuição de probabilidades é chamada de distribuição amostral. o Cosideraremos um plao amostral por amostragem aleatória simples (AAS) com reposição com =. E X,5 3 3,5 4 4,5 5 3, 5 V ( X ) ( 3,5) 1 16 (,5 3,5) (5 3,5) ,65 1,5 Prof. Dr. Clécio da Silva Ferreira - Departameto de Estatística - UFJF 6
7 o Observe que a distribuição da população e a distribuição da média amostral têm a mesma média (valor esperado). o A distribuição da média amostral é mais cocetrada e é parecida com a distribuição Normal. Distribuição Amostral da Média o O esquema abaixo resume o que vimos até agora: Prof. Dr. Clécio da Silva Ferreira - Departameto de Estatística - UFJF 7
8 o Se cosideramos uma AAS X 1, X,..., X e o estimador X, a distribuição de X terá as seguites propriedades: o E (X ) o V ( X ). Teorema Cetral do Limite: Se X 1, X,..., X for uma aa de tamaho de uma população (fiita ou ifiita), com média µ e variâcia σ fiita, etão a forma limite da distribuição de ode Z é a distribuição ormal padrão. Em geral para 30 a aproximação é boa. A distribuição T de Studet com =1 graus de liberdade. A distribuição T é simétrica, tem esperaça matemática igual a zero e variâcia igual a /( ). A forma da desta distribuição depede de seu úmero de graus de liberdade da mesma. O gráfico a seguir ilustra esta distribuição para = 1, = 4 e = 0., (a) = 1 (b) = 4 (c) = 0 Figura 1 Se é suficietemete grade (a prática, 30) a distribuição t se aproxima da distribuição ormal padrão. As probabilidades dos valores da distribuição t de Studet se ecotram o apêdice. Os valores t >0 da variável T esta tabela são tais que P(Tt )=, Prof. Dr. Clécio da Silva Ferreira - Departameto de Estatística - UFJF 8
9 Itervalos de Cofiaça para parâmetros populacioais 1) Itervalo de cofiaça para a média populacioal Supoha que a população de uma variável X teha distribuição ormal com média igual a e desvio padrão. Figura O itervalo de cofiaça de 100 % para a média populacioal é dado por, ode é o quatil da distribuição T (-1). Para grade (>30), pode-se utilizar o quatil da ormal o lugar do quatil da T de Studet. Ou seja, ode é o quatil da ormal padrão. Exemplo: Um pesquisador observou o custo de produção, em R$, uma amostra de 10 uidades de um artigo produzido por certo fabricate escolhidas aleatoriamete da produção, ecotrado os seguites valores: 10, 11, 7, 9, 6, 7, 10, 7, 6 e 8. Costrua e iterprete um itervalo de 95% para o custo médio de produção do artigo cosiderado., Solução s x i i x x i1 i x i i (10 1) 8, ,79 Prof. Dr. Clécio da Silva Ferreira - Departameto de Estatística - UFJF 9
10 Sedo =0,95, =0,05, o coeficiete de cofiaça, t 0,95, é um valor da variável T tal que P ( t T t 05) 0, 95 como ilustra o gráfico a seguir. 0,05 0, Figura 3 A variável T tem distribuição t de Studet com =1=101=9 graus de liberdade. Pela tabela da T de Studet temse para = 9 e = 0,05 que 0, 05 t =,6. Assim sedo, o itervalo de cofiaça de 95% para o custo médio deste artigo é 8,1,6 0,57 8,1,6 0,57 R$6,81 R$9, 39 Com este resultado acredita-se que a probabilidade de que o itervalo acima coteha o custo médio das uidades deste artigo é de 0, ) Determiação do tamaho da amostra para estimação da média Na costrução de um itervalo de cofiaça de 100% para a média da população de uma variável X deve-se iicialmete estipular a precisão do itervalo de cofiaça desejado e em fução desta precisão dimesioar o tamaho da amostra. Na amostragem com reposição costata-se que a precisão deste itervalo é t s X Cosiderado amostragem com reposição s s X Logo, t s Etão t S Prof. Dr. Clécio da Silva Ferreira - Departameto de Estatística - UFJF 10
11 A estimativa S é determiada a partir de uma amostra iicial deomiada amostra piloto com elemetos (sedo arbitrário e uca iferior a 30) e cosidera-se = para se determiar o valor t. Se for maior que, o tamaho da amostra defiitiva será e deve-se acrescetar às observações da amostra piloto ovas observações até completar a amostra de tamaho ; se o valor calculado for meor ou igual a, a amostra piloto já é suficiete e o tamaho da amostra defiitiva será =. Exemplo: Um pesquisador deseja estimar o preço médio de um produto os potos de veda de certa região, de modo que o erro de estimação seja o máximo igual a R$,00, admitido-se um ível de cofiaça de 95%. O pesquisador dispõe de uma amostra piloto de 40 potos de veda os quais o desvio padrão do preço do produto é igual a R$1,00. Qual deve ser o tamaho da amostra? Solução Não tedo sido iformado o tamaho da população (úmero de potos de veda da região) admite-se amostragem com reposição ou amostragem sem reposição de uma população muito ifiita ou população fiita muito maior que a amostra e assim sedo, o tamaho da amostra é t s Pelos dados do problema, tem-se que = e = 1. Sedo = 0,95 e =, tem-se da tabela t de Studet tem-se que t0, 95=1,96. Etão, o tamaho da amostra para estimar o preço médio do produto os potos de veda da região é 1, ) Itervalo de cofiaça para a proporção populacioal Supoha que certa população teha uma proporção de objetos com uma característica de iteresse para o pesquisador (por exemplo, pode ser a proporção de uidades defeituosas de certo artigo uma liha de produção). Prof. Dr. Clécio da Silva Ferreira - Departameto de Estatística - UFJF 11
12 Neste caso, o estimador ão tedecioso de é a proporção amostral p, que é uma variável aleatória que associa a uma amostra de objetos a proporção p de objetos a amostra com a característica de iteresse. Para grades amostras ( 30), a variável aleatória que associa a uma amostra o valor da expressão p tem distribuição aproximadamete ormal padroizada, sedo estimativa do erro padrão, dada por p( 1 p) s P se a amostragem é com reposição. s P sp uma Para um dado ível de cofiaça, tem-se que p P z z sp ode z é um valor da variável ormal padroizada. Assim, o Itervalo de cofiaça de ível para é dado por IC IC ( ) ( p z sp, p z / s / P ou p(1 p) ( ) [ p z /, p z / ) p(1 p) ] A equação acima costitui o itervalo de cofiaça de 100% para a proporção populacioal. Exemplo: Um produtor deseja estimar a proporção de ites de certo artigo a liha de produção de sua empresa que apresetam defeito de fabricação. Para esta fialidade, retirou uma amostra de 00 ites retirados aleatoriamete da liha de produção, costatado que 16 destes apresetam defeito de fabricação. Costrua e iterprete um itervalo de cofiaça de 95% para a proporção de ites a liha de produção que apresetam defeito de fabricação. Prof. Dr. Clécio da Silva Ferreira - Departameto de Estatística - UFJF 1
13 Solução: Não tedo sido iformado o tamaho da população (úmero de ites produzidos) admite-se amostragem com reposição ou amostragem sem reposição de uma população ifiita ou população fiita muito maior que a amostra e o itervalo de cofiaça para a proporção de ites defeituosos a liha de produção é p(1 p) p(1 p) p z p z / ode p = x/. Na amostra de tamaho = 00 foram observados x = 16 ites defeituosos. Etão a estimativa da proporção de ites defeituosos a liha de produção é / 16 p 0,08 00 A estimativa do erro padrão da proporção é s P p(1 p) 0,08(1 0,08) 00 0,019 Sedo =0,95 tem-se que P ( z0,95 Z z0, 95) 0, 95 ode Z é a variável ormal padroizada. O gráfico a seguir ilustra esta situação. Figura 4 Observado-se o gráfico acima tem-se que, da tabela da ormal padrão, z =1,96. Etão o itervalo de cofiaça de 95% para a proporção de ites defeituosos a liha de produção é 0,08 1,96 0,019 0,08 1,96 0,019 0,043 0, 117 Com este resultado, acredita-se que a probabilidade de que o itervalo acima coteha a proporção de ites defeituosos a liha de produção é de 0, ) Determiação do tamaho da amostra para a estimação da proporção Como o caso da média, para se costruir um itervalo de cofiaça de 100 % para a proporção populacioal deve-se dimesioar o tamaho Prof. Dr. Clécio da Silva Ferreira - Departameto de Estatística - UFJF 13
14 da amostra para uma precisão preestabelecida do itervalo de cofiaça desejado. A precisão do itervalo é z s P Se a amostragem é com reposição, etão p( 1 p) s P. Logo, p( 1 p) z Resolvedo-se a equação para tem-se que z p (1 p) A estimativa p da proporção populacioal pode ser obtida a partir de uma amostra piloto como o caso da média. Caso seja muito difícil obter uma estimativa iicial da proporção e cosiderado-se que atige um valor máximo quado p = 0.5, pode-se arbitrar este valor para a estimativa iicial de. Neste caso existe o risco de que, em determiadas situações, sejam obtidas amostras de tamaho muito maior que o ecessário. Exemplo: Com o objetivo de estimar a proporção de ites defeituosos uma produção, um admiistrador de produção deseja extrair uma amostra aleatória de ites da referida produção para tal fim. Uma amostra piloto de 40 ites apresetou 4 defeituosos. Qual deve ser o tamaho da amostra defiitiva para que o erro de estimação da proporção de defeituosos a população seja de o máximo 3% a um ível de cofiaça de 95%? Solução: Não tedo sido iformado o tamaho da população (úmero de ites produzidos), admite-se amostragem com reposição ou amostragem sem reposição de uma população ifiita ou muito maior que a amostra e, assim sedo, o tamaho da amostra é (1 ) z 4 p. 40 A estimativa de obtida a partir da amostra piloto é 0, 1 Prof. Dr. Clécio da Silva Ferreira - Departameto de Estatística - UFJF 14
15 Pelos dados do problema, tem-se que = 0,03. Sedo = 0,95 tem-se, pela tabela da ormal padrão, que z0, 95=1,96. Etão, o tamaho da amostra para estimar a proporção de ites defeituosos a produção é 1,96 0,1(1 0,1) 385 0,03 Neste caso deve-se acrescetar 345 ites à amostra piloto ates de se costruir o itervalo de cofiaça para a proporção. Prof. Dr. Clécio da Silva Ferreira - Departameto de Estatística - UFJF 15
16 Apêdice TABELA: Distribuição ormal padrão. P(Z>z) área tabulada 0 z seguda decimal de z z 0,00 0,01 0,0 0,03 0,04 0,05 0,06 0,07 0,08 0,09 0,0 0,5000 0,4960 0,490 0,4880 0,4840 0,4801 0,4761 0,471 0,4681 0,4641 0,1 0,460 0,456 0,45 0,4483 0,4443 0,4404 0,4364 0,435 0,486 0,447 0, 0,407 0,4168 0,419 0,4090 0,405 0,4013 0,3974 0,3936 0,3897 0,3859 0,3 0,381 0,3783 0,3745 0,3707 0,3669 0,363 0,3594 0,3557 0,350 0,3483 0,4 0,3446 0,3409 0,337 0,3336 0,3300 0,364 0,38 0,319 0,3156 0,311 0,5 0,3085 0,3050 0,3015 0,981 0,946 0,91 0,877 0,84 0,810 0,776 0,6 0,743 0,709 0,676 0,643 0,611 0,578 0,546 0,514 0,483 0,451 0,7 0,40 0,389 0,358 0,37 0,96 0,66 0,36 0,06 0,177 0,148 0,8 0,119 0,090 0,061 0,033 0,005 0,1977 0,1949 0,19 0,1894 0,1867 0,9 0,1841 0,1814 0,1788 0,176 0,1736 0,1711 0,1685 0,1660 0,1635 0,1611 1,0 0,1587 0,156 0,1539 0,1515 0,149 0,1469 0,1446 0,143 0,1401 0,1379 1,1 0,1357 0,1335 0,1314 0,19 0,171 0,151 0,130 0,110 0,1190 0,1170 1, 0,1151 0,1131 0,111 0,1093 0,1075 0,1056 0,1038 0,100 0,1003 0,0985 1,3 0,0968 0,0951 0,0934 0,0918 0,0901 0,0885 0,0869 0,0853 0,0838 0,083 1,4 0,0808 0,0793 0,0778 0,0764 0,0749 0,0735 0,07 0,0708 0,0694 0,0681 1,5 0,0668 0,0655 0,0643 0,0630 0,0618 0,0606 0,0594 0,058 0,0571 0,0559 1,6 0,0548 0,0537 0,056 0,0516 0,0505 0,0495 0,0485 0,0475 0,0465 0,0455 1,7 0,0446 0,0436 0,047 0,0418 0,0409 0,0401 0,039 0,0384 0,0375 0,0367 1,8 0,0359 0,035 0,0344 0,0336 0,039 0,03 0,0314 0,0307 0,0301 0,094 1,9 0,087 0,081 0,074 0,068 0,06 0,056 0,050 0,044 0,039 0,033,0 0,08 0,0 0,017 0,01 0,007 0,00 0,0197 0,019 0,0188 0,0183,1 0,0179 0,0174 0,0170 0,0166 0,016 0,0158 0,0154 0,0150 0,0146 0,0143, 0,0139 0,0136 0,013 0,019 0,015 0,01 0,0119 0,0116 0,0113 0,0110,3 0,0107 0,0104 0,010 0,0099 0,0096 0,0094 0,0091 0,0089 0,0087 0,0084,4 0,008 0,0080 0,0078 0,0075 0,0073 0,0071 0,0069 0,0068 0,0066 0,0064,5 0,006 0,0060 0,0059 0,0057 0,0055 0,0054 0,005 0,0051 0,0049 0,0048,6 0,0047 0,0045 0,0044 0,0043 0,0041 0,0040 0,0039 0,0038 0,0037 0,0036,7 0,0035 0,0034 0,0033 0,003 0,0031 0,0030 0,009 0,008 0,007 0,006,8 0,006 0,005 0,004 0,003 0,003 0,00 0,001 0,001 0,000 0,0019,9 0,0019 0,0018 0,0017 0,0017 0,0016 0,0016 0,0015 0,0015 0,0014 0,0014 3,0 0, ,5 0, ,0 0, ,5 0, ,0 0, Prof. Dr. Clécio da Silva Ferreira - Departameto de Estatística - UFJF 16
17 Prof. Dr. Clécio da Silva Ferreira - Departameto de Estatística - UFJF 17
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 maisESTIMAÇÃO DA PROPORÇÃO POPULACIONAL p
ESTIMAÇÃO DA PROPORÇÃO POPULACIONAL p Objetivo Estimar uma proporção p (descohecida) de elemetos em uma população, apresetado certa característica de iteresse, a partir da iformação forecida por uma amostra.
Leia 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 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 maisCapítulo 5- Introdução à Inferência estatística.
Capítulo 5- Itrodução à Iferêcia estatística. 1.1) Itrodução.(184) Na iferêcia estatística, aalisamos e iterpretamos amostras com o objetivo de tirar coclusões acerca da população de ode se extraiu a amostra.
Leia maisESTIMAÇÃO DE PARÂMETROS
ESTIMAÇÃO DE PARÂMETROS 1 Estimação de Parâmetros uiverso do estudo (população) dados observados O raciocíio idutivo da estimação de parâmetros Estimação de Parâmetros POPULAÇÃO p =? AMOSTRA Observações:
Leia maisINFERÊNCIA. Fazer inferência (ou inferir) = tirar conclusões
INFERÊNCIA Fazer iferêcia (ou iferir) = tirar coclusões Iferêcia Estatística: cojuto de métodos de aálise estatística que permitem tirar coclusões sobre uma população com base em somete uma parte dela
Leia maisEstimativa de Parâmetros
Estimativa de Parâmetros ENG09004 04/ Prof. Alexadre Pedott pedott@producao.ufrgs.br Trabalho em Grupo Primeira Etrega: 7/0/04. Plao de Amostragem - Cotexto - Tipo de dado, frequêcia de coleta, quatidade
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 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 maisExame MACS- Inferência-Intervalos.
Exame MACS- Iferêcia-Itervalos. No iício deste capítulo, surgem algumas ideias que devemos ter presetes: O objectivo da iferêcia estatística é usar uma amostra e tirar coclusões para toda a população.
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 maisCAPÍTULO 6 ESTIMATIVA DE PARÂMETROS PPGEP. Introdução. Introdução. Estimativa de Parâmetros UFRGS
CAPÍTULO 6 Itrodução Uma variável aleatória é caracterizada ou descrita pela sua distribuição de probabilidade. ETIMATIVA DE PARÂMETRO URG Em aplicações idustriais, as distribuições de probabilidade são
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 maisS É R I E : E s t a t í s t i c a B á s i c a T e x t o 3 : E S T I M A Ç Ã O SUMÁRIO 1. INTRODUÇÃO ESTIMAÇÃO POR PONTO...4
SUMÁRIO. INTRODUÇÃO...3. ESTIMAÇÃO POR PONTO...4.. NOTAÇÃO...4.. PROPRIEDADES DOS ESTIMADORES...5... Não-tedeciosidade...5... Precisão ou eficiêcia...7..3. Validade (ou Acurácia)...8..4. Coerêcia ou cosistêcia...8.3.
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 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 maisCapítulo 8 Estimativa do Intervalo de Confiança. Statistics for Managers Using Microsoft Excel, 5e 2008 Pearson Prentice-Hall, Inc.
Capítulo 8 Estimativa do Itervalo de Cofiaça Statistics for Maagers Usig Microsoft Excel, 5e 2008 Pearso Pretice-Hall, Ic. Chap 8-1 Objetivos: Neste capítulo, você aprederá: Costruir e iterpretar estimativas
Leia maisUNIVERSIDADE FEDERAL DO PARANÁ SETOR DE CIÊNCIAS EXATAS DEPTO. DE ESTATÍSTICA LISTA 4 PROBABILIDADE A (CE068) Prof. Benito Olivares Aguilera
UNIVERSIDADE FEDERAL DO PARANÁ SETOR DE CIÊNCIAS EATAS DEPTO. DE ESTATÍSTICA LISTA 4 PROBABILIDADE A (CE068) Prof. Beito Olivares Aguilera 2 o Sem./09 1. Das variáveis abaixo descritas, assiale quais são
Leia maisPopulação x Amostra. statística descritiva X inferência estatística. Revisão de Estatística e Probabilidade
Revisão de Estatística e Probabilidade Magos Martiello Uiversidade Federal do Espírito Sato - UFES Departameto de Iformática DI Laboratório de Pesquisas em Redes Multimidia LPRM statística descritiva X
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 maisMAE Introdução à Probabilidade e Estatística II Resolução Lista 1
MAE 229 - Itrodução à Probabilidade e Estatística II Resolução Lista 1 Professor: Pedro Moretti Exercício 1 (a) Fazer histograma usado os seguites dados: Distribuição de probabilidade da variável X: X
Leia 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 maisCONCEITOS BÁSICOS E PRINCÍPIOS DE ESTATÍSTICA
1 CONCEITOS BÁSICOS E PRINCÍPIOS DE ESTATÍSTICA 1. Coceitos Básicos de Probabilidade Variável aleatória: é um úmero (ou vetor) determiado por uma resposta, isto é, uma fução defiida em potos do espaço
Leia maisEstatística: Aplicação ao Sensoriamento Remoto SER ANO Técnicas de Reamostragem
Estatística: Aplicação ao Sesoriameto Remoto SER 202 - ANO 2016 Técicas de Reamostragem Camilo Daleles Reó camilo@dpi.ipe.br http://www.dpi.ipe.br/~camilo/estatistica/ Distribuição Amostral Testes paramétricos
Leia maisMAE116 Noções de Estatística
Exercício 1 A Secretaria de Saúde de um muicípio vem realizado um programa educativo etre as gestates mostrado a importâcia da amametação. Para averiguar a eficácia do programa pretede-se realizar uma
Leia maisEstatística II Aula 3. Prof.: Patricia Maria Bortolon, D. Sc.
Estatística II Aula 3 Prof.: Patricia Maria Bortolo, D. Sc. Estimação por Itervalo Objetivos Nesta semaa, veremos: Como costruir e iterpretar estimativas por itervalos de cofiaça para a média e a proporção
Leia maisMétodos Numéricos e Estatísticos Parte II-Métodos Estatísticos Estimação pontual e intervalar
potual por itervalos Métodos Numéricos e Estatísticos Parte II-Métodos Estatísticos potual e itervalar Lic. Eg. Biomédica e Bioegeharia-2009/2010 potual por itervalos A Teoria das Probabilidades cosiste
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 maisCap. 5. Testes de Hipóteses
Cap. 5. Testes de Hipóteses Neste capítulo será estudado o segudo problema da iferêcia estatística: o teste de hipóteses. Um teste de hipóteses cosiste em verificar, a partir das observações de uma amostra,
Leia maisSucessão ou Sequência. Sucessão ou seqüência é todo conjunto que consideramos os elementos dispostos em certa ordem. janeiro,fevereiro,...
Curso Metor www.cursometor.wordpress.com Sucessão ou Sequêcia Defiição Sucessão ou seqüêcia é todo cojuto que cosideramos os elemetos dispostos em certa ordem. jaeiro,fevereiro,...,dezembro Exemplo : Exemplo
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 maisEstimação por Intervalo (Intervalos de Confiança):
Estimação por Itervalo (Itervalos de Cofiaça): 1) Itervalo de Cofiaça para a Média Populacioal: Muitas vezes, para obter-se a verdadeira média populacioal ão compesa fazer um levatameto a 100% da população
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 mais) E X. ) = 0 2 ( 1 p ) p = p. ) E 2 ( X ) = p p 2 = p ( 1 p ) ( ) = i 1 n. ( ) 2 n E( X) = ( ) = 1 p ( ) = p V ( X ) = E ( X 2 E X
3.5 A distribuição uiforme discreta Defiição: X tem distribuição uiforme discreta se cada um dos valores possíveis,,,, tiver fução de probabilidade P( X = i ) = e represeta-se por, i =,, 0, c.c. X ~ Uif
Leia maisProbabilidade II Aula 9
Coteúdo Probabilidade II Aula 9 Maio de 9 Môica Barros, D.Sc. Estatísticas de Ordem Distribuição do Máximo e Míimo de uma amostra Uiforme(,) Distribuição do Máximo e Míimo caso geral Distribuição das Estatísticas
Leia maisAjuste de Curvas pelo Método dos Quadrados Mínimos
Notas de aula de Métodos Numéricos. c Departameto de Computação/ICEB/UFOP. Ajuste de Curvas pelo Método dos Quadrados Míimos Marcoe Jamilso Freitas Souza, Departameto de Computação, Istituto de Ciêcias
Leia maisMétodos Quantitativos em Contabilidade. Prof. José Francisco Moreira Pessanha
Métodos Quatitativos em Cotabilidade Prof. José Fracisco Moreira Pessaha professorjfmp@hotmail.com Rio de Jaeiro, 4 de setembro de 0 Itrodução O propósito da iferêcia estatística cosiste em fazer afirmações
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 maisPROVA 1 27/10/ Os dados apresentados na seqüência mostram os resultados de colesterol
PROVA 1 7/10/009 Nome: GABARITO 1. Os dados apresetados a seqüêcia mostram os resultados de colesterol mg /100ml em dois grupos de aimais. O grupo A é formado por 10 total ( ) aimais submetidos a um cotrole
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 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 maisMEDIDAS DESCRITIVAS DE POSIÇÃO, TENDÊNCIA CENTRAL E VARIABILIDADE
MEDIDAS DESCRITIVAS DE POSIÇÃO, TENDÊNCIA CENTRAL E VARIABILIDADE 1 Estatística descritiva (Eploratória) PRIMEIRO PASSO: Tabelas (distribuição de frequêcia) e Gráficos. SEGUNDO PASSO: Cálculo de medidas
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 maisProbabilidade e Estatística. Estimação de Parâmetros Intervalo de Confiança
Probabilidade e Estatística Prof. Dr. Narciso Gonçalves da Silva http://páginapessoal.utfpr.edu.br/ngsilva Estimação de Parâmetros Intervalo de Confiança Introdução A inferência estatística é o processo
Leia maisProcessos Estocásticos
IFBA Processos Estocásticos Versão 1 Alla de Sousa Soares Graduação: Liceciatura em Matemática - UESB Especilização: Matemática Pura - UESB Mestrado: Matemática Pura - UFMG Vitória da Coquista - BA 2014
Leia maisPreliminares 1. 1 lim sup, lim inf. Medida e Integração. Departamento de Física e Matemática. USP-RP. Prof. Rafael A. Rosales. 8 de março de 2009.
Medida e Itegração. Departameto de Física e Matemática. USP-RP. Prof. Rafael A. Rosales 8 de março de 2009. 1 lim sup, lim if Prelimiares 1 Seja (x ), N, uma seqüêcia de úmeros reais, e l o limite desta
Leia maisAnálise de Regressão Linear Múltipla I
Aálise de Regressão Liear Múltipla I Aula 04 Gujarati e Porter, 0 Capítulos 7 e 0 tradução da 5ª ed. Heij et al., 004 Capítulo 3 Wooldridge, 0 Capítulo 3 tradução da 4ª ed. Itrodução Como pode ser visto
Leia maisESTATÍSTICA. PROF. RANILDO LOPES U.E PROF EDGAR TITO
ESTATÍSTICA PROF. RANILDO LOPES http://ueedgartito.wordpress.com U.E PROF EDGAR TITO Medidas de tedêcia cetral Medidas cetrais são valores que resumem um cojuto de dados a um úico valor que, de alguma
Leia mais) E 2 ( X) = p p 2 = p( 1 p) ) = 0 2 ( 1 p) p = p ( ) = ( ) = ( ) = p. F - cara (sucesso) C - coroa (insucesso)
3.6 A distribuição biomial Defiição: uma eperiêcia ou prova de Beroulli é uma eperiêcia aleatória só com dois resultados possíveis (um deles chamado "sucesso" e o outro "isucesso"). Seja P(sucesso) = p,
Leia maisRecredenciamento Portaria MEC 347, de D.O.U
Portaria MEC 347, de 05.04.0 - D.O.U. 0.04.0. ESTATÍSTICA I / MÉTODOS QUANTITATIVOS E PROCESSO DECISÓRIO I / ESTATÍSTICA APLICADA À EDUCAÇÃO Elemetos de Probabilidade Quest(i) Ecotramos, a atureza, dois
Leia maisSEEC UNIVERSIDADE DO ESTADO DO RIO GRANDE DO NORTE UERN FACULDADE DE CIÊNCIAS EXATAS E NATURAIS FANAT DEPARTAMENTO DE CIÊNCIAS BIOLÓGICAS DECB
Govero do Estado do Rio Grade do Norte Secretaria de Estado da Educação e da Cultura - SEEC UNIVERSIDADE DO ESTADO DO RIO GRANDE DO NORTE UERN FACULDADE DE CIÊNCIAS EXATAS E NATURAIS FANAT DEPARTAMENTO
Leia maisCAPÍTULO 5 - INTRODUÇÃO À INFERÊNCIA ESTATÍSTICA
CAPÍTULO 5 - INTRODUÇÃO À INFERÊNCIA ESTATÍSTICA 5. INTRODUÇÃO É freqüete ecotrarmos problemas estatísticos do seguite tipo : temos um grade úmero de objetos (população) tais que se fossem tomadas as medidas
Leia mais10 INFERÊNCIA ESTATÍSTICA Testes de Hipóteses Introdução Lógica dos Testes de Hipóteses
INE 700 - Iferêcia Estatística Testes de Hipóteses 0 INFERÊNCIA ESTATÍSTICA Testes de Hipóteses 0. - Itrodução Viu-se ateriormete que uma determiada população pode ser descrita através de um modelo probabilístico,
Leia maisRoteiro. Introdução. Introdução. Introdução. Introdução. Métodos de amostragem. Cálculo do tamanho de amostra. Introdução. Métodos de amostragem
Uiversidade de São Paulo Faculdade de Medicia Veteriária e Zootecia VPS6 - Métodos Quatitativos em Medicia Veteriária Cálculo do tamaho de amostra Prof. Grisi e Prof. Mauro Borba (UFRGS) Roteiro População
Leia maisAEP FISCAL ESTATÍSTICA
AEP FISCAL ESTATÍSTICA Módulo 0: Medidas de Dispersão (webercampos@gmail.com) MÓDULO 0 - MEDIDAS DE DISPERSÃO 1. Coceito: Dispersão é a maior ou meor diversificação dos valores de uma variável, em toro
Leia maisDERIVADAS DE FUNÇÕES11
DERIVADAS DE FUNÇÕES11 Gil da Costa Marques Fudametos de Matemática I 11.1 O cálculo diferecial 11. Difereças 11.3 Taxa de variação média 11.4 Taxa de variação istatâea e potual 11.5 Primeiros exemplos
Leia maisIntrodução à Inferência Estatística 1. Conceitos básicos em inferência
Itrodução à Iferêcia Estatística 1. Coceitos básicos em iferêcia 1.1. População: cojuto de idivíduos, ou objetos, com pelo meos uma característica em comum. Também será deotada por população objetivo,
Leia maisStela Adami Vayego DEST/UFPR
Resumo 3 Resumo dos dados uméricos por meio de úmeros 1. Medidas de Tedêcia Cetral A tedêcia cetral da distribuição de freqüêcias de uma variável em um cojuto de dados é caracterizada pelo valor típico
Leia maisAula 11 - Questões Comentadas e Resolvidas
Curso Olie - Raciocíio Lógico-Quatitativo para Traumatizados em Exercícios, icluido Matemática, Matemática Fiaceira e Estatística Profs. Alexadre Lima e Moraes Juior Aula - Questões Cometadas e Resolvidas
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 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 maisFundamentos de Análise Matemática Profª Ana Paula. Sequência Infinitas
Fudametos de Aálise Matemática Profª Aa Paula Sequêcia Ifiitas Defiição 1: Uma sequêcia umérica a 1, a 2, a 3,,a,é uma fução, defiida o cojuto dos úmeros aturais : f : f a Notação: O úmero é chamado de
Leia maisTestes de Comparação Múltipla
Testes de Comparação Múltipla Quado a aplicação da aálise de variâcia coduz à reeição da hipótese ula, temos evidêcia de que existem difereças etre as médias populacioais. Mas, etre que médias se registam
Leia maisComparação de testes paramétricos e não paramétricos aplicados em delineamentos experimentais
Comparação de testes paramétricos e ão paramétricos aplicados em delieametos experimetais Gustavo Mello Reis (UFV) gustavo_epr@yahoo.com.br José Ivo Ribeiro Júior (UFV) jivo@dpi.ufv.br RESUMO: Para comparar
Leia maisFundamentos de Análise Matemática Profª Ana Paula. Números reais
Fudametos de Aálise Matemática Profª Aa Paula Números reais 1,, 3, cojuto dos úmeros aturais 0,1,,3, cojuto dos úmeros iteiros p q /p e q cojuto dos úmeros racioais a, a 0 a 1 a a, a e a i 0, 1,, 3, 4,
Leia maisMEDIDAS RESUMO EM TABELAS DE FREQUÊNCIA
MEDIDAS RESUMO EM TABELAS DE FREQUÊNCIA Média ) Tabela de frequêcias simples Cálculo da média: Tabela a Distribuição da idade de fucioários hipertesos Frequêcia Frequêcia (aos) 7 4 5 6 4 4 44 45 46 5 (aos)
Leia maisJackknife, Bootstrap e outros métodos de reamostragem
Jackkife, Bootstrap e outros métodos de reamostragem Camilo Daleles Reó camilo@dpi.ipe.br Referata Biodiversa (http://www.dpi.ipe.br/referata/idex.html) São José dos Campos, 8 de dezembro de 20 Iferêcia
Leia maisCAPÍTULO 8 - Noções de técnicas de amostragem
INF 6 Estatística I J.I.Ribeiro Júior CAPÍTULO 8 - Noções de técicas de amostragem. Itrodução A Estatística costitui-se uma excelete ferrameta quado existem problemas de variabilidade a produção. É uma
Leia maisCentro de Ciências e Tecnlogia Agroalimentar - Campus Pombal Disciplina: Estatística Básica Aula 9 Professor: Carlos Sérgio
Cetro de Ciêcias e Teclogia Agroalimetar - Campus Pombal Disciplia: Estatística Básica - 2012.1 Aula 9 Professor: Carlos Sérgio UNIDADE 5 - TEORIA DA AMOSTRAGEM (NOTAS DE AULA) 1 Itrodução Um problema
Leia maisCapítulo VII: Soluções Numéricas de Equações Diferenciais Ordinárias
Capítulo VII: Soluções Numéricas de Equações Difereciais Ordiárias 0. Itrodução Muitos feómeos as áreas das ciêcias egearias ecoomia etc. são modelados por equações difereciais. Supoa-se que se quer determiar
Leia maisCapítulo I Séries Numéricas
Capítulo I Séries Numéricas Capitulo I Séries. SÉRIES NÚMERICAS DEFINIÇÃO Sedo u, u,..., u,... uma sucessão umérica, chama-se série umérica de termo geral u à epressão que habitualmete se escreve u u...
Leia maisMODELOS PROBABILÍSTICOS DISCRETOS (BINOMIAL e POISSON)
MODELOS PROBABILÍSTICOS DISCRETOS (BINOMIAL e POISSON) Modelos probabilísticos Algumas variáveis aleatórias (V.A.) aparecem com bastate frequêcia em situações práticas de eperimetos aleatórios (E.: peso,
Leia maisCaderno de Exercício 3
1 Cadero de Exercício 3 Esaios de Hipóteses e Regressão Liear 1. Exercícios Aulas 1. Exercício 10.11 do livro Statistics for Ecoomics ad Busiess 2. Exercício 10.27 do livro Statistics for Ecoomics ad Busiess
Leia maisEstatística Aplicada Medidas Resumo Apostila 4 Prof. Fábio Hipólito Aluno(a):
Medidas Resumo Apostila 4 Prof. Fábio Hipólito Aluo(a): # Objetivo desta aula: Calcular as medidas de tedêcia cetral: média, moda e mediaa para distribuições de frequêcias potuais e por itervalos de classes.
Leia 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 maisO erro da pesquisa é de 3% - o que significa isto? A Matemática das pesquisas eleitorais
José Paulo Careiro & Moacyr Alvim O erro da pesquisa é de 3% - o que sigifica isto? A Matemática das pesquisas eleitorais José Paulo Careiro & Moacyr Alvim Itrodução Sempre que se aproxima uma eleição,
Leia maisEstatística Aplicada à Engenharia Prof. Hélio Radke Bittencourt
PONTIFÍCIA UNIVERSIDADE CATÓLICA DO RIO GRANDE DO SUL FACULDADE DE ENGENHARIA CURSO DE PÓS-GRADUAÇÃO LATO SENSU ESPECIALIZAÇÃO Egeharia de Processos e de Sistemas de Produção Estatística Aplicada à Egeharia
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 maisInterpolação-Parte II Estudo do Erro
Iterpolação-Parte II Estudo do Erro. Estudo do Erro a Iterpolação. Iterpolação Iversa 3. Grau do Poliômio Iterpolador 4. Fução Splie em Iterpolação 4. Splie Liear 4. Splie Cúbica .Estudo do Erro a Iterpolação
Leia maisP. P. G. em Agricultura de Precisão DPADP0803: Geoestatística (Prof. Dr. Elódio Sebem)
Amostragem: Em pesquisas científicas, quando se deseja conhecer características de uma população, é comum se observar apenas uma amostra de seus elementos e, a partir dos resultados dessa amostra, obter
Leia maisMétodos de Classificação dos Objetos Segmentados(IAR) Vizinho Próximo Lógica Fuzzy
Viziho Próximo ógica Fuzzy Métodos de Classificação dos Objetos Segmetados(IAR) objeto REGRA CASSE Fuzzy Cohecimeto Miima Distâcia Viziho Próximo O método do viziho próximo é baseado o método da míima
Leia maisIntervalo de Confiança para uma Média Populacional
Estatística II Atoio Roque Aula 5 Itervalo de Cofiaça para uma Média Populacioal Um dos objetivos mais importates da estatística é obter iformação sobre a média de uma dada população. A média de uma amostra
Leia maisITA Destas, é (são) falsa(s) (A) Apenas I (B) apenas II (C) apenas III (D) apenas I e III (E) apenas nenhuma.
ITA 00. (ITA 00) Cosidere as afirmações abaixo relativas a cojutos A, B e C quaisquer: I. A egação de x A B é: x A ou x B. II. A (B C) = (A B) (A C) III. (A\B) (B\A) = (A B) \ (A B) Destas, é (são) falsa(s)
Leia maisRESOLUÇÃO DE SISTEMAS NÃO LINEARES
87 RESOLUÇÃO DE SISTEMAS NÃO LINEARES Uma equação que coteha uma epressão do tipo, -,,, se(), e +z, z etc, é chamada ão-liear em,, z,, porque ela ão pode ser escrita o que é uma equação liear em,, z, a
Leia maisCÁLCULO DIFERENCIAL. Conceito de derivada. Interpretação geométrica
CÁLCULO DIFERENCIAL Coceito de derivada Iterpretação geométrica A oção fudametal do Cálculo Diferecial a derivada parece ter sido pela primeira vez explicitada o século XVII, pelo matemático fracês Pierre
Leia maisTP010 ENGENHARIA DA QUALIDADE 1. VARIÁVEIS, DESCRIÇÃO E DISTRIBUIÇÕES DE PROBABILIDADE.
TP010 ENGENHARIA DA QUALIDADE 1. VARIÁVEIS, DESCRIÇÃO E DISTRIBUIÇÕES DE PROBABILIDADE. 1.1- TIPOS DE VARIÁVEIS A característica populacioal de iteresse é em geral classificada de qualitativa e quatitativa,
Leia maisExercício: Mediu-se os ângulos internos de um quadrilátero e obteve-se 361,4. Qual é o erro de que está afetada esta medida?
1. Tratameto estatísticos dos dados 1.1. TEORIA DE ERROS O ato de medir é, em essêcia, um ato de comparar, e essa comparação evolve erros de diversas origes (dos istrumetos, do operador, do processo de
Leia maisCapítulo 3. Sucessões e Séries Geométricas
Capítulo 3 Sucessões e Séries Geométricas SUMÁRIO Defiição de sucessão Mootoia de sucessões Sucessões itadas (majoradas e mioradas) Limites de sucessões Sucessões covergetes e divergetes Resultados sobre
Leia maisDistribuição de Bernoulli
Algumas Distribuições Discretas Cálculo das Probabilidades e Estatística I Prof. Luiz Medeiros Departameto de Estatística UFPB Distribuição de Beroulli Na prática muitos eperimetos admitem apeas dois resultados
Leia mais3.4.2 Cálculo da moda para dados tabulados. 3.4 Moda Cálculo da moda para uma lista Cálculo da moda para distribuição de freqüências
14 Calcular a mediaa do cojuto descrito pela distribuição de freqüêcias a seguir. 8,0 10,0 10 Sabedo-se que é a somatória das, e, portato, = 15+25+16+34+10 = 100, pode-se determiar a posição cetral /2
Leia maisActivALEA. ative e atualize a sua literacia
ActivALEA ative e atualize a sua literacia N.º 29 O QUE É UMA SONDAGEM? COMO É TRANSMIITIIDO O RESULTADO DE UMA SONDAGEM? O QUE É UM IINTERVALO DE CONFIIANÇA? Por: Maria Eugéia Graça Martis Departameto
Leia maisEstudando complexidade de algoritmos
Estudado complexidade de algoritmos Dailo de Oliveira Domigos wwwdadomicombr Notas de aula de Estrutura de Dados e Aálise de Algoritmos (Professor Adré Bala, mestrado UFABC) Durate os estudos de complexidade
Leia maisDa Definição 6.1 pode-se concluir que dada uma amostra aleatória X
Capítulo 6 Distribuições Amostrais A iferêcia estatística está iteressada em tomar decisões sobre uma populaçao, baseado-se apeas a iformação cotida em uma amostra aleatória da população de iteresse. Por
Leia maisF- MÉTODO DE NEWTON-RAPHSON
Colégio de S. Goçalo - Amarate - F- MÉTODO DE NEWTON-RAPHSON Este método, sob determiadas codições, apreseta vatages sobre os método ateriores: é de covergêcia mais rápida e, para ecotrar as raízes, ão
Leia maisSUMÁRIO 1. AMOSTRAGEM 4. 1.1. Conceitos básicos 4
SUMÁRIO 1. AMOSTRAGEM 4 1.1. Coceitos básicos 4 1.. Distribuição amostral dos estimadores 8 1..1. Distribuição amostral da média 8 1... Distribuição amostral da variâcia 11 1..3. Distribuição amostral
Leia maisIntrodução ao Planejamento e Análise Estatística de Experimentos 1º Semestre de 2013 Capítulo 3 Introdução à Probabilidade e à Inferência Estatística
Introdução ao Planejamento e Análise Estatística de Experimentos Capítulo 3 Introdução à Probabilidade e à Inferência Estatística Introdução ao Planejamento e Análise Estatística de Experimentos Agora,
Leia maisTestes de Ajustamento (testes da bondade do ajustamento)
Testes de Ajustameto (testes da bodade do ajustameto) Os testes de ajustameto servem para testar a hipótese de que uma determiada amostra aleatória teha sido extraída de uma população com distribuição
Leia maisCapítulo 5 Cálculo Diferencial em IR n 5.1 Definição de função de várias variáveis: campos vetoriais e campos escalares.
5. Defiição de fução de várias variáveis: campos vetoriais e. Uma fução f : D f IR IR m é uma fução de variáveis reais. Se m = f é desigada campo escalar, ode f(,, ) IR. Temos assim f : D f IR IR (,, )
Leia maisExperimento 1 Estudo da Lei de Hooke
Experimeto 1 Estudo da Lei de Hooke 1.1 Objetivos Físicos Verificação experimetal da lei de Hooke para uma mola helicoidal: Medida experimetal do módulo de rigidez do material μ. 1. Objetivos Didáticos
Leia mais