UNIVERSIDADE DOS AÇORES Curso Matemática Aplicada e Curso Livre

Tamanho: px
Começar a partir da página:

Download "UNIVERSIDADE DOS AÇORES Curso Matemática Aplicada e Curso Livre"

Transcrição

1 UNIVERSIDADE DOS AÇORES Curso Matemátca Aplcada e Curso Lvre Sondagens e Amostragem 4º Ano º Semestre 005/006 Fcha de trabalho nº 1 Amostragem aleatóra smples 1. Uma população U é composta por cnco números, 3, 6, 8 e 11. Consdere todas amostras de dmensão extraídas de U segundo um procedmento do tpo PEAR e PESR. Determne para cada caso: 1.1 todas as amostras possíves bem como a sua méda y. 1. E( y ) e Var( y ); 1.3 Determne o efeto de amostragem de um relatvamente ao outro.. Retra-se de uma população de méda µdesconhecda e desvo padrão σ=4, uma amostra de dmensão n=64 de méda y =48..1 Para uma extracção do tpo PEAR, escolhendo um nível de confança 1-α gual a 0.95 e 0.99, determne um ntervalo de confança para µ.. Responda novamente à questão anteror para uma extracção do tpo PESR e dmensão da população: N=1000 e N= Uma amostra de 145 famílas de turstas numa dada regão de França dspenderam, uma méda dára de 830 euros e com um desvo padrão estmado de 10 euros. Sabendo que na regão onde fo efectuado o nquérto exstem famílas turstas, que se poderá dzer da despesa global dára do conjunto dessas famílas (supõe-se que a amostra é do tpo PESR)? 4. Uma certa área resdencal tem 5000 casas. Queremos estmar a proporção de casas com: 4.1 mas de três ocupantes; 4. mas do que um carro (consderado como carro própro); Os estmadores peddos devem ter um desvo padrão que não exceda 0.0 e 0.01 respectvamente. A partr de outras sondagens, sabemos que as proporções se stuam entre 0.35 e 0.55 em (4.1) e entre 0.10 e 0.0 em (4.). As duas proporções vão ser estmadas a partr de uma amostra. Qual a dmensão necessára para satsfazer o que é peddo? 5. De uma lsta de 5000 alunos de uma Unversdade, retrou-se uma amostra de 00 ndvíduos dos quas se constatou 40 serem do sexo masculno. Estme o número total de homens e determne o desvo padrão do seu estmador. 6. Numa lvrara os lvros encontram-se em 130 prateleras de tamanho dêntco. O número de lvros que foram contados nuam amostra de 15 prateleras é o segunte:

2 6.1 Estme o número total de lvros exstentes na lvrara (X T ) e calcule um ntervalo de confança com 95% de confança (X T ). 6. Suponha que o valor estmado não é sufcentemente precso; queremos estar 95% certos de que uma amostra dá uma estmatva de X T. Quantas prateleras devem ser ncluídas na amostra? 7. Um Operador Turístco deseja testar a dea de um novo modo de dstrbução de vagens organzadas junto da sua rede de agêncas de vagens, que compreende 3000 agêncas. Se se pretender estmar o número de agêncas favoráves ao seu projecto, qual a dmensão da amostra que deverá ser nterrogada? Faça um estudo com um nível de sgnfcânca de 95%, para dferentes níves de precsão. 8. Recolheram-se em 676 folhas, assnaturas para uma dada petção. Cada folha tem espaço para 4 assnaturas mas em mutas folhas um número menor de assnaturas fo recolhdo. Contou-se então o número de assnaturas em cada folha numa amostra de 50 folhas recolhdas aleatoramente no total das 676. Obtveram-se os seguntes resultados: Nº de assnaturas Nº de folhas Estme o número total de assnaturas para a petção e um ntervalo com 90% de confança para esse valor. 8. Depos da amostra ser recolhda, verfcou-se que nas 676 folhas, o número total de folhas com 4 assnaturas (folhas completas) após contagem fo de 36.Use esta nformação para melhorar a estmatva do número total de assnaturas e determne o erro padrão do estmador correspondente.

3 UNIVERSIDADE DOS AÇORES Curso Matemátca Aplcada e Curso Lvre Sondagens e Amostragem 4º Ano º Semestre 005/006 Fcha de trabalho nº Amostragem estratfcada 1. Numa base de dados de uma grande superfíce comercal estão regstados clentes, sendo possível classfcá-los em grandes compradores e em pequenos compradores, de acordo com o montante em compras efectuado em 001, conforme é apresentado na tabela segunte: Clentes Número de Méda das Desvo padrão Custo untáro Clentes compras das compras Grandes compradores Pequenos compradores Total , Determne as dmensões das amostras numa amostragem aleatóra estratfcada de dmensão total 1000, usando a afectação proporconal e a afectação de Neyman. 1..Calcule a efcênca de y relatvamente a y s para os dos métodos de afectação. 1.3 Qual será a qualdade dos resultados obtdos, a nível da precsão, ntervalo de confança e coefcente de varação, com que será estmada a méda das compras (com um grau de confança de 95% ) para os tpos de amostragem referencados na alínea anteror. 1.4.Determne as dmensões dos estratos para n fxo (n=1000) de forma a mnmzar a varânca para um custo total fxo de 6000 (sabe-se que C 0 =15). 1.5.Determne a dmensão da amostra estratfcada de modo a que o custo seja mínmo para uma varânca fxa. Qual é o valor do custo mínmo. 1.6.Determne a dmensão da amostra necessára para obter uma varânca prefxada V=V( y s ), sabendo que w 1 =0.3 e w =0.7.. Os 4000 estudantes de uma unversdade estão repartdos por 4 secções da segunte manera: 1%, 1%, 50%, 6%. Pretende-se conhecer-se a proporção P de estudantes que verfcam uma certa propredade sobre a qual vão responder num nquérto. Supõe-se que todos os estudantes da amostra respondem correctamente às questões..1.o objectvo é realzar uma amostragem estratfcada.

4 .1.1 Seja n a dmensão global da amostra. Qual o valor de n e como devem ser repartdos segundo os estratos para que a proporção em cada uma das secções seja estmada tendo uma precsão absoluta de 5% com uma confança de 90%?.1. Consdere o caso mas desfavorável, ou seja, proporções próxmas de 50% e calcule as dmensões das amostras tendo em conta as fracções de amostragem..1.3 A partr da amostra anteror como obtém a proporção estmada para a população? Qual a precsão absoluta, a 90% de confança, que se pode esperar?.. Selecconou-se uma amostra estratfcada de dmensões: n 1 =170; n =170; n 3 =40; n 4 =10 e observaram-se as seguntes proporções: p 1 =30%; p =40%; p 3 =50%; p 4 =40%...1 Construa um ntervalo de confança a 90% para as proporções em cada uma secções... Construa um ntervalo de confança a 90% para a proporção na população global...3 Entre os 170 estudantes da amostra da secção 1 contaram-se 10 do sexo femnno dos quas 30 verfcaram a propredade em estudo. Construa um ntervalo de confança a 90% para a proporção de estudantes do sexo femnno da prmera secção que verfcam a referda condção. 3. Pretende-se estudar os saldos (não nulos) de 136 clentes de uma empresa.para obter uma boa precsão, é necessáro estratfcar esses 136 valores. Decde-se estratfcar segundo o valor contablístco do saldo das contas. Obtveram-se 4 estratos, cujos elementos característcos se apresentam na tabela segunte: Estratos (h) Valores extremos Efectvos N h Valor contablstco (em Euros) Total do estrato 1 1 a a a a S ch

5 TOTAL Sabe-se que o valor médo m R =Valor real dos saldos(v R )/ Relembre, supondo que os custos de amostragem são guas para os dferentes estratos, as fórmulas que dão a repartção óptma de Neyman de uma amostra estratfcada de dmensão dada n. 3. Estmando S h (desconhecdo)= desvo padrão dos valores reas no estrato h por S ch (conhecdo)=desvo padrão dos valores contablstcos no estrato h, (h=1 a 4) ndque a expressão das dmensões da amostra a retrar nos dferentes estratos em função de n. 3.3 Relembre como se pode calcular S c = desvo padrão dos valores contablístcos na população a partr dos dados da tabela. (Sabe-se que S c =195,997). 3.4 Estmando S R, desvo padrão dos valores reas, por S c, desvo padrão dos valores contablístcos, calcule a dmensão da amostra que sera necessára no caso duma amostra aleatóra smples sem reposção para obter uma precsão absoluta de 50 Euros (com o grau de confança 95%) sobre a estmação do valor real médo m R. 3.5 Determne a dmensão da amostra necessára para obter uma precsão absoluta de 50 Euros sobre a estmação do valor real médo m R, com o grau de confança 95% (utlzando a repartção referda em 3.1 e 3.). 4. Uma grande empresa que compreende pessoas pretende fazer um nquérto junto do pessoal empregado. É realzada uma amostragem, sendo a varável dade utlzada na formação das três categoras conforme é apresentado na tabela segunte: Categora Peso no quadro do pessoal Desvo padrão das dades 1 0% 18,0 30% 1,0 3 50% 3,6 População 100% 16,0

6 4.1 Seja Y a dade méda e Y o estmador usado numa amostra aleatóra smples, sem reposção com probabldades guas de n=100 ndvíduos. Qual é o desvo padrão de Y? 4. Decdu-se que a amostra de 100 ndvíduos deve ser estratfcada pelas três categoras. Qual é a repartção representatva? Qual é a varânca do estmador de Y s? Compare com o resultado obtdo em Qual será a repartção óptma da amostra? Qual é a varânca encontrada? Comparea com o resultado obtdo em Um estatístco necessta de fazer uma amostragem estratfcada. O custo de amostragem H é C= c hn h e o número de estratos é. Ele dspõe dos seguntes dados: h= 1 Estrato N h N S h c h 1 0, , Calcule n 1 n n e que mnmzam o custo para V( Y s ) fxa. n 5. Determne a dmensão desta amostra estratfcada de modo a que V( Y s )=1 e o custo seja mínmo. 5.3 Calcule o valor do custo. 6. Supondo que são conhecdos os seguntes dados de uma população dvdda em estratos: h N h S h c h Sendo c h o custo untáro do estrato h, determne o custo de uma amostra estratfcada proporconal que garanta um coefcente de varação de 5% para estmar a méda: 6.1 Com repartção proporconal. 6. Com repartção óptma. (Supõe-se a amostragem sem reposção e x ).

7 UNIVERSIDADE DOS AÇORES Curso Matemátca Aplcada e Curso Lvre Sondagens e Amostragem 4º Ano º Semestre 005/006 Fcha de trabalho nº 3 Amostragem por clusters 1. Um jornal tem assnantes. Há um fchero com um regsto por cada assnante que está ordenado por ordem geográfca, de tal forma que as zonas geográfcas se seguem umas às outras. O jornal realza um nquérto com o objectvo de estmar quantos assnantes são propretáros da sua resdênca prncpal (tendo em vsta a realzação de determnadas acções publctáras). A drecção do jornal encomenda um nquérto com entrevstas pessoas realzadas junto de 800 assnantes, tomados em conglomerados de 10; este procedmento economza custos de transporte, já que um entrevstador pode fazer, em geral, 10 entrevstas num meo da no caso de se realzarem em zonas geografcamente próxmas. O responsável pelo plano de sondagem consdera os N=40000 regstos como uma base composta por M=4000 conglomerados de dmensão N 0. Seleccona-se, segundo um procedmento sstemátco assmlável a uma tragem com probabldades guas e sem reposção, 80 conglomerados de entre os 4000 que consttuem a população. Exemplos de resultados obtdos (nº de propretáros por conglomerado): Seja ι g o nº total de assnantes no conglomerado g, propretáros da sua resdênca prncpal (0 ι g 10). Obtêm-se os seguntes resultados: 80 g= 1 80 τ g = τg = 536 g= Encontrar um ntervalo de confança a 95% para o nº total de propretáros entre a população de assnantes do jornal. 1. Se p representa a proporção de propretáros no conjunto de assnantes, qual é o valor da estmatva p? Forneça um ntervalo de confança para p.

8 1.3 Se o valor numérco de p obtdo na questão precedente resultasse de uma sondagem aleatóra smples com probabldades guas e sem reposção, retrada de entre os 4000 assnantes, qual sera o ntervalo de confança para p? 1.4 Como explca a dferença constatada para os ntervalos obtdos nas duas questões precedentes? 1.5 Que sugestões formulara no sentdo de melhorar a qualdade (precsão) do procedmento de sondagem. Justfque brevemente as suas sugestões.. Consdere-se uma população fnta de N ndvíduos agrupados em M conglomerados de dmensões N g (g=1,...,m). Tram-se m conglomerados com probabldades guas e sem reposção, consttundo uma amostra de dmensão N. Os conglomerados são alojamentos, os ndvíduos são pessoas de 15 ou mas anos. A sondagem dz respeto à compra de uma revsta num dado trmestre. Usa-se a segunte notação: p a proporção de casas compradoras na amostra, m a o nº de casas compradoras na amostra, m g= 1 g µ τ, a e s τ,a a méda e o desvo padrão do nº de revstas compradas por casa compradora na amostra..1 Forneça as expressões de µ e sτ, a méda e o desvo padrão do nº de revstas compradas por alojamento na amostra, em função de τ µ τ, a. No caso de M=5000, m=4500, p =0.1, = 3. e s, a = 3 1forneça um ntervalo de confança a 95% para alojamento na população. µ τ e s τ, a µ τ,a τ.. o nº médo de revstas compradas por.3 Quas são os problemas assocados à obtenção de um ntervalo de confança para:.3.1 µ, a, o nº médo de revstas compradas por alojamento comprador na população τ.3. µ, o nº médo de revstas compradas por ndvíduo na população.4 Forneça uma expressão aproxmada para Var( µ ) τ,a

9 UNIVERSIDADE DOS AÇORES Curso Matemátca Aplcada e Curso Lvre Sondagens e Amostragem 4º Ano º Semestre 005/006 Fcha de trabalho nº 4 Estmação de e por quocente 1. Retram-se os dados seguntes dos resultados de um nquérto ao emprego. População estmada Intervalo de confança a 95% População actva 406 ± 19 Actvos ocupados Desempregados ± 149 ± Calcule a taxa de desemprego (em %) e o seu ntervalo de confança a 95%. (Nota: a taxa de desemprego é o quocente entre o nº de desempregados e a população actva. A população actva é a soma dos actvos ocupados e dos desempregados). De entre os 3000 funconáros duma empresa, fo extraída uma amostra aleatóra smples sem reposção de 300 ndvíduos, com o objectvo de estudar os saláros médos..1 Determne um ntervalo de confança a 95% para µ, sabendo que o rendmento médo dos ndvíduos nqurdos é de u.m. e y = Desgne-se por D 1 o conjunto dos funconáros com vatura da empresa e por D o conjunto dos restantes ndvíduos. Na amostra selecconada, verfcou-se que 50 funconáros têm vatura da empresa e que o total do rendmento destes é undades monetáras (u.m.). Determne ntervalos de confança a 95% para o rendmento médo dos funconáros com vatura e sem vatura da empresa. A amostra forneceu os seguntes dados: D1 y = Um jornal dáro pretende fazer uma sondagem sobre os preços dos almentos. Para sso extrau uma amostra (a.a.s.) de 48 géneros almentícos báscos num supermercado. Os preços (em dezenas de euros) desses géneros foram recolhdos em duas ocasões, com um ntervalo de 3 meses. Os valores da prmera recolha são denotados por y e os da segunda por x. Foram obtdos os seguntes resultados: x = 1.07 y = x = y = x y s =

10 Assume-se que a dmensão da população é grande em relação à dmensão da amostra. 3.1 Determne uma estmatva para o quocente R= X / Y e estme a varânca do seu estmador. 3. Determne um ntervalo com 95% de confança para R. 4. As 364 aldeas de uma determnada zona foram estratfcadas segundo a sua área agrícola. Dspõe-se da segunte nformação respetante à área agrícola das aldeas X h e ao número de cabeças de gado Y h : Estrato Nh X h Y h σ xh σ ρ yh h Até 1000 acres Mas de 1000 acres TOTAL Pretendem-se selecconar 73 aldeas (cerca de 0% do total). Determne a repartção óptma da amostra pelos dos estratos, utlzando para estmar o número total de cabeças de gado: 4.1 o estmador centrado do quocente; 4. o estmador combnado do quocente; 4.3 o estmador da méda de uma amostra estratfcada. 4.4 Calcule e compare a varânca do estmador do total obtdo por cada um dos três métodos. 5. Parte de uma floresta de coníferas contém 80 árvores de uma mesma espéce e de dade smlar. Fo pedda uma estmatva prelmnar do peso total de madera que estas árvores rão produzr. Um perto florestal dz uncamente por nspecção vsual de qualquer árvore é capaz de dar, com bastante precsão a sua produção. Ele calcula que o total de produção será de 43.6 toneladas. Assm, foram escolhdas aleatoramente 5 árvores as quas foram abatdas determnando-se a quantdade de madera por elas produzda. Os resultados são representados por x e os correspondentes calculados pelo perto florestal, por y. Obteve-se o segunte: x 39. y = 40.7 x y = x = 66.9 y = = Estme a produção total usando o estmador do quocente e o estmador de regressão. Compare as efcêncas do estmador do quocente, do estmador da regressão e do estmador baseado apenas nos valores x da amostra.

11 UNIVERSIDADE DOS AÇORES Curso Matemátca Aplcada e Curso Lvre Sondagens e Amostragem 4º Ano º Semestre 005/006 Fcha de trabalho nº 5 Exercícos complementares 1. Numa determnada localdade pretende-se estmar o número total de cranças vacnadas contra uma dada doença e o seu erro de amostragem. Dspõe-se de nformação sobre o número de agregados famlares por quarterão. Selecconam-se 10 quarterões, com probabldades desguas, proporconalmente ao seu número de agregados. O número total de agregados da localdade é de 5000, dstrbuídos por 50 quarterões. Quarterões Nº de agregados Cranças vacnadas TOTAL Para lançamento de um produto fnancero um banco com uma rede de M sucursas deseja conduzr um estudo junto dos partculares que nele têm conta. Para efectuar o nquérto junto dos N= ttulares de conta defnu-se um plano de amostragem em duas etapas, a fm de estmar o número de depostantes nteressados no produto a lançar..1 De entre as 100 sucursas do banco selecconaram-se aleatoramente 10. Em cada uma das sucursas adoptou-se uma taxa de amostragem unforme de 10%. Construa um ntervalo de confança a 95% para o estmador da proporção. Sucursal Nº de ttulares da Amostra de p sucursal N ttulares n TOTAL

12 . Consderando que as sucursas são em número de ttulares de conta de dmensões desguas, decde-se escolhê-las com probabldades proporconas ao número de depostantes, ou seja, A =N /N (=1,,M), e selecconam-se 10 sucursas, em cada uma das quas se nqure o mesmo número de clentes...1 Indque as expressões do estmador de P e do estmador da varânca para este plano de amostragem... Determne um ntervalo de confança de 95% para p. Admta que os valores da coluna dos p do quadro são percentagens observadas nas 10 sucursas da amostra. 3. Efectuou-se um nquérto junto de N=10000 consumdores de electrcdade para conhecer o seu equpamento de electrodoméstcos e estudar os consumos anuas. Fo selecconada uma amostra aleatóra smples sem reposção de dmensão n=1000. Conhece-se para a população uma varável de controlo (lgada ao equpamento) que é a tarfa de consumo de electrcdade. Exstem 3 tarfas T1, T e T3. Após o nquérto regstou-se, para os elementos da amostra, a dstrbução por aquelas tarfas e comparouse com a dstrbução conhecda da população: Tarfas T1 T T3 TOTAL População Amostra Supõe-se que no nquérto por va postal o número de não respostas fo de 400. Os não respondentes repartem-se segundo o quadro (apenas para o electrodoméstco A): 1º Inquérto T1 T T3 TOTAL Electrodoméstco A Sem electrodoméstco Não resposta TOTAL Estme o número de detentores do equpamento A, a partr do lote de respondentes, sem ter em conta as tarfas. 3. Ajuste a amostra dos respondentes segundo a tarfa, utlzando uma estratfcação à posteror.

Estatística I Licenciatura MAEG 2006/07

Estatística I Licenciatura MAEG 2006/07 Estatístca I Lcencatura MAEG 006/07 AMOSTRAGEM. DISTRIBUIÇÕES POR AMOSTRAGEM.. Em determnada unversdade verfca-se que 30% dos alunos têm carro. Seleccona-se uma amostra casual smples de 0 alunos. a) Qual

Leia mais

ESTATÍSTICA APLICADA II ANO LECTIVO 2011/2012. Exame Final 26 de Julho de 2012

ESTATÍSTICA APLICADA II ANO LECTIVO 2011/2012. Exame Final 26 de Julho de 2012 ETATÍTICA APLICADA II ANO LECTIVO / Exame Fnal 6 de Julho de Duração : H 3 M Nota: Responder um grupo por folha (utlze frente e verso de cada folha) Em todas as questões apresentar os cálculos efectuados

Leia mais

PROVA DE ESTATÍSTICA & PROBABILIDADES SELEÇÃO MESTRADO/UFMG 2010/2011

PROVA DE ESTATÍSTICA & PROBABILIDADES SELEÇÃO MESTRADO/UFMG 2010/2011 Instruções: PROVA DE ESTATÍSTICA & PROBABILIDADES SELEÇÃO MESTRADO/UFMG 00/0 Cada uestão respondda corretamente vale (um) ponto. Cada uestão respondda ncorretamente vale - (menos um) ponto. Cada uestão

Leia mais

Curso de extensão, MMQ IFUSP, fevereiro/2014. Alguns exercício básicos

Curso de extensão, MMQ IFUSP, fevereiro/2014. Alguns exercício básicos Curso de extensão, MMQ IFUSP, feverero/4 Alguns exercíco báscos I Exercícos (MMQ) Uma grandeza cujo valor verdadero x é desconhecdo, fo medda três vezes, com procedmentos expermentas dêntcos e, portanto,

Leia mais

UNIDADE IV DELINEAMENTO INTEIRAMENTE CASUALIZADO (DIC)

UNIDADE IV DELINEAMENTO INTEIRAMENTE CASUALIZADO (DIC) UNDADE V DELNEAMENTO NTERAMENTE CASUALZADO (DC) CUABÁ, MT 015/ PROF.: RÔMULO MÔRA romulomora.webnode.com 1. NTRODUÇÃO Este delneamento apresenta como característca prncpal a necessdade de homogenedade

Leia mais

Nome: Nº: Estatística para Economia e Gestão Licenciaturas em Economia e Gestão. 2.º Semestre de 2008/2009

Nome: Nº: Estatística para Economia e Gestão Licenciaturas em Economia e Gestão. 2.º Semestre de 2008/2009 Estatístca para Economa e Gestão Lcencaturas em Economa e Gestão.º Semestre de 008/009 Exame Fnal (.ª Época) 16 de Junho de 009; 17h30m Duração: 10 mnutos INSTRUÇÕES Escreva o nome e número de aluno em

Leia mais

MOQ-14 PROJETO E ANÁLISE DE EXPERIMENTOS LISTA DE EXERCÍCIOS 1 REGRESSÃO LINEAR SIMPLES

MOQ-14 PROJETO E ANÁLISE DE EXPERIMENTOS LISTA DE EXERCÍCIOS 1 REGRESSÃO LINEAR SIMPLES MOQ-14 PROJETO E ANÁLISE DE EXPERIMENTOS LISTA DE EXERCÍCIOS 1 REGRESSÃO LINEAR SIMPLES 1. Obtenha os estmadores dos coefcentes lnear e angular de um modelo de regressão lnear smples utlzando o método

Leia mais

EXERCÍCIOS SUPLEMENTARES

EXERCÍCIOS SUPLEMENTARES PROBABILIDADES E ESTATÍSTICA PROBABILIDADES E ESTATÍSTICA I EXERCÍCIOS SUPLEMENTARES Secção de Estatístca e Aplcações Departamento de Matemátca Insttuto Superor Técnco 2004/2005 Adenda A1. De um lote de

Leia mais

Universidade da Beira Interior Departamento de Matemática. Ficha de exercícios nº2: Distribuições Bidimensionais

Universidade da Beira Interior Departamento de Matemática. Ficha de exercícios nº2: Distribuições Bidimensionais Ano lectvo: 2006/2007 Unversdade da Bera Interor Departamento de Matemátca ESTATÍSTICA Fcha de exercícos nº2: Dstrbuções Bdmensonas Curso: Cêncas do Desporto 1. Consdere a segunte tabela de contngênca:

Leia mais

3 A técnica de computação intensiva Bootstrap

3 A técnica de computação intensiva Bootstrap A técnca de computação ntensva ootstrap O termo ootstrap tem orgem na expressão de língua nglesa lft oneself by pullng hs/her bootstrap, ou seja, alguém levantar-se puxando seu própro cadarço de bota.

Leia mais

UNIVERSIDADE NOVA DE LISBOA Faculdade de Economia Análise de Dados e Probabilidade 2º Semestre 2008/2009 Exame Final 1ª Época. Grupo I (4 Valores)

UNIVERSIDADE NOVA DE LISBOA Faculdade de Economia Análise de Dados e Probabilidade 2º Semestre 2008/2009 Exame Final 1ª Época. Grupo I (4 Valores) UNIVERSIDADE NOVA DE LISBOA Faculdade de Economa Análse de Dados e Probabldade º Semestre 008/009 Exame Fnal ª Época Clara Costa Duarte Data: 8/05/009 Graça Slva Duração: h0 Grupo I (4 Valores) A gelatara

Leia mais

CAPÍTULO 2 - Estatística Descritiva

CAPÍTULO 2 - Estatística Descritiva INF 16 Prof. Luz Alexandre Peternell CAPÍTULO - Estatístca Descrtva Exercícos Propostos 1) Consderando os dados amostras abaxo, calcular: méda artmétca, varânca, desvo padrão, erro padrão da méda e coefcente

Leia mais

2ª Atividade Formativa UC ECS

2ª Atividade Formativa UC ECS I. Explque quando é que a méda conduz a melhores resultados que a medana. Dê um exemplo para a melhor utlzação de cada uma das meddas de localzação (Exame 01/09/2009). II. Suponha que um professor fez

Leia mais

3.6. Análise descritiva com dados agrupados Dados agrupados com variáveis discretas

3.6. Análise descritiva com dados agrupados Dados agrupados com variáveis discretas 3.6. Análse descrtva com dados agrupados Em algumas stuações, os dados podem ser apresentados dretamente nas tabelas de frequêncas. Netas stuações devemos utlzar estratégas específcas para obter as meddas

Leia mais

3 Metodologia de Avaliação da Relação entre o Custo Operacional e o Preço do Óleo

3 Metodologia de Avaliação da Relação entre o Custo Operacional e o Preço do Óleo 3 Metodologa de Avalação da Relação entre o Custo Operaconal e o Preço do Óleo Este capítulo tem como objetvo apresentar a metodologa que será empregada nesta pesqusa para avalar a dependênca entre duas

Leia mais

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

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

Leia mais

Capítulo 1. Exercício 5. Capítulo 2 Exercício

Capítulo 1. Exercício 5. Capítulo 2 Exercício UNIVERSIDADE FEDERAL DE GOIÁS CIÊNCIAS ECONÔMICAS ECONOMETRIA (04-II) PRIMEIRA LISTA DE EXERCÍCIOS Exercícos do Gujarat Exercíco 5 Capítulo Capítulo Exercíco 3 4 5 7 0 5 Capítulo 3 As duas prmeras demonstrações

Leia mais

7 - Distribuição de Freqüências

7 - Distribuição de Freqüências 7 - Dstrbução de Freqüêncas 7.1 Introdução Em mutas áreas há uma grande quantdade de nformações numércas que precsam ser dvulgadas de forma resumda. O método mas comum de resumr estes dados numércos consste

Leia mais

FICHA de AVALIAÇÃO de MATEMÁTICA A 10.º Ano Versão 4

FICHA de AVALIAÇÃO de MATEMÁTICA A 10.º Ano Versão 4 FICHA de AVALIAÇÃO de MATEMÁTICA A 10.º Ano Versão 4 Nome Nº Turma: Data: / / Professor 10.º Ano Classfcação Apresente o seu racocíno de forma clara, ndcando todos os cálculos que tver de efetuar e todas

Leia mais

X = 1, se ocorre : VB ou BV (vermelha e branca ou branca e vermelha)

X = 1, se ocorre : VB ou BV (vermelha e branca ou branca e vermelha) Estatístca p/ Admnstração II - Profª Ana Cláuda Melo Undade : Probabldade Aula: 3 Varável Aleatóra. Varáves Aleatóras Ao descrever um espaço amostral de um expermento, não especfcamos que um resultado

Leia mais

Responda às questões utilizando técnicas adequadas à solução de problemas de grande dimensão.

Responda às questões utilizando técnicas adequadas à solução de problemas de grande dimensão. Departamento de Produção e Sstemas Complementos de Investgação Operaconal Exame Época Normal, 1ª Chamada 11 de Janero de 2006 Responda às questões utlzando técncas adequadas à solução de problemas de grande

Leia mais

CORRELAÇÃO E REGRESSÃO

CORRELAÇÃO E REGRESSÃO CORRELAÇÃO E REGRESSÃO Constata-se, freqüentemente, a estênca de uma relação entre duas (ou mas) varáves. Se tal relação é de natureza quanttatva, a correlação é o nstrumento adequado para descobrr e medr

Leia mais

Exercícios de CPM e PERT Enunciados

Exercícios de CPM e PERT Enunciados Capítulo 7 Exercícos de CPM e PERT Enuncados Exercícos de CPM e PERT Enuncados 106 Problema 1 O banco TTM (Tostão a Tostão se faz um Mlhão) decdu transferr e amplar a sua sede e servços centras para a

Leia mais

Análise de Regressão Linear Múltipla IV

Análise de Regressão Linear Múltipla IV Análse de Regressão Lnear Múltpla IV Aula 7 Guarat e Porter, 11 Capítulos 7 e 8 He et al., 4 Capítulo 3 Exemplo Tomando por base o modelo salaro 1educ anosemp exp prev log 3 a senhorta Jole, gerente do

Leia mais

Algarismos Significativos Propagação de Erros ou Desvios

Algarismos Significativos Propagação de Erros ou Desvios Algarsmos Sgnfcatvos Propagação de Erros ou Desvos L1 = 1,35 cm; L = 1,3 cm; L3 = 1,30 cm L4 = 1,4 cm; L5 = 1,7 cm. Qual destas meddas está correta? Qual apresenta algarsmos com sgnfcado? O nstrumento

Leia mais

FICHA de AVALIAÇÃO de MATEMÁTICA A 10.º Ano Versão 2

FICHA de AVALIAÇÃO de MATEMÁTICA A 10.º Ano Versão 2 FICHA de AVALIAÇÃO de MATEMÁTICA A 10.º Ano Versão 2 Nome Nº Turma: Data: / / Professor 10.º Ano Classfcação Apresente o seu racocíno de forma clara, ndcando todos os cálculos que tver de efetuar e todas

Leia mais

Escola Superior de Tecnologia de Viseu. Fundamentos de Estatística 2006/2007 Ficha nº 7

Escola Superior de Tecnologia de Viseu. Fundamentos de Estatística 2006/2007 Ficha nº 7 Escola Superor de Tecnologa de Vseu Fundamentos de Estatístca 006/00 Fcha nº. Um artgo da revsta Wear (99) apresenta dados relatvos à vscosdade do óleo e ao desgaste do aço maco. A relação entre estas

Leia mais

FICHA de AVALIAÇÃO de MATEMÁTICA A 10.º Ano Versão 3

FICHA de AVALIAÇÃO de MATEMÁTICA A 10.º Ano Versão 3 FICHA de AVALIAÇÃO de MATEMÁTICA A 10.º Ano Versão 3 Nome Nº Turma: Data: / / Professor 10.º Ano Classfcação Apresente o seu racocíno de forma clara, ndcando todos os cálculos que tver de efetuar e todas

Leia mais

Prof. Lorí Viali, Dr.

Prof. Lorí Viali, Dr. Prof. Lorí Val, Dr. val@mat.ufrgs.br http://www.mat.ufrgs.br/~val/ É o grau de assocação entre duas ou mas varáves. Pode ser: correlaconal ou expermental. Prof. Lorí Val, Dr. UFRG Insttuto de Matemátca

Leia mais

Os modelos de regressão paramétricos vistos anteriormente exigem que se suponha uma distribuição estatística para o tempo de sobrevivência.

Os modelos de regressão paramétricos vistos anteriormente exigem que se suponha uma distribuição estatística para o tempo de sobrevivência. MODELO DE REGRESSÃO DE COX Os modelos de regressão paramétrcos vstos anterormente exgem que se suponha uma dstrbução estatístca para o tempo de sobrevvênca. Contudo esta suposção, caso não sea adequada,

Leia mais

Prof. Lorí Viali, Dr.

Prof. Lorí Viali, Dr. Prof. Lorí Val, Dr. vall@mat.ufrgs.br http://www.mat.ufrgs.br/~val/ Em mutas stuações duas ou mas varáves estão relaconadas e surge então a necessdade de determnar a natureza deste relaconamento. A análse

Leia mais

INSTITUTO POLITÉCNICO DE VISEU ESCOLA SUPERIOR DE TECNOLOGIA E GESTÃO

INSTITUTO POLITÉCNICO DE VISEU ESCOLA SUPERIOR DE TECNOLOGIA E GESTÃO Área Centfca Curso Matemátca Engenhara Electrotécnca º Semestre º 00/0 Fcha nº 9. Um artgo da revsta Wear (99) apresenta dados relatvos à vscosdade do óleo e ao desgaste do aço maco. A relação entre estas

Leia mais

FICHA de AVALIAÇÃO de MATEMÁTICA A 10.º Ano Versão 1

FICHA de AVALIAÇÃO de MATEMÁTICA A 10.º Ano Versão 1 FICHA de AVALIAÇÃO de MATEMÁTICA A 10.º Ano Versão 1 Nome Nº Turma: Data: / / Professor 10.º Ano Classfcação Apresente o seu racocíno de forma clara, ndcando todos os cálculos que tver de efetuar e todas

Leia mais

REGRESSÃO NÃO LINEAR 27/06/2017

REGRESSÃO NÃO LINEAR 27/06/2017 7/06/07 REGRESSÃO NÃO LINEAR CUIABÁ, MT 07/ Os modelos de regressão não lnear dferencam-se dos modelos lneares, tanto smples como múltplos, pelo fato de suas varáves ndependentes não estarem separados

Leia mais

Análise de Regressão

Análise de Regressão Análse de Regressão método estatístco que utlza relação entre duas ou mas varáves de modo que uma varável pode ser estmada (ou predta) a partr da outra ou das outras Neter, J. et al. Appled Lnear Statstcal

Leia mais

DELINEAMENTOS EXPERIMENTAIS

DELINEAMENTOS EXPERIMENTAIS SUMÁRIO 1 Delneamentos Expermentas 2 1.1 Delneamento Interamente Casualzado..................... 2 1.2 Delneamento Blocos Casualzados (DBC).................... 3 1.3 Delneamento Quadrado Latno (DQL)......................

Leia mais

BC0406 Introdução à Probabilidade e à Estatística Lista de Exercícios Suplementares 3 3 quadrimestre 2011

BC0406 Introdução à Probabilidade e à Estatística Lista de Exercícios Suplementares 3 3 quadrimestre 2011 BC0406 Introdução à Probabldade e à Estatístca Lsta de Eercícos Suplementares novembro 0 BC0406 Introdução à Probabldade e à Estatístca Lsta de Eercícos Suplementares quadrmestre 0 Além destes eercícos,

Leia mais

Variação ao acaso. É toda variação devida a fatores não controláveis, denominadas erro.

Variação ao acaso. É toda variação devida a fatores não controláveis, denominadas erro. Aplcação Por exemplo, se prepararmos uma área expermental com todo cudado possível e fzermos, manualmente, o planto de 100 sementes seleconadas de um mlho híbrdo, cudando para que as sementes fquem na

Leia mais

Ao se calcular a média, moda e mediana, temos: Quanto mais os dados variam, menos representativa é a média.

Ao se calcular a média, moda e mediana, temos: Quanto mais os dados variam, menos representativa é a média. Estatístca Dscplna de Estatístca 0/ Curso de Admnstração em Gestão Públca Profª. Me. Valéra Espíndola Lessa e-mal: lessavalera@gmal.com Meddas de Dspersão Indcam se os dados estão, ou não, prómos uns dos

Leia mais

Ao se calcular a média, moda e mediana, temos: Quanto mais os dados variam, menos representativa é a média.

Ao se calcular a média, moda e mediana, temos: Quanto mais os dados variam, menos representativa é a média. Estatístca Dscplna de Estatístca 0/ Curso Superor de tecnólogo em Gestão Ambental Profª. Me. Valéra Espíndola Lessa e-mal: lessavalera@gmal.com Meddas de Dspersão Indcam se os dados estão, ou não, prómos

Leia mais

CAPÍTULO 2 DESCRIÇÃO DE DADOS ESTATÍSTICA DESCRITIVA

CAPÍTULO 2 DESCRIÇÃO DE DADOS ESTATÍSTICA DESCRITIVA CAPÍTULO DESCRIÇÃO DE DADOS ESTATÍSTICA DESCRITIVA. A MÉDIA ARITMÉTICA OU PROMÉDIO Defnção: é gual a soma dos valores do grupo de dados dvdda pelo número de valores. X x Soma dos valores de x número de

Leia mais

4 Critérios para Avaliação dos Cenários

4 Critérios para Avaliação dos Cenários Crtéros para Avalação dos Cenáros É desejável que um modelo de geração de séres sntétcas preserve as prncpas característcas da sére hstórca. Isto quer dzer que a utldade de um modelo pode ser verfcada

Leia mais

2 Incerteza de medição

2 Incerteza de medição 2 Incerteza de medção Toda medção envolve ensaos, ajustes, condconamentos e a observação de ndcações em um nstrumento. Este conhecmento é utlzado para obter o valor de uma grandeza (mensurando) a partr

Leia mais

2. VARIÁVEIS ALEATÓRIAS

2. VARIÁVEIS ALEATÓRIAS VARIÁVEIS ALEATÓRIAS 0 Varável aleatóra Ω é o espaço amostral de um epermento aleatóro Uma varável aleatóra é uma função que atrbu um número real a cada resultado em Ω Eemplo Retra- ao acaso um tem produzdo

Leia mais

DEFINIÇÃO - MODELO LINEAR GENERALIZADO

DEFINIÇÃO - MODELO LINEAR GENERALIZADO DEFINIÇÃO - MODELO LINEAR GENERALIZADO 1 Um modelo lnear generalzado é defndo pelos seguntes três componentes: Componente aleatóro; Componente sstemátco; Função de lgação; Componente aleatóro: Um conjunto

Leia mais

8 - Medidas Descritivas

8 - Medidas Descritivas 8 - Meddas Descrtvas 8. Introdução Ao descrevemos um conjunto de dados por meo de tabelas e gráfcos temos muto mas nformações sobre o comportamento de uma varável do que a própra sére orgnal de dados.

Leia mais

Associação entre duas variáveis quantitativas

Associação entre duas variáveis quantitativas Exemplo O departamento de RH de uma empresa deseja avalar a efcáca dos testes aplcados para a seleção de funconáros. Para tanto, fo sorteada uma amostra aleatóra de 50 funconáros que fazem parte da empresa

Leia mais

TESTE DO QUI-QUADRADO - Ajustamento

TESTE DO QUI-QUADRADO - Ajustamento Exemplo 3: Avalar se uma moeda ou um dado é honesto; Em 100 lances de moeda, observaram-se 65 coroas e 35 caras. Testar se a moeda é honesta. 1 H 0 : a moeda é honesta; H 1 : a moeda não é honesta; 2 α

Leia mais

EXEMPLOS DO CURSO DE ESTATÍSTICA ENGENHARIA DE MATERIAIS

EXEMPLOS DO CURSO DE ESTATÍSTICA ENGENHARIA DE MATERIAIS EEMPLOS DO CURSO DE ESTATÍSTICA ENGENHARIA DE MATERIAIS Exemplo: Peso de 25 bolos ndustras Forma bruta: Dsposção ordenada 266 267 266 26 22 255 266 26 272 22 260 272 25 262 23 25 266 270 274 22 2 270 20

Leia mais

Plano de amostragem do ISA-Capital 2008 Maria Cecília Goi Porto Alves Maria Mercedes L. Escuder 24 de junho de 2009

Plano de amostragem do ISA-Capital 2008 Maria Cecília Goi Porto Alves Maria Mercedes L. Escuder 24 de junho de 2009 Plano de amostragem do ISA-Captal 2008 ara Cecíla Go Porto Alves ara ercedes L. Escuder 24 de junho de 2009 Tamanho da amostra A população de estudo refere-se àquela resdente em área urbana do uncípo de

Leia mais

Prof. Lorí Viali, Dr.

Prof. Lorí Viali, Dr. Prof. Lorí Val, Dr. val@mat.ufrgs.br http://www.mat.ufrgs.br/~val/ 1 É o grau de assocação entre duas ou mas varáves. Pode ser: correlaconal ou expermental. Numa relação expermental os valores de uma das

Leia mais

Eventos coletivamente exaustivos: A união dos eventos é o espaço amostral.

Eventos coletivamente exaustivos: A união dos eventos é o espaço amostral. DEFINIÇÕES ADICIONAIS: PROBABILIDADE Espaço amostral (Ω) é o conjunto de todos os possíves resultados de um expermento. Evento é qualquer subconjunto do espaço amostral. Evento combnado: Possu duas ou

Leia mais

Regressão Linear Simples by Estevam Martins

Regressão Linear Simples by Estevam Martins Regressão Lnear Smples by Estevam Martns stvm@uol.com.br "O únco lugar onde o sucesso vem antes do trabalho, é no dconáro" Albert Ensten Introdução Mutos estudos estatístcos têm como objetvo estabelecer

Leia mais

CONCEITOS INICIAIS DE ESTATÍSTICA MÓDULO 2 DISTRIBUIÇÃO DE FREQÜÊNCIA - ELEMENTOS Prof. Rogério Rodrigues

CONCEITOS INICIAIS DE ESTATÍSTICA MÓDULO 2 DISTRIBUIÇÃO DE FREQÜÊNCIA - ELEMENTOS Prof. Rogério Rodrigues CONCEITOS INICIAIS DE ESTATÍSTICA MÓDULO DISTRIBUIÇÃO DE FREQÜÊNCIA - ELEMENTOS Prof. Rogéro Rodrgues I) TABELA PRIMITIVA E DISTRIBUIÇÃO DE FREQÜÊNCIA : No processo de amostragem, a forma de regstro mas

Leia mais

Lista de Exercícios. 2 Considere o número de aparelhos com defeito na empresa Garra durante 50 dias.

Lista de Exercícios. 2 Considere o número de aparelhos com defeito na empresa Garra durante 50 dias. Classque as varáves: Faculdade Ptágoras / Dvnópols-MG Curso: Pscologa Dscplna: Estatístca Aplcada à Pscologa Lsta de Eercícos a) número de peças produzdas por hora; b) dâmetro eterno da peça; c) número

Leia mais

Métodos Avançados em Epidemiologia

Métodos Avançados em Epidemiologia Unversdade Federal de Mnas Geras Insttuto de Cêncas Exatas Departamento de Estatístca Métodos Avançados em Epdemologa Aula 5-1 Regressão Lnear Smples: Estmação e Interpretação da Reta Tabela ANOVA e R

Leia mais

Regressão Múltipla. Parte I: Modelo Geral e Estimação

Regressão Múltipla. Parte I: Modelo Geral e Estimação Regressão Múltpla Parte I: Modelo Geral e Estmação Regressão lnear múltpla Exemplos: Num estudo sobre a produtvdade de trabalhadores ( em aeronave, navos) o pesqusador deseja controlar o número desses

Leia mais

Testes não-paramétricos

Testes não-paramétricos Testes não-paramétrcos Prof. Lorí Val, Dr. http://www.mat.ufrgs.br/val/ val@mat.ufrgs.br Um teste não paramétrco testa outras stuações que não parâmetros populaconas. Estas stuações podem ser relaconamentos,

Leia mais

Teoria Elementar da Probabilidade

Teoria Elementar da Probabilidade 10 Teora Elementar da Probabldade MODELOS MATEMÁTICOS DETERMINÍSTICOS PROBABILÍSTICOS PROCESSO (FENÓMENO) ALEATÓRIO - Quando o acaso nterfere na ocorrênca de um ou mas dos resultados nos quas tal processo

Leia mais

FACULDADE DE ECONOMIA DO PORTO. Licenciatura em Economia E C O N O M E T R I A II

FACULDADE DE ECONOMIA DO PORTO. Licenciatura em Economia E C O N O M E T R I A II FACULDADE DE ECONOMIA DO PORTO Lcencatura em Economa E C O N O M E T R I A II (LEC310) Avalação dstrbuída - Teste global 25 de Junho de 2007 NOTAS PRÉVIAS: 1. A prova tem duração de 2 horas. 2. Apenas

Leia mais

PRESSUPOSTOS DO MODELO DE REGRESSÃO

PRESSUPOSTOS DO MODELO DE REGRESSÃO PREUPOTO DO MODELO DE REGREÃO A aplcação do modelo de regressão lnear múltpla (bem como da smples) pressupõe a verfcação de alguns pressupostos que condensamos segudamente.. Os erros E são varáves aleatóras

Leia mais

Introdução a Processos Estocásticos:Exercícios

Introdução a Processos Estocásticos:Exercícios lvroexerccos 2017/3/19 11:24 page #1 Introdução a Processos Estocástcos:Exercícos Luz Antono Baccalá Escola Poltécnca da USP Departamento de Engenhara de Telecomuncações e Controle 2016 lvroexerccos 2017/3/19

Leia mais

2ª ACTIVIDADE ESCRITA DE MATEMÁTICA A 12.º C 2009 NOVEMBRO 20 Duração da prova: 45 minutos VERSÃO 1. Grupo I

2ª ACTIVIDADE ESCRITA DE MATEMÁTICA A 12.º C 2009 NOVEMBRO 20 Duração da prova: 45 minutos VERSÃO 1. Grupo I ª ATIVIDADE ESRITA DE MATEMÁTIA A.º 009 NOVEMBRO 0 Duração da prova 4 mnutos VERSÃO Grupo I Para cada uma das três questões deste grupo, seleccone a resposta correcta de entre as alternatvas que lhe são

Leia mais

Aplicando o método de mínimos quadrados ordinários, você encontrou o seguinte resultado: 1,2

Aplicando o método de mínimos quadrados ordinários, você encontrou o seguinte resultado: 1,2 Econometra - Lsta 3 - Regressão Lnear Múltpla Professores: Hedbert Lopes, Prscla Rbero e Sérgo Martns Montores: Gustavo Amarante e João Marcos Nusdeo QUESTÃO 1. Você trabalha na consultora Fazemos Qualquer

Leia mais

Análise de Regressão. Profa Alcione Miranda dos Santos Departamento de Saúde Pública UFMA

Análise de Regressão. Profa Alcione Miranda dos Santos Departamento de Saúde Pública UFMA Análse de Regressão Profa Alcone Mranda dos Santos Departamento de Saúde Públca UFMA Introdução Uma das preocupações estatístcas ao analsar dados, é a de crar modelos que explctem estruturas do fenômeno

Leia mais

ESTATÍSTICA MULTIVARIADA 2º SEMESTRE 2010 / 11. EXERCÍCIOS PRÁTICOS - CADERNO 4 Regressão Linear

ESTATÍSTICA MULTIVARIADA 2º SEMESTRE 2010 / 11. EXERCÍCIOS PRÁTICOS - CADERNO 4 Regressão Linear ESTATÍSTICA MULTIVARIADA 2º SEMESTRE 2010 / 11 EERCÍCIOS PRÁTICOS - CADERNO 4 Regressão Lnear 4. EERCÍCIOS PARA RESOLVER NAS AULAS 4.1. O gestor de marketng duma grande cadea de supermercados quer determnar

Leia mais

Exame final de Estatística 2ª Época - 24 de Junho de 2004

Exame final de Estatística 2ª Época - 24 de Junho de 2004 xame fnal de statístca ª Época - de Junho de Faculdade de conoma José Antóno nhero Unversdade Nova de Lsboa Mara Helena Almeda Note bem:. Resolva grupos dferentes em folhas dferentes;. IDNTIFIQU todas

Leia mais

UNIVERSIDADE NOVA DE LISBOA Faculdade de Economia Análise de Dados e Probabilidade 2º Semestre 2008/2009 Teste Intermédio A. Grupo I (5 Valores)

UNIVERSIDADE NOVA DE LISBOA Faculdade de Economia Análise de Dados e Probabilidade 2º Semestre 2008/2009 Teste Intermédio A. Grupo I (5 Valores) 1 UNIVERIDADE NOVA DE LIBOA Faculdade de Economa Análse de Dados e Probabldade º emestre 008/009 Teste Intermédo A Clara Costa Duarte Data: 01/04/009 Graça lva Duração: 1h Grupo I (5 Valores) uponha que

Leia mais

Medidas de Tendência Central. Prof.: Ademilson Teixeira

Medidas de Tendência Central. Prof.: Ademilson Teixeira Meddas de Tendênca Central Prof.: Ademlson Texera ademlson.texera@fsc.edu.br 1 Servem para descrever característcas báscas de um estudo com dados quanttatvos e comparar resultados. Meddas de Tendênca Central

Leia mais

O problema da superdispersão na análise de dados de contagens

O problema da superdispersão na análise de dados de contagens O problema da superdspersão na análse de dados de contagens 1 Uma das restrções mpostas pelas dstrbuções bnomal e Posson, aplcadas usualmente na análse de dados dscretos, é que o parâmetro de dspersão

Leia mais

Cap. IV Análise estatística de incertezas aleatórias

Cap. IV Análise estatística de incertezas aleatórias TLF 010/11 Cap. IV Análse estatístca de ncertezas aleatóras Capítulo IV Análse estatístca de ncertezas aleatóras 4.1. Méda 43 4.. Desvo padrão 44 4.3. Sgnfcado do desvo padrão 46 4.4. Desvo padrão da méda

Leia mais

Notas de Aula de Probabilidade A

Notas de Aula de Probabilidade A VII- VARIÁVEIS ALEATÓRIAS UNIDIMENSIONAIS. 7. CONCEITO DE VARIÁVEIS ALEATÓRIAS: Informalmente, uma varável aleatóra é um característco numérco do resultado de um epermento aleatóro. Defnção: Uma varável

Leia mais

INTRODUÇÃO À PROBABILIDADE. A probabilidade é uma medida da incerteza dos fenômenos. Traduz-se por um número real compreendido de 0 ( zero) e 1 ( um).

INTRODUÇÃO À PROBABILIDADE. A probabilidade é uma medida da incerteza dos fenômenos. Traduz-se por um número real compreendido de 0 ( zero) e 1 ( um). INTRODUÇÃO À PROILIDDE teora das probabldade nada mas é do que o bom senso transformado em cálculo probabldade é o suporte para os estudos de estatístca e expermentação. Exemplos: O problema da concdênca

Leia mais

2ª PARTE Estudo do choque elástico e inelástico.

2ª PARTE Estudo do choque elástico e inelástico. 2ª PARTE Estudo do choque elástco e nelástco. Introdução Consderemos dos corpos de massas m 1 e m 2, anmados de velocdades v 1 e v 2, respectvamente, movmentando-se em rota de colsão. Na colsão, os corpos

Leia mais

1. CORRELAÇÃO E REGRESSÃO LINEAR

1. CORRELAÇÃO E REGRESSÃO LINEAR 1 CORRELAÇÃO E REGREÃO LINEAR Quando deseja-se estudar se exste relação entre duas varáves quanttatvas, pode-se utlzar a ferramenta estatístca da Correlação Lnear mples de Pearson Quando essa correlação

Leia mais

Variável discreta: X = número de divórcios por indivíduo

Variável discreta: X = número de divórcios por indivíduo 5. Análse descrtva com dados agrupados Em algumas stuações, os dados podem ser apresentados dretamente nas tabelas de frequêncas. Netas stuações devemos utlzar estratégas específcas para obter as meddas

Leia mais

Estatística Espacial: Dados de Área

Estatística Espacial: Dados de Área Estatístca Espacal: Dados de Área Dstrbução do número observado de eventos Padronzação e SMR Mapas de Probabldades Mapas com taxas empírcas bayesanas Padronzação Para permtr comparações entre dferentes

Leia mais

ESTATÍSTICA MULTIVARIADA 2º SEMESTRE 2010 / 11. EXERCÍCIOS PRÁTICOS - CADERNO 1 Revisões de Estatística

ESTATÍSTICA MULTIVARIADA 2º SEMESTRE 2010 / 11. EXERCÍCIOS PRÁTICOS - CADERNO 1 Revisões de Estatística ESTATÍSTICA MULTIVARIADA º SEMESTRE 010 / 11 EXERCÍCIOS PRÁTICOS - CADERNO 1 Revsões de Estatístca -0-11 1.1 1.1. (Varáves aleatóras: função de densdade e de dstrbução; Méda e Varânca enquanto expectatvas

Leia mais

SÉRIE DE PROBLEMAS: CIRCUITOS DE ARITMÉTICA BINÁRIA. CIRCUITOS ITERATIVOS.

SÉRIE DE PROBLEMAS: CIRCUITOS DE ARITMÉTICA BINÁRIA. CIRCUITOS ITERATIVOS. I 1. Demonstre que o crcuto da Fg. 1 é um half-adder (semsomador), em que A e B são os bts que se pretendem somar, S é o bt soma e C out é o bt de transporte (carry out). Fg. 1 2. (Taub_5.4-1) O full-adder

Leia mais

O problema da superdispersão na análise de dados de contagens

O problema da superdispersão na análise de dados de contagens O problema da superdspersão na análse de dados de contagens 1 Uma das restrções mpostas pelas dstrbuções bnomal e Posson, aplcadas usualmente na análse de dados dscretos, é que o parâmetro de dspersão

Leia mais

Aula Características dos sistemas de medição

Aula Características dos sistemas de medição Aula - Característcas dos sstemas de medção O comportamento funconal de um sstema de medção é descrto pelas suas característcas (parâmetros) operaconas e metrológcas. Aqu é defnda e analsada uma sére destes

Leia mais

Elementos de Estatística e Probabilidades II

Elementos de Estatística e Probabilidades II Elementos de Estatístca e Probabldades II Varáves e Vetores Aleatóros dscretos Inês Das 203 O prncpal objetvo da deste documento é fornecer conhecmentos báscos de varáves aleatóras dscretas e pares aleatóros

Leia mais

Análise Descritiva com Dados Agrupados

Análise Descritiva com Dados Agrupados Análse Descrtva com Dados Agrupados Em algumas stuações, os dados podem ser apresentados dretamente nas tabelas de frequêncas. Netas stuações devemos utlzar estratégas específcas para obter as meddas descrtvas

Leia mais

R X. X(s) Y Y(s) Variáveis aleatórias discretas bidimensionais

R X. X(s) Y Y(s) Variáveis aleatórias discretas bidimensionais 30 Varáves aleatóras bdmensonas Sea ε uma experênca aleatóra e S um espaço amostral assocado a essa experênca. Seam X X(s) e Y Y(s) duas funções cada uma assocando um número real a cada resultado s S.

Leia mais

NOÇÕES SOBRE CORRELAÇÃO E REGRESSÃO LINEAR SIMPLES

NOÇÕES SOBRE CORRELAÇÃO E REGRESSÃO LINEAR SIMPLES NOÇÕES SOBRE CORRELAÇÃO E REGRESSÃO LINEAR SIMPLES 1 O nosso objetvo é estudar a relação entre duas varáves quanttatvas. Eemplos:. Idade e altura das cranças.. v. Tempo de prátca de esportes e rtmo cardíaco

Leia mais

Estatística II Antonio Roque Aula 18. Regressão Linear

Estatística II Antonio Roque Aula 18. Regressão Linear Estatístca II Antono Roque Aula 18 Regressão Lnear Quando se consderam duas varáves aleatóras ao mesmo tempo, X e Y, as técncas estatístcas aplcadas são as de regressão e correlação. As duas técncas estão

Leia mais

SELEÇÃO DE MODELOS VOLUMÉTRICOS PARA CLONES DE EUCALYPTUS SPP., NO PÓLO GESSEIRO DO ARARIPE

SELEÇÃO DE MODELOS VOLUMÉTRICOS PARA CLONES DE EUCALYPTUS SPP., NO PÓLO GESSEIRO DO ARARIPE SELEÇÃO DE MODELOS VOLUMÉTRICOS PARA CLONES DE EUCALYPTUS SPP, NO PÓLO GESSEIRO DO ARARIPE Jáder da Slva Jale Joselme Fernandes Gouvea Alne Santos de Melo Denns Marnho O R Souza Kléber Napoleão Nunes de

Leia mais

TRANSPORTES. Sessão Prática 9 Modelos de Escolha Discreta Modelo Logit

TRANSPORTES. Sessão Prática 9 Modelos de Escolha Discreta Modelo Logit Mestrado Integrado em Engenhara Cvl TRANSPORTES Prof. Responsável: Lus Pcado Santos Sessão Prátca 9 Modelos de Escolha Dscreta Modelo Logt Insttuto Superor Técnco / Mestrado Integrado Engenhara Cvl Transportes

Leia mais

Programa de Certificação de Medidas de um laboratório

Programa de Certificação de Medidas de um laboratório Programa de Certfcação de Meddas de um laboratóro Tratamento de dados Elmnação de dervas Programa de calbração entre laboratóros Programa nterno de calbração justes de meddas a curvas Tratamento dos resultados

Leia mais

Exercícios. Utilizando um novo critério, essa banca avaliadora resolveu descartar a maior e a menor notas atribuídas ao professor.

Exercícios. Utilizando um novo critério, essa banca avaliadora resolveu descartar a maior e a menor notas atribuídas ao professor. Estatístca Exercícos 1. (Enem 013) Fo realzado um levantamento nos 00 hotés de uma cdade, no qual foram anotados os valores, em reas, das dáras para um quarto padrão de casal e a quantdade de hotés para

Leia mais

Gráficos de Controle para Processos Autocorrelacionados

Gráficos de Controle para Processos Autocorrelacionados Gráfcos de Controle para Processos Autocorrelaconados Gráfco de controle de Shewhart: observações ndependentes e normalmente dstrbuídas. Shewhart ao crar os gráfcos de controle não exgu que os dados fossem

Leia mais

Ângulo de Inclinação (rad) [α min α max ] 1 a Camada [360,0 520,0] 2000 X:[-0,2065 0,2065] Velocidade da Onda P (m/s)

Ângulo de Inclinação (rad) [α min α max ] 1 a Camada [360,0 520,0] 2000 X:[-0,2065 0,2065] Velocidade da Onda P (m/s) 4 Estudo de Caso O estudo de caso, para avalar o método de estmação de parâmetros trdmensonal fo realzado em um modelo de referênca de três camadas, e foram realzados os seguntes passos: Descrção do modelo

Leia mais

Análise de Variância. Comparação de duas ou mais médias

Análise de Variância. Comparação de duas ou mais médias Análse de Varânca Comparação de duas ou mas médas Análse de varânca com um fator Exemplo Um expermento fo realzado para se estudar dabetes gestaconal. Desejava-se avalar o comportamento da hemoglobna (HbA)

Leia mais

MODELOS DE REGRESSÃO PARAMÉTRICOS

MODELOS DE REGRESSÃO PARAMÉTRICOS MODELOS DE REGRESSÃO PARAMÉTRICOS Às vezes é de nteresse nclur na análse, característcas dos ndvíduos que podem estar relaconadas com o tempo de vda. Estudo de nsufcênca renal: verfcar qual o efeto da

Leia mais

Gabarito da Lista de Exercícios de Econometria I

Gabarito da Lista de Exercícios de Econometria I Gabarto da sta de Exercícos de Econometra I Professor: Rogéro lva Mattos Montor: eonardo enrque A. lva Questão Y X y x xy x ŷ ˆ ˆ y ŷ (Y - Y ) (X - X ) (Ŷ - Y ) 360 00-76 -00 35.00 40.000 36-4 30.976 3076

Leia mais

1. ANÁLISE EXPLORATÓRIA E ESTATÍSTICA DESCRITIVA

1. ANÁLISE EXPLORATÓRIA E ESTATÍSTICA DESCRITIVA 1. ANÁLISE EXPLORATÓRIA E ESTATÍSTICA DESCRITIVA 014 Estatístca Descrtva e Análse Exploratóra Etapas ncas. Utlzadas para descrever e resumr os dados. A dsponbldade de uma grande quantdade de dados e de

Leia mais

37 [C] Verdadeira. Veja justificativa do item [B]. Moda = 8

37 [C] Verdadeira. Veja justificativa do item [B]. Moda = 8 Resposta da questão 1: [C] Calculando:,5 + 10 + 8 + 9,4 + 8 +,4 + x + 7,4 = 8, 8,5 + 10 + 8 + 9,4 + 8 +,4 + x + 7,4 = 5, x = 9,9 Moda = 8 8+ 8 Medana = = 8,5 + 10 + 8 + 9,4 + 8 +,4 + 7,4 Méda das outras

Leia mais

PROBABILIDADE - CONCEITOS BÁSICOS

PROBABILIDADE - CONCEITOS BÁSICOS ROBBILIDD - CONCITOS BÁSICOS xpermento leatóro é um expermento no qual: todos os possíves resultados são conhecdos; resulta num valor desconhecdo, dentre todos os resultados possíves; pode ser repetdo

Leia mais

Microeconomia II. Cursos de Economia e de Matemática Aplicada à Economia e Gestão AULA 5.3. Afectação de Bens Públicos: a Condição de Samuelson

Microeconomia II. Cursos de Economia e de Matemática Aplicada à Economia e Gestão AULA 5.3. Afectação de Bens Públicos: a Condição de Samuelson Mcroeconoma II Cursos de Economa e de Matemátca Aplcada à Economa e Gestão AULA 5.3 Afectação de Bens Públcos: a Condção de Isabel Mendes 2007-2008 5/3/2008 Isabel Mendes/MICRO II 5.3 Afectação de Bens

Leia mais