Probabilidades e Estatística
|
|
- Cristiana Sousa Rosa
- 6 Há anos
- Visualizações:
Transcrição
1 Departamento de Matemática Probabilidades e Estatística LEAN, LEE, LEGI, LEGM, LEIC-A, LEIC-T, LEMat, LERC, LMAC, MEAer, MEAmbi, MEBiol, MEBiom, MEEC, MEFT, MEMec, MEQ o semestre 11/1 Exame de Época Especial 19/7/1 9: Duração: 3 horas Justifique convenientemente todas as respostas! Grupo I 5 valores 1. De uma caixa, contendo bolas azuis e 3 bolas vermelhas, retira-se ao acaso uma bola e coloca-se numa segunda caixa que já contém 4 bolas azuis e bolas vermelhas. De seguida, extrai-se ao acaso uma bola da segunda caixa. (a) Qual é a probabilidade de extrair bolas da mesma cor das duas caixas? (1.) Experiência aleatória Selecção ao acaso de uma bola de uma caixa contendo bolas azuis (A) e 3 vermelhas (V ), bola essa colocada numa segunda caixa que já contém 4 bolas azuis e vermelhas, seguida de selecção ao acaso de uma bola da segunda caixa. Importante Dado que a primeira bola seleccionada é colocada na segunda caixa a proporção de bolas passará de 4 bolas azuis e vermelhas para: 5 bolas azuis e vermelhas, caso a primeira bola selecionada e colocada na segunda caixa seja azul; 4 bolas azuis e 3 vermelhas, caso a primeira bola selecionada e colocada na segunda caixa seja vermelha; Eventos-chave A i selecção de uma bola azul na i ésima extracção, i1, V i selecção de uma bola vermelha na i ésima extracção, i1, Evento {Seleccionar bolas da mesma cor das duas caixas} {A 1 \ A,V 1 \ V } Prob. pedida Tendo em conta que se pretende a probabilidade da reunião de eventos disjuntos e aplicando a lei das probabilidades compostas, obtém-se sucessivamente: P ({A 1 \ A,V 1 \ V }) P (A 1 \ A )+P (V 1 \ V ) P (A 1 )P (A A 1 )+P(V 1 )P (V V 1 ) (b) Determine a probabilidade de a bola extraída da segunda caixa ser vermelha. (.5) Evento {Seleccionar bola vermelha da a. caixa} V Página 1 de 13
2 Prob. pedida P (V ) P ({A 1 \ V,V 1 \ V }) P (A 1 \ V )+P (V 1 \ V ) P (A 1 )P (V A 1 )+P(V 1 \ V ) (a) (c) Se a bola extraída da segunda caixa é vermelha, qual é a probabilidade de se ter extraído da (1.) primeira caixa uma bola dessa mesma cor? Prob. pedida Tirando partido dos resultados anteriores, segue-se P (V 1 V ) P (V 1 \ V ) P (V ) (a) Num determinado cruzamento, o número diário de acidentes rodoviários é uma variável aleatória com distribuição de Poisson de valor esperado.1. Considere que, em dias diferentes, os acidentes nesse cruzamento ocorrem de forma independente. (a) Determine a probabilidade de num ano (365 dias) ocorrerem um ou mais acidentes nesse (1.5) cruzamento em pelo menos dois dias. V.a. X número diário de acidentes por dia no cruzamento Distribuição de X X Poisson( ) Parâmetro : E(X).1,.1 F.p. de X P (X x) e.1.1x x!,x, 1,,... Outra v.a. Y número de dias, em 365, em que ocorrem acidentes no cruzamento Distribuição de Y Ao admitir-se também que em dias diferentes os acidentes nesse cruzamento ocorrem de forma independente, a v.a. Y corresponde ao número de sucessos em n provas de Bernoulli i.i.d., pelo que Y Binomial(n, p) Parâmetros n 365 p P (ocorrerem acidentes num dia) P (X >) 1 P (X ) 1 e.1 '.1 F.p. de Y P (Y y) 365 y (1 e.1 ) y (e.1 ) 365 y y, 1,...,365 Página de 13
3 Prob. pedida P (Y ) 1 P (Y apple 1) 1X (1 e.1 ) y (e.1 ) 365 y y y ' ' (b) Determine o valor esperado e o desvio padrão do número de dias que decorrem até que ocorra (1.) pelo menos um acidente nesse cruzamento. Outra v.a. Z número de dias que decorrem até que se verifique um dia com acidentes no cruzamento Distribuição de Z Z corresponde ao número provas de Bernoulli i.i.d. até à ocorrência do primeiro sucesso, logo Z Geométrica(p). Parâmetro p P (X >) 1 P (X ) 1 e.1 '.1 Valor esperado de Z E(Z) form 1 p ' dias Variância de Z V (Z) form 1 p p ' dias Desvio-padrão de Z DP(Z) p V (Z) ' p 999 ' dias. Grupo II 5 valores 1. Considere um círculo de raio X (em cm), onde X é uma variável aleatória exponencial de parâmetro igual a 1. (a) Determine a probabilidade de o diâmetro do círculo não exceder cm. Obtenha a variância do (1.) diâmetro do círculo. V.a. X raio do círculo Distribuição de X X Exponencial( 1) F.d.p. de X f X (x) e x,x Outra v.a. D diâmetro do círculo X Prob. pedida P (D apple ) P (X apple ) P (X apple 1) Z 1 1 Z 1 f X (x) dx e x dx Página 3 de 13
4 e x 1 1 e 1 ' V (D) V (X) 4V (X) 4 14 (b) Considere agora um novo círculo de raio Y (em cm), onde Y é u m a v a r i á v e l a l e a t ó r i a (1.) independente de X, também com distribuição exponencial de parâmetro igual a 1.Considerando que os dois círculos estão representados no mesmo plano e que os respectivos centros estão separados por uma distância de cm, determine a probabilidade de os círculos se sobreporem. Outra v.a. Y raio de novo círculo Distribuição de Y Y Exponencial( 1) Y? X F.d.p. conjunta de (X, Y ) Uma vez que X e Y são v.a. independentes, ambas com distribuição Exponencial( 1), tem-se f X,Y (x, y) f X (x) f Y (y) Probab. pedida e x e y,x,y. P (X + Y > ) 1 P (X + Y apple ) 1 P (X, Y ) {(x, y) IR : x + y apple } Z Z 1 1 Z Z x Z Z x f X,Y (x, y) dy dx e x e y dy dx e x e y x dx e x h 1 e ( x)i dx 1 e x e x 1 1 e e 3 e ' Onúmerodecomputadoresdedeterminadomodelovendidosdiariamentenumalojaéumavariável aleatória com distribução uniforme discreta em {, 1,, 3, 4}. Considera-se que os números de computadores daquele modelo vendidos nessa loja em dias diferentes são variáveis aleatórias independentes. (a) Calcule um valor aproximado da probabilidade de em 3 dias serem vendidos na loja mais de 5 (.) computadores daquele modelo. V.a. X número de computadores de certo modelo vendidos diariamente Distribuição de X X Uniforme Discreta({, 1,, 3, 4}) Página 4 de 13
5 F.p., valor esperado e variância de X i P (X x) 1 5,x, 1,...,4 E(X) µ P x x P (X x) 5 V (X) E(X ) E (X) P 4 x x P (X x) V.a. X i número de computadores de certo modelo vendidos no i Distribuição, valor esperado e variância de X i i.i.d. X i X, i 1,...,3 E(X i )E(X) µ V (X i )V(X) ésimo dia, i1,...,3 Nova v.a. S P 3 i1 X i número de computadores de certo modelo vendidos em 3 dias Valor esperado e variância de S P3 E(S) E i1 X i P 3 i1 E(X i) Xi X 3 E(X) 3 6 P3 V (S) V i1 X Xi indep. P 3 i i1 V (X i) Xi X 3 V (X) 3 6 Distribuição aproximada de S Pelo Teorema do Limite Central (TLC) pode escrever-se S E(S) i1 p X i nµ a p Normal(, 1). V (S) n Prob. pedida valor aproximado " S E(S) P (S >5) 1 P p apple V (S) " S E(S) 1 P p apple V (S) TLC ' p 6 ' 1 ( 1.9) (1.9) tabela.915. # 5 E(S) p V (S) # 5 6 p 6 (b) Alojasópodefazerencomendasde3em3dias. Qualonúmeromínimodeunidadesdo (1.) referido modelo de computador que deve existir em stock, no início de um desses períodos de 3 dias, por forma a que o valor aproximado da probabilidade de haver rotura de stock nesse período seja no máximo de 5%? V.a. S P 3 i1 X i número de computadores de certo modelo vendidos em 3 dias Distribuição aproximada de S Tivemos ocasião de referir que S E(S) i1 p X i 6 a p TLC Normal(, 1). V (S) 6 Página 5 de 13
6 Obtenção do stock mínimo k : P (S >k) apple.5 1 P (S apple k) apple.5 P (S apple k).95 k 6 p 6.95 k 6 p 6 1 (.95) k 6 + p 6 k 6 + p k (.95) O menor valor de k que satisfaz a condição P (S >k) apple.5 é k 73. Grupo III 5 valores 1. Otempo(em1 3 h) até fractura de um tipo de rolamentos de esferas produzidos por um fabricante é uma variável aleatória X com função de densidade de probabilidade ( x e x, x > f X (x), x apple, onde é uma constante positiva desconhecida. (a) Com base numa amostra aleatória de X, (X 1,...,X n ), deduza o estimador de máxima (1.5) verosimilhança do parâmetro. V.a. de interesse X tempo até fractura (em 1 3 h) F.d.p. de ( X x e x, x > f X (x), x apple, Parâmetro desconhecido ( > ) Amostra x (x 1,...,x n ) amostra de dimensão n proveniente da população X Obtenção do estimador de MV de Passo 1 Função de verosimilhança X i indep ny L( x) f Xi (x i ) X i X i1 ny i1 xi e x i! Y n n n x i e i1 1 i1 x i, > Passo Função de log-verosimilhança ln L( x) n ln() n ln( )+ i1 ln(x i) 1 i1 x i Passo 3 Maximização Página 6 de 13
7 A estimativa de MV de 8 >< ˆ : >: 8 < d ln L( x) d é aqui representada por ˆ e ˆ (ponto de estacionaridade) d ln L( x) d < (ponto de máximo) ˆ ṋ + ˆ3 i1 x i : P n n ˆ 6ˆ4 i1 x i 8 < q >< ˆ P 1 n n i1 x i >: 4n i1 x i <, proposição verdadeira pois i1 x i > Passo 4 Estimador de MV de q P 1 n Será representado pela v.a. EMV( ) n i1 X i. (b) Obtenha a estimativa de máxima verosimilhança da probabilidade do tempo até fractura ser (.5) superior a 3 (em 1 3 h), sabendo que uma amostra de rolamentos, (x 1,...,x ),conduziu ao valor de 4.5 para a estimativa de máxima verosimilhança do parâmetro. Outro parâmetro desconhecido h( ) P (X >3) e Z +1 x e x 3 +1 e x 3 9 Estimativa de MV de h( ) dx Invocando a propriedade de invariância dos estimadores de máxima verosimilhança, pode concluir-se que a estimativa de MV de h( )P (X >3) e 9 é dh( ) h(ˆ) e e 9 ˆ ' Com o objectivo de comparar a autonomia de modelos de telemóveis (A e B), recolheu-se a seguinte informação sobre as durações das cargas das baterias de aparelhos escolhidos ao acaso de cada um dos modelos: Modelo N o de aparelhos testados Média amostral Variância amostral (corrigida) A 8 6.5h 1.7 h B 1 5.5h.5 h (a) Construa um intervalo com nível de confiança de aproximadamente 95% para o valor esperado (1.5) da duração da carga de baterias do modelo A. V.a. de interesse X A duração da carga de baterias do modelo A Situação X A com distribuição arbitrária E(X A )µ A desconhecido V (X A ) A desconhecida n A suficientemente grande (maior que 3). Página 7 de 13
8 Passo 1 Selecção da v.a. fulcral para µ A Z X A µ A a pna S A normal(, 1) uma vez que pretendemos um intervalo aproximado para o valor esperado de uma população com distribuição arbitrária com variância desconhecida e dispomos de amostra com dimensão suficientemente grande. Passo Obtenção dos quantis de probabilidade Como o nível aproximado de confiança é de (1 ) 1% 95% (i.e.,.5), recorre-se aos quantis ( a 1 (1 /) 1 (.975) tabela 1.96 b 1 (1 /) 1 (.975) tabela 1.96, sendo que estes quantis enquadram a v.a. fulcral Z com probabilidade aproximadamente igual a (1 ).95. Passo 3 Inversão da desigualdade a apple Z apple b P (a apple Z apple b ) ' 1 apple P a apple X A µ A S p A apple b na ' 1... h P XA 1 (1 /) p S A na apple µ A apple X A + 1 (1 i /) p S A na ' 1. Passo 4 Concretização Neste caso o IC aproximado a (1 ) 1% é dado por apple IC(µ A ) x 1 A (1 /) s A p, x A + 1 (1 /) s A p. na na Como n A 8, x A 6.5, s A 1.7,.5 e 1 (1 /) 1.96, tem-se apple IC(µ X µ Y ) 6.5 ± 1.96 p ' [6.5 ±.3759] [ , ]. (b) Poderá afirmar-se que, ao nível de significância de %, há evidência de o valor esperado da (1.5) duração da carga da bateria do modelo A ser superior ao valor esperado da duração da carga da bateria do modelo B? V.a. de interesse X A duração da carga da bateria do modelo A X B duração da carga da bateria do modelo B Situação X A e X B v.a. independentes com distribuições arbitrárias E(X A ) E(X B )µ A µ B desconhecida V (X A ) A e V (X B) B desconhecidas n A,n B suficientemente grandes (maiores que 3). As a.a. associadas a X A e X B são independentes, pelo que X A e X B são v.a. independentes. Hipóteses H : µ A µ B µ H 1 : µ A µ B >µ Página 8 de 13
9 Nível de significância % Estatística de teste q S A n A T ( X A XB ) µ + S B nb a H normal(, 1) dado que se pretende efectuar um teste sobre a diferença de valores esperados de duas populações independentes com distribuições arbitrárias e variâncias desconhecidas. Região de rejeição de H (para valores da estatística de teste) Estamos a lidar com um teste unilateral superior (H 1 : µ A µ B >µ ), logo a região de rejeição de H (para valores da estatística de teste) é um intervalo do tipo W (c, +1), onde c : P (Rejeitar H H ),i.e., c 1 (1 ) 1 (.98) tabela.537. Decisão Atendendo a que n A 8, x A 6.5, s A 1.7, n B 1, x B 5.5, s B.5, o valor observado da estatística de teste é igual a q s A n A t ( x A x B ) µ + s B nb ( ) q ' Como t W (.537, +1), devemos rejeitar H a qualquer n.s. que pode afirmar-se que há evidência para considerar µ A >µ B a tais n.s.] %, [pelo Grupo IV 5 valores 1. Atabelaseguinteapresentaoregistodonúmeroanualdeacidentesdetrabalhonumaempresade construção civil nos últimos 4 anos: N o de acidentes 1 3 ou mais Frequência Teste a hipótese de o número anual de acidentes seguir uma distribuição de Poisson com valor esperado (.) unitário. Decida com base no valor p. V.a. de interesse X número anual de acidentes Hipóteses H : X Poisson(1) H 1 : X 6 Poisson(1) Estatística de Teste kx (O i E i ) T E i a H (k 1), onde: i1 Página 9 de 13
10 k No. de classes; O i Frequência absoluta observável da classe i; E i Frequência absoluta esperada, sob H, da classe i; No. de parâmetros a estimar. Região de rejeição de H (para valores de T ) Tratando-se de um teste de ajustamento, a região de rejeição de H escrita para valores de T é um intervalo à direita W (c, +1). Frequências absolutas esperadas sob H Para já, note-se que o conjunto de valores possíveis da distribuição Poisson(1) é {, 1,, 3,...}. Assim, as classes a considerar são {}, {1} {} e {3, 4...} e as frequências absolutas esperadas sob H são iguais a E 1 n p 1 n P [X X Poisson(1)] 4 e 1 4 F Poi(1) () tabela E n p n P [X 1 X Poisson(1)] 4 e 1 4 F Poi(1) (1) F Poi(1) () tabela 4 ( ) E 3 n p 3 n P [X X Poisson(1)] 4 e 1 1! 4 F Poi(1) () F Poi(1) (1) tabela 4 ( ) E 4 n p 4 n P [X 3 X Poisson(1)] n (1 p 1 p p 3) 4 ( ) É sabido que não é necessário qualquer agrupamento de classes se em pelo menos 8% das classes se verifica E i 5 e em todas elas se tem E i 1. Ora, somente as 3 primeiras das 4 classes (i.e., 75%) possuem E i 5, pelo que é preciso agrupar as duas últimas classes. Página 1 de 13
11 Decisão No cálculo do valor observado da estatística de teste convém recorrer à seguinte tabela auxiliar: Classe i Freq. abs. obs. Freq. abs. esper. sob H Parcelas valor obs. estat. teste i o i E i n p (o i E i ) i E i 1 {} ( ) {1} {} [ {, 3,...} P k i1 oi n 4 P k i1 Ei n 4 t P k (o i E i ) i1 E i Decisão (com base em intervalo para o valor-p) Uma vez que este teste está associado a uma região de rejeição que é um intervalo à direita temos: valor p P (T >t H ) P (T > H ) ' 1 F (3 1) ( ). Recorrendo às tabelas de quantis da distribuição do qui-quadrado podemos adiantar um intervalo para o valor-p deste teste. Com efeito, ao enquadrarmos convenientemente t , obtemos Logo: F 1 () (.).446 < <.713 F 1 (.3) (). < F (3.) <.3 () < valor p<1..8. não devemos rejeitar H a qualquer n.s. apple 7%, por exemplo, a qualquer dos níveis usuais de significância de 1%, 5% e 1%; devemos rejeitar H a qualquer n.s. 8%. Alternativa Decisão (com base no valor-p determinado usando máquina de calcular) Dado que este teste está associado a uma região de rejeição que é um intervalo à direita temos: p value P (T >t H ) Consequentemente: P (T > H ) ' 1 F (3 1) ( ) não devemos rejeitar H a qualquer n.s. apple %, por exemplo, a qualquer dos níveis usuais de significância de 1%, 5% e 1%; devemos rejeitar H a qualquer n.s. > %.. Com o objectivo de construir um modelo que relacione a taxa anual de mortalidade por aterosclerose por 1 habitantes em determinado país, Y,comoconsumoanualdegordurapercapita,x (em Kg), no mesmo país, foram analisados os valores destas variáveis num conjunto de n 1 anos, conduzindo aos seguintes resultados: x 7.8, P 1 i1 x i 1 x 5.16, ȳ.93, P 1 i1 y i 1 ȳ 1.861, P 1 i1 xiyi 1 xȳ.54 (a) Indicando as hipóteses de trabalho convenientes, averigúe se os dados permitem concluir a (.) significância do modelo de regressão linear simples de Y em x, considerando um nível de significância de 1%. Página 11 de 13
12 [Modelo de RLS Y i + 1 x i + i Y i taxa de mortalidade por aterosclerose por 1 habitantes no i x i consumo anual de gordura per capita no i ésimo ano i erro aleatório associado à medição de tal taxa no i ésimo ano] ésimo ano Hipóteses de trabalho i i.i.d. Normal(, ),i1,...,n (hipótese de trabalho), 1, desconhecidos Hipóteses H : 1 1, (ou 1 ) H 1 : 1 6 1, (ou 1 6 ) Nível de significância 1% Estatística de teste ˆ1 1, T q H t (n ) P ˆ n i1 x i n x Região de rejeição de H (para valores da estatística de teste) Estamos a lidar com um teste bilateral (H 1 : 1 6 1, ), pelo que a região de rejeição de H é W ( 1, c) [ (c, +1), onde c : P (Rejeitar H H ) c F 1 t (n ) (1 /) c F 1 t (1 ) (.995) c tabela Decisão Tendo em conta que as estimativas de 1 e são iguais a i1 ˆ1 x iy i n x ȳ i1 x i n x ˆ n "! nx yi n ȳ i '.76374!# ( ˆ1) X n x i n x (respectivamente), o valor observado da estatística de teste é dado por i1 t q ˆ1 1, P ˆ n i1 x i n x.499 q Como t W ( 1, 3.355)[(3.355, +1), devemos rejeitar H : 1 1, a favor de H 1 : 1 6 1, a qualquer n.s. 1%. Podemos assim concluir que o modelo de regressão considerado é significativo ao nível de significância de 1% [ou a qualquer n.s. superior a 1%]. (b) Calcule o coeficiente de determinação associado ao modelo referido. Comente o valor obtido, (1.) Página 1 de 13
13 nomeadamente relacionando-o com a conclusão da alínea anterior. Tirando partido do facto de ˆ1 segue-se i1 xiyi n x ȳ Cálculo do coeficiente de determinação r ( i1 x iy i n x ȳ) ( i1 x i n x ) ( i1 y i n ȳ ) ' i1 x i n x, assim como dos valores obtidos anteriormente, Comentário ao coeficiente de determinação Cerca de 67.% da variação total da taxa anual de mortalidade por aterosclerose é explicada pelo consumo anual de gordura per capita, através do modelo de regressão considerado. Ao termos em conta este resultado bem como o da alínea anterior, podemos adiantar que há um ajustamento razoável da recta estimada ao nosso conjunto de dados. Página 13 de 13
Probabilidades e Estatística
Departamento de Matemática Probabilidades e Estatística LEAN, LEE, LEGI, LEGM, LEIC-A, LEIC-T, LEMat, LERC, LMAC, MEAer, MEAmbi, MEBiol, MEBiom, MEEC, MEFT, MEMec, MEQ o semestre 011/01 Exame de Época
Leia maisProbabilidades e Estatística MEEC, LEIC-A, LEGM
Departamento de Matemática Probabilidades e Estatística MEEC, LEIC-A, LEGM Exame a Época / o Teste (Grupos III e IV) o semestre 009/00 Duração: 80 / 90 minutos /06/00 9:00 horas Grupo I Exercício 5 valores
Leia maisProbabilidades e Estatística
Departamento de Matemática Probabilidades e Estatística LEAN, LEE, LEGI, LEGM, LEIC-A, LEIC-T, LEMat, LERC, LMAC, MEAer, MEAmbi, MEBiol, MEBiom, MEEC, MEFT, MEMec, MEQ 2 o semestre 2/22 o TESTE (Época
Leia maisProbabilidades e Estatística
Departamento de Matemática Probabilidades e Estatística LEGM, LEIC-A, LEIC-T, LEMat, MEBiom, MEFT, MEQ 2 o semestre 2011/2012 1 o Teste A 21/04/2012 9:00 Duração: 1 hora e 30 minutos Justifique convenientemente
Leia maisProbabilidades e Estatística LEE, LEIC-A, LEIC-T, LEMat, LERC, MEBiol, MEBiom, MEEC, MEFT, MEMec, MEQ
Duração: 90 minutos Grupo I Probabilidades e Estatística LEE, LEIC-A, LEIC-T, LEMat, LERC, MEBiol, MEBiom, MEEC, MEFT, MEMec, MEQ Justifique convenientemente todas as respostas 1 o semestre 2017/2018 18/11/2017
Leia maisProbabilidades e Estatística LEAN, LEE, LEGI, LEMat, LETI, LMAC, MEAmb, MEAer, MEBiol, MEBiom, MEEC, MEFT, MEQ
Duração: 90 minutos Grupo I Probabilidades e Estatística LEAN, LEE, LEGI, LEMat, LETI, LMAC, MEAmb, MEAer, MEBiol, MEBiom, MEEC, MEFT, MEQ Justifique convenientemente todas as respostas! o semestre 015/016
Leia maisProbabilidades e Estatística LEE, LEGI, LENO, LETI, LMAC, MEAer, MEAmbi, MEBiol, MEBiom, MEEC, MEFT, MEMat, MEQ
Duração: 90 minutos Grupo I Probabilidades e Estatística LEE, LEGI, LENO, LETI, LMAC, MEAer, MEAmbi, MEBiol, MEBiom, MEEC, MEFT, MEMat, MEQ Justifique convenientemente todas as respostas o semestre 08/09
Leia maisProbabilidades e Estatística
Departamento de Matemática Probabilidades e Estatística LEAN, LEGM, LEIC-A, LEIC-T, MEAer, MEMec 2 o semestre 2010/2011 1 o Teste - Código A 16/4/2011 9 horas Duração: 1 hora e 30 minutos Grupo I Exercício
Leia maisProbabilidades e Estatística
Departamento de Matemática Probabilidades e Estatística LEAN, LEE, LEGI, LEIC-T, LEMat, LERC, LQ, MEAer, MEAmbi, MEBiol, MEEC, MEMec, MEQ 1 o Teste 1 o semestre 2010/2011 Duração: 1 hora e 30 minutos 20/11/2010
Leia maisProbabilidades e Estatística LEGM, LEIC-A, LEIC-T, MA, MEMec
Duração: 9 minutos Grupo I Probabilidades e Estatística LEGM, LEIC-A, LEIC-T, MA, MEMec Justifique convenientemente todas as respostas o semestre 7/8 5/5/8 9: o Teste A valores. Uma loja comercializa telemóveis
Leia maisProbabilidades e Estatística LEE, LEIC-A, LEIC-T, LEMat, LERC, MEBiol, MEBiom, MEEC, MEFT, MEMec, MEQ
Duração: 90 miutos Grupo I Probabilidades e Estatística LEE, LEIC-A, LEIC-T, LEMat, LERC, MEBiol, MEBiom, MEEC, MEFT, MEMec, MEQ Justifique coveietemete todas as respostas 1 o semestre 2017/2018 11/01/2018
Leia maisProbabilidades e Estatística TODOS OS CURSOS
Duração: 90 minutos Grupo I Probabilidades e Estatística TODOS OS CURSOS Justifique convenientemente todas as respostas o semestre 07/08 0/07/08 :0 o Teste C 0 valores. Um relatório anual estabelece que
Leia maisMétodos Numéricos e Estatísticos Parte II-Métodos Estatísticos
Métodos Numéricos e Estatísticos Parte II-Métodos Estatísticos Lic. Eng. Biomédica e Bioengenharia-2009/2010 Modelos de regressão É usual estarmos interessados em estabelecer uma relação entre uma variável
Leia maisProbabilidades e Estatística
Deartamento de Matemática Probabilidades e Estatística LEAN, LEE, LEGI, LERC, LMAC, MEAer, MEAmbi, MEBiol, MEEC, MEMec o semestre 011/01 1 o Teste B 1/04/01 11:00 Duração: 1 hora e 30 minutos Justifique
Leia maisProbabilidades e Estatística TODOS OS CURSOS
Duração: 90 minutos Grupo I Probabilidades e Estatística TODOS OS CURSOS Justifique convenientemente todas as respostas 2 o semestre 206/207 05/07/207 :30 o Teste C 0 valores. Uma peça de certo tipo é
Leia maisINSTITUTO POLITÉCNICO DE SETÚBAL ESCOLA SUPERIOR DE TECNOLOGIA DE SETÚBAL DEPARTAMENTO DE MATEMÁTICA PROBABILIDADES E ESTATÍSTICA
INSTITUTO POLITÉCNICO DE SETÚBAL ESCOLA SUPERIOR DE TECNOLOGIA DE SETÚBAL DEPARTAMENTO DE MATEMÁTICA PROBABILIDADES E ESTATÍSTICA Exame - Época de Recurso SEMESTRE PAR 7/8 Data: 6 de Julho de 8 Duração:
Leia maisProbabilidades e Estatística
Duração: 90 minutos Gruo I Probabilidades e Estatística LEAN, LEE, LEGI, LEMat, LETI, LMAC, MEAmb, MEAer, MEBiol, MEBiom, MEEC, MEFT, MEQ Justifique convenientemente todas as resostas! 2 o semestre 2015/2016
Leia maisProbabilidades e Estatística LEAN, LEGM, LEIC-A, LEIC-T, MA, MEMec
Duração: 90 minutos Grupo I Probabilidades e Estatística LEAN, LEGM, LEIC-A, LEIC-T, MA, MEMec Justifique convenientemente todas as respostas 2 o semestre 2016/2017 06/05/2017 09:00 1 o teste A 10 valores
Leia maisGrupo I. (a) A função de probabilidade marginal de X, P (X = x), é dada por
Probabilidades e Estatística + Probabilidades e Estatística I Solução do Exame de 2 a chamada 3 de Fevereiro de 2003 LEFT + LMAC Grupo I (a) A função de probabilidade marginal de X, P (X = x), é dada por
Leia maisProbabilidades e Estatística
Deartamento de Matemática Probabilidades e Estatística LEMat, LMAC, MEAmbi, MEBiol, MEBiom, MEEC, MEFT, MEQ o semestre 0/0 o Teste //0 8:30 Duração: hora e 30 minutos Gruo I Exercício.5 +.0 + 3.0 +.5 0.0
Leia maisProbabilidades e Estatística LEE, LEGI, LEMat, LERC/LETI, LMAC, MEAer, MEAmb, MEBiol, MEBiom, MEEC, MEFT, MEQ
Duração: 90 miutos Grupo I Probabilidades e Estatística LEE, LEGI, LEMat, LERC/LETI, LMAC, MEAer, MEAmb, MEBiol, MEBiom, MEEC, MEFT, MEQ Justifique coveietemete todas as respostas 2 o semestre 206/207
Leia maisCapítulo 9 - Regressão Linear Simples (RLS): Notas breves
Capítulo 9 - Regressão Linear Simples RLS: Notas breves Regressão Linear Simples Estrutura formal do modelo de Regressão Linear Simples RLS: Y i = β 0 + β 1 x i + ε i, 1 onde Y i : variável resposta ou
Leia maisCapítulo 9 - Regressão Linear Simples (RLS): Notas breves
Capítulo 9 - Regressão Linear Simples RLS: Notas breves Regressão Linear Simples Estrutura formal do modelo de Regressão Linear Simples RLS: Y i = β 0 + β 1 x i + ε i, 1 onde Y i : variável resposta ou
Leia maisProbabilidades e Estatística LEAN, LEE, LEGI, LERC, LMAC, MEAer, MEAmbi, MEBiol, MEBiom, MEEC, MEFT, MEMat, MEQ
Duração: 90 miutos Grupo I Probabilidades e Estatística LEAN, LEE, LEGI, LERC, LMAC, MEAer, MEAmbi, MEBiol, MEBiom, MEEC, MEFT, MEMat, MEQ Justifique coveietemete todas as respostas 2 o semestre 207/208
Leia maisProbabilidades e Estatística
Departameto de Matemática robabilidades e Estatística LEGM, LEIC-A, LEIC-T, LEMat, MEBiom, MEFT, MEQ o semestre 0/0 o Teste A 08/06/0 9:00 Duração: hora e 30 miutos Justifiue coveietemete todas as respostas!
Leia maisProbabilidades e Estatística - LEIC + LERCI + LEE 2 o semestre 2004/05
Departamento de Matemática Secção de Estatística e Aplicações - IST Probabilidades e Estatística - LEIC + LERCI + LEE 2 o semestre 2004/05 3 o Teste 4/6/2005 9h O Teste que vai realizar tem a duração total
Leia maisDistribuições por Amostragem
Distribuições por Amostragem Departamento de Matemática Escola Superior de Tecnologia de Viseu (DepMAT ESTV) Distribuições por Amostragem 2007/2008 1 / 27 Introdução: População, amostra e inferência estatística
Leia maisProbabilidades e Estatística
Departameto de Matemática robabilidades e Estatística LEAN, LEE, LEGI, LERC, LMAC, MEAer, MEAmbi, MEBiol, MEEC, MEMec 2 o semestre 20/202 2 o Teste B 08/06/202 :00 Duração: hora e 30 miutos Justifique
Leia maisx, x < 1 f(x) = 0, x 1 (a) Diga o que entende por amostra aleatória. Determine a função densidade de probabilidade
Probabilidades e Estatística 2004/05 Colectânea de Exercícios LEIC, LERCI, LEE Capítulo 6 Estimação Pontual Exercício 6.1. Considere a população X com função densidade de probabilidade { x, x < 1 f(x)
Leia maisProbabilidades e Estatística
Duração: 90 miutos Probabilidades e Estatística LEIC-A, LEIC-T, LEGM, MA, MEMec Justifique coveietemete todas as respostas! o semestre 015/016 09/06/016 11:00 o teste B Grupo I 10 valores 1. Seja (X 1,
Leia maisAmostragem e distribuições por amostragem
Amostragem e distribuições por amostragem Carla Henriques e Nuno Bastos Departamento de Matemática Escola Superior de Tecnologia de Viseu Contabilidade e Administração População, amostra e inferência estatística
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 maisESCOLA SUPERIOR DE TECNOLOGIA
Departamento Matemática Disciplina Estatística Aplicada Curso Engenharia Mec Gest Industrial º Semestre º Folha Nº3: Variáveis Aleatórias De um lote que contém 0 parafusos, dos quais 5 são defeituosos,
Leia maisDepartamento de Matemática - IST(TP)
Departamento de Matemática - IST(TP) Secção de Estatística e Aplicações Probabilidades e Estatística LEIC+LERC+LEE 2 o Exame/2 o Teste 2 o Semestre/2 a Época 2007/08 Duração: 3 horas/1 hora e 30 minutos
Leia maisTÓPICOS DE RESOLUÇÃO - Exame de Época de Recurso (Diurno) 2009/2010. Primeira Parte. F (b) F (a) =P (a <X<b) P (a <X<b)=
TÓPICOS DE RESOLUÇÃO - Exame de Época de Recurso (Diurno) 009/010 [,0] 1. Considere as seguintes afirmações: Primeira Parte I. Sendo F a função de distribuição da variável aleatória (v.a.) discreta X,
Leia maisTestes de Hipóteses. Ricardo Ehlers Departamento de Matemática Aplicada e Estatística Universidade de São Paulo
Testes de Hipóteses Ricardo Ehlers ehlers@icmc.usp.br Departamento de Matemática Aplicada e Estatística Universidade de São Paulo Introdução e notação Em geral, intervalos de confiança são a forma mais
Leia maisComplementos de Probabilidades e Estatística
Departamento de Matemática, IST Secção de Probabilidades e Estatística Complementos de Probabilidades e Estatística o. Teste o. Semestre 8/9 Duração: hora e 3 minutos Justifique convenientemente todas
Leia maisProbabilidades e Estatística LEAN, LEE, LEGI, LERC, LMAC, MEAer, MEAmbi, MEBiol, MEBiom, MEEC, MEFT, MEMat, MEQ
Duração: 90 miutos Grupo I Probabilidades e Estatística LEAN, LEE, LEGI, LERC, LMAC, MEAer, MEAmbi, MEBiol, MEBiom, MEEC, MEFT, MEMat, MEQ Justifique coveietemete todas as respostas 2 o semestre 2017/2018
Leia maisProbabilidades e Estatística
Departameto de Matemática robabilidades e Estatística LEGM, LEIC-A, LEIC-T, LEMat, MEBiom, MEFT, MEQ 2 o semestre 2011/2012 2 o Teste A 08/06/2012 9:00 Duração: 1 hora e 30 miutos Justifique coveietemete
Leia maisPE-MEEC 1S 09/ Capítulo 7 - Estimação por intervalos. 7.2 Intervalos de. confiança para. média de uma. normal 7.
Capítulo 7 - Estimação por intervalos 7.1 Noções básicas 7.2 Intervalos de confiança para a média de uma população normal 7.3 Intervalos de confiança para a diferença de duas médias de populações normais
Leia maisRevisões de Matemática e Estatística
Revisões de Matemática e Estatística Joaquim J.S. Ramalho Contents 1 Operadores matemáticos 2 1.1 Somatório........................................ 2 1.2 Duplo somatório....................................
Leia maisProbabilidades e Estatística LEAN, LEGI, LEGM, LMAC, MEAer, MEAmbi, MEC
Duração: 90 miutos Grupo I Probabilidades e Estatística LEAN, LEGI, LEGM, LMAC, MEAer, MEAmbi, MEC Justifique coveietemete todas as respostas o semestre 207/208 /0/208 09:00 2 o teste A 0 valores. Admita
Leia maisProbabilidades e Estatística TODOS OS CURSOS
Duração: 90 miutos Grupo I Probabilidades e Estatística TODOS OS CURSOS Justifique coveietemete todas as respostas o semestre 017/018 04/07/018 15:00 o Teste C 10 valores 1. Admita que os tempos (em cetea
Leia maisESTATÍSTICA E BIOESTATÍSTICA
INSTITUTO POLITÉCNICO DE SETÚBAL ESCOLA SUPERIOR DE SAÚDE ESTATÍSTICA E BIOESTATÍSTICA Cursos: Licenciaturas Bi-etápicas em Enfermagem e em Fisioterapia Época Normal o Ano/3 o Semestre 003/004 Data: 6
Leia maisc + 1+t 2 (1 + t 2 ) 5/2 dt e 5 2 ln(1+t2 )dt (1 + t 2 ) 5/2 dt (c 5/2 + (1 + t 2 ) 5/2 (1 + t 2 ) 5/2 dt ϕ(t) = (1 + t 2 ) 5/2 (1 + t).
Análise Complexa e Equações Diferenciais 2 o Semestre 206/207 3 de junho de 207, às 9:00 Teste 2 versão A MEFT, MEC, MEBiom, LEGM, LMAC, MEAer, MEMec, LEAN, LEMat [,0 val Resolva os seguintes problemas
Leia maisINSTITUTO POLITÉCNICO DE SETÚBAL ESCOLA SUPERIOR DE SAÚDE ESTATÍSTICA. Cursos: Licenciatura em Enfermagem
INSTITUTO POLITÉCNICO DE SETÚBAL ESCOLA SUPERIOR DE SAÚDE ESTATÍSTICA Cursos: Licenciatura em Enfermagem Teste Final o Ano/3 o Semestre 007/08 Data: a feira, 9 de Novembro de 007 Duração: 4h às h Instruções:.
Leia maisProbabilidades e Estatística LEAN, LEE, LEGI, LEMat, LETI, LMAC, MEAmb, MEAer, MEBiol, MEBiom, MEEC, MEFT, MEQ
Duração: 90 miutos Grupo I Probabilidades e Estatística LEAN, LEE, LEGI, LEMat, LETI, LMAC, MEAmb, MEAer, MEBiol, MEBiom, MEEC, MEFT, MEQ Justifique coveietemete todas as respostas! o semestre 015/016
Leia maisProbabilidades e Estatística LEAN, LEGM, LEIC-A, LEIC-T, MA, MEMec
Duração: 90 miutos Grupo I Probabilidades e Estatística LEAN, LEGM, LEIC-A, LEIC-T, MA, MEMec Justifique coveietemete todas as respostas 2 o semestre 2016/2017 16/06/2017 9h:00 2 o teste 10 valores 1.
Leia maisProbabilidades e Estatística LEIC-A, LEIC-T, LEGM, MA, MEMec
Duração: 90 miutos Probabilidades e Estatística LEIC-A, LEIC-T, LEGM, MA, MEMec Justifique coveietemete todas as respostas! 2 o semestre 2015/2016 09/06/2016 11:00 2 o teste B Grupo I 10 valores 1. Seja
Leia maisAnálise de regressão linear simples. Diagrama de dispersão
Introdução Análise de regressão linear simples Departamento de Matemática Escola Superior de Tecnologia de Viseu A análise de regressão estuda o relacionamento entre uma variável chamada a variável dependente
Leia maisProbabilidades e Estatística TODOS OS CURSOS
Duração: 90 miutos Grupo I robabilidades e Estatística TODOS OS CURSOS Justifique coveietemete todas as respostas 2 o semestre 2016/2017 05/07/2017 15:00 2 o Teste C 10 valores 1. Admita que a proporção
Leia maisEstatística II Licenciatura em Gestão. Parte I
Estatística II Licenciatura em Gestão 1 o semestre 2015/2016 ER - 03/02/2016 09:00 Nome N o Espaço reservado a classificações A utilização do telemóvel, em qualquer circunstância, é motivo suficiente para
Leia maisPrimeira Parte. 0, caso contrário.
ESCOLA SUPERIOR DE TECNOLOGIA DE SETÚBAL DEPARTAMENTO DE MATEMÁTICA PROBABILIDADES E ESTATÍSTICA TÓPICOS DE RESOLUÇÃO - Exame de Época Normal 009/00 Primeira Parte [,0]. Considere a varável aleatória X
Leia maisLEEC Probabilidades e Estatística 1 a Chamada 13/06/2005. Parte Prática C (C) M 1% 9% 10% (M) 4% 86% 90% 5% 95% 100%
. Definição dos acontecimentos: M T-shirt tem manchas C T-shirt tem costuras defeituosas D T-shirt é defeituosa A Preço da t-shirt é alterado a) PM) = % PC) = 5% PM C) = % LEEC Probabilidades e Estatística
Leia maisEstatística II Licenciatura em Gestão TESTE I
Estatística II Licenciatura em Gestão 1 o semestre 2015/2016 14/01/2016 09:00 Nome N o Espaço reservado a classificações A utilização do telemóvel, em qualquer circunstância, é motivo suficiente para a
Leia maisMESTRADO INTEGRADO EM ENGENHARIA ELECTROTÉCNICA E DE COMPUTADORES PROBABILIDADES E ESTATÍSTICA. 1ª Chamada 10/01/2008.
MESTRADO INTEGRADO EM ENGENHARIA ELECTROTÉCNICA E DE COMPUTADORES PROBABILIDADES E ESTATÍSTICA 1ª Chamada 10/01/2008 Parte Teórica DURAÇÃO : 50 min COTAÇÃO DA PARTE TEÓRICA: 8 Valores em 20 PERGUNTAS DE
Leia maisTestes de Hipóteses. Ricardo Ehlers Departamento de Matemática Aplicada e Estatística Universidade de São Paulo
Testes de Hipóteses Ricardo Ehlers ehlers@icmc.usp.br Departamento de Matemática Aplicada e Estatística Universidade de São Paulo Introdução e notação Em geral, intervalos de confiança são a forma mais
Leia mais6. Amostragem e estimação pontual
6. Amostragem e estimação pontual Definição 6.1: População é um conjunto cujos elementos possuem qualquer característica em comum. Definição 6.2: Amostra é um subconjunto da população. Exemplo 6.1: Um
Leia maisMOQ 13 PROBABILIDADE E ESTATÍSTICA. Professor: Rodrigo A. Scarpel
MOQ 13 PROBABILIDADE E ESTATÍSTICA Professor: Rodrigo A. Scarpel rodrigo@ita.br www.mec.ita.br/~rodrigo Programa do curso: Semanas 1 3 4 5 6 7 8 9 10 11 1 13 14 15 e 16 Introdução à probabilidade (eventos,
Leia maisESTIMAÇÃO DE PARÂMETROS
ESTIMAÇÃO DE PARÂMETROS Um dos principais objetivos da estatística inferencial consiste em estimar os valores de parâmetros populacionais desconhecidos (estimação de parâmetros) utilizando dados amostrais.
Leia maisTestes de Hipóteses II
Testes de Hipóteses II Capítulo 12, Estatística Básica (Bussab&Morettin, 8a Edição) 6a AULA 06/04/2015 MAE229 - Ano letivo 2015 Lígia Henriques-Rodrigues 5a aula (06/04/2015) MAE229 1 / 23 1. Teste para
Leia mais(x, y) = 0. Análise Complexa e Equações Diferenciais 2 o Semestre 2016/ de abril de 2017, às 9:00 Teste 1 versão A
Análise Complexa e Equações Diferenciais 2 o Semestre 26/27 22 de abril de 27, às 9: Teste versão A. Considere a função definida em R 2 por em que a e b são constantes reais. MEFT, MEC, MEBiom, LEGM, LMAC,
Leia mais= Assim, toma-se ˆp= x m =
INSTITUTO SUPERIOR DE AGRONOMIA ESTATÍSTICA E DELINEAMENTO de Outubro, 06 PRIMEIRO TESTE 06-7 Uma resolução possível I Seja X a variável aleatória que conta o número de parcelas onde cada genótipo da casta
Leia maisAnálise de Regressão Linear Simples e
Análise de Regressão Linear Simples e Múltipla Carla Henriques Departamento de Matemática Escola Superior de Tecnologia de Viseu Introdução A análise de regressão estuda o relacionamento entre uma variável
Leia maisb χ 2 (a 1)(b 1), sob H 0,
ISTITUTO SUPERIOR DE AGROOMIA ESTATÍSTICA E DELIEAMETO 3 de ovembro, 014 PRIMEIRO TESTE 014-15 Uma resolução possível I Tem-se uma tabela de contingências de dimensão 4. 1. O problema colocado corresponde
Leia mais4. Distribuições de probabilidade e
4. Distribuições de probabilidade e características Valor esperado de uma variável aleatória. Definição 4.1: Dada uma v.a. discreta (contínua) X com f.m.p. (f.d.p.) f X (), o valor esperado (ou valor médio
Leia maisCapítulo 8 - Testes de hipóteses 3
Capítulo 8 - Testes de hipóteses Conceição Amado e Ana M. Pires Capítulo 8 - Testes de hipóteses 3 8.1 Noções básicas....................................................... 4 8.2 Testes de hipóteses para
Leia maisProbabilidade Lista 6 - Variáveis Aleatórias Contínuas e Vetores Aleatórios
Probabilidade Lista - Variáveis Aleatórias Contínuas e Vetores Aleatórios Exercício. Uma v.a. X tem distribuição triangular no intervalo [0, ] se sua densidade for dada por 0, x < 0 cx, 0 x /2 c( x), /2
Leia mais8. Testes de hipóteses
8. Testes de hipóteses Motivação 8.1 Testes de hipóteses Até ao momento procurámos adiantar um valor razoável ou um intervalo de valores razoáveis para um parâmetro desconhecido de interesse, tirando partido
Leia maisSeja (X,Y) uma v.a. bidimensional contínua ou discreta. Define-se valor esperado condicionado de X para um dado Y igual a y da seguinte forma:
46 VALOR ESPERADO CONDICIONADO Seja (X,Y) uma v.a. bidimensional contínua ou discreta. Define-se valor esperado condicionado de X para um dado Y igual a y da seguinte forma: Variável contínua E + ( X Y
Leia maisEXAME DE ESTATÍSTICA / ESTATÍSTICA I
INSTITUTO POLITÉCNICO DE SETÚBAL ESCOLA SUPERIOR DE SAÚDE EAME DE ESTATÍSTICA / ESTATÍSTICA I Cursos: Licenciatura em Enfermagem e Licenciaturas Bi-etápicas em Fisioterapia e em Terapia da Fala Época de
Leia maisProbabilidades e Estatística TODOS OS CURSOS
Duração: 90 miutos Grupo I Probabilidades e Estatística TODOS OS CURSOS Justifique coveietemete todas as respostas 1 o semestre 2018/2019 30/01/2019 15:00 2 o Teste C 10 valores 1. Seja X X 1, X 2,...,
Leia maisProbabilidades e Estatística TODOS OS CURSOS
Duração: 90 minutos Grupo I Probabilidades e Estatística TODOS OS CURSOS Justifique convenientemente todas as respostas 1 o semestre 2018/2019 30/01/2019 11:30 1 o Teste C 10 valores 1. Numa unidade fabril
Leia maisMAE Introdução à Probabilidade e Estatística II Resolução Lista 5
MAE 229 - Introdução à Probabilidade e Estatística II Resolução Lista 5 Professor: Pedro Morettin e Profa. Chang Chian Exercício 1 (a) De uma forma geral, o desvio padrão é usado para medir a dispersão
Leia maisCap. 4 - Estimação por Intervalo
Cap. 4 - Estimação por Intervalo Amostragem e inferência estatística População: consiste na totalidade das observações em que estamos interessados. Nº de observações na população é denominado tamanho=n.
Leia maisTÓPICOS DE RESOLUÇÃO - Exame de Época de Recurso (Nocturno) 2009/2010. Primeira Parte. P (X a) =1 F (a). 0 f(x) 1. P (X a X b) = F (a) F (b)
TÓPICOS DE RESOLUÇÃO - Exame de Época de Recurso (Nocturno) 009/00 Primeira Parte [,0]. Considere a variável aleatória (v.a.) X e seja F (x) a sua função distribuição. Considere as seguintes afirmações:
Leia maisModelos de Regressão Linear Simples - parte III
1 Modelos de Regressão Linear Simples - parte III Erica Castilho Rodrigues 20 de Setembro de 2016 2 3 4 A variável X é um bom preditor da resposta Y? Quanto da variação da variável resposta é explicada
Leia maisCONHECIMENTOS ESPECÍFICOS
CONHECIMENTOS ESPECÍFICOS quantidade São Paulo (j = 1) Rio de Janeiro (j = 2) Minas Gerais (j = 3) Rio Grande do Sul (j = 4) total casos novos (X, em milhões) casos pendentes (Y, em milhões) processos
Leia maisTestes de Hipóteses Paramétricos
Testes de Hipóteses Paramétricos Carla Henriques Departamento de Matemática Escola Superior de Tecnologia de Viseu Introdução Exemplos Testar se mais de metade da população irá consumir um novo produto
Leia maisESCOLA SUPERIOR DE TECNOLOGIA E GESTÃO
Área Científica Matemática Probabilidades e Estatística Curso Engenharia do Ambiente º Semestre º Ficha n.º: Probabilidades e Variáveis Aleatórias. Lançam-se ao acaso moedas. a) Escreva o espaço de resultados
Leia maisPROVA DE ESTATÍSTICA e PROBABILIDADES SELEÇÃO - MESTRADO/UFMG /2012
PROVA DE ESTATÍSTICA e PROBABILIDADES SELEÇÃO - MESTRADO/UFMG - 0/0 Instruções:. Cada questão respondida corretamente vale (um) ponto.. Cada questão respondida incorretamente vale - (menos um) ponto. 3.
Leia maisCapítulo 4 Inferência Estatística
Capítulo 4 Inferência Estatística Slide 1 Resenha Intervalo de Confiança para uma proporção Intervalo de Confiança para o valor médio de uma variável aleatória Intervalo de Confiança para a diferença de
Leia maisUniversidade Federal de Alfenas Programa de Pós-graduação em Estatística Aplicada e Biometria-PPGEAB Prova de Conhecimentos Específicos
-PPGEAB Dados que podem ser necessários na resolução de algumas questões: I. Dados da Tabela t de Student com ν graus de liberdade. P (t > t α ) = α ν 0,05 0,025 4 2,132 2,776 5 2,015 2,571 6 1,943 2,447
Leia maisTestes de Hipóteses Paramétricos
Testes de Hipóteses Paramétricos Departamento de Matemática Escola Superior de Tecnologia de Viseu (DepMAT ESTV) Testes de Hipóteses Paramétricos 1 / 41 Introdução. Hipóteses Estatísticas. Erro Tipo I
Leia maisProbabilidade e Estatística
Probabilidade e Estatística Aula 7 Distribuição da Média Amostral Leitura obrigatória: Devore: Seções 5.3, 5.4 e 5.5 Chap 8-1 Inferência Estatística Na próxima aula vamos começar a parte de inferência
Leia maisDefinição. Os valores assumidos pelos estimadores denomina-se estimativas pontuais ou simplesmente estimativas.
1. Inferência Estatística Inferência Estatística é o uso da informção (ou experiência ou história) para a redução da incerteza sobre o objeto em estudo. A informação pode ou não ser proveniente de um experimento
Leia maisi. f Y (y, θ) = 1/θ... 0 y θ 0... y < 0 ou y > θ Se a amostra selecionada foi ( ), qual será a estimativa para θ?
Fundação Getulio Vargas Curso: Graduação Disciplina: Estatística Professor: Moisés Balassiano Lista de Exercícios Inferência. Seja (Y, Y 2,..., Y n ) uma amostra aleatória iid, de tamanho n, extraída de
Leia maisMIEEC Probabilidades e Estatística 1 a Chamada 10/01/2008. Parte Prática
MIEEC Probabilidades e Estatística 1 a Chamada 1/1/8 Parte Prática Resolução 1. Definição dos acontecimentos: T 1 Cliente do operador Ptel 1 T Cliente do operador Ptel T 3 Cliente do operador Ptel 3 S
Leia mais(a) Se X Poisson(λ) e Y Poisson(µ), então X + Y Poisson(λ + µ). (b) Se X Binomial(n, p) e Y Binomial(m, p), então (X + Y ) Binomial(n + m, p).
Capítulo 0 Revisões Exercício 0.1 Sejam X e Y variáveis aleatórias independentes. Mostre que: (a) Se X Poisson(λ) e Y Poisson(µ), então X + Y Poisson(λ + µ). (b) Se X Binomial(n, p) e Y Binomial(m, p),
Leia maisFirst exam October 23, 2006 Statistics II
First exam October 3, 006 Statistics II 1. (7 points) Numa determinada empresa de recursos humanos um teste de aptidão é realizado por um elevado número de candidatos a um emprego. A pontuação obtida nesse
Leia maisProf. Lorí Viali, Dr.
Prof. Lorí Viali, Dr. viali@mat.ufrgs.br http://www.mat.ufrgs.br/~viali/ Em muitas situações duas ou mais variáveis estão relacionadas e surge então a necessidade de determinar a natureza deste relacionamento.
Leia maisP x. 2 i = P y. 2 i = Analise os dados e comente a possibilidade de existir uma relação linear entreasvariáveisemestudo.
8 Regressão Linear Exercício 8.1 Indique, justificando, qual dos valores abaixo indicados se aproxima mais do coeficiente de correlação dos dados descritos nas seguintes nuvens de pontos, X X X 1. r xy
Leia maisCasos. Índice. Parte I. Caso 1 Vendas da empresa Platox. Caso 2 Importação de matéria-prima. Caso 3 Carteira de acções. Caso 4 Lançamento de produto
Índice PREFÁCIO 15 NOTA INTRODUTÓRIA 17 CONVENÇÕES UTILIZADAS 19 Parte I Casos Caso 1 Vendas da empresa Platox 1. Enquadramento e objectivos 25 2. Aspectos metodológicos 26 3. Resultados e comentários
Leia maisEXAME DE ESTATÍSTICA / ESTATÍSTICA I
INSTITUTO POLITÉCNICO DE SETÚBAL ESCOLA SUPERIOR DE SAÚDE EAME DE ESTATÍSTICA / ESTATÍSTICA I Cursos: Licenciatura em Enfermagem e Licenciaturas Bi-etápicas em Fisioterapia e em Terapia da Fala Época de
Leia maisCatarina Marques. Estatística II Licenciatura em Gestão. Conceitos: População, Unidade Estatística e Amostra
Amostragem Estatística II Licenciatura em Gestão 1 Conceitos: População, Unidade Estatística e Amostra População (ou Universo) dimensão N Conjunto de unidades com uma ou mais características comuns População
Leia maisCONHECIMENTOS ESPECÍFICOS
CONHECIMENTOS ESPECÍFICOS 2003 2004 2005 2006 2007 2008 2009 2010 X 39,0 39,5 39,5 39,0 39,5 41,5 42,0 42,0 Y 46,5 65,5 86,0 100,0 121,0 150,5 174,0 203,0 A tabela acima mostra as quantidades, em milhões
Leia maisTeste de Hipóteses Paramétricos
Teste de Hipóteses Paramétricos Fundamentos de um teste de hipóteses Como construir testes de hipóteses para uma média. Como construir testes de hipóteses para uma proporção. Como construir testes de hipóteses
Leia maisAULA 05 Teste de Hipótese
1 AULA 05 Teste de Hipótese Ernesto F. L. Amaral 03 de setembro de 2012 Faculdade de Filosofia e Ciências Humanas (FAFICH) Universidade Federal de Minas Gerais (UFMG) Fonte: Triola, Mario F. 2008. Introdução
Leia mais