CEDEPLAR - UFMG Nivelamento em Estatística 2013 Prof a Sueli Moro. Variáveis aleatórias
|
|
- Matilde Viveiros Vidal
- 6 Há anos
- Visualizações:
Transcrição
1 CEDEPLAR - UFMG Nvelameto em Estatístca 3 Prof a Suel Moro Varáves aleatóras Varável aleatóra resultado ou produto de um epermeto aleatóro com um resultado úco. Varável resultado = Espaço amostral cojuto dos valores possíves do epermeto, ou de valores que a varável pode tomar represetados ormalmete por músculo. Eemplo : Epermeto jogar um dado vezes Espaço amostral, S todas as combações possíves de caras e coroas que podemos obter = Varável aleatóra, o de caras as vezes em que se joga o dado Se = 4 sso pode sgfcar um resultado de epermeto do tpo: Ca Ca Co Co Co Ca Co Co Co Ca Eemplo : Cosumo de famílas em fução da reda Espaço amostral, S todos os valores de cosumo possível por famla. = varável aleatóra cosumo = valores que o cosumo pode tomar para cada faa de reda. Podemos lmtar o espaço amostral para famílas com reda= por eemplo. Teorcamete podemos esperar qualquer resultado de cosumo para uma mesma faa de reda ou reda.
2 Reda Valores do Cosumo= O resultado é certo e podemos mputar probabldades às varáves aleatóras Prob = E. Prob =8 Varáves aleatóras dscretas e cotuas Dscretas evolvem cotagem E. o de acdetes uma estrada, resultados do jogo de dados, votar ou ão em determado partdo, comprar ou ão um carro, o de meos ou meas que um casal pode ter, casar ou ão, etc. A cada um dos valores de uma varável dscreta pode ser assocada uma probabldade probabldade de poto Cotíuas podem assumr todos os valores um determado tervalo resultado ftamete dvsível. E. Altura de pessoas, pesos de pessoas, cosumo de famílas, etc. Com varáves aleatóras cotíuas ão podemos assumr probabldades a um poto, somete a um tervalo.
3 Observações: A classfcação/defção da varável é mportate em ecoometra o método de estmação é defdo em fução do tpo de varável. Y = β + β + β + e ão estocástcos Mímos Quadrados Ordáros, Máma Verossmlhaça. e/ou estocástcos e correlacoados com o vetor de varáves aleatóras, Varáves Istrumetas, GMM. Y dscreto varável depedete dscreta modelos Logt/Probt Dados de Cross-secto amostra mas fácl de compreeder a aleatoredade. Dados de Séres Temporas realzação a prátca ão se pode esperar qualquer valor. E. Dados do PIB, Ivestmeto e séres macro em geral. Varáves aleatóras e suas dstrbuções Varáves aleatóras dscretas seguem dstrbuções dscretas o fto de valores que pode tomar. E: seja um casal que plaeja ter 3 flhos e a varável aleatóra dscreta defda como: = o de meos =,, 3 a cada um desses valores esta assocada uma probabldade. = valores que pode tomar 3
4 Espaço Amostral Stodos os resultados possíves Probabldades p ⅛ ⅜ 3 ⅜ 4 3 ⅛ Observar que os valores ão são gualmete prováves. O cojuto de probabldades de cada poto de é chamado de dstrbução de probabldade de ou fução de probabldade de : f = prob = Dstrbução fução de probabldade de f 3/8 /8 3 4
5 Aomas da Probabldade:. Prob =. f Etão:. A soma das alturas tem que ser gual a. A seqüêca,, 3, 4 clu todos os valores que pode tomar. Os valores de esse caso específco ão são gualmete prováves 3. Para qualquer poto que ão é um dos possíves valores que pode tomar f = E: laçameto de dado: =,, 3, 4, 5, 6 =,,3,4,5,6 6 f f /6 /6 3 3 /6 4 4 /6 5 5 /6 6 6 /6 Obs: Nesse caso os evetos são gualmete prováves. 5
6 Dstrbuções Dscretas Dstrbuções de Beroull, Bomal e Posso. Beroull usada em ecoometra para modelos de escolha dscreta. Só dos resultados são possíves ou teressam. E. comprar ou ão uma casa, um carro, máqua produzr ou ão parafuso defetuoso, cara ou coroa o laçameto de uma moeda, partcpar ou ão a força de trabalho ou a PEA, votar ou ão um determado caddato, etc. se o eveto A ocorre c se o eveto A ocorre P A p c P A p Eemplo: probabldade de votar um determado caddato é ¼ ou 5%. f p votar p ão votar p Fução de probabldade da dstrbução de Beroull: p p q q p ou,5.,75 q,5,5.,75,75 Se repetrmos o epermeto ou a amostragem vezes, teremos varáves de Beroull. Supodo-se as varáves depedetes umas das outras e os mesmos parâmetros p e q, a varável que represeta o o de sucessos obtdos em cada amostra segue uma dstrbução Bomal. Dfereça etre Beroull e Bomal: Beroull os dos resultados os teressam, ou acotece ou ão Bomal estou teressada o o de sucessos, ou seja, uma característca partcular 6
7 Fução de Probabldade da Bomal Epermeto jogar uma moeda 5 vezes e obter 3 caras sucesso obter 3 caras e obvamete coroas Qual a mha probabldade de sucesso? Resultados possíves: Ca Ca Ca Ca Ca Ca Ca Ca Ca Co Ca Ca Ca Co Co resultado que me teressa... Ca : p = ½ Co : q ou - p = ½ Ca Ca Ca Co Co p p p - p - p = p 3 -p Obs: otar que todos os resultados desse eveto, ou seja, do meu sucesso, teram a mesma probabldade. Ca Co Ca Ca Co p - p p p - p = p 3 -p quatas vezes essa combação va ocorrer? Quatos resultados desse tpo podem acotecer quado fazemos epermetos de jogar uma moeda 5 vezes? probabldade de caras em laçametos o de combações possíves em que 3 caras e coroas ocorrem: 5 5 C ou multplcado pela probabldade de ocorrêca do eveto. 3 3 º passo: quatas vezes a combação 3 caras e coroas vas ocorrer? 5 C 5! !3!!3! 3 7
8 º passo: va ocorrer vezes aquela combação com as probabldades p 3 -p P3 caras =. p 3 -p =. Caso Geral: P p q Eemplo: Supor que uma máqua produz um parafuso defetuoso com probabldade p =, ou % Probabldade de parafuso ão defetuoso: q = - p =,9 Selecoamos aleatoramete 6 parafusos produzdos pela máqua. Cada parafuso va ser defetuoso ou ão evetos depedetes. A probabldade de se obter qualquer seqüêca de parafusos defetuosos ou ão é o produto das probabldades de cada parafuso. Questão qual a probabldade de se obter parafusos defetuosos? N D N 3 N 4 D 5 N 6 q p q q p q p. q 4 º passo quatas dessas combações serão produzdas? C 6 6! !! 4!! º passo qual a probabldade de defetuosos? P C 6 4 p q. p. q 4 =.,.,9 4 =,78,8 8
9 Dstrbução de Posso Se aplca a acotecmetos raros: ocorrêca de gêmeos a população, destegração atômca pouquíssmos átomos por segudo em relação ao total do elemeto radatvo, o dáro de desastres uma estrada em relação ao o de carros que passam, lgações erradas um crcuto telefôco, etc. Semelhate a bomal porque só temos duas opções, mas o o de tetatvas N é maor. Pode surgr da bomal quado N tede ao fto. Fução de probabldade P = méda da dstrbução= N.p e Eemplo dos parafusos defetuosos. Um parafuso defetuoso pode também ser cosderado um eveto raro e quado N é muto grade podemos supor que segue uma dstrbução de Posso. p =, q =,9 Usado a dstrbução de Posso, qual a probabldade de se obter eatamete dos parafusos em 6 escolhdos arbtraramete = N.p = 6., =,6! P e,6.,6!,6,78.,6!,98 A apromação é melhor quado p, e =N.p 5 9
10 E. eemplo acma com N= e p=.5 = N.p =.,5 = 5 P e 5!.5,84 Varáves aleatóras cotíuas e suas dstrbuções Dstrbuções cotíuas a probabldade para um poto específco é zero. Só este probabldade para um tervalo. Fução desdade de probabldade fdp Em estatístca epermetal é comum que os resultados de um epermeto sejam perfetamete represetados por uma dstrbução específca de probabldade, mas em ecooma costuma-se ajustar ou modelar a dstrbução que mas se aproma do feômeo observado. A ormal é a dstrbução mas usada pelos ecoomstas para modelar/aalsar feômeos ecoômcos. Apesar dsso, outras dstrbuções podem ser usadas quado se aalsa feômeos mas específcos, mas raros, que a evolução da ecoometra já permte aalsar. Uma fdp precsa satsfazer a 3 requstos:. f é defda sempre dessa maera, etão pode ser maor do que, uma vez que é uma desdade de probabldade e ão uma probabldade. Prob a b = b a f d ou seja, tegra-se o tervalo 3. f d f é a fução que detfca, ou está assocada à varável. Se os dados têm uma dstrbução ormal, f será a ormal. Normalmete o tervalo ão é fto, etão sub-etede-se que fora do tervalo específco da varável, f = Obs: Uma vez que cada poto tem Prob = tato faz:
11 Prob a b = Prob a < b = Prob a < b = Prob a < < b Eemplo: se f = k - calcular a probabldade de termos <,. para <, determar o valor de k e Valor de k: k k d d 3 4 k c 3 4 k k Probabldade: Prob,, d 3 4 Prob, c 3 4,,7,7% Fução de probabldade cumulatva Probabldade de a Varável dscreta F f Prob Varável cotíua F f t dt Para se obter a fução ão cumulatva f : df f d
12 A fução cumulatva, F, precsa satsfazer as segutes propredades caso dscreto e cotíuo:. F. se > y, F Fy 3. F ; F 4. Prob a < b = Fb Fa A dstrbução ormal Tem orgem a bomal. Quado o úmero de observações,, a bomal aumeta, para um p fo, a bomal tede à ormal. A curva ormal ou gaussaa é completamete determada por dos parâmetros, a méda,, e a varâca,. Nem toda dstrbução em forma de so é ormal. A ormal é somete aquela em que a área sob a curva é dstrbuída de maera específca. A assmetra, ou tercero mometo em relação à méda, da ormal é gual a zero e a curtose, quarto mometo, é gual a três. Etretato, a ormal é uma boa apromação para qualquer dstrbução quado é um resultado do Teorema do Lmte Cetral.
13 De Movre mostrou que quado o tamaho da amostra aumetava ftamete, a bomal teda à ormal as freqüêcas fusoavam umas as outras. E: o de peças defetuosas a produção de uma máqua: N= peças, p =,5 5% q =,95 95% P P p q 99 p q P 3 3,95% P 4 7,8% 98!,5,95 99!!! 98!!,5 99,95 *,5*,634,3 3,% 98,8 8,% P 5 8% com maor freqüêca teríamos 5 peças defetuosase=.p=*,5=5 P 6 5%
14 Se eu tvesse 5 ou peças E=.p=5*,5=5 a varável se torara mas cotíua. Outra maera de mostrar: Se subtrarmos a méda ver méda e var das dstrbuções de uma varável bomal de cada valor que ela pode tomar ou seja, ou, temos uma ova varável: W = - p EW = E[ - p] = E Ep = p p = EW = depedetemete do valor de ou p! VarW = Var[ - p] = Var Varp = Var = p p VarW = p p var da bomal observar que a méda é zero mas a var é a mesma Se dvdrmos W pelo desvo padrão da bomal e de W, teremos uma ova varável: z W p p Fazedo c p p Ez EcW cew p p p Varz Var cw c VarW p p p p z varável bomal padrozada Teorema de De-Movre-Laplace: Para quasquer úmeros z < z e um valor p fo etre e, < p <, se aumetarmos defdamete, a probabldade que a varável bomal satsfaça a desgualdade Pr p z ob z z tede ao lmte z p p e z dz ormal cumulatva Obs: se uma varável tem dstrbução bomal com méda p e varâca p-p a probabldade que esteja etre dos valores z > z é o lmte acma, 4
15 ou seja, a probabldade é o tervalo etre z e z. Ou seja, agora ão há mas probabldade de poto varável dscreta e sm de tervalo varável cotíua. A equação acma é a da dstrbução ormal e o teorema de De-Movre-Laplace smplesmete afrma que: lm Prob z p z p p z ode F z e Obs: z dz F z F z é a fução cumulatva Esse teorema se aplca a grades, mas se p ão é muto próma de ou, = 4 já forece uma boa apromação. Se p =,5 a ormal já é uma boa apromação com =! Desdade de Probabldade da Normal 5
16 6 A ormal uvarada: e f,, Ode: = varâca de = méda de Normalmete trabalhamos com a fução a forma logarítmca: l,, l f A dervada prmera do l da fução produz: f l A dervada seguda é egatva, etão = é um poto de mámo. Se gualarmos a dervada seguda a zero, temos dos potos de fleão:
17 7 Uma vez que a ormal é completamete determada pela méda e varâca, este uma fdade de curvas ormas. A ormal padrozada, com méda zero e varâca utára, é represetada por: e Z z f Ode z Prova: ] [ E E E E z E Var Var Var Var Var z Var Seja {, =,...} amostras depedetes retradas da dstrbução acma. As amostras são..d depedetes e detcamete dstrbuídas. A fução desdade para essas amostras é represetada por: e f /,, Fução a forma logarítmca: f l,, l
18 8 f l Estmador de Máma Verossmlhaça para a méda! A Normal Cumulatva d F e [ Se uma varável cotíua tem dstrbução ormal com méda e varâca dz-se que: N,. A probabldade que esteja etre dos valores > é dada por:
19 prob = F - F estem tabelas para sso. Obs: A fução cumulatva é defda da mesma maera, ão mporta se a varável é dscreta, cotua ou msta dscreta e cotíua. Dstrbuções mstas são comus em modelos ecoométrcos e chamam-se dstrbuções trucadas. E. reda pode ser amostrada abao de 3. reas por ao, por eemplo. Valores acma de 3. reas cotam como cotua problema da amostra vés de seleção 3. dscreta Obs: estem tabelas um pouco dferetes para a ormal. Ateção para o tpo de tabela que se tem em mãos! º tpo: 9
20 Eemplo: Em um eame fal de matemátca, a méda fo 7 e o desvo padrão, 7,6. = otas em matemátca = 4, 57, 6,7,8, 85, 87,93 E = = 7 Desvo padrão = = 7,6 Calcular a probabldade de um estudate trar uma ota etre: a 7 e 8; b 57 e 7; º passo padrozar: a etre 7 e ,6 8 7,45 7,6 passo achar a probabldade a tabela Prob =,736 b etre 57 e ,85 a 7,6 68 7,3 b 7,6 prob [ < z <,85 < z <,3] =,33-,9 =.3 tpo:
21 a 7 e 8; 7 7 7,6 8 7,45 7,6 Prob[Z > Z >,45 =,5-,364 =,736 b etre 57 e ,85 a 7,6 68 7,3 b 7,6 prob [z <,3 z <,85] =,49-,977 =.3 3º tpo: tabela da Normal Cumulatva
22 a Prob[- < Z <,45 - < Z < =,6736 -,5 =,736 b Prob[- < Z <,85 - < Z <,3 =,83 -,59 =,3 Cálculo de probabldades em fuções descotíuas
23 F Z 3 Z Z Z 3 4 Eemplos: Prob < = z z = Prob > = - z 3 Prob < 3 = Prob 3 Prob = z 3 z Obs: quado este uma descotudade a fução cumulatva: Prob Prob < No eemplo acma: Prob = = Prob Prob < = z z Prob = 3 = Prob 3 Prob < 3 = z 3 z Prob = = Prob Prob < = z z = Prob = 4 = = Teoremas relacoados a ormal Se as varáves aleatóras,... são depedetes e se tem uma dstrbução ormal com méda e varâca =...k, etão a soma tem uma dstrbução ormal com méda e varâca Ou seja, a soma de varáves ormalmete dstrbuídas tem dstrbução ormal; a méda da soma é a soma das médas e a varâca é a soma das varâcas. Isso acotece também com as varáves padrozadas com méda zero e varâca. Nesse caso a méda da soma é zero e a varâca é a soma das varâcas. 3
24 Se a varável aleatóra N,, etão, a + b N[a+b,b ]. Ou seja, trasformações leares de varáves ormalmete dstrbuídas são também ormalmete dstrbuídas. 3 Se as varáves aleatóras,... formam uma amostra aleatóra de uma dstrbução ormal com méda e varâca, etão a méda da amostra, deomada tem uma dstrbução ormal com méda e varâca N, Cada observação é uma varável aleatóra temos varáves. todos os valores que pode tomar quado se retra a ª observação Etão pode ser vsto como uma combação de varáves ormalmete dstrbuídas, uma vez que é ormal. E[ E[ ] E ] E esperaça da soma de varáves depedetes é gual a soma das esperaças. E[ ] E [ E E... E ] mas,... tem a mesma méda e varâca. Etão: E [ ] [... ] Var [ ] Var Var varâca da soma de varáves aleatóras depedetes é gual a soma das varâcas. Var[ ] [ Var Var..... Var ] [... ] 4
25 Coclusão: se N,, etão N, /. E quado ão se sabe a dstrbução de orgem? Supor que tem uma outra dstrbução qualquer com méda e varâca e,... são varáves aleatóras etraídas dessa dstrbução. Etão: E[ ] E [ E E... E ] [... ] Var[ ] [ Var Var..... Var ] [... ] Daí o teorema: Se é uma varável com méda e varâca, etão qualquer que seja a dstrbução de, a dstrbução da méda amostral,, tem a mesma méda de,, e varâca gual a /. Outra característca mportate de que é depedete da dstrbução de orgem: Teorema do Lmte Cetral Se tem qualquer dstrbução com méda e varâca, etão a dstrbução da méda amostral, se aproma da ormal com méda, e varâca / quado o tamaho da amostra,, aumeta. Obs: população ão ormal mas smétrca ormal é uma boa apromação pequeas amostras e dstrbuções assmétrcas ão é acoselhável apromar com uma ormal. Esperaça Matemátca E = valor esperado de, esperaça de 5
Distribuições de Probabilidades
Estatístca - aulasestdstrnormal.doc 0/05/06 Dstrbuções de Probabldades Estudamos aterormete as dstrbuções de freqüêcas de amostras. Estudaremos, agora, as dstrbuções de probabldades de populações. A dstrbução
Leia maisDistribuições Amostrais. Estatística. 8 - Distribuições Amostrais UNESP FEG DPD
Dstrbuções Amostras Estatístca 8 - Dstrbuções Amostras 08- Dstrbuções Amostras Dstrbução Amostral de Objetvo: Estudar a dstrbução da população costtuída de todos os valores que se pode obter para, em fução
Leia maisMÓDULO 8 REVISÃO REVISÃO MÓDULO 1
MÓDULO 8 REVISÃO REVISÃO MÓDULO A Estatístca é uma técca que egloba os métodos cetícos para a coleta, orgazação, apresetação, tratameto e aálse de dados. O objetvo da Estatístca é azer com que dados dspersos
Leia maisTeoria das Comunicações
Teora das Comucações.6ª Revsão de robabldade rof. dré Noll arreto rcíos de Comucação robabldade Cocetos áscos Eermeto aleatóro com dversos resultados ossíves Eemlo: rolar um dado Evetos são cojutos de
Leia maisTeoria Elementar da Probabilidade. a) Cada experiência poderá ser repetida indefinidamente sob condições essencialmente inalteradas.
Estatístca 47 Estatístca 48 Teora Elemetar da Probabldade SPECTOS PERTINENTES À CRCTERIZÇÃO DE UM EXPERIÊNCI LETÓRI MODELOS MTEMÁTICOS DETERMINÍSTICOS PROBBILÍSTICOS PROCESSO (FENÓMENO) LETÓRIO - Quado
Leia mais1. Conceito de variável aleatória Podemos estudar, por exemplo, algumas características dos alunos do Curso de estatística.
CAPÍTULO 7 VARIÁVEL ALEATÓRIA A probabldade teve íco com os jogos de azar (século XVII) com Cavalero de Nere, Fermat e Pascal, porém, coube a Beroull (73) laçar as bases da probabldade e a segur Laplace
Leia maisCAPÍTULO 3 MEDIDAS DE TENDÊNCIA CENTRAL E VARIABILIDADE PPGEP Medidas de Tendência Central Média Aritmética para Dados Agrupados
3.1. Meddas de Tedêca Cetral CAPÍTULO 3 MEDIDA DE TENDÊNCIA CENTRAL E VARIABILIDADE UFRG 1 Há váras meddas de tedêca cetral. Etre elas ctamos a méda artmétca, a medaa, a méda harmôca, etc. Cada uma dessas
Leia maisMEDIDAS DE POSIÇÃO: X = soma dos valores observados. Onde: i 72 X = 12
MEDIDAS DE POSIÇÃO: São meddas que possbltam represetar resumdamete um cojuto de dados relatvos à observação de um determado feômeo, pos oretam quato à posção da dstrbução o exo dos, permtdo a comparação
Leia maisEstatística - exestatmeddisper.doc 25/02/09
Estatístca - exestatmeddsper.doc 5/0/09 Meddas de Dspersão Itrodução ão meddas estatístcas utlzadas para avalar o grau de varabldade, ou dspersão, dos valores em toro da méda. ervem para medr a represetatvdade
Leia maisInterpolação. Exemplo de Interpolação Linear. Exemplo de Interpolação Polinomial de grau superior a 1.
Iterpolação Iterpolação é um método que permte costrur um ovo cojuto de dados a partr de um cojuto dscreto de dados potuas cohecdos. Em egehara e cêcas, dspõese habtualmete de dados potuas, obtdos a partr
Leia maisEm muitas situações duas ou mais variáveis estão relacionadas e surge então a necessidade de determinar a natureza deste relacionamento.
Prof. Lorí Val, Dr. val@pucrs.r http://www.pucrs.r/famat/val/ Em mutas stuações duas ou mas varáves estão relacoadas e surge etão a ecessdade de determar a atureza deste relacoameto. A aálse de regressão
Leia maisEstatística Descritiva. Medidas estatísticas: Localização, Dispersão
Estatístca Descrtva Meddas estatístcas: Localzação, Dspersão Meddas estatístcas Localzação Dspersão Meddas estatístcas - localzação Méda artmétca Dados ão agrupados x x Dados dscretos agrupados x f r x
Leia maisInferência Estatística e Aplicações I. Edson Zangiacomi Martinez Departamento de Medicina Social FMRP/USP
Iferêca Estatístca e Aplcações I Edso Zagacom Martez Departameto de Medca Socal FMRP/USP edso@fmrp.usp.br Rotero Parte I Escola frequetsta Defções: parâmetros, estmatvas Dstrbuções de probabldade Estmação
Leia maisFaculdade de Tecnologia de Catanduva CURSO SUPERIOR DE TECNOLOGIA EM AUTOMAÇÃO INDUSTRIAL
Faculdade de Tecologa de Cataduva CURSO SUPERIOR DE TECNOLOGIA EM AUTOMAÇÃO INDUSTRIAL 5. Meddas de Posção cetral ou Meddas de Tedêca Cetral Meddas de posção cetral preocupam-se com a caracterzação e a
Leia maisRelatório 2ª Atividade Formativa UC ECS
Relatóro 2ª Atvdade Formatva Eercíco I. Quado a dstrbução de dados é smétrca ou apromadamete smétrca, as meddas de localzação méda e medaa, cocdem ou são muto semelhates. O mesmo ão acotece quado a dstrbução
Leia maisEconometria: 3 - Regressão Múltipla
Ecoometra: 3 - Regressão Múltpla Prof. Marcelo C. Mederos mcm@eco.puc-ro.br Prof. Marco A.F.H. Cavalcat cavalcat@pea.gov.br Potfíca Uversdade Católca do Ro de Jaero PUC-Ro Sumáro O modelo de regressão
Leia maisMEDIDAS DE TENDÊNCIA CENTRAL I
Núcleo das Cêcas Bológcas e da Saúde Cursos de Bomedca, Ed. Físca, Efermagem, Farmáca, Fsoterapa, Fooaudologa, edca Veterára, uscoterapa, Odotologa, Pscologa EDIDAS DE TENDÊNCIA CENTRAL I 7 7. EDIDAS DE
Leia maisx n = n ESTATÍSTICA STICA DESCRITIVA Conjunto de dados: Organização; Amostra ou Resumo; Apresentação. População
ESTATÍSTICA STICA DESCRITIVA Prof. Lorí Val, Dr. val@mat.ufrgs.br http://.ufrgs.br/~val/ Orgazação; Resumo; Apresetação. Cojuto de dados: Amostra ou População Um cojuto de dados é resumdo de acordo com
Leia maisConstrução e Análise de Gráficos
Costrução e Aálse de Gráfcos Por que fazer gráfcos? Facldade de vsualzação de cojutos de dados Faclta a terpretação de dados Exemplos: Egehara Físca Ecooma Bologa Estatístca Y(udade y) 5 15 1 5 Tabela
Leia maisDados Experimentais. Isto é chamado de experimento controlado. Uma das vantagens
Dados xpermetas Para medr a produção de certa varedade de mlho, faremos um expermeto o qual a varedade de mlho semete é platada em váras parcelas homogêeas com o mesmo fertlzate, pestcda etc. Depos mede-se
Leia maisESTATÍSTICA Exame Final 1ª Época 3 de Junho de 2002 às 14 horas Duração : 3 horas
Faculdade de cooma Uversdade Nova de Lsboa STTÍSTIC xame Fal ª Época de Juho de 00 às horas Duração : horas teção:. Respoda a cada grupo em folhas separadas. Idetfque todas as folhas.. Todas as respostas
Leia maisESTATÍSTICA MÓDULO 3 MEDIDAS DE TENDÊNCIA CENTRAL
ESTATÍSTICA MÓDULO 3 MEDIDAS DE TEDÊCIA CETRAL Ídce. Meddas de Tedêca Cetral...3 2. A Méda Artmétca Smles ( μ, )...3 3. A Méda Artmétca Poderada...6 Estatístca Módulo 3: Meddas de Tedêca Cetral 2 . MEDIDAS
Leia maisControle Estatístico de Qualidade. Capítulo 6 (montgomery)
Cotrole Estatístco de Qualdade Capítulo 6 (motgomery) Gráfcos de Cotrole para Atrbutos Itrodução Mutas característcas da qualdade ão podem ser represetadas umercamete. Nestes casos, classfcamos cada tem
Leia maisÉ 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 etre duas ou mas varáves. Pode ser: correlacoal ou expermetal. Numa relação expermetal os valores de uma das varáves
Leia mais? Isso é, d i= ( x i. . Percebeu que
Estatístca - Desvo Padrão e Varâca Preparado pelo Prof. Atoo Sales,00 Supoha que tehamos acompahado as otas de quatro aluos, com méda 6,0. Aluo A: 4,0; 6,0; 8,0; méda 6,0 Aluo B:,0; 8,0; 8,0; méda 6,0
Leia maisESTATÍSTICA MÓDULO 2 OS RAMOS DA ESTATÍSTICA
ESTATÍSTICA MÓDULO OS RAMOS DA ESTATÍSTICA Ídce. Os Ramos da Estatístca...3.. Dados Estatístcos...3.. Formas Icas de Tratameto dos Dados....3. Notação por Ídces...5.. Notação Sgma ()...5 Estatístca Módulo
Leia mais1. Revisão Matemática
1. Revsão Matemátca Dervadas Seja a fução f : R R, fxe x R, e cosdere a expressão : f ( x+ αe ) lmα 0 α f, ode e é o vector utáro. Se o lmte acma exstr, chama-se a dervada parcal de f o poto x e é represetado
Leia maisCritérios de correção e orientações de resposta exame
Mstéro da Cêca, Tecologa e Eso Superor U.C. 1037 Elemetos de Probabldade e Estatístca 1 de Juho de 011 Crtéros de correção e oretações de resposta eame Neste relatóro apresetam-se os crtéros e um eemplo
Leia maisRevisão de Estatística X = X n
Revsão de Estatístca MÉDIA É medda de tedêca cetral mas comumete usada ara descrever resumdamete uma dstrbução de freqüêca. MÉDIA ARIMÉTICA SIMPLES São utlzados os valores do cojuto com esos guas. + +...
Leia maisEstatística Básica - Continuação
Professora Adraa Borsso http://www.cp.utfpr.edu.br/borsso adraaborsso@utfpr.edu.br COEME - Grupo de Matemátca Meddas de Varabldade ou Dspersão Estatístca Básca - Cotuação As meddas de tedêca cetral, descrtas
Leia maisProfessor Mauricio Lutz REGRESSÃO LINEAR SIMPLES. Vamos, então, calcular os valores dos parâmetros a e b com a ajuda das formulas: ö ; ø.
Professor Maurco Lutz 1 EGESSÃO LINEA SIMPLES A correlação lear é uma correlação etre duas varáves, cujo gráfco aproma-se de uma lha. O gráfco cartesao que represeta essa lha é deomado dagrama de dspersão.
Leia maisREGESD Prolic Matemática e Realidade- Profª Suzi Samá Pinto e Profº Alessandro da Silva Saadi
REGESD Prolc Matemátca e Realdade- Profª Suz Samá Pto e Profº Alessadro da Slva Saad Meddas de Posção ou Tedêca Cetral As meddas de posção ou meddas de tedêca cetral dcam um valor que melhor represeta
Leia maisEstimação pontual, estimação intervalar e tamanho de amostras
Estmação potual, estmação tervalar e tamaho de amostras Iferêca: por meo das amostras, cohecer formações geras da população. Problemas de ferêca, em geral, se dvdem em estmação de parâmetros e testes de
Leia maisDescritiva. Francisco Cysneiros DE - UFPE
Noções de Estatístca Descrtva Dr. Fracsco Cyseros Profº. Adjuto do Departameto de Estatístca-CCEN/UFPE E-mal: cyseros@de.ufpe.br web-page: www.de.ufpe.br/~cyseros/dscpla/farmaca/farmaca.htm Foe: (8) 6
Leia maisESTATÍSTICA Aula 7. Prof. Dr. Marco Antonio Leonel Caetano
ESTATÍSTICA Aula 7 Prof. Dr. Marco Atoo Leoel Caetao Dstrbuções de Probabldade DISCRETAS CONTÍNUAS (Números teros) Bomal Posso Geométrca Hper-Geométrca Pascal (Números reas) Normal t-studet F-Sedecor Gama
Leia maisCAPÍTULO 5: AMOSTRAGEM
CAPÍTULO 5: AMOSTRAGEM 5. Itrodução A estatístca dutva busca trar coclusões probablístcas ou fazer ferêcas, sobre populações, com base em resultados verfcados em amostras retradas dessas populações. Além
Leia maisEstudo do intervalo de confiança da regressão inversa utilizando o software R
Estudo do tervalo de cofaça da regressão versa utlzado o software R Llae Lopes Cordero João Domgos Scalo. Itrodução Na maora das aplcações evolvedo regressão, determa-se o valor de Y correspodete a um
Leia mais9 Medidas Descritivas
1 9 Meddas Descrtvas Vmos aterormete que um cojuto de dados pode ser resumdo através de uma dstrbução de freqüêcas, e que esta pode ser represetada através de uma tabela ou de um gráfco. Se o cojuto refere-se
Leia maisIntrodução à Estatística. Júlio Cesar de C. Balieiro 1
Itrodução à Estatístca Júlo Cesar de C. Balero Estatístca É a cêca que se preocupa com: () Orgazação; () Descrção; () Aálses; (v) Iterpretações. Estatístca Descrtva Estatístca Idutva ou Estatístca Ierecal
Leia maisEstatística: uma definição
Coleção de úmeros estatístcas Estatístca: uma defção O úmero de carros veddos o país aumetou em 30%. A taa de desemprego atge, este mês, 7,5%. As ações da Telebrás subram R$,5, hoje. Resultados do Caraval
Leia mais6.1 - PROCEDIMENTO DE AVALIAÇÃO DE INCERTEZA EM MEDIÇÕES DIRETAS
7 6 - PROCEDIMENTO DE AVALIAÇÃO DE INCERTEZA EM MEDIÇÕES DIRETAS A medção dreta é aquela cuja dcação resulta aturalmete da aplcação do sstema de medção sobre o mesurado Há apeas uma gradeza de etrada evolvda
Leia maisApêndice 1-Tratamento de dados
Apêdce 1-Tratameto de dados A faldade deste apêdce é formar algus procedmetos que serão adotados ao logo do curso o que dz respeto ao tratameto de dados epermetas. erão abordados suctamete a propagação
Leia mais1. Conceitos básicos de estatística descritiva 1.3. Noção de extracção aleatória e de probabilidade
Sumáro (3ª aula). Cocetos báscos de estatístca descrtva.3. Noção de etracção aleatóra e de probabldade.4 Meddas de tedêca cetral.4. Méda artmétca smples.4. Méda artmétca poderada.4.3 Méda artmétca calculada
Leia maisHipóteses do Modelo de Regressão Linear Clássico
Uversdade Federal da Baha Facldade de Cêcas coômcas Departameto de cooma CO 66 Itrodção à coometra Hpóteses do Modelo de Regressão Lear Clássco Gerváso F. Satos Propredades dos estmadores de MQO As estmatvas
Leia maisApostila de Introdução Aos Métodos Numéricos
Apostla de Itrodução Aos Métodos Numércos PARTE III o Semestre - Pro a. Salete Souza de Olvera Buo Ídce INTERPOAÇÃO POINOMIA...3 INTRODUÇÃO...3 FORMA DE AGRANGE... 4 Iterpolação para potos (+) - ajuste
Leia maisMEDIDAS DE DISPERSÃO:
MEDID DE DIPERÃO: fução dessas meddas é avalar o quato estão dspersos os valores observados uma dstrbução de freqüêca ou de probabldades, ou seja, o grau de afastameto ou de cocetração etre os valores.
Leia maisIntrodução à Estatística
Itrodução à Estatístca Júlo Cesar de C. Balero Estatístca É a cêca que se preocupa com: () Orgazação; () Descrção; () Aálses; (v) Iterpretações. Estatístca Descrtva Estatístca Idutva ou Estatístca Ierecal
Leia maisMédia. Mediana. Ponto Médio. Moda. Itabira MEDIDAS DE CENTRO. Prof. Msc. Emerson José de Paiva 1 BAC011 - ESTATÍSTICA. BAC Estatística
BAC 0 - Estatístca Uversdade Federal de Itajubá - Campus Itabra BAC0 - ESTATÍSTICA ESTATÍSTICA DESCRITIVA MEDIDAS DE CENTRO Méda Medda de cetro ecotrada pela somatóra de todos os valores de um cojuto,
Leia maisTESTES DE PROPORÇÕES TESTE DE UMA PROPORÇÃO POPULACIONAL
TESTES DE PROPORÇÕES TESTE DE UMA PROPORÇÃO POPULACIONAL As hpóteses a serem testadas serão: H 0 : p p 0 H : p p 0 p > p 0 p < p 0 Estatístca do Teste: pˆ p0 z c p ( p ) 0 0 EXEMPLOS. Uma máqua está regulada
Leia mais3. METODOLOGIAS ESTATÍSTICAS E GEOESTATÍSTICAS
33 3 METODOLOGIAS ESTATÍSTICAS E GEOESTATÍSTICAS 3 Aálse Estatístca A eecução de aálses estatístcas báscas é tarefa pratcamete obrgatóra o tratameto de amostrages e o processameto de quatdades sgfcatvas
Leia maisForma padrão do modelo de Programação Linear
POGAMAÇÃO LINEA. Forma Padrão do Modelo de Programação Lear 2. elações de Equvalêca 3. Suposções da Programação Lear 4. Eemplos de Modelos de PPL 5. Suposções da Programação Lear 6. Solução Gráfca e Iterpretação
Leia maisConceitos básicos de metrologia. Prof. Dr. Evandro Leonardo Silva Teixeira Faculdade UnB Gama
Prof. Dr. Evadro Leoardo Slva Teera Faculdade UB Gama Metrologa: Cêca que abrage os aspectos teórcos e prátcos relatvos a medção; Descreve os procedmetos e métodos para determar as certezas de medções;
Leia maisx Ex: A tabela abaixo refere-se às notas finais de três turmas de estudantes. Calcular a média de cada turma:
Professora Jaete Perera Amador 1 9 Meddas Descrtvas Vmos aterormete que um cojuto de dados pode ser resumdo através de uma dstrbução de freqüêcas, e que esta pode ser represetada através de uma tabela
Leia maisCálculo Numérico. Ajuste de Curvas Método dos Mínimos Quadrados. Profa. Vanessa Rolnik 1º semestre 2015
Cálculo Numérco Ajuste de Curvas Método dos Mímos Quadrados Profa. Vaessa Rolk º semestre 05 Ajuste de curvas Para apromar uma fução f por um outra fução de uma famíla prevamete escolhda (caso cotíuo)
Leia mais( k) Tema 02 Risco e Retorno 1. Conceitos Básicos
FEA -USP Graduação Cêcas Cotábes EAC05 04_0 Profa. Joaíla Ca. Rsco e Retoro. Cocetos Báscos Rotero BE-cap.6 Tema 0 Rsco e Retoro. Cocetos Báscos I. O que é Retoro? II. Qual é o Rsco de um Atvo Idvdual
Leia maisEstatística: uma definição
Prof. Lorí Val, Dr. val@ufrgs.br http://www.ufrgs.br/~val/ Estatístca: uma defção Coleção de úmeros estatístcas O úmero de carros veddos o país aumetou em 30%. A taa de desemprego atge, este mês, 7,5%.
Leia mais13 ESTIMAÇÃO DE PARÂMETROS E DISTRIBUIÇÃO AMOSTRAL
3 ESTIMAÇÃO DE PARÂMETROS E DISTRIBUIÇÃO AMOSTRAL Como vto em amotragem o prmero bmetre, etem fatore que fazem com que a obervação de toda uma população em uma pequa eja mpratcável, muta veze em vrtude
Leia maisX = 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 maisANÁLISE DE REGRESSÃO E CORRELAÇÃO
ANÁLISE DE REGRESSÃO E CORRELAÇÃO Quado se cosderam oservações de ou mas varáves surge um poto ovo: O estudo das relações porvetura estetes etre as varáves. A aálse de regressão e correlação compreedem
Leia maisModelos de Regressão Linear Simples e Múltipla. Fabio Antonio Avilla (Matemática) Profª Dra. Carine Savalli Redígolo (Orientadora)
Modelos de Regressão Lear Smples e Múltpla Fabo Atoo Avlla (Matemátca) Profª Dra. Care Savall Redígolo (Oretadora) Resumo Dversas áreas do cohecmeto cetífco procuram valdar suas hpóteses por meo de pesqusas
Leia maisRevisão/Resumo de Análise Estatística I e Introdução à Tecnologia da Amostragem I
Dscpla: Tecologa da Amostragem I Professor: Marcelo Rubes Revsão/Resumo de Aálse Estatístca I e Itrodução à Tecologa da Amostragem I 1 - Modelos Estatístcos/Probablístcos São modelos que se aplcam quado
Leia maisRACIOCÍNIO LÓGICO / ESTATÍSTICA LISTA 2 RESUMO TEÓRICO
RACIOCÍIO LÓGICO - Zé Carlos RACIOCÍIO LÓGICO / ESTATÍSTICA LISTA RESUMO TEÓRICO I. Cocetos Icas. O desvo médo (DM), é a méda artmétca dos desvos de cada dado da amostra em toro do valor médo, sto é x
Leia maisSumário. Mecânica. Sistemas de partículas
umáro Udade I MECÂNICA 2- Cetro de massa e mometo lear de um sstema de partículas - stemas de partículas e corpo rígdo. - Cetro de massa. - Como determar o cetro de massa dum sstema de partículas. - Vetor
Leia mais7 Análise de covariância (ANCOVA)
Plejameto de Expermetos II - Adlso dos Ajos 74 7 Aálse de covarâca (ANCOVA) 7.1 Itrodução Em algus expermetos, pode ser muto dfícl e até mpossível obter udades expermetas semelhtes. Por exemplo, pode-se
Leia maisÍNDICE DE THEIL Referência Obrigatória: Hoffman cap 4 pags 99 a 116 e cap 3 pgs (seção 3.4).
Cetro de Polítcas Socas - Marcelo Ner ÍNDICE DE HEIL Referêca Obrgatóra: Hoffma cap 4 pags 99 a 6 e cap 3 pgs 42-44 (seção 3.4).. Coteúdo Iformatvo de uma mesagem Baseado a teora da formação, que aalsa
Leia maisEstatística I Finanças e Contabilidade
ISCTE 009-10 1/68 Estatístca I Faças e Cotabldade ISCTE 009-10 /68 Itrodução Objectvos prcpas da Estatístca A teora estatístca procura respoder a 3 questões báscas: Como recolher dados para aalsar Como
Leia maisGrande Conjuntos de Dados. Organização; Resumo; Apresentação. Amostra ou População. Defeitos em uma linha de produção
Prof. Lorí Val, Dr. val@pucr.br http://www.pucr.br/~val/ Grade Cojuto de Dado Orgazação; Reumo; Apreetação. Amotra ou População Defeto em uma lha de produção Lacado Deeho Torto Deeho Torto Lacado Torto
Leia maisESTATÍSTICA 2º. SEMESTRE DE 2016
ESTATÍSTICA O presete materal fo elaborado com o objetvo de facltar as atvdades em sala de aula, segudo a bblografa apresetada o fal do texto. Esclarece-se que o materal, ão substtu a bblografa apresetada,
Leia maisTRABALHO DE COMPENSAÇÃO DE FALTAS - DP
Cotrole do Proº Compesou as Faltas Não Compesou as Faltas TRABALHO DE COMPENSAÇÃO DE FALTAS - DP (De acordo coma s ormas da Isttução) CURSO: CIÊNCIAS CONTÁBEIS DISCIPLINA: INTRODUÇÃO À ESTATÍSTICA 2º ANO
Leia maisMATERIAL DE ESTATÍSTICA II PROF. MÁRIO ROBERTO
1 VARIÁVEIS ALEATÓRIAS O que se etede por varável aleatóra? Até agora ossos estudos estavam pratcamete voltados mas para defrmos osso Espaço Amostral U, sem assocarmos suas respectvas probabldades aos
Leia maisEconometria: 4 - Regressão Múltipla em Notação Matricial
Ecoometra: 4 - Regressão últpla em Notação atrcal Prof. arcelo C. ederos mcm@eco.puc-ro.br Prof. arco A.F.H. Cavalcat cavalcat@pea.gov.br Potfíca Uversdade Católca do Ro de Jaero PUC-Ro Sumáro O modelo
Leia maisAULA Produto interno em espaços vectoriais reais ou complexos Produto Interno. Norma. Distância.
Note bem: a letura destes apotametos ão dspesa de modo algum a letura ateta da bblografa prcpal da cadera Chama-se a ateção para a mportâca do trabalho pessoal a realzar pelo aluo resoledo os problemas
Leia maisRegressão e Correlação
Regressão e Correlação Júlo Osóro Regressão & Correlação: geeraldades Em mutas stuações de pesqusa cetífca, dspomos de uma amostra aleatóra de pares de dados (x, ), resultates da medda cocomtate de duas
Leia maisCADERNO DE EXERCÍCIOS PARA ACOMPANHAMENTO DA DISCIPLINA INTRODUÇÃO À BIOESTATÍSTICA
UNIVERSIDADE FEDERAL DE MINAS GERAIS INSTITUTO DE CIÊNCIAS EXATAS ICE DEPARTAMENTO DE ESTATÍSTICA CADERNO DE EXERCÍCIOS PARA ACOMPANHAMENTO DA DISCIPLINA INTRODUÇÃO À BIOESTATÍSTICA Autores (em ordem alfabétca)
Leia mais3. ANPEC Questão 15 Ainda em relação à questão anterior pode-se concluir que, exceto por erro de arredondamento:
Lsta de Exercícos #9 Ass uto: Aáls e de Re gres s ão Mé todo de Mímos Quadrados. ANPEC 99 - Questão 8 A capacdade de produção stalada (Y), em toeladas, de uma frma, pode ser fução da potêca stalada (X),
Leia maisCAP. V AJUSTE DE CURVAS PELO MÉTODO DOS MÍNIMOS QUADRADOS
CAP. V AJUSTE DE CURVAS PELO MÉTODO DOS MÍNIMOS QUADRADOS No caítulo IV, Iterolação Polomal, estudamos uma forma de ldar com fuções matemátcas defdas or taelas de valores. Frequetemete, estas taelas são
Leia maisParte 3 - Regressão linear simples
Parte 3 - Regressão lear smples Defção do modelo Modelo de regressão empregado para eplcar a relação lear etre duas varáves (ajuste de uma reta). O modelo de regressão lear smples pode ser epresso a forma:
Leia maisEstatística Área 4 BACEN Aula 01 Estatística Descritiva Prof. Alexandre Lima. Aula 01. Sumário
Estatístca Área 4 BACEN Aula 0 Estatístca Descrtva Prof. Aleadre Lma Aula 0 Sumáro Itrodução à Estatístca... 3 Tpos de Varáves... 4 3 Rol... 5 4 Séres Estatístcas... 6 5 Téccas de Descrção Gráfca... 8
Leia maisCentro de Ciências Agrárias e Ambientais da UFBA Departamento de Engenharia Agrícola
Cetro de Cêcas Agráras e Ambetas da UFBA Departameto de Egehara Agrícola Dscpla: AGR116 Boestatístca Proessor: Celso Luz Borges de Olvera Assuto: Estatístca Descrtva Tema: Meddas de Posção e Meddas de
Leia maisCapítulo 8. Método de Rayleigh-Ritz
Grupo : Gustavo de Souza Routma; Luís Ferado Hachch de Souza; Ale Pascoal Palombo Capítulo 8. Método de Raylegh-Rtz 8.. Itrodução Nos problemas de apromação por dfereças ftas, para apromar a solução para
Leia maisEx: Cálculo da média dos pesos dos terneiros da fazenda Canoas-SC, à partir dos dados originais: x = 20
. MEDIDAS DE TENDÊNCIA CENTRAL (OU DE POSIÇÃO) Coceto: São aquelas que mostram o alor em toro do qual se agrupam as obserações.. MÉDIA ARITMÉTICA ( ) Sea (x, x,..., x ), uma amostra de dados: Se os dados
Leia maisNas próximas secções iremos abordar a análise estatística de uma amostra em que os dados numéricos estão agrupados em classes, ou seja, em intervalos.
Estatístca Descrtva ESTATÍSTICA DESCRITIVA Amostras com dados agrupados em classes as prómas secções remos abordar a aálse estatístca de uma amostra em que os dados umércos estão agrupados em classes,
Leia mais5 Critérios para Análise dos Resultados
5 Crtéros para Aálse dos Resultados Este capítulo tem por objetvos forecer os crtéros utlzados para aálse dos dados ecotrados a pesqusa, bem como uma vsão geral dos custos ecotrados e a forma de sua evolução
Leia maisDiferenciais Ordinárias. Reginaldo J. Santos Departamento de Matemática-ICEx Universidade Federal de Minas Gerais
Exstêca e Ucdade de Soluções de Equações Dferecas Ordáras Regaldo J Satos Departameto de Matemátca-ICEx Uversdade Federal de Mas Geras http://wwwmatufmgbr/ reg 10 de ulho de 2010 2 1 INTRODUÇÃO Sumáro
Leia maisJosé Álvaro Tadeu Ferreira. Cálculo Numérico. Notas de aulas
UNIVERSIDADE FEDERAL DE OURO PRETO Isttuto de Cêcas Eatas e Bológcas Departameto de Computação José Álvaro Tadeu Ferrera Cálculo Numérco Notas de aulas Iterpolação Polomal Ouro Preto 3 (Últma revsão em
Leia maisAnálise Exploratória de Dados
Aálse Eploratóra de Dados Objetvos Aálse bvarada: uma varável qualtatva e uma quattatva: represetar grafcamete as duas varáves combadas; defr e calcular uma medda de assocação etre as varáves. Eemplo 1
Leia maisCAP. V AJUSTE DE CURVAS PELO MÉTODO DOS MÍNIMOS QUADRADOS
CAP. V AJUSTE DE CURVAS PELO MÉTODO DOS MÍNIMOS QUADRADOS No caítulo ateror estudamos uma forma de ldar com fuções matemátcas defdas or taelas de valores. Frequetemete, estas taelas são otdas com ase em
Leia maisTEORIA DE ERROS MEDIDAS E GRÁFICOS
Uversdade Federal de Juz de Fora Isttuto de Cêcas Eatas Departameto de Físca TEORIA DE ERROS MEDIDAS E GRÁFICOS Prof. Carlos R. A. Lma Edção Março de 010 ÌNDICE CAPÍTULO 1 - PRINCÍPIOS BÁSICOS DA ESTATÍSTICA
Leia maisEstatística Descritiva
Estatístca Descrtva Pedro Paulo Balestrass www.pedro.ufe.edu.br ppbalestrass@gmal.com 35-3691161 / 88776958 (cel) Estatístca Descrtva Pedro Paulo Balestrass www.pedro.ufe.edu.br 1 População e amostra:
Leia maisAPOSTILA DA DISCIPLINA INFERÊNCIA ESTATÍSTICA I
UNIVERSIDADE FEDERAL DO PARANÁ SETOR DE CIÊNCIAS EXATAS DEPARTAMENTO DE ESTATÍSTICA PLANO DE ENSINO Fcha º APOSTILA DA DISCIPLINA INFERÊNCIA ESTATÍSTICA I Dscpla: Iferêca Estatístca I Turma : A Códgo:
Leia maisCAPÍTULO 5. Ajuste de curvas pelo Método dos Mínimos Quadrados
CAPÍTULO Ajuste de curvas pelo Método dos Mímos Quadrados Ajuste Lear Smples (ou Regressão Lear); Ajuste Lear Múltplo (ou Regressão Lear Múltpla); Ajuste Polomal; Regressão Não Lear Iterpolação polomal
Leia maisObjectivo da Estatística: fornecer informação. (conhecimento), utilizando quantidades numéricas.
Objectvo da Estatístca: forecer formação (cohecmeto), utlzado quatdades umércas.. Obteção dos dados Amostragem. Descrção, classfcação e apresetação dos dados Estatístca descrtva 3. Coclusão a trar dos
Leia mais3 - ANÁLISE BIDIMENSIONAL
INE 7001 - Aálse Bdmesoal 1 3 - ANÁLISE BIDIMENSIONAL É comum haver teresse em saber se duas varáves quasquer estão relacoadas, e o quato estão relacoadas, seja a vda prátca, seja em trabalhos de pesqusa,
Leia mais3 Modelos Lineares Generalizados
3 Modelos Leares Geeralzados No capítulo foram cosderados apeas modelos leares com dstrbução ormal e fução de lgação detdade. Neste capítulo apresetamos os modelos leares geeralzados (MLG, que foram propostos
Leia maisNoções Básicas de Medidas e Algarismos Significativos
Noções Báscas de Meddas e Algarsmos Sgfcatvos Prof. Theo Z. Pava Departameto de Físca - Faculdade de Flosofa, Cêcas e Letras de Rberão Preto-USP Físca Acústca Motvações Quas são os padrões de meddas? Podemos
Leia maisIND 1115 Inferência Estatística Aula 9
Coteúdo IND 5 Iferêca Estatístca Aula 9 Outubro 2004 Môca Barros Dfereça etre Probabldade e Estatístca Amostra Aleatóra Objetvos da Estatístca Dstrbução Amostral Estmação Potual Estmação Bayesaa Clássca
Leia maisMODELOS DE REGRESSÃO NÃO LINEARES
M. Mede de Olvera Excerto da ota peoa obre: MODELOS DE REGRESSÃO NÃO LINEARES Obervação No modelo de regreão dto leare, a varável depedete é exprea como fução lear do coefcete de regreão. É rrelevate,
Leia maisCurso de Graduação. Inferência I N F ERÊNCI A ESTAT ÍSTICA
Iferêca Estatístca I N F ERÊNCI A ESTAT ÍSTICA CAPÍTULO N O Ç Õ ES PRELIMINAR ES SOBR E AMOSTRAGEM A elaboração de um projeto de pesqusa por amostragem, objetvado a vestgação sobre um certo feômeo, evolve
Leia maisn. A densidade de corrente associada a esta espécie iônica é J n. O modelo está ilustrado na figura abaixo.
Equlíbro e o Potecal de Nerst 5910187 Bofísca II FFCLRP USP Prof. Atôo Roque Aula 11 Nesta aula, vamos utlzar a equação para o modelo de eletrodfusão o equlíbro obtda a aula passada para estudar o trasporte
Leia mais3 Análises Probabilísticas de Estabilidade
3 Aálses Probablístcas de Establdade 3.1 Itrodução Para facltar o etedmeto das metodologas de aálse de cofabldade serão apresetados este capítulo algus cocetos báscos de probabldade e estatístca. 3. Cocetos
Leia mais