RAD1507 Estatística Aplicada à Administração I Prof. Dr. Evandro Marcos Saidel Ribeiro RESUMO

Tamanho: px
Começar a partir da página:

Download "RAD1507 Estatística Aplicada à Administração I Prof. Dr. Evandro Marcos Saidel Ribeiro RESUMO"

Transcrição

1 UNIVERIDADE DE ÃO PAULO FACULDADE DE ECONOMIA, ADMINITRAÇÃO E CONTABILIDADE DE RIBEIRÃO PRETO DEPARTAMENTO DE ADMINITRAÇÃO RAD57 Etatítca Aplcaa à Amtração I Prof Dr Evaro Marco ael Rero REUMO REVIÃO DE INTRODUÇÃO À ETATÍTICA Mea e cetro Méa (méa artmétca) Meaa (prmeramete: orear o ao) A meaa é o valor que ve o cojuto e ao ao meo, ou eja, o valor que epara 5% o valore ferore o 5% o valore uperore, em outra palavra é o percetl 5 ~ P 5 Moa A moa é o valor ma frequete o cojuto e ao Ma utlzao para varáve creta Poto Méo O poto méo é a méa etre o valor mámo e mímo: ma PtoMe m Como localzar o percetl Oree o ao o meor para o maor Calcule: L (k/), oe úmero e valore k percetl em quetão L erá o Localzaor e P k Mea e perão Devo Parão Amotral Varâca L é um Itero? m O valor e P k etá etre o L-émo valor e o valor egute ão Ecotre P k omao o L-émo valor e o valor egute e vo o total por ( ) Mue L, arreoe para o prmero tero maor O valor e P k é o L-émo valor, cotao a partr o meor Dtrução Bomal A proalae e e oter eatamete uceo em tetatva, eo a p a proalae e uceo em uma tetatva, é aa por! p q P( ) ( )!! e q p Dtrução Normal Deae e proalae ( µ ) f ( ; µ, σ ) ep σ π σ No Ecel a eae é ota por: DITNORM(; µ; σ ) ou DITNORMP(z) No Ecel a área acumulaa até um valor e z é: INVNORM(; µ; σ ) ou INVNORMP(z) core-z ou parozação o ao Ecotre a méa e o evo parão Em egua utlze a epreão: ( ) z Itervalo e cofaça (etmatva tervalar) Etmatva para proporção p ˆ E < p < pˆ E eo pˆ a proporção e uceo oervaa a amotra: p ˆ /, oe é o úmero e uceo oervao pq ˆ ˆ N O erro é ao por: E zα / N e for eceáro etmar o tamaho a amotra para um erro mámo, coere: Npq ˆ ˆ( zα / ) pq ˆ ˆ( zα / ) ( N ) Ema Oerve que e a população puer er coeraa fta a epreõe acma ão epeem e N

2 Etmatva para méa (σ coheco) E < µ < E eo a méa amotral σ N O erro é ao por: E zα / N e for eceáro etmar o tamaho a amotra para um erro mámo, coere: σ Nσ ( zα / ) ( z ) ( N ) E α / ma Etmatva para méa (σ ão-coheco) E < µ < E eo a méa amotral O erro é ao por: E tα / Oerve que o evo parão é o amotral e utlza-e a trução t e tuet para oter o valor crítco t α / Etmatva para evo parão ou varâca O tervalo é oto com ae a trução ququarao ( ) A trução qu-quarao ão é métrca e o valore crítco ão empre potvo Para fazer o tervalo e cofaça utlza-e (valor crítco a equera) e D (valor crítco a reta) a etmatva tervalare ão: E Procemeto para Tete e Hpótee: Ecreva a afrmatva orgal a forma mólca Ecreva o opoto a afrmatva orgal a forma mólca 3 Epree H e H (H é empre a gualae) 4 elecoe o ível e gfcâca α 5 Verfque a trução a er utlzaa 6 Calcule a etatítca tete 7 A partr a etatítca tete verfque e H é rejetaa ou ão, para tato e utlze um métoo: Métoo tracoal: Compare a etatítca tete com o valor crítco, e a etatítca tete etá a regão crítca, Rejete H Métoo valor-p: a partr a etatítca tete eterme o valor-p e valor-p < α, Rejete H 8 Etaeleça a cocluão (fraeao fal aao) Fraeao Fal para o Tete e Hpótee: A afrmatva orgal cotém a gualae? Para o evo parão, ão m ( ) D < σ < ( ) E A hpótee H fo rejetaa? A hpótee H fo rejetaa? Para a varâca, ( ) D < σ ( ) < E O ao amotra apoam a afrmatva e que m m Há evêca para rejetar a afrmatva e que ETATÍTICA APLICADA À ADM I TETE DE HIPÓTEE: Itroução Ter em mete a Regra o eveto raro : e, o uma aa upoção, a proalae e um eveto oervao partcular é ecepcoalmete pequea, cocluímo que a upoção provavelmete ão é correta Não há evêca amotral para apoar a afrmatva e que ão ão Não há evêca para rejetar a afrmatva e que

3 TETE DE HIPÓTEE - uma amotra Iferêca ore uma proporção: H : p p p p Etatítca tete: z tete ˆ, pq eo q p Iferêca ore uma méa: Devo parão Coheco H : µ µ µ Etatítca tete: z tete σ Iferêca ore uma méa: Devo parão Decoheco H : µ µ µ Etatítca tete: t tete, grau e lerae: gl ( ) Iferêca ore um evo parão ou uma varâca: H : σ σ ou H : σ σ ( ) Etatítca tete: tete, σ grau e lerae: gl ( ) Iferêca ore ua méa: Amotra Iepeete H : µ µ Etatítca tete: t tete, grau e lerae: gl ecolha o meor etre ( ) e ( ) Iferêca ore ua méa: Amotra Emparelhaa H : µ Etatítca tete: ttete, eo a méa e toa a fereça amotra ; e é o evo parão a fereça amotra, ou eja para amotra e : e grau e lerae: gl ( ) ( ) Comparação a varação em ua amotra: Tete F para comparação e varâca H : σ σ Etatítca tete: F tete, eo a maor a ua varâca amotra - grau e lerae o umeraor: gl - grau e lerae o eomaor: gl TETE DE HIPÓTEE - ua amotra Iferêca ore ua proporçõe: H : p p pˆ pˆ Etatítca tete: z tete, p q p q eo p ˆ, p e q p 3

4 3 ANOVA (ANaly Of VArace) - Iferêca a partr e ma e ua amotra Hpótee: H : µ µ µ 3 H : pelo meo uma a méa é ferete a outra ANOVA e um fator o Cálculo com tamaho gua Varâca etre amotra, eo a varâca a méa amotra Varâca etro a amotra p, eo p a méa a varâca amotra Etatítca Tete: F tete p - grau e l o umeraor: k gl Num - grau e l o eomaor: k ( ) gl De o Cálculo com tamaho amotra ferete ( ) Etatítca Tete: k F, eo a méa e too o valore amotra e tete ( ) N k - grau e lerae o umeraor: gl Num k ; grau e lerae o eomaor: N k gl De 4

5 Eemplo para ANOVA e um fator com tamaho amotra ferete: 4 CORRELAÇÃO Coere pare e ao (y,) y y y y Coefcete e Correlação Lear e Pearo: y r eo wz zz ( wz) yy ( w)( z) e ( z ) ( z) O tete e hpótee: H : ρ H : ρ gl t tete r Ou valor crítco r r α t α t α No Ecel: Ferrameta > Aále e Dao > Correlação 5 REGREÃO LINEAR IMPLE Equação a reta: ˆ eo y y e y Para avalar o ajute: ( y) Tot ( y y) ( y ), ( ) ( ) ( ) ( y) Re g yˆ y y y Erro ( y yˆ ) ( y ) ( y) ( ) y R Erro gfcao o R : proporção a varaçõe e y que ão eplcaa pela varaçõe e Tot Na HP: Dgte o ao: y, [eter],, Σ r: [ g ],, [y] Regtro Valor R R Σ R 3 Σ R 4 Σ y R 5 Σ y R 6 Σ y Erro Parão: y y Erro y 5

6 Tete e Hpótee H : β t tete H : β gl No Ecel: Na HP: :, [ g ], > Ferrameta > Aále e Dao > Regreão :, [ g ],, [ y], R, [y],[-] 5 Itervalo e cofaça a regreão Para oter o erro eve-e calcular h em caa valor e h (X X) X (X X) (X X) h erá utlzao para o cálculo o tervalo e cofaça, como vto a epreõe egute 7 MATRIZ DE COVARIÂNCIA (a partr a correlação) O cálculo e caa elemeto a matrz e covarâca poe er feto a partr a matrz e correlação Am, a partr a correlação r, etre ua varáve e, a covarâca é aa por: r () j j j Na epreão () e ão o evo-parão a j varáve e j, repectvamete 8 REGREÃO LINEAR MÚLTIPLA Coere ma e ua varáve (E: y,,) y y y y O ojetvo é oter o moelo e regreão lear múltpla, coerao k varáve epeete: y ˆ K k k Oter o moelo gfca ecotrar o valore e,,,, k 5 Etmatva para méa Itervalo e Cofaça para μ Yˆ ± t α / YX 5 Etmatva para valor h Itervalo e Cofaça para Y Y ˆ ± t α / YX h Y X X X X : : Etapa para o etuo e regreão lear múltpla: A repota o prolema (oteção e ) poe er aa atravé e matrze: β ( Z Z) ( Z Y) (3) M k A egur o pao para oteção o : 6 MATRIZ DE CORRELAÇÃO A matrz e correlação é ecrta a forma: r K r k r K r k R () M M O M rk rk K O cálculo e caa elemeto eta matrz poe er oto como motrao a eção 4 A matrz R é métrca, ou eja, r r j j Gráfco e perão y, y,, y k A partr a taela e ao coere a matrze Z e Y aa por: K k K k Z e M M M O M K k y y Y M y 6

7 Oteha Z, ou eja, a trapota a matrz Z: K K Z K M M O M k k K k Multplque a matrz trapota Z pela matrz Z: Z Z Coere o reultao ateror e verta oteo a matrz M ( Z Z) (4) Para verter a matrz veja: 9 MATRIZ INVERA Faça a multplcação a matrze Z e Y oteo a matrz Aaa por A Z Y (5) Multplque a matrze ota em (4) e (5) oteo am o valore e efo em (3), ou eja: β ( Z Z) ( Z Y) Com o valore e ecreva a equação lear: y ˆ K k k (6) A partr a epreão (6) calcule etmatva para caa cao em aále Calcule o reíuo ε para caa etmatva: ε y yˆ Faça um gráfco o reíuo (o eo-y) como fução a etmatva (o eo-) 9 MATRIZ INVERA A matrz vera e uma matrz A (e etr) é a matrz A - tal que A A - A - A Determação a Matrz Ivera pela matrz Ajuta: A aj( A) (7) et( A) Para uma matrz 33, coere o elemeto omeao e acoro com a epreão (8) aao: a c A e f (8) g h A matrz ajuta e A é ota pela matrz o cofatore trapota, que o cao a matrz A a epreão (8) reulta em: e f c h h f a c aj( A ) g g e a g h g h O etermate e A é oto por: e a a c f c f e et(a ) a e f g h c g e c a h f 7

RAD1507 Estatística Aplicada à Administração I Prof. Dr. Evandro Marcos Saidel Ribeiro RESUMO

RAD1507 Estatística Aplicada à Administração I Prof. Dr. Evandro Marcos Saidel Ribeiro RESUMO UNIVERSIDADE DE SÃO PAULO FACULDADE DE ECONOMIA, ADMINISTRAÇÃO E CONTABILIDADE DE RIBEIRÃO PRETO DEPARTAMENTO DE ADMINISTRAÇÃO RAD507 Etatítca Aplcada à Admtração I Prof. Dr. Evadro Marco Sadel Rbero RESUMO

Leia mais

Grande Conjuntos de Dados. Organização; Resumo; Apresentação. Amostra ou População. Defeitos em uma linha de produção

Grande 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 mais

Organização de dados -Dados não agrupados n. Mediana:

Organização de dados -Dados não agrupados n. Mediana: Orgazação de dado -Dado ão agruado Medaa: Poto de ocoameto: Méda: Moda: valor que ocorre com maor freqüêca Méda de Itervalo: + m max + Quartl: (ara j, ou 3) j( +) Poto de ocoameto: 4 Méda da Juta: Q +

Leia mais

Organização de dados -Dados não agrupados n. Mediana:

Organização de dados -Dados não agrupados n. Mediana: Orgazação de dado -Dado ão agruado Medaa: Poto de ocoameto: Méda: Moda: valor que ocorre com maor freqüêca Méda de Itervalo: + m max + Quartl: (ara j, ou ) j( +) Poto de ocoameto: 4 Méda da Juta: Q + Q

Leia mais

= n. Observando a fórmula para a variância, vemos que ela pode ser escrita como, i 2

= n. Observando a fórmula para a variância, vemos que ela pode ser escrita como, i 2 Etatítca II Atoo Roque Aula 4 O Coefcete de Correlação de Pearo O coefcete de correlação de Pearo é baeado a déa de varâca, dada o curo de Etatítca I Como vto aquele curo, quado temo uma amotra compota

Leia mais

13 ESTIMAÇÃO DE PARÂMETROS E DISTRIBUIÇÃO AMOSTRAL

13 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 mais

ESTATÍSTICA II FORMULÁRIO

ESTATÍSTICA II FORMULÁRIO Uverdade do Mho Ecola de Egehara ESTATÍSTICA II Ídce Metrado Itegrado em Egehara e Getão Idutral FORMULÁRIO Ao Lectvo 007-008 Itervalo de Cofaça (uma amotra / dua amotra depedete)... Tete de Hpótee (uma

Leia mais

Análise de Regressão e Correlação

Análise de Regressão e Correlação Aálse e Regressão e Correlação Fo já estuao a forma e escrever um cojuto e oservações e uma só varável. Quao se coseram oservações e uas ou mas varáves surge um ovo poto. O estuo as relações porvetura

Leia mais

Regressão Linear e Multilinear

Regressão Linear e Multilinear Regressão Lear e Multlear Deleameto Expermetal Mestrado em Sstemas de Produção em Agrcultura Medterrâca Modelo de Regressão Lear Smples X Varável Idepedete Y Varável Depedete y =β +β x +ε β ordeada a orgem

Leia mais

Estatística 15 - Comparação entre Duas Populações

Estatística 15 - Comparação entre Duas Populações Etatítca 5 - Comaração etre Da Polaçõe 5- Comaração de Méda de Da Polaçõe µ Méda da olação µ Méda da olação Tete µ - µ µ - µ > µ - µ µ - µ < µ - µ µ - µ. Dado Emarelhado EemloVte cobaa bmetda drate ma

Leia mais

Disciplina: Análise Multivariada I Prof. Dr. Admir Antonio Betarelli Junior AULA 6.1

Disciplina: Análise Multivariada I Prof. Dr. Admir Antonio Betarelli Junior AULA 6.1 Dscpla: álse Multvaraa I Prof. Dr. mr too Betarell Juor UL 6. MÉTODO DE ESCLONMENTO MULTIDIMENSIONL (MDS) Proposto por Youg (987) esse métoo poe ser utlzao para agrupameto. É uma técca para represetar

Leia mais

Capítulo III Medidas Estatísticas

Capítulo III Medidas Estatísticas 8 Capítulo III Medda Etatítca III. Medda de Tedêca Cetral A apreetação de dado em tabela e gráco motra a orma da dtrbução. A medda de tedêca cetral dcam o valor do poto em toro do qual o dado e dtrbuem.

Leia mais

Regressão Simples. Parte III: Coeficiente de determinação, regressão na origem e método de máxima verossimilhança

Regressão Simples. Parte III: Coeficiente de determinação, regressão na origem e método de máxima verossimilhança Regressão Smples Parte III: Coefcete de determação, regressão a orgem e método de máxma verossmlhaça Coefcete de determação Proporção da varabldade explcada pelo regressor. R Varação explcada Varação total

Leia mais

EAD Métodos Estatísticos de Projeção

EAD Métodos Estatísticos de Projeção EAD 655 - Método Etatítco de Projeção Prof. Cear Aleadre de Souza 2º. Semetre - 207 Modelagem Quattatva em Admtração Na admtração, a matemátca e a etatítca cotrbuem para a cração de modelo para auílo a

Leia mais

Tópicos Extras 2ª parte. Análise de Correlação e Regressão

Tópicos Extras 2ª parte. Análise de Correlação e Regressão Tópcos Extras ª parte Aálse de Correlação e Regressão 1 Defções báscas ANÁLISE DE CORRELAÇÃO Mesurar a força da assocação etre as varáves (geralmete através do cálculo de algum coefcete). ANÁLISE DE REGRESSÃO

Leia mais

02/02/2017. Intervalo de Confiança. Bioestatística. Universidade Estadual do Oeste do Paraná - Unioeste. Curso de Nutrição

02/02/2017. Intervalo de Confiança. Bioestatística. Universidade Estadual do Oeste do Paraná - Unioeste. Curso de Nutrição Uiveridade Etadual do Oete do Paraá - Uioete Curo de Nutrição Bioetatítica Profeora Aqui começamo o etudo da etatítica iferecial, que é o egudo maior ramo da etatítica. M.Roebel Tridade Cuha Prate Coite

Leia mais

1- Qual a diferença entre amostragem probabilística e não-probabilística? Qual é a mais recomendada?

1- Qual a diferença entre amostragem probabilística e não-probabilística? Qual é a mais recomendada? VIII-AMOSTRAGEM A Etatítca Iferecal ou Iferêca Etatítca tem como objetvo bucar cocluõe robablítca obre oulaçõe com bae o reultado obervado em amotra etraída dea oulaçõe Am, certo cudado báco devem er tomado

Leia mais

REGRESSÃO LINEAR 05/10/2016 REPRESENTAÇAO MATRICIAL. Y i = X 1i + 2 X 2i k X ni + i Y = X + INTRODUÇÃO SIMPLES MÚLTIPLA

REGRESSÃO LINEAR 05/10/2016 REPRESENTAÇAO MATRICIAL. Y i = X 1i + 2 X 2i k X ni + i Y = X + INTRODUÇÃO SIMPLES MÚLTIPLA REGRESSÃO LINEAR CUIABÁ, MT 6/ INTRODUÇÃO Relação dos valores da varável depedete (varável resposta) aos valores de regressoras ou exógeas). SIMPLES MÚLTIPLA (varáves depedetes,... =,,, K=,,, k em que:

Leia mais

Uma coleção de todos os possíveis elementos, objetos ou medidas de interesse.

Uma coleção de todos os possíveis elementos, objetos ou medidas de interesse. Prof. Lorí Val, Dr. val@mat.ufrg.br http://www.ufrg.br/~val/ Etatítca: uma defção Coleção de úmero etatítca O úmero de carro veddo o paí aumetou em %. A taa de deemprego atge, ete mê, 7,%. A açõe da Telebrá

Leia mais

i 2 i= = n Observando a fórmula para a variância, vemos que ela pode ser escrita como, i 2

i 2 i= = n Observando a fórmula para a variância, vemos que ela pode ser escrita como, i 2 O Coefcete de Correlação de Pearo O coefcete de correlação de Pearo é baeado a déa de varâca, dada a aula 6 Como vto aquela aula, quado temo uma amotra compota por dado, a varâca da amotra é dada por,

Leia mais

Análise da Informação Económica e Empresarial

Análise da Informação Económica e Empresarial Aálse da Iformação Ecoómca e Empresaral Aula 8: Redução de Dados: Meddas de Dspersão e Cocetração Aálse da Iformação Ecoómca e Empresaral Guão Aula 8: Redução de Dados: Meddas de Dspersão e Cocetração

Leia mais

Teste para Amostras Dependentes (teste t pareado)

Teste para Amostras Dependentes (teste t pareado) Tete e Hipótee para ua populaçõe Tete para Amotra Depenente (tete t pareao) Um tete t poe er uao para tetar a iferença e ua méia a população quano uma amotra é elecionaa aleatoriamente e caa população.

Leia mais

Modelo de Regressão Simples

Modelo de Regressão Simples Modelo de Regressão Smples Hstora Hstóra Termo regressão fo troduzdo por Fracs Galto (8-9). Estudo sobre altura de pas e flhos. Karl Pearso coletou mas de ml regstros e verfcou a le de regressão uversal

Leia mais

Estatística. 2 - Estatística Descritiva

Estatística. 2 - Estatística Descritiva Estatístca - Estatístca Descrtva UNESP FEG DPD Prof. Edgard - 0 0- ESTATÍSTICA DESCRITIVA Possblta descrever as Varáves: DESCRIÇÃO GRÁFICA MEDIDAS DE POSIÇÃO MEDIDAS DE DISPERSÃO MEDIDAS DE ASSIMETRIA

Leia mais

sticas Estatística (divisão) População stica: uma definição Estatística:

sticas Estatística (divisão) População stica: uma definição Estatística: Coleção de úmero etatítca tca O úmero de carro veddo o paí aumetou em 30%. A taa de deemprego atge, ete mê, 7,5%. A açõe da Telebrá ubram R$,5, hoje. Reultado do Caraval o trâto: 45 morto, 430 ferdo. Etatítca:

Leia mais

MODELOS DE REGRESSÃO NÃO LINEARES

MODELOS 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 mais

Estimação pontual, estimação intervalar e tamanho de amostras

Estimação 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 mais

x n = n ESTATÍSTICA STICA DESCRITIVA Conjunto de dados: Organização; Amostra ou Resumo; Apresentação. População

x 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 mais

INTERVALO DE CONFIANÇA

INTERVALO DE CONFIANÇA INTERVALO DE CONFIANÇA Supoha que etejamo itereado um parâmetro populacioal verdadeiro (ma decohecido) θ. Podemo etimar o parâmetro θ uado iformação de oa amotra. Chamamo o úico úmero que repreeta o valor

Leia mais

Regressao Simples. Parte II: Anova, Estimação Intervalar e Predição

Regressao Simples. Parte II: Anova, Estimação Intervalar e Predição egressao Smples Parte II: Aova, Estmação Itervalar e Predção Aálse de Varâca Nem todos os valores das amostras estão cotdos a reta de regressão, e quato mas afastados estverem por, a reta represetará a

Leia mais

Cap. 5. Testes de Hipóteses

Cap. 5. Testes de Hipóteses Cap. 5. Testes de Hpóteses Neste capítulo será estudado o segudo problema da ferêca estatístca: o teste de hpóteses. Um teste de hpóteses cosste em verfcar, a partr das observações de uma amostra, se uma

Leia mais

NOTAS DE AULA DA DISCIPLINA CE076. ], T 2 = conhecido como T 2 de Hotelling

NOTAS DE AULA DA DISCIPLINA CE076. ], T 2 = conhecido como T 2 de Hotelling 4 INFERÊNCIA SOBRE O VETOR DE MÉDIAS 4. TESTE PARA UM VETOR DE MÉDIAS µ Lembrado o caso uvarado: H : µ = µ H : µ µ Nível de sgfcâca: α Estatístca do teste: X µ t = s/ ~ t Decsão: se t > t - (α/) rejeta-se

Leia mais

Estudo do intervalo de confiança da regressão inversa utilizando o software R

Estudo 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 mais

CAPÍTULO 3 MEDIDAS DE TENDÊNCIA CENTRAL E VARIABILIDADE PPGEP Medidas de Tendência Central Média Aritmética para Dados Agrupados

CAPÍTULO 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 mais

Em muitas situações duas ou mais variáveis estão relacionadas e surge então a necessidade de determinar a natureza deste relacionamento.

Em 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 mais

Revisão de Estatística X = X n

Revisão 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 mais

Inferência Estatística e Aplicações I. Edson Zangiacomi Martinez Departamento de Medicina Social FMRP/USP

Inferência 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 mais

Distribuições Amostrais. Estatística. 8 - Distribuições Amostrais UNESP FEG DPD

Distribuições 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 mais

Gabarito da Lista de Interpolação e Método dos Mínimos Quadrados

Gabarito da Lista de Interpolação e Método dos Mínimos Quadrados Gabarto a sta e Iterpolação e Métoo os Mímos Quaraos ercíco : a cos Prmera orma: Iterpolação e agrage 8 5 P cos5 P - 89765 6 5 85 5 5 5 P 5 : : rro Portato 6 cos9 9 ; -5 6 9-9 - 6 5 5 5 85 cos6 6 ; 5 9

Leia mais

Teste t: variâncias diferentes

Teste t: variâncias diferentes Etatítica II 7.0.07 UNIVERSIDADE FEDERAL DE RONDÔNIA CAMPUS DE JI-PARANÁ DEPARTAMENTO DE ENGENHARIA AMBIENTAL Etatítica I - UNIR Etatítica II Tete t: variâcia iferete Profa. Reata Goçalve Aguiar Tete t:

Leia mais

NOTAS DE AULA DA DISCIPLINA CE076 = 2. ], T 2 = conhecido como T 2 de Hotelling

NOTAS DE AULA DA DISCIPLINA CE076 = 2. ], T 2 = conhecido como T 2 de Hotelling NOTAS DE AULA DA DISCIPLINA CE76 4 INFERÊNCIA SOBRE O VETOR DE MÉDIAS 4. TESTE PARA UM VETOR DE MÉDIAS µ Lembrado o caso uvarado: H : µ µ H : µ µ Nível de sfcâca: α Estatístca do teste: t X µ s/ ~ t Decsão:

Leia mais

MIEEC Supervisão e Controlo de Sistemas Eléctricos. Despacho Óptimo (incluindo limites de produção e perdas) Introdução

MIEEC Supervisão e Controlo de Sistemas Eléctricos. Despacho Óptimo (incluindo limites de produção e perdas) Introdução MIEEC Supervão e Cotrolo de Stema Eléctrco Depacho Óptmo (cludo lmte de produção e perda Itrodução Relembrado o problema de depacho óptmo: M cuto de produção M Z ΣC(g Suj. Σg load (ão havedo retrçõe de

Leia mais

Etapas para a construção de uma distribuição de frequências por ponto

Etapas para a construção de uma distribuição de frequências por ponto Dtrbuçõe de Frequêca Uma dtrbução de requêca é uma tabela que reúe o cojuto de dado, coorme a requêca ou a repetçõe de eu valore o capítulo ateror, vmo como ão eta ea tabela quado a varável é qualtatva

Leia mais

Estatística: Aplicação ao Sensoriamento Remoto SER ANO Intervalo de Confiança

Estatística: Aplicação ao Sensoriamento Remoto SER ANO Intervalo de Confiança Etatítica: Aplicação ao Seoriameto Remoto SER 4 - ANO 19 Itervalo de Cofiaça Camilo Dalele Reó camilo.reo@ipe.br http://www.dpi.ipe.br/~camilo/etatitica/ Itervalo de Cofiaça Um parâmetro pode er etimado

Leia mais

Modelos de regressão linear: abordagem clássica

Modelos de regressão linear: abordagem clássica Modelos de regressão lear: abordagem clássca Prof. Marcelo Rubes mrubes@me.uerj.br Depto. Estatístca Aálse de Regressão Objetvo: Determar uma fução matemátca que descreva a relação etre uma varável cotíua

Leia mais

Professor Mauricio Lutz REGRESSÃO LINEAR SIMPLES. Vamos, então, calcular os valores dos parâmetros a e b com a ajuda das formulas: ö ; ø.

Professor 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 mais

Probabilidade II Aula 10

Probabilidade II Aula 10 Probabldade II Aula 0 Mao de 009 Môca Barros, D.Sc. Coteúdo Esperaça Matemá (Valores esperados) Mometos e Mometos Cetras Valores esperados de uma fução de Covarâca e Correlação Matrz de covarâca, matrz

Leia mais

LCE2112 Estatística Aplicada às Ciências Sociais e Ambientais 2010/02. Exemplos de revisão

LCE2112 Estatística Aplicada às Ciências Sociais e Ambientais 2010/02. Exemplos de revisão LCE Etatítca Aplcada à Cêca Soca e Ambeta 00/0 Eemplo de revão Varável Aleatóra Cotíua Eemplo: Para e etudar o comportameto de uma plata típca de dua, a Hydrocotlle p., quato ao eu deevolvmeto, medu-e

Leia mais

7 Análise de covariância (ANCOVA)

7 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 mais

n Obtido através desvio padrão da população (σ)

n Obtido através desvio padrão da população (σ) 3/5/ Etatítica Geral Tete t de STUDENT Cap. 7, 8 e 9 Callegari-Jacque, S. M. Bioetatítica: Pricípio e Aplicaçõe, 3. Apotila: Regazzi, A. J., Curo de iiciação à etatítica. Curo: Saúde/CUA/UFMT Profº: Glauco

Leia mais

Escola Secundária de Jácome Ratton

Escola Secundária de Jácome Ratton Ecola Secudára de Jácome Ratto Ao Lectvo / Matemátca Aplcada à Cêca Soca Na Ecola Secudára do Suceo aualmete é premado o aluo que tver melhor méda a ua clafcaçõe a dferete dcpla. No ao lectvo 9/, o do

Leia mais

Exercícios de Cálculo Numérico Interpolação Polinomial e Método dos Mínimos Quadrados

Exercícios de Cálculo Numérico Interpolação Polinomial e Método dos Mínimos Quadrados Eercícos e Cálculo Numérco Iterpolação Polomal e Métoo os Mímos Quaraos Para a ução aa, seja,, 6 e, 9 Costrua polômos e grau, para apromar, 5, e ecotre o valor o erro veraero a cos b c l Use o Teorema

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. É o grau de assocação etre duas ou mas varáves. Pode ser: correlacoal ou Prof. Lorí Val, Dr. val@mat.ufrgs.r http://www.mat.ufrgs.r/~val/ expermetal. Numa relação expermetal os valores de uma das varáves

Leia mais

Estatística Descritiva. Medidas estatísticas: Localização, Dispersão

Estatística 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 mais

ESTATÍSTICA APLICADA À ZOOTECNIA

ESTATÍSTICA APLICADA À ZOOTECNIA ESTATÍSTICA APLICADA À ZOOTECNIA Eucldes Braga MALHEIROS *. INTRODUÇÃO.a) Somatóras e Produtóros Sejam,, 3,...,, valores umércos. A soma desses valores (somatóra) pode ser represetada por: = = = =. e o

Leia mais

Econometria: 3 - Regressão Múltipla

Econometria: 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 mais

ESTATÍSTICA Aula 7. Prof. Dr. Marco Antonio Leonel Caetano

ESTATÍSTICA 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 mais

6.1 Estimativa de uma média populacional: grandes amostras. Definição: Um estimador é uma característica amostral (como a média amostral

6.1 Estimativa de uma média populacional: grandes amostras. Definição: Um estimador é uma característica amostral (como a média amostral 6 ESTIMAÇÃO 6.1 Estimativa de uma média populacioal: grades amostras Defiição: Um estimador é uma característica amostral (como a média amostral x ) utilizada para obter uma aproximação de um parâmetro

Leia mais

Construção e Análise de Gráficos

Construção 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 mais

Denomina F a variável aleatória definida pelo quociente: F = n

Denomina F a variável aleatória definida pelo quociente: F = n 9/0/0 Etatítica Eperimetal Tete F Tete t de STUDENT Cap. 7, 8 e 9 Callegari-Jacque, S. M. Bioetatítica: Pricípio e Aplicaçõe, 003. Apotila: Regazzi, A. J., Curo de iiciação à etatítica. Profº: Glauco Vieira

Leia mais

50 Logo, Número de erros de impressão

50 Logo, Número de erros de impressão Capítulo 3 Problema. (a) Sedo o úmero médo de erros por pága, tem-se: 5 + + 3 + 3 + 4 33,66 5 5 Represetado o úmero medao de erros por md, tem-se, pela ordeação dos valores observados, que os valores de

Leia mais

Despertando o(a) Discente Ativo(a)

Despertando o(a) Discente Ativo(a) Etatítica II 4.0.07 UNIVERSIDADE FEDERAL DE RONDÔNIA CAMPUS DE JI-PARANÁ DEPARTAMENTO DE ENGENHARIA AMBIENTAL Etatítica II Profa. Renata Gonçalve Aguiar Fonte: naomearrependonemmeorgulho.blogpot. Sábio

Leia mais

MEDIDAS DE DISPERSÃO:

MEDIDAS 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 mais

Universidade Estadual de Londrina

Universidade Estadual de Londrina Uverdade Etadual de Lodra Programa de Metrado e Doutorado em Cêca Bológca Reumo da atvdade deevolvda em aula Profa. Dra. Aa Verga Lbo Meett LODRIA 06 SUMÁRIO. Aále exploratóra de dado...0. Itervalo de

Leia mais

Macroeconometria Aula 3 Revisão de estatística e teste de hipótese

Macroeconometria Aula 3 Revisão de estatística e teste de hipótese Macroecoometra 008. Aula 3 Revsão de estatístca e teste de hpótese 3.5. Estmação No estudo das probabldades, o objetvo é calcular a probabldade de evetos préespecfcados. De agora em date o objetvo muda.

Leia mais

Média. Mediana. Ponto Médio. Moda. Itabira MEDIDAS DE CENTRO. Prof. Msc. Emerson José de Paiva 1 BAC011 - ESTATÍSTICA. BAC Estatística

Média. 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 mais

Tabela 1 Números de acidentes /mês no Cruzamento X em CG/07. N de acidentes / mês fi f

Tabela 1 Números de acidentes /mês no Cruzamento X em CG/07. N de acidentes / mês fi f Lsta de exercícos Gabarto e chave de respostas Estatístca Prof.: Nelse 1) Calcule 1, e para o segute cojuto de valores. A,1,8,0,11,,7,8,6,,9, 1 O úmero que correspode a 5% do rol é o valor. O úmero que

Leia mais

CAPÍTULO 5. Ajuste de curvas pelo Método dos Mínimos Quadrados

CAPÍTULO 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 mais

Capítulo 5: Ajuste de curvas pelo método dos mínimos quadrados

Capítulo 5: Ajuste de curvas pelo método dos mínimos quadrados Capítulo : Ajuste de curvas pelo método dos mímos quadrados. agrama de dspersão No capítulo ateror estudamos uma forma de ldar com fuções matemátcas defdas por uma taela de valores. Frequetemete o etato

Leia mais

Preliminares 1. 1 lim sup, lim inf. Medida e Integração. Departamento de Física e Matemática. USP-RP. Prof. Rafael A. Rosales. 8 de março de 2009.

Preliminares 1. 1 lim sup, lim inf. Medida e Integração. Departamento de Física e Matemática. USP-RP. Prof. Rafael A. Rosales. 8 de março de 2009. Medida e Itegração. Departameto de Física e Matemática. USP-RP. Prof. Rafael A. Rosales 8 de março de 2009. 1 lim sup, lim if Prelimiares 1 Seja (x ), N, uma seqüêcia de úmeros reais, e l o limite desta

Leia mais

Probabilidades e Estatística LEE, LEIC-A, LEIC-T, LEMat, LERC, MEBiol, MEBiom, MEEC, MEFT, MEMec, MEQ

Probabilidades e Estatística LEE, LEIC-A, LEIC-T, LEMat, LERC, MEBiol, MEBiom, MEEC, MEFT, MEMec, MEQ Duração: 90 mutos Grupo I Probabldades e Estatístca LEE, LEIC-A, LEIC-T, LEMat, LERC, MEBol, MEBom, MEEC, MEFT, MEMec, MEQ Justfque coveetemete todas as respostas 1 o semestre 018/019 10/01/019 09:00 o

Leia mais

Estatística: Aplicação ao Sensoriamento Remoto SER ANO Estimação Pontual

Estatística: Aplicação ao Sensoriamento Remoto SER ANO Estimação Pontual Estatístca: Aplcação ao Sesorameto Remoto SER 04 - ANO 08 Estmação Potual Camlo Daleles Reó camlo@dp.pe.br http://www.dp.pe.br/~camlo/estatstca/ Iferêca Estatístca Cosdere o expermeto: retram-se 3 bolas

Leia mais

NOTA: ESCREVA AS RESPOSTAS COMO FRAÇÕES OU COM 4 CASAS DECIMAIS NOTA 2: O FORMULÁRIO ESTÁ NO FINAL DA PROVA

NOTA: ESCREVA AS RESPOSTAS COMO FRAÇÕES OU COM 4 CASAS DECIMAIS NOTA 2: O FORMULÁRIO ESTÁ NO FINAL DA PROVA IND 5 Iferêca Estatístca Semestre 007.0 Teste 4 //007 Nome: NOTA: ESCREVA AS RESPOSTAS COMO FRAÇÕES OU COM 4 CASAS DECIMAIS NOTA : O FORMULÁRIO ESTÁ NO FINAL DA PROVA PROBLEMA (5 potos) Em cada questão

Leia mais

REGESD Prolic Matemática e Realidade- Profª Suzi Samá Pinto e Profº Alessandro da Silva Saadi

REGESD 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 mais

Inferência Estatística

Inferência Estatística Iferêcia Etatítica Tete de Hipótee: tete de difereça etre média, coceito, grupo pareado, grupo idepedete com variâcia cohecida e decohecida Itrodução Coidere o problema de comparar materiai (A e B), para

Leia mais

Estatística - exestatmeddisper.doc 25/02/09

Estatística - 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 mais

Para quantificar a variabilidade de um conjunto de dados ou medidas é que se usam medidas de dispersão. Vamos estudar algumas delas nesta aula.

Para quantificar a variabilidade de um conjunto de dados ou medidas é que se usam medidas de dispersão. Vamos estudar algumas delas nesta aula. Etatítca Aplcada à Educação Antono Roque Aula 5 Medda de Dperão A medda de tendênca central não ão ufcente para e caracterzar um conjunto de dado. O motvo é que ete varação na natureza, to é, dado que

Leia mais

Distribuições de Probabilidades

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 mais

Introdução à Correlação e Regressão Linear

Introdução à Correlação e Regressão Linear Itrodução à Correlação e Regressão Lear Ru Carvalho Olvera rolv@st.utl.pt Estatístca Descrtva amostras bvaradas Amostras bvaradas: cada etdade (dvíduo/objecto é caracterzado por um par de varáves (atrbutos

Leia mais

Nº de sucessos ,3277 0,4096 0,2048 0,0512 0,0064 0,0003. n Limite superior de 0,025 0,01 0,0025 0,000625

Nº de sucessos ,3277 0,4096 0,2048 0,0512 0,0064 0,0003. n Limite superior de 0,025 0,01 0,0025 0,000625 Capíulo Problema 0 Nº de sucessos 0 4 5 0,0 0, 0,4 0,6 0,8,0 P 0,77 0,4096 0,048 0,05 0,0064 0,000 E 0, p ; 0,0 5 Problema 0 4 0 5 00 400 Lme superor de 0,05 0,0 0,005 0,00065 Lme superor de p^ 0,00 0,05

Leia mais

Amostrador de Gibbs. Renato Assunção DCC - UFMG

Amostrador de Gibbs. Renato Assunção DCC - UFMG Amotraor e bb Renato Aunção CC - UFM bb amper Aortmo para eração e amotra e um VETOR aeatóro X = (X X 2... X k ) Objetvo e termnar com uma tabea N x k one caa nha e uma ntanca o vetor X ntanc a Var X Var

Leia mais

Descritiva. Francisco Cysneiros DE - UFPE

Descritiva. 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 mais

06/02/2017. Teste de Hipóteses. Principais Conceitos. Teste de Hipóteses. Tipos de Erros. Tipos de Testes. Bioestatística

06/02/2017. Teste de Hipóteses. Principais Conceitos. Teste de Hipóteses. Tipos de Erros. Tipos de Testes. Bioestatística 6/2/217 Uiveridade Etadual do Oete do Paraá - Uioete Tete de Hipótee Curo de Medicia/Nutrição Bioetatítica Profeora Tete de Hipótee (TH) é uma ferrameta etatítica que também é utilizado para fazer iferêcia

Leia mais

Cap. 11 Correlação e Regressão

Cap. 11 Correlação e Regressão Estatístca para Cursos de Engenhara e Informátca Pedro Alberto Barbetta / Marcelo Menezes Res / Antono Cezar Borna São Paulo: Atlas, 2004 Cap. 11 Correlação e Regressão APOIO: Fundação de Apoo à Pesqusa

Leia mais

Parte 3 - Regressão linear simples

Parte 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 mais

Interpolação. Exemplo de Interpolação Linear. Exemplo de Interpolação Polinomial de grau superior a 1.

Interpolação. 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 mais

CADERNO 1 (É permitido o uso de calculadora gráfica.)

CADERNO 1 (É permitido o uso de calculadora gráfica.) Proposta de teste de avalação [mao 09] Nome: Ao / Turma: N.º: Data: - - Não é permtdo o uso de corretor. Deves rscar aqulo que pretedes que ão seja classfcado. A prova clu um formuláro. As cotações dos

Leia mais

Análise Estatística com Excel. Prof. Dr. Evandro Marcos Saidel Ribeiro

Análise Estatística com Excel. Prof. Dr. Evandro Marcos Saidel Ribeiro Aálse Estatístca com Excel Prof. Dr. Evadro Marcos adel Rbero E-mal: esadel@usp.br Home page: www.fearp.usp.br/~sadel Módulo Itrodução. Apresetação geral dos tópcos do curso. Estatístca e Excel a empresa

Leia mais

Números Complexos. 2. (IME) Seja z um número complexo de módulo unitário que satisfaz a condição z 2n 1, onde n é um número inteiro positivo.

Números Complexos. 2. (IME) Seja z um número complexo de módulo unitário que satisfaz a condição z 2n 1, onde n é um número inteiro positivo. Números Complexos. (IME) Cosdere os úmeros complexos Z se α cos α e Z cos α se α ode α é um úmero real. Mostre que se Z Z Z etão R e (Z) e I m (Z) ode R e (Z) e I m (Z) dcam respectvamete as partes real

Leia mais

Lista de Exercícios #9 Assunto: Análise de Regressão Método de Mínimos Quadrados

Lista de Exercícios #9 Assunto: Análise de Regressão Método de Mínimos Quadrados Lsta de Exercícos #9 Assuto: Aálse de Regressão Método de Mímos Quadrados ANPEC 8 Questão 4 Cosdere o segute modelo de regressão lear smples: () y = β + β x + u Para uma amostra com 3 observações, foram

Leia mais

ANÁLISE DE REGRESSÃO É O ESTUDO E OBTENÇÃO DE RELAÇÕES ENTRE VARIÁVEIS. PRETENDE-SE SABER QUAL A MELHOR ESTIMATIVA DOS PARÂMETROS DA REGRESSÃO

ANÁLISE DE REGRESSÃO É O ESTUDO E OBTENÇÃO DE RELAÇÕES ENTRE VARIÁVEIS. PRETENDE-SE SABER QUAL A MELHOR ESTIMATIVA DOS PARÂMETROS DA REGRESSÃO ANÁLISE DE REGRESSÃO É O ESTUDO E OBTENÇÃO DE RELAÇÕES ENTRE VARIÁVEIS. PRETENDE-SE SABER QUAL A MELHOR ESTIMATIVA DOS PARÂMETROS DA REGRESSÃO SIMPLES - QUANDO UMA VARIÁVEL Y (DEPENDENTE), É FUNÇÃO APENAS

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 etre duas ou mas varáves. Pode ser: correlacoal ou expermetal. Numa relação expermetal os valores de uma das varáves

Leia mais

Estatística Básica - Continuação

Estatística 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 mais

8. INFERÊNCIA PARA DUAS POPULAÇÕES

8. INFERÊNCIA PARA DUAS POPULAÇÕES 8 INFERÊNCIA PARA UA POPULAÇÕE 8 Populações depedetes co dstrbução oral População População, L, Y, L,Y ~ N, σ Y ~ N, σ σ σ Y ~ N, Obs e a dstrbução de e/ou Y ão for oral, os resultados são váldos aproxadaete

Leia mais

RAD1507 Estatística Aplicada à Administração I Prof. Dr. Evandro Marcos Saidel Ribeiro

RAD1507 Estatística Aplicada à Administração I Prof. Dr. Evandro Marcos Saidel Ribeiro UNIVERIDADE DE ÃO PAULO FACULDADE DE ECONOMIA, ADMINITRAÇÃO E CONTABILIDADE DE RIBEIRÃO PRETO DEPARTAMENTO DE ADMINITRAÇÃO RAD1507 Estatístca Aplcada à Admnstração I Prof. Dr. Evandro Marcos adel Rbero

Leia mais

Agenda Aula 2 Parte 1

Agenda Aula 2 Parte 1 Aula Parte 1 Anále de Correlação: Coefcente de Pearon Prof. Cear Aleandre de Souza Materal deenvolvdo em conjunto com a Profa. Adrana Back Noronha Vana EAD0655 Técnca Etatítca de Projeção Agenda Aula Parte

Leia mais

Atividades Práticas Supervisionadas (APS)

Atividades Práticas Supervisionadas (APS) Uversdade Tecológca Federal do Paraá Prof: Lauro Cesar Galvão Campus Curtba Departameto Acadêmco de Matemátca Cálculo Numérco Etrega: juto com a a parcal DATA DE ENTREGA: da da a PROVA (em sala de aula

Leia mais

CAP. V AJUSTE DE CURVAS PELO MÉTODO DOS MÍNIMOS QUADRADOS

CAP. 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 mais

Probabilidades e Estatística LEAN, LEGI, LEGM, LMAC, MEAer, MEAmbi, MEC

Probabilidades e Estatística LEAN, LEGI, LEGM, LMAC, MEAer, MEAmbi, MEC Duração: 90 mutos Grupo I Probabldades e Estatístca LEAN, LEGI, LEGM, LMAC, MEAer, MEAmb, MEC Justfque coveetemete todas as respostas 1 o semestre 2018/2019 10/01/2019 11:00 2 o teste B 10 valores 1. Cosdere-se

Leia mais

O delineamento amostral determina os processos de seleção e de inferência do valor da amostra para o valor populacional.

O delineamento amostral determina os processos de seleção e de inferência do valor da amostra para o valor populacional. Curso Aperfeçoameto em Avalação de Programas Socas ª Turma Dscpla: Téccas quattatvas de levatameto de dados: prcpas téccas de amostragem Docete: Claudete Ruas Brasíla, ovembro/005 Pesqusa por amostragem

Leia mais