Estatística Multivariada Normal Multivariada Função densidade conjunta e contorno de probabilidade

Tamanho: px
Começar a partir da página:

Download "Estatística Multivariada Normal Multivariada Função densidade conjunta e contorno de probabilidade"

Transcrição

1 Estatístca ultvarada Normal ultvarada Função dnsdad conjunta contorno d robabldad Prof. José Francsco orra Pssanha rofssorjfm@hotmal.com

2 Dstrbução normal unvarada Sja uma varávl alatóra normalmnt dstrbuída com méda dsvo-adrão (, ) ~ N tm dstrbução Normal com méda varânca f() A função dnsdad da normal é totalmnt caractrzada or dos arâmtros: a méda: E() a varânca: Var() f π A função dnsdad f() é smétrca m torno da méda da dstrbução ossu a forma d um sno

3 ~ N(, ) Dstrbução normal unvarada Função dnsdad d robabldad ( π ) π f π Quadrado da dstânca ntr a méda m undads d dsvos adrão Númro d dsvos adrão ntr a méda ( ) Substtundo m f() tm-s: f π ( ) / ( )( ) ( )

4 Dstrbução conjunta d normas ndndnts f, π Dnsdad conjunta varávs alatóras ndndnts, N, ~ Dnsdads margnas π f,..., π f,..., K

5 Dstrbução conjunta d normas ndndnts π f,..., K dt K O K K L O L K T L O L K

6 Dstrbução conjunta d normas ndndnts π T f f,k, E L O L atrz d covarâncas dagonal, os as varávs alatóras são ndndnts Dnsdad conjunta

7 Dstrbução normal multvarada Função dnsdad d robabldad d ~ N (,) π T f f /,..., N L O L, ~ Normal varada ( varávs alatóras) ~, N Dstânca d ahalanobs A dstrbução normal multvarada é uma gnralzação da normal unvarada Vtor d médas atrz d covarâncas A função dnsdad da normal multvarada é caractrzada lo vtor d médas la matrz d covarânca

8 Encontra-s no ont da função dnsdad da normal Quadrado da dstânca gnralzada ntr a méda Dstânca d ahalanobs T ( ) Emlo: Normal bvarada () so kg altura cm ( ) T ( ) Prasanta Chandra ahalanobs ( 7)( 7) ρ 5 6

9 Normal bvarada, ~ N Normal bvarada ( ) Parâmtros da dstrbução normal bvarada Vtor d médas atrz d covarâncas π T f / / Obtnha a dnsdad conjunta

10 Normal bvarada atrz d covarâncas m função das varâncas do cofcnt d corrlação lnar ρ ρ ρ ρ ρ cofcnt d corrlação ntr Dtrmnant da matrz d covarâncas varânca gnralzada ρ ρ f ( ) ρ ( / π ) / ( ρ ) T ( ) ( ) ( )

11 Normal bvarada ρ ρ dt ( ρ ) Invrsa da matrz d covarâncas ρ dt ( ) ρ ρ ( ρ ) ρ ρ ρ ρ

12 ρ ρ ρ T + ρ ρ T Normal bvarada π T f / / Forma uadrátca

13 O ont da dnsdad normal multvarada é o uadrado da dstânca gnralzada ou dstânca d ahalanobs: f ( ) ( / π ) / Normal bvarada T ( ) ( ) ( ) Quadrado da dstânca d ahalanobs T ( ) Comar a rssão acma com o uadrado da dstânca ucldana Quadrado da dstânca ucldana ( ) + ( ) Dstânca ntr ( ) T ( ) ( )

14 Normal bvarada Cálculo da dstânca d ahalanobs T ( ) ρ ρ + ρ ρ ρ ( )( ) Dstânca d ahalanobs Soma d arclas admnsonas

15 Normal bvarada Função dnsdad d robabldad da normal bvarada ( ) f (, ) π ( ρ ) ρ + ρ ( )( ) f(, ) Função dnsdad cntrada no vtor méda

16 Normal bvarada Função dnsdad f (, ) π ( ρ ) ρ + ρ ( )( ) Fazndo o ont da dnsdad normal multvarada gual a uma constant C tm-s a uação d uma ls cntrada na méda: ρ + ρ ( )( ) C f ( ) π C ( ρ ) Valor da função dnsdad nos ontos u formam a ls O lugar gométrco dos vtors u satsfazm a gualdad acma é uma ls cntrada no vtor méda com os nas drçõs dos autovtors d.

17 Normal bvarada Eos da ls são arllos aos os das varávs Eos da ls são nclnados m rlação aos os das varávs Eos da ls são nclnados m rlação aos os das varávs

18 Prordads da dstrbução normal multvarada Sja um vtor alatóro com dstrbução N (,) Prordad ) Combnaçõs lnars das comonnts d tm dstrbução normal a a a a a y T + + K K a a a N y T T ~, A a a a a y y Y L O K T A A N Y A ~, combnaçõs lnars d varávs alatóras normalmnt dstrbudas combnação lnar d varávs alatóras normalmnt dstrbudas

19 Prordads da dstrbução normal multvarada Sja um vtor alatóro com dstrbução N (,) Prordad ) Subconjuntos das comonnts d têm dstrbução normal multvarada +, ~, ~ N N ,,,,,,,, L L O O L L L L O O L L

20 Prordads da dstrbução normal multvarada Sja um vtor alatóro com dstrbução N (,) Prordad 3) Covarâncas nulas ntr varávs normalmnt dstrbudas ndcam u são varávs ndndnts são ndndnts

21 Forma uadrátca No caso gral, fazndo o ont da função dnsdad gual a uma constant C tm-s a uação d um lsód cntrado na méda com os nas drçõs dos autovtors da matrz d covarâncas : f ( ) ( / π ) / T ( ) ( ) ( ) T C Elsód d vtor alatóro com dstrbução normal trvarada

22 Forma uadrátca T C As drçõs dos os do lsód são dfndas las drçõs dos autovtors da matrz d covarâncas. Os comrmntos dos sm-os do lsód são roorconas aos autovalors da matrz d covarâncas. λ λ K K λ autovtors autovalors T, traço( ) λ + λ + K+ λ T j j

23 Intrvalo d robabldad da normal unvarada Sja uma varávl alatóra com dstrbução normal com méda varânca, ntão P ( + ) 95% 95%,, dsvos adrão m rlação a méda

24 Contorno d robabldad Sja um vtor alatóro com dstrbução normal multvarada, ~ N (,). Nst caso, T χ ~ Função dnsdad da dstrbução u-uadrado Caso normal bvarada () so kg altura cm ( ) T ( ) 9 7 ( 7)( 7) 7 75 ρ + ~ χ

25 Contorno d robabldad Sabmos u T C dfn um lsód No caso bvarado () a forma uadrátca dfn uma ls Qu ls contém 95% da robabldad? Rsosta: % ( 7)( 7) ρ χ ( 7)( 7) P 5% 95 + ρ χ ( 5% ) 5, 99 χ ( 5% ) % %

26 Caso normal bvarada () so kg altura cm Contorno d robabldad 5 ( ) T ( ) 9 7 ( 7)( 7) 7 75 ρ + ~ χ ( 5% ) 5, 99 χ Euação do contorno d robabldad ( 7)( 7) ,99 + ρ

27 Contorno d robabldad No caso gral, tmos o contorno com robabldad -α d uma dstrbução multvarada Euação do contorno d robabldad -α T χ ( α% ) Elsód cntrado na méda com os nas drçõs dos autovtors da matrz d covarânca O comrmnto d cada sm-o do lsód é roorconal ao rsctvo autovalor P Probabldad do vtor alatóro rtncr ao contorno [ ] T χ α α

28 Emlo : Contorno d robabldad Consdr a normal bvarada com médas, varâncas covarânca. Dsnh o contorno d robabldad d 5%. ) Calcul os autovalors d dt ( λi ) λ λ ( λ)( λ) / λ 3λ +,5 λ λ α 5% ( 5% ), 39 χ,366,634

29 Emlo : Contorno d robabldad ) Calcul os autovtors d Autovtor assocado com λ λ, 366,366,366,888,46 Autovtor assocado com λ λ, 634,366,366,46,888

30 Emlo : Contorno d robabldad 3) Dsnh o contorno d robabldad ( 5% ), 39 χ λ λ,366,634,888,46,46,888 χ (, ) λ 5 χ (, ) λ 5

31 Emlo : Contorno d robabldad Calculando os autovalors autovtors d com o R: ) Entrando com a matrz d covarânca no R or coluna: sgmamatr(c(,srt()/,srt()/,),nrow) ) Calculando os autovalors autovtors: mgn(sgma);lambdam$valus;m$vctors > lambda [] λ λ > [,] [,] [,] [,] Cada coluna é um autovtor

32 Emlo : Contorno d robabldad Dsnhando o contorno com o R ) Entrando com a matrz d covarânca no R or coluna: sgmamatr(c(,srt()/,srt()/,),nrow) ) Dsnhando o contorno d 5% lot(lls(sgma,cntrc(,),lvl.5,nonts),ty'l,a s) lls acot obtdo m htt://bl.unv-lyon.fr/lbrary/lls/ cntr vtor com as coordnadas do cntro da ls lvl nívl d robabldad nonts númro d ontos ty to do onto

33 Emlo : Contorno d robabldad Dsnhando o contorno com o R

34 Emlo : Contorno d robabldad A tabla abao mostra a dad (anos) o rço d vnda (US$ ) ara n carros usados, carro dad rço,3,9,,7,3,,5,45,7,3 a) Dsnh o contorno d robabldad d 5% cont uantas obsrvaçõs stão no ntror do contorno. b) Os dados são rovnnts d uma dstrbução normal bvarada?

35 Emlo : Contorno d robabldad A tabla abao mostra a dad (anos) o rço d vnda (US$ ) ara n carros usados, a) Dsnh o contorno d robabldad d 5% cont uantas obsrvaçõs stão no ntror do contorno #monta matrz d dados <-c(3,5,5,7,7,7,8,9,,) <-c(.3,.9,.,.7,.3,.,.5,.45,.7,.3) <-cbnd(,) # calcula vtor mda mualy(,,man) # calcula matrz d covarâncas sgmavar() # dsnha o contorno d 5% lot(lls(sgma,cntrmu,lvl.5,nonts),ty'l',lmc(,),ylmc(,3)) onts() Anas 4 ontos no ntror do contorno d 5%

36 Emlo : Contorno d robabldad A tabla abao mostra a dad (anos) o rço d vnda (US$ ) ara n carros usados, a) Dsnh o contorno d robabldad d 5% cont uantas obsrvaçõs stão no ntror do contorno. Não rcsa dsnhar o contorno ara sabr uantas obsrvaçõs stão no su ntror, os sts ontos dvm satsfazr a sgunt dsgualdad: T χ ( α ) Nst caso α5%, logo o u-uadrado tablado é,39.

37 Emlo : Contorno d robabldad A tabla abao mostra a dad (anos) o rço d vnda (US$ ) ara n carros usados, a) Dsnh o contorno d robabldad d 5% cont uantas obsrvaçõs stão no ntror do contorno. Programa R snvsolv(sgma) for ( n :){ au[,]-mu d[]t(au)%*%snv%*%au } round(d,) Em 4 obsrvaçõs d<.39, logo há 4 obsrvaçõs no ntror do contorno d 5%

38 Emlo : Contorno d robabldad A tabla abao mostra a dad (anos) o rço d vnda (US$ ) ara n carros usados, b) Os dados são rovnnts d uma dstrbução normal bvarada? Dado o uno númro d obsrvaçõs da amostra (n) é dfícl rjtar a hóts d normaldad bvardada

39 Bblografa Johnson, R.A. & Wchrn, D.W. Ald ultvarat Statstcal Analyss. 5 d., Prntc-Hall.

NOTAS DE AULA DA DISCIPLINA CE DENSIDADE NORMAL MULTIVARIADA E SUAS PROPRIEDADES

NOTAS DE AULA DA DISCIPLINA CE DENSIDADE NORMAL MULTIVARIADA E SUAS PROPRIEDADES NOTAS DE AULA DA DISCIPLINA CE76 3 DISTRIBUIÇÃO NORMAL MULTIVARIADA 3 DENSIDADE NORMAL MULTIVARIADA E SUAS PROPRIEDADES A densdade normal multvarada é uma generalação da densdade normal unvarada ara dmensões

Leia mais

3. VARIÁVEIS ALEATÓRIAS

3. VARIÁVEIS ALEATÓRIAS 3. VARIÁVEIS ALEATÓRIAS 0 Varávl alatóra Ω é o spaço amostral d um prmnto alatóro. Uma varávl alatóra,, é uma função qu atrbu um númro ral a cada rsultado m Ω. Emplo. Rtra-s, ao acaso, um tm produzdo d

Leia mais

MODELOS DE REGRESSÃO PARA DADOS DE CONTAGEM. O modelo log-linear de Poisson

MODELOS DE REGRESSÃO PARA DADOS DE CONTAGEM. O modelo log-linear de Poisson MODELOS DE REGRESSÃO PARA DADOS DE CONTAGEM O modlo log-lnar d Posson Intrss m modlar a dstrbução d uma varávl rfrnt a algum tpo d contagm m função d covarávs. A stratéga mas comum para modlagm nssas stuaçõs

Leia mais

30/09/2015. Distribuições. Distribuições Discretas. p + q = 1. E[X] = np, Var[X] = npq DISTRIBUIÇÃO BINOMIAL. Contínuas. Discretas

30/09/2015. Distribuições. Distribuições Discretas. p + q = 1. E[X] = np, Var[X] = npq DISTRIBUIÇÃO BINOMIAL. Contínuas. Discretas Dstrbuçõs Dscrtas Dstrbuçõs 30/09/05 Contínuas DISTRIBUIÇÃO DE PROBABILIDADE Dscrtas DISTRIBUIÇÃO BIOMIAL Bnomal Posson Consdramos n tntatvas ndpndnts, d um msmo prmnto alatóro. Cada tntatva admt dos rsultados:

Leia mais

sendo classificado como modelo de primeira ordem com (p) variáveis independentes.

sendo classificado como modelo de primeira ordem com (p) variáveis independentes. RGRSSAO MULTIPLA - comlmtação Itrodução O modlo lar d rgrssão múltla é da forma: sdo classfcado como modlo d rmra ordm com () varávs ddts. od: é a varávl d studo (ddt, xlcada, rsosta ou dóga); é o cofct

Leia mais

Análise de dados industriais

Análise de dados industriais Análs d dados ndustras Escola Poltécnca Dpartamnto d Engnhara Químca Robrto Guardan 014 ANÁLISE DE COMPONENES PRINCIPAIS 3.1. Introdução Componnts prncpas são combnaçõs lnars das varávs orgnas d procsso,

Leia mais

Análise de regressão

Análise de regressão Análs d rgrssão Slvana Lags Rbro Garca FDV Hlo Garca Lt UFV Um dos usos da análs d rgrssão é vrfcar s, como, uma ou mas varávs ndpndnts nfluncam o comportamnto d outra varávl dpndnt Y. As varávs ndpndnts

Leia mais

MODELOS DE REGRESSÃO PARA DADOS BINÁRIOS

MODELOS DE REGRESSÃO PARA DADOS BINÁRIOS MODELOS DE REGRESSÃO PARA DADOS BINÁRIOS Introdução Intrss m modlar algum fnômno alatóro com dos dsfchos possívs ( sucsso ou fracasso ) m função d uma ou mas covarávs. Assoca-s ao rsultado do fnômno uma

Leia mais

Estatística II. Aula 8. Prof. Patricia Maria Bortolon, D. Sc.

Estatística II. Aula 8. Prof. Patricia Maria Bortolon, D. Sc. Estatística II Aula 8 Pro. Patricia Maria Bortolon, D. Sc. Tsts Qui Quadrado Objtivos da Aula 8 Nsta aula, você aprndrá: Como quando utilizar o tst qui-quadrado para tablas d contingência Como utilizar

Leia mais

Geometria Analítica - Aula

Geometria Analítica - Aula Gomtria Analítica - Aula 0 60 K. Frnsl - J. Dlgado Aula 1 1. Rotação dos ixos coordnados Sja OXY um sistma d ixos ortogonais no plano sja O X Y o sistma d ixos obtido girando os ixos OX OY d um ângulo

Leia mais

28 a Aula AMIV LEAN, LEC Apontamentos

28 a Aula AMIV LEAN, LEC Apontamentos 8 a Aula 49 AMIV LEAN, LEC Apontamntos (RcardoCoutnho@mathstutlpt) 8 Exponncal d matrzs smlhants Proposção 8 S A SJS ond A, S J são matrzs n n,(comdt S 6 ), ntão A S J S Dmonstração Tmos A SJS, dond por

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 Ifrêca statístca Smstr 7. Tst 3//7 Nom: NOTA: SCRVA AS RSPOSTAS COMO FRAÇÕS OU COM 4 CASAS DCIMAIS NOTA : O FORMULÁRIO STÁ NO FINAL DA PROVA Problma (5 potos A quatdad d rfrgrat uma garrafa PT d

Leia mais

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

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

Leia mais

Pág Circunferência: ( ) ( ) 5.4. Circunferência: ( ) ( ) A reta r passa nos pontos de coordenadas (0, 1) e (2, 2).

Pág Circunferência: ( ) ( ) 5.4. Circunferência: ( ) ( ) A reta r passa nos pontos de coordenadas (0, 1) e (2, 2). Númros complxos Atvdad d dagnóstco AB + + + AB ( ) ( ) ( ) + + + 9+ A, ; B, ; P x, y Pág AP BP x+ y x + y + x + x + + y x + x x + + y + x + yx y x A bsstr dos quadrants ímpars é a mdatr d [AB] B(, ) ;

Leia mais

O raio de um núcleo típico é cerca de dez mil vezes menor que o raio do átomo ao qual pertence, mas contém mais de 99,9% da massa desse átomo.

O raio de um núcleo típico é cerca de dez mil vezes menor que o raio do átomo ao qual pertence, mas contém mais de 99,9% da massa desse átomo. Caractrísticas Grais do Núclo O raio d um núclo típico é crca d dz mil vzs mnor qu o raio do átomo ao qual prtnc, mas contém mais d 99,9% da massa dss átomo. Constituição O núclo atômico é composto d partículas

Leia mais

Análise de correlação canônica na descrição de potenciais de desenvolvimento nos municípios de Minas Gerais

Análise de correlação canônica na descrição de potenciais de desenvolvimento nos municípios de Minas Gerais Anális d corrlação canônica na dscrição d otnciais d dsnvolvimnto nos municíios d Minas Grais Introdução Naj Clécio Nuns da Silva Wdrson Landro Frrira Gilbrto Rodrigus Liska João Domingos Scalon Marclo

Leia mais

Universidade Federal do Rio de Janeiro INSTITUTO DE MATEMÁTICA Departamento de Matemática

Universidade Federal do Rio de Janeiro INSTITUTO DE MATEMÁTICA Departamento de Matemática Univrsidad Fdral do Rio d Janiro INSTITUTO DE MATEMÁTICA Dpartamnto d Matmática Gabarito da 1 a prova d Gomtria difrncial - 20/09/2018 - Mônica 1. Sja α(s) uma curva rgular plana paramtrizada plo comprimnto

Leia mais

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

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

Leia mais

Cap. 7. Princípio dos trabalhos virtuais

Cap. 7. Princípio dos trabalhos virtuais Cap. 7. Prncípo dos trabalhos vrtuas. Enrga d dformação ntrna. Dfnção prssupostos adoptados. Dnsdad da nrga d dformação ntrna.3 Caso partcular: L consttutva é rprsntada pla rcta.4 Enrga d dformação ntrna.

Leia mais

4 Critérios para Avaliação dos Cenários

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

Leia mais

Cálculo IV EP7 Tutor

Cálculo IV EP7 Tutor Fundação ntro d iências Educação Suprior a Distância do Estado do Rio d Janiro ntro d Educação Suprior a Distância do Estado do Rio d Janiro álculo IV EP7 Tutor Ercício 1: Us a intgral d linha para ncontrar

Leia mais

Resoluções dos exercícios propostos

Resoluções dos exercícios propostos da físca 3 Undad C Capítulo 15 Indução ltromagnétca soluçõs dos xrcícos propostos 1 P.368 D L v, vm: 0,5 0, 1 5 2 V P.369 D L v, vm: 15 6 1 20 3 4 V P.370 a) L v 1,5 0,40 2 1,2 V b) 1,2 2 0,6 Pla rgra

Leia mais

/ :;7 1 6 < =>6? < 7 A 7 B 5 = CED? = DE:F= 6 < 5 G? DIHJ? KLD M 7FD? :>? A 6? D P

/ :;7 1 6 < =>6? < 7 A 7 B 5 = CED? = DE:F= 6 < 5 G? DIHJ? KLD M 7FD? :>? A 6? D P 26 a Aula 20065 AMIV 26 Exponncial d matrizs smlhants Proposição 26 S A SJS ntão Dmonstração Tmos A SJS A % SJS SJS SJ % S ond A, S J são matrizs n n ", (com dt S 0), # S $ S, dond ; A & SJ % S SJS SJ

Leia mais

A energia cinética de um corpo de massa m, que se desloca com velocidade de módulo v num dado referencial, é:

A energia cinética de um corpo de massa m, que se desloca com velocidade de módulo v num dado referencial, é: nrgia no MHS Para studar a nrgia mcânica do oscilador harmônico vamos tomar, como xmplo, o sistma corpo-mola. A nrgia cinética do sistma stá no corpo d massa m. A mola não tm nrgia cinética porqu é uma

Leia mais

3. Geometria Analítica Plana

3. Geometria Analítica Plana MINISTÉRIO DA EDUCAÇÃO UNIVERSIDADE FEDERAL DE PELOTAS DEPARTAMENTO DE MATEMÁTICA E ESTATÍSITICA APOSTILA DE GEOMETRIA ANALÍTICA PLANA PROF VINICIUS 3 Gomtria Analítica Plana 31 Vtors no plano Intuitivamnt,

Leia mais

1 a Prova de F-128 Turmas do Noturno Segundo semestre de /10/2004

1 a Prova de F-128 Turmas do Noturno Segundo semestre de /10/2004 1 a Prova d F-18 Turmas do Noturno Sgundo smstr d 004 18/10/004 1) Um carro s dsloca m uma avnida sgundo a quação x(t) = 0t - 5t, ond x é dado m m t m s. a) Calcul a vlocidad instantâna do carro para os

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

a média populacional do i-ésimo tratamento; o efeito do i-ésimo tratamento na variável dependente Y e mede o afastamento da média µ

a média populacional do i-ésimo tratamento; o efeito do i-ésimo tratamento na variável dependente Y e mede o afastamento da média µ UNIVERSIDADE ESTADUAL PAULISTA FACULDADE DE CIÊNCIAS AGRÁRIAS E VETERINÁRIAS CAMPUS DE JABOTICABAL ª PROVA DE ESTATÍSTICA EXPERIMENTAL - MEDICINA VETERINÁRIA NOME: DATA / / ª QUESTÃO (5,5): Vnte e cnco

Leia mais

PROPOSTA DE RESOLUÇÃO DA PROVA DE MATEMÁTICA A DO ENSINO SECUNDÁRIO (CÓDIGO DA PROVA 635) 2ª FASE 21 DE JULHO Grupo I. Questões

PROPOSTA DE RESOLUÇÃO DA PROVA DE MATEMÁTICA A DO ENSINO SECUNDÁRIO (CÓDIGO DA PROVA 635) 2ª FASE 21 DE JULHO Grupo I. Questões PROPOSTA DE RESOLUÇÃO DA PROVA DE MATEMÁTICA A DO ENSINO SECUNDÁRIO (CÓDIGO DA PROVA 63) ª FASE 1 DE JULHO 014 Grupo I Qustõs 1 3 4 6 7 8 Vrsão 1 C B B D C A B C Vrsão B C C A B A D D 1 Grupo II 11 O complo

Leia mais

A seção de choque diferencial de Rutherford

A seção de choque diferencial de Rutherford A sção d choqu difrncial d Ruthrford Qual é o ângulo d dflxão quando a partícula passa por um cntro d força rpulsiva? Nss caso, quando tratamos as trajtórias sob a ação d forças cntrais proporcionais ao

Leia mais

Hewlett-Packard MATRIZES. Aulas 01 a 05. Elson Rodrigues, Gabriel Carvalho e Paulo Luiz

Hewlett-Packard MATRIZES. Aulas 01 a 05. Elson Rodrigues, Gabriel Carvalho e Paulo Luiz Hwltt-Packard MTRIZES ulas 0 a 05 Elson Rodrigus, Gabril Carvalho Paulo Luiz Sumário MTRIZES NOÇÃO DE MTRIZ REPRESENTÇÃO DE UM MTRIZ E SEUS ELEMENTOS EXERCÍCIO FUNDMENTL MTRIZES ESPECIIS IGULDDE ENTRE

Leia mais

Derivada Escola Naval

Derivada Escola Naval Drivada Escola Naval EN A drivada f () da função f () = l og é: l n (B) 0 l n (E) / l n EN S tm-s qu: f () = s s 0 s < < 0 s < I - f () só não é drivávl para =, = 0 = II - f () só não é contínua para =

Leia mais

TEMA 3 NÚMEROS COMPLEXOS FICHAS DE TRABALHO 12.º ANO COMPILAÇÃO TEMA 3 NÚMEROS COMPLEXOS. Jorge Penalva José Carlos Pereira Vítor Pereira MathSuccess

TEMA 3 NÚMEROS COMPLEXOS FICHAS DE TRABALHO 12.º ANO COMPILAÇÃO TEMA 3 NÚMEROS COMPLEXOS. Jorge Penalva José Carlos Pereira Vítor Pereira MathSuccess FICHAS DE TRABALHO º ANO COMPILAÇÃO TEMA NÚMEROS COMPLEXOS St: http://wwwmathsuccsspt Facbook: https://wwwfacbookcom/mathsuccss TEMA NÚMEROS COMPLEXOS Matmátca A º Ano Fchas d Trabalho Complação Tma Númros

Leia mais

UNIVERSIDADE DE SÃO PAULO FACULDADE DE ECONOMIA, ADMINISTRAÇÃO E CONTABILIDADE DEPARTAMENTO DE ECONOMIA

UNIVERSIDADE DE SÃO PAULO FACULDADE DE ECONOMIA, ADMINISTRAÇÃO E CONTABILIDADE DEPARTAMENTO DE ECONOMIA UNIVERSIDADE DE SÃO PAULO FACULDADE DE ECONOMIA, ADMINISRAÇÃO E CONABILIDADE DEPARAMENO DE ECONOMIA EAE 26 Macroconomia I 1º Smstr d 217 Profssor Frnando Rugitsky Lista d Exrcícios 4 [1] Considr uma macroconomia

Leia mais

Hewlett-Packard MATRIZES. Aulas 01 a 06. Elson Rodrigues, Gabriel Carvalho e Paulo Luiz

Hewlett-Packard MATRIZES. Aulas 01 a 06. Elson Rodrigues, Gabriel Carvalho e Paulo Luiz Hwltt-Packard MTRIZES ulas 0 a 06 Elson Rodrigus, Gabril Carvalho Paulo Luiz no 06 Sumário MTRIZES NOÇÃO DE MTRIZ REPRESENTÇÃO DE UM MTRIZ E SEUS ELEMENTOS EXERCÍCIO FUNDMENTL MTRIZES ESPECIIS IGULDDE

Leia mais

RESOLUÇÃO. Revisão 03 ( ) ( ) ( ) ( ) 0,8 J= t ,3 milhões de toneladas é aproximadamente. mmc 12,20,18 = 180

RESOLUÇÃO. Revisão 03 ( ) ( ) ( ) ( ) 0,8 J= t ,3 milhões de toneladas é aproximadamente. mmc 12,20,18 = 180 Rvisão 03 RESOLUÇÃO Rsposta da qustão : Sndo XA = AB = K = HI = u, sgu qu 3 Y = X+ 0u = + 0u 6 u =. 5 Rsposta da qustão 6: Considr o diagrama, m qu U é o conjunto univrso do grupo d tradutors, I é o conjunto

Leia mais

ANOVA Modelos de Efeitos Aleatórios

ANOVA Modelos de Efeitos Aleatórios O Modlos d Eftos latóros Modlos d Eftos latóros Ex. Tmpratura Corporal (ºC d mas Rpl 3 4 5 6 3 5 8 3 8 8 7 3 3 5 4 4 9 8 4 9 7 3 3 Obtvo do Exprmto: Estmar a tmpratura corporal dos amas d crta spéc m codçõs

Leia mais

λ, para x 0. Outras Distribuições de Probabilidade Contínuas

λ, para x 0. Outras Distribuições de Probabilidade Contínuas abilidad Estatística I Antonio Roqu Aula 3 Outras Distribuiçõs d abilidad Contínuas Vamos agora studar mais algumas distribuiçõs d probabilidads para variávis contínuas. Distribuição Eponncial Uma variávl

Leia mais

ESCOLA SECUNDÁRIA COM 3º CICLO D. DINIS 11º ANO DE ESCOLARIDADE DE MATEMÁTICA A

ESCOLA SECUNDÁRIA COM 3º CICLO D. DINIS 11º ANO DE ESCOLARIDADE DE MATEMÁTICA A ESCOLA SECUNDÁRIA COM 3º CICLO D. DINIS º ANO DE ESCOLARIDADE DE MATEMÁTICA A Ficha d rvisão nº 5 ª Part. Para um crto valor d a para um crto valor d b a prssão ( ) gráfico stá parcialmnt rprsntado na

Leia mais

Prova Escrita de Matemática A 12. o Ano de Escolaridade Prova 635/Versões 1 e 2

Prova Escrita de Matemática A 12. o Ano de Escolaridade Prova 635/Versões 1 e 2 Eam Nacional d 0 (. a fas) Prova Escrita d Matmática. o no d Escolaridad Prova 3/Vrsõs GRUPO I Itns Vrsão Vrsão. (C) (). () (C) 3. () (C). (D) (). (C) (). () () 7. () (D) 8. (C) (D) Justificaçõs:. P( )

Leia mais

Justifique todas as passagens

Justifique todas as passagens ā Prova d Cálculo II - MAT2 - IOUSP /2/204 Nom : GABARITO N ō USP : Profssor : Oswaldo Rio Branco d Olivira Justifiqu todas as passagns Q 2 4 5 Total N. Considr a função f : R 2 R dfinida por f(x,y) =

Leia mais

2. VARIÁVEIS ALEATÓRIAS

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

Leia mais

Regressão Múltipla. Parte I: Modelo Geral e Estimação

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

Leia mais

Principais Modelos Contínuos

Principais Modelos Contínuos rincipais Modlos Contínuos . Modlo uniform Uma v.a. contínua tm distribuição uniform com parâmtros < s sua função dnsidad d probabilidad é dada por c c f. 0. Var E F 0 0 A função d distribuição acumulada

Leia mais

Capítulo 8. (d) 1) 0,5 2) 1,0 3) 0,5 4) 0 5) 2/3 6) 1/2. Problema 02. (a) (b)

Capítulo 8. (d) 1) 0,5 2) 1,0 3) 0,5 4) 0 5) 2/3 6) 1/2. Problema 02. (a) (b) Capítulo Problma. Ω{C C C C C5 C R R R R R5 R} Od: Ccara Rcoroa 5 P 5 5 P 7 7 7 7 7 7 c Sm pos P j P P j j d 5 5 5 / / Problma. P 5 P 5 9 5 7 9 c Não pos P P P 9 d P / P / 5 P 5 P 5 Problma. Prchdo os

Leia mais

NOTAS DE AULA DA DISCIPLINA CE076

NOTAS DE AULA DA DISCIPLINA CE076 5. COMPONENTES PRINCIPAIS 5. Introdução A análse de Comonentes Prncas está relaconada com a exlcação da estrutura de covarânca or meo de oucas combnações lneares das varáves orgnas em estudo, ou sea, rocura

Leia mais

PROPOSTA DE RESOLUÇÃO DA PROVA DE MATEMÁTICA A DO ENSINO SECUNDÁRIO (CÓDIGO DA PROVA 635) 2ª FASE 21 DE JULHO 2014 Grupo I.

PROPOSTA DE RESOLUÇÃO DA PROVA DE MATEMÁTICA A DO ENSINO SECUNDÁRIO (CÓDIGO DA PROVA 635) 2ª FASE 21 DE JULHO 2014 Grupo I. Associação d Profssors d Matmática Contactos: Rua Dr João Couto, nº 7-A 100-6 Lisboa Tl: +1 1 716 6 90 / 1 711 0 77 Fa: +1 1 716 64 4 http://wwwapmpt mail: gral@apmpt PROPOSTA DE RESOLUÇÃO DA PROVA DE

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

Covariância na Propagação de Erros

Covariância na Propagação de Erros Técncas Laboratoras de Físca Lc. Físca e Eng. omédca 007/08 Capítulo VII Covarânca e Correlação Covarânca na propagação de erros Coefcente de Correlação Lnear 35 Covarânca na Propagação de Erros Suponhamos

Leia mais

MAE 0330 ANÁLISE MULTIVARIADA DE DADOS. Análise Fatorial. Júlia M Pavan Soler

MAE 0330 ANÁLISE MULTIVARIADA DE DADOS. Análise Fatorial. Júlia M Pavan Soler MAE 0330 ANÁLISE MULTIVARIADA DE DADOS Análs atoral Júla M Pavan Solr avan@.us.br S/06 Análs d Coonnts Prncas Consdr os sgunts dados: E u studo co caundongos, o so cororal ( graas) d 50 fêas fo ddo logo

Leia mais

Adriano Pedreira Cattai

Adriano Pedreira Cattai Adriano Pdrira Cattai apcattai@ahoocombr Univrsidad Fdral da Bahia UFBA, MAT A01, 006 3 Suprfíci Cilíndrica 31 Introdução Dfinição d Suprfíci Podmos obtr suprfícis não somnt por mio d uma quação do tipo

Leia mais

MAE 0330 ANÁLISE MULTIVARIADA DE DADOS. Análise Fatorial. Júlia M Pavan Soler

MAE 0330 ANÁLISE MULTIVARIADA DE DADOS. Análise Fatorial. Júlia M Pavan Soler MAE 0330 ANÁLISE MULTIVARIADA DE DADOS Análs atoral Júla M Pavan Solr avan@.us.br S/07 Análs d Coonnts Prncas Consdr os sgunts dados: E u studo co caundongos, o so cororal ( graas) d 50 fêas fo ddo logo

Leia mais

INSTITUTO SUPERIOR DE ECONOMIA E GESTÃO Estatística I - Licenciatura em MAEG 2º Ano PADEF Junho 2005 Parte teórica Prova Nome: Nº

INSTITUTO SUPERIOR DE ECONOMIA E GESTÃO Estatística I - Licenciatura em MAEG 2º Ano PADEF Junho 2005 Parte teórica Prova Nome: Nº Estatística I - Licnciatura m MAEG º Ano PADEF Junho 5 Part tórica Prova 753519 Nom: Nº 1. Prguntas d rsposta fchada ( valors) Para cada afirmação, assinal s sta é Vrdadira (V) ou Falsa (F). Uma rsposta

Leia mais

Métodos Avançados em Epidemiologia

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

Leia mais

Teste do Qui-Quadrado( ) 2 x

Teste do Qui-Quadrado( ) 2 x Tst do Qui-Quadrado( ) Tst do Qui-Quadrado É usado quando qurmos comparar Frqüências Obsrvadas (F ) com Frqüências Espradas (F ). Divid-s m três tipos: Tst d adquação do ajustamnto Tst d adrência Tst d

Leia mais

Modelo linear normal com erros heterocedásticos. O método de mínimos quadrados ponderados

Modelo linear normal com erros heterocedásticos. O método de mínimos quadrados ponderados Modelo lnear normal com erros heterocedástcos O método de mínmos quadrados ponderados Varâncas homogêneas Varâncas heterogêneas y y x x Fgura 1 Ilustração da dstrbução de uma varável aleatóra y (condconal

Leia mais

Indice de Gini. Como existem N (N 1 ) / 2 pares distintos, o Gini corresponde a :

Indice de Gini. Como existem N (N 1 ) / 2 pares distintos, o Gini corresponde a : Idc d G Itrprtação Gométrca. Corrspod à razão tr a ára tr a curva a rta d prfta gualdad a ára total sob a rta d prfta gualdad (vara d 0 a. Emplo d Fução Bm Estar Socal Basada o G: A fução Bm Estar Socal

Leia mais

Ficha de Trabalho Matemática 12ºano Temas: Trigonometria ( Triângulo rectângulo e círculo trigonométrico) Proposta de correcção

Ficha de Trabalho Matemática 12ºano Temas: Trigonometria ( Triângulo rectângulo e círculo trigonométrico) Proposta de correcção COLÉGIO PAULO VI Ficha d Trabalho Matmática ºano Tmas: Trigonomtria ( Triângulo rctângulo círculo trigonométrico) Proposta d corrcção Rlmbrar qu um radiano é, m qualqur circunfrência, a amplitud do arco

Leia mais

, ou seja, 8, e 0 são os valores de x tais que x e, Página 120

, ou seja, 8, e 0 são os valores de x tais que x e, Página 120 Prparar o Eam 0 07 Matmática A Página 0. Como g é uma função contínua stritamnt crscnt no su domínio. Logo, o su contradomínio é g, g, ou sja, 8,, porqu: 8 g 8 g 8 8. D : 0, f Rsposta: C Cálculo Auiliar:

Leia mais

Dfinição d grafo Grau d um vértic Dfinição 1.1 Um grafo é uma strutura G = G(V,E) ond V = {v 1,v 2,...,v n } é um conjunto finito não vazio, cujos lmn

Dfinição d grafo Grau d um vértic Dfinição 1.1 Um grafo é uma strutura G = G(V,E) ond V = {v 1,v 2,...,v n } é um conjunto finito não vazio, cujos lmn Dpartamnto d Engnharia d Produção (CEFET/RJ) IV Workshop da Escola d Informática & Computação Outubro 2016 Dfinição d grafo Grau d um vértic Dfinição 1.1 Um grafo é uma strutura G = G(V,E) ond V = {v 1,v

Leia mais

ANÁLISE DIMENSIONAL E SEMELHANÇA. Determinação dos parâmetros

ANÁLISE DIMENSIONAL E SEMELHANÇA. Determinação dos parâmetros ANÁLISE IMENSIONAL E SEMELHANÇA trminação dos parâmtros Procdimnto: d Buckingham 1. Listar todas as grandzas nvolvidas.. Escolhr o conjunto d grandzas fundamntais (básicas), x.: M, L, t, T. 3. Exprssar

Leia mais

tg 2 x , x > 0 Para determinar a continuidade de f em x = 0, devemos calcular os limites laterais

tg 2 x , x > 0 Para determinar a continuidade de f em x = 0, devemos calcular os limites laterais UFRGS Instituto d Matmática DMPA - Dpto. d Matmática Pura Aplicada MAT 0 353 Cálculo Gomtria Analítica I A Gabarito da a PROVA fila A 5 d novmbro d 005 Qustão (,5 pontos Vrifiqu s a função f dada abaixo

Leia mais

COLEÇÃO DARLAN MOUTINHO VOL. 04 RESOLUÇÕES. com. voce

COLEÇÃO DARLAN MOUTINHO VOL. 04 RESOLUÇÕES. com. voce COLEÇÃO DARLAN MOUTINHO VOL. 04 RESOLUÇÕES RESOLUÇÃO A1 Primiramnt, dividimos a figura B m dois triângulos B1 B2, um altura d 21 m bas d 3 m outro altura bas mdindo 15 m. Mosaico 1: Tmos qu os dois triângulos

Leia mais

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

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

Leia mais

Álgebra. Matrizes. . Dê o. 14) Dada a matriz: A =.

Álgebra. Matrizes.  . Dê o. 14) Dada a matriz: A =. Matrizs ) Dada a matriz A = Dê o su tipo os lmntos a, a a ) Escrva a matriz A, do tipo x, ond a ij = i + j ) Escrva a matriz A x, ond a ij = i +j ) Escrva a matriz A = (a ij ) x, ond a ij = i + j ) Escrva

Leia mais

A trajetória sob a ação de uma força central inversamente proporcional ao quadrado da distância

A trajetória sob a ação de uma força central inversamente proporcional ao quadrado da distância A trajtória sob a ação d uma força cntral invrsamnt proporcional ao quadrado da distância A força gravitacional a força ltrostática são cntrais proporcionais ao invrso do quadrado da distância ao cntro

Leia mais

RESUMO de LIMITES X CONTINUIDADE. , tivermos que f(x) arbitr

RESUMO de LIMITES X CONTINUIDADE. , tivermos que f(x) arbitr RESUMO d LIMITES X CONTINUIDADE I. Limits finitos no ponto 1. Noção d Limit Finito num ponto Sjam f uma função x o IR. Dizmos qu f tm it (finito) no ponto x o (m símbolo: f(x) = l IR) quando x convn x

Leia mais

PROPAGAÇÃO EM RÁDIO MÓVEL Prof. Waldecir J. Perrella. Desvanescimento em Pequena Escala e Multipercurso.

PROPAGAÇÃO EM RÁDIO MÓVEL Prof. Waldecir J. Perrella. Desvanescimento em Pequena Escala e Multipercurso. PROPAGAÇÃO EM RÁDIO MÓVEL Prof. Waldcr J. Prrlla Dsvanscmnto m Pquna Escala Multprcurso. Dsvanscmnto m pquna scala ou smplsmnt dsvancmnto (fadng), é usado para dscrvr a rápda flutuação da ampltud d um

Leia mais

1ª PROVA DE ESTATÍSTICA EXPERIMENTAL

1ª PROVA DE ESTATÍSTICA EXPERIMENTAL UNIVERSIAE ESTAUAL PAULISTA FACULAE E CIÊNCIAS AGRÁRIAS E VETERINÁRIAS CAMPUS E JABOTICABAL ª PROVA E ESTATÍSTICA EXPERIMENTAL - MEICINA VETERINÁRIA NOME: ATA / / ª QUESTÃO (5,5): Vnte suínos foram dstrbuídos

Leia mais

Pág , isto é, é o número Pretende-se mostrar que x [ ] f ( x) Seja h a restrição da função f ao intervalo ],0].

Pág , isto é, é o número Pretende-se mostrar que x [ ] f ( x) Seja h a restrição da função f ao intervalo ],0]. Fca d tst global Dado um spaço d rsultados E, fnto, s os acontcmntos lmntars form quprovávs, a probabldad d um acontcmnto A ( E quocnt nr o númro d casos favorávs ao Pág P, é gual ao acontcmnto A o númro

Leia mais

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

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

Leia mais

COLEÇÃO DARLAN MOUTINHO VOL. 04 RESOLUÇÕES. com. e voce

COLEÇÃO DARLAN MOUTINHO VOL. 04 RESOLUÇÕES. com. e voce COLEÇÃO DARLAN MOUTINHO VOL. 04 RESOLUÇÕES voc m o c voc RESOLUÇÃO voc A1 A4 (ABCD) = AB.BC AB.2 = 6 AB = 3 cm (BCFE) = BC.BE 2.BE = 10 BE = 5 cm Um dos lados vai tr a mdida 10-2x o outro 8-2x. A altura

Leia mais

/ d0) e economicamente (descrevendo a cadeia de causação

/ d0) e economicamente (descrevendo a cadeia de causação UNIVERSIDADE DE SÃO PAULO FACULDADE DE ECONOMIA, ADMINISTRAÇÃO E CONTABILIDADE DEPARTAMENTO DE ECONOMIA EAE 26 Macroconoma I º Smstr 27 Profssor Frnano Rugtsky Lsta Exrcícos [] Consr uma macroconoma scrta

Leia mais

). Quer os eixos de S quer os de S

). Quer os eixos de S quer os de S CAPÍULO RANSFORMAÇÃO LINEAR DE COORDENADAS Nst capítulo é aprsntada a ddução da prssão qu prmt transformar as coordnadas d um ponto no spaço d um rfrncal ( S) para outro ( S ). Qur os os d S qur os d S

Leia mais

PRESSUPOSTOS DO MODELO DE REGRESSÃO

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

Leia mais

ModelosProbabilísticos paravariáveis Discretas. Modelo de Poisson

ModelosProbabilísticos paravariáveis Discretas. Modelo de Poisson ModlosProbabilísticos paravariávis Discrtas Modlo d Poisson Na aula passada 1 Dfinimos o concito d modlo probabilístico. 2 Aprndmos a utilizar o Modlo Binomial. 3 Vimos como o Modlo Binomial pod facilitar

Leia mais

MATRIZES 04) (FATEC-SP) Seja A a ij uma matriz quadrada de . Nessas ordem 2 tal que

MATRIZES 04) (FATEC-SP) Seja A a ij uma matriz quadrada de . Nessas ordem 2 tal que MATRIZES www.profssortnan.com.br 0) (PUC) A matrz A d ordm dfnda por a. é dada por: 4 6 4 6 b) 4 4 6 4 6 ) 0) (UFBA) A matrz, com 0 4 b) 0 4 0 ) 4 a, s, é: a, s 0) S A ( a ) é a matrz quadrada d ordm,

Leia mais

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

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

Leia mais

Análise Descritiva com Dados Agrupados

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

Leia mais

EFEITOS DO ERRO AMOSTRAL NAS ESTIMATIVAS DOS PARÂMETROS DO MODELO FATORIAL ORTOGONAL

EFEITOS DO ERRO AMOSTRAL NAS ESTIMATIVAS DOS PARÂMETROS DO MODELO FATORIAL ORTOGONAL SACHIKO ARAKI LIRA EFEITOS DO ERRO AMOSTRAL NAS ESTIMATIVAS DOS PARÂMETROS DO MODELO FATORIAL ORTOGONAL Tese apresentada como requsto parcal à obtenção do grau de Doutora em Cêncas no Programa de Pós-Graduação

Leia mais

Notas Processos estocásticos. Nestor Caticha 23 de abril de 2012

Notas Processos estocásticos. Nestor Caticha 23 de abril de 2012 Notas Processos estocástcos Nestor Catcha 23 de abrl de 2012 notas processos estocástcos 2 O Teorema de Perron Frobenus para matrzes de Markov Consdere um processo estocástco representado por um conunto

Leia mais

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

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

Leia mais

O problema da superdispersão na análise de dados de contagens

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

Leia mais

IND 1115 Inferência Estatística Semestre turma B Teste 2 10/06/2005 GABARITO

IND 1115 Inferência Estatística Semestre turma B Teste 2 10/06/2005 GABARITO IND 5 Ifrêca statístca Smstr 5. turma B Tst /6/5 GABARITO PROBLMA ( potos m caa qustão abao, qu s a afrmatva é vrara ou falsa (marqu um a altratva corrta. Não é cssáro justfcar a sua rsposta. Vraro Falso

Leia mais

Testes não-paramétricos

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

Leia mais

ANÁLISE DA QUALIDADE DE RESULTADOS GPS EM PROGRAMAS COMERCIAIS

ANÁLISE DA QUALIDADE DE RESULTADOS GPS EM PROGRAMAS COMERCIAIS UIVRSIDAD FDRAL D SATA MARIA CTRO D CIÊCIAS RURAIS PROGRAMA D PÓS-GRADUAÇÃO M GOMÁTICA AÁLIS DA QUALIDAD D RSULTADOS GPS M PROGRAMAS COMRCIAIS DISSRTAÇÃO D MSTRADO ALARICO VALLS D MORAS Santa Mara, RS,

Leia mais

ECONOMETRIA. Prof. Patricia Maria Bortolon, D. Sc.

ECONOMETRIA. Prof. Patricia Maria Bortolon, D. Sc. ECONOMETRIA Prof. Patrca Mara Bortolon, D. Sc. Modlos d Escolha Qualtatva Font: GUJARATI; D. N. Economtra Básca: 4ª Edção. Ro d Janro. Elsvr- Campus, 2006 Modlos d scolha qualtatva Varávl dpndnt: bnára

Leia mais

Apêndice Matemático. Se este resultado for inserido na expansão inicial (A1.2), resulta

Apêndice Matemático. Se este resultado for inserido na expansão inicial (A1.2), resulta A Séris Intgrais d Fourir Uma função priódica, d príodo 2, = + 2 pod sr xpandida m séri d Fourir no intrvalo <

Leia mais

Estatística Aplicada II CORRELAÇÃO. AULA 21 07/11/16 Prof a Lilian M. Lima Cunha

Estatística Aplicada II CORRELAÇÃO. AULA 21 07/11/16 Prof a Lilian M. Lima Cunha 09//06 Estatístca Aplcada II CORRELAÇÃO AULA 07//6 Prof a Llan M. Lma Cunha CORRELAÇÃO: Identfcar a estênca ou não de assocação lnear entre varáves: -Preço de um produto em regões; -Frete e Km percorrdo;

Leia mais

P R O P O S T A D E R E S O L U Ç Ã O D O E X A M E T I P O 5

P R O P O S T A D E R E S O L U Ç Ã O D O E X A M E T I P O 5 P R O P O S T A D E R E S O L U Ç Ã O D O E X A M E T I P O 5 GRUPO I ITENS DE ESCOLHA MÚLTIPLA 1. Agrupando num bloco a Ana, a Bruna, o Carlos, a Diana o Eduardo, o bloco os rstants st amigos prmutam

Leia mais

Matemática: Lista de exercícios 2º Ano do Ensino Médio Período: 1º Bimestre

Matemática: Lista de exercícios 2º Ano do Ensino Médio Período: 1º Bimestre Matmática: Lista d xrcícios 2º Ano do Ensino Médio Príodo: 1º Bimstr Qustão 1. Três amigos saíram juntos para comr no sábado no domingo. As tablas a sguir rsumm quantas garrafas d rfrigrant cada um consumiu

Leia mais

3 Modelo para o Sistema de Controle (Q, R) com Nível de Serviço

3 Modelo para o Sistema de Controle (Q, R) com Nível de Serviço 3 Modlo paa o Sstma d Contol (, com Nívl d Svço No Capítulo, fo apsntado um modlo paa o sstma d contol d stou (,, ond a dmanda é uma vaávl alatóa contínua sgundo uma dstbução nomal, uando foam consdados

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

4 Autovetores e autovalores de um operador hermiteano

4 Autovetores e autovalores de um operador hermiteano T (ψ) j = ψ j ˆT ψ = k ψ j ˆT φ k S k = k,l ψ j φ l T (φ) S k = k,l φ l ψ j T (φ) S k = k,l SljT (φ) S k. Após todos esses passos vemos que T (ψ) j = k,l S jl T (φ) S k ou, em termos matrcas T (ψ) = S

Leia mais

Resoluções dos exercícios propostos

Resoluções dos exercícios propostos da física P.3 Situação inicial: θ 7 C 7 73 4 K; º Situação final: θ 37 C 37 73 6 K 6 5 º 4 5 5 º P.33 a) Analisando os dados da tabla, concluímos qu a rlação ntr os alors do olum ( ) os corrsondnts alors

Leia mais

Teste de Matemática CURSO: Ciências do Desporto 31/I/11 Duração: 2h Justifique cuidadosamente todas as suas respostas.

Teste de Matemática CURSO: Ciências do Desporto 31/I/11 Duração: 2h Justifique cuidadosamente todas as suas respostas. Faculdade de Motricidade Humana Matemática Aplicada e Estatística Teste de Matemática CURSO: Ciências do Desporto 31/I/11 Duração: 2h Justifique cuidadosamente todas as suas respostas. I (12 valores) (a)

Leia mais

INTRODUÇÃO À ESTATÍSTICA

INTRODUÇÃO À ESTATÍSTICA INTRODUÇÃO À ESTATÍSTICA ERRATA (capítulos 1 a 6 CAP 1 INTRODUÇÃO. DADOS ESTATÍSTICOS Bnto Murtira Carlos Silva Ribiro João Andrad Silva Carlos Pimnta Pág. 10 O xmplo 1.10 trmina a sguir ao quadro 1.7,

Leia mais

Padrões espaciais de pobreza rural: uma análise exploratória na Bacia do Rio São Francisco, Brasil

Padrões espaciais de pobreza rural: uma análise exploratória na Bacia do Rio São Francisco, Brasil Padrões esacas de obreza rural: uma análse exloratóra na Baca do Ro São Francsco, Brasl Autores: Marcelo de O. Torres, Stehen A. Vost, Marco P. Maneta Wesley W. Wallender, Lneu N. Rodrgues, Lus H. Basso

Leia mais

UNIVERSIDADE FEDERAL DE ITAJUBÁ PROGRAMA DE PÓS-GRADUAÇÃO EM ENGENHARIA DE PRODUÇÃO

UNIVERSIDADE FEDERAL DE ITAJUBÁ PROGRAMA DE PÓS-GRADUAÇÃO EM ENGENHARIA DE PRODUÇÃO UNIVERSIDADE FEDERAL DE ITAJUBÁ PROGRAMA DE PÓS-GRADUAÇÃO EM ENGENHARIA DE PRODUÇÃO LUIZ GUSTAVO DIAS LOPES UMA CONTRIBUIÇÃO PARA ANÁLISE DE COMPONENTES PRINCIPAIS EM OTIMIZAÇÃO DE MÚLTIPLAS RESPOSTAS

Leia mais