Probabilidades e Estatística
|
|
- Dina Barateiro Borja
- 5 Há anos
- Visualizações:
Transcrição
1 Departameto de Matemática robabilidades e Estatística LEAN, LEE, LEGI, LERC, LMAC, MEAer, MEAmbi, MEBiol, MEEC, MEMec 2 o semestre 20/202 2 o Teste B 08/06/202 :00 Duração: hora e 30 miutos Justifique coveietemete todas as respostas! Grupo I valores. ara iferir sobre a probabilidade p de cacelameto de reservas de voos por parte dos seus clietes, uma agêcia de viages decidiu aalisar os processos relativos a 230 reservas de voos passados, escolhidos ao acaso da sua vasta carteira, registado-se para cada reserva se a mesma tiha sido cacelada ou ão. (a) Deduza o estimador de máxima verosimilhaça de p. Diga se o estimador é cetrado. (3.5) V.a. de iteresse X v.a. idicadora de cacelameto de reserva Distribuição X Beroulli(p) arâmetro descohecido p (X ) (cacelameto da reserva), 0 p F.p. (X x) form p x ( p) x, x 0, Amostra x (x,..., x ) amostra de dimesão proveiete da população X Obteção do estimador de MV de p asso Fução de verosimilhaça X i idep L(p x) (X i x i ) X i X p x i ( p) xi] p xi ( p) xi, 0 < p < asso 2 Fução de log-verosimilhaça l L(p x) l(p) x i + l( p) ( x i) asso 3 Maximização A estimativa de MV de p é aqui represetada por ˆp e d l L(p x) dp 0 (poto de estacioaridade) pˆp ˆp : d 2 l L(p x) dp < 0 (poto de máximo) pˆp 2 xi xi ˆp ˆp 0 xi ˆp 2 xi ( ˆp) < 0 2 ˆp x i x, média da amostra roposição verdadeira já que IN e 0 x i Este procedimeto só deve ser aplicado se x i 0,, sedo o resultado obtido, ˆp x, também válido se x i {0, }. ágia de 8
2 asso 4 Estimador de MV de p Será represetado pela v.a. EMV(p) X i X, média da amostra aleatória. Estimador de MV de p é cetrado? EMV(p) X é um estimador cetrado de p sse E( X) p, p 0, ]. Ora, ( ) E( X) E X i E(X i ) X i X E(X) E(X) p, p 0, ]. Assim, coclui-se que X é um estimador cetrado de p. (b) Sabedo que exactamete reservas (das 230 aalisadas) tiham sido caceladas, costrua um (2.5) itervalo, com ível de cofiaça de aproximadamete 95%, para o parâmetro p. V.a. X i idicador de cacelameto da i ésima reserva, i,..., i.i.d. X i X Situação X Beroulli(p) p descohecido 230 >> 30 (suficietemete grade) Obteção de IC para p asso Selecção da v.a. fulcral para p Utilizaremos a v.a. fulcral para p Z X E( X) EMVV ( X)] X p EMVp( p)/] X p a ormal(0, ), uma vez que os foi solicitada a determiação de um IC aproximado para uma probabilidade de sucesso e a dimesão da amostra justifica o recurso a uma aproximação distribucioal. asso 2 Obteção dos quatis de probabilidade Dado que ( α) 00% 95% α 0.05, os quatis a utilizar são { a α Φ ( α/2) Φ (0.975) tabela.9600 b α Φ ( α/2) Φ (0.975) Estes equadram a v.a. fulcral para p com probabilidade aproximadamete igual a ( α). asso 3 Iversão da desigualdade a α Z b α (a α Z b α ) α a α X p q b α ] α X b α p X a α ] α X Φ ( α/2) p X + Φ ( α/2) ] α. ágia 2 de 8
3 asso 4 Cocretização Ao ter-se em cosideração que 230 x x i 230 proporção observada de reservas caceladas Φ ( α/2).9600, coclui-se que o IC aproximado a 95% para p é dado por ] x( x) IC(p) x ± Φ ( α/2), 230 ± ( ) ] ( ) ± , ]. 2. Um fabricate admite que o coteúdo de icotia dos cigarros produzidos possui distribuição ormal, com valor esperado (µ) e desvio padrão (σ) descohecidos. Uma amostra de 6 cigarros, seleccioados ao acaso da produção diária, coduziu a uma média e um desvio padrão iguais a x.05 mg e s 0. mg, respectivamete. (a) O fabricate afirma que µ mg (teor máximo imposto legalmete em 2003), ao passo que (3.0) a represetate de uma agêcia de vigilâcia saitária afirma que µ é superior a esse valor. Cofrote estas duas hipóteses ao ível de sigificâcia de 5%. V.a. de iteresse X coteúdo de icotia de cigarros da produção (em mg) Situação X ormal(µ, σ 2 ) µ descohecido σ 2 descohecido Hipóteses H 0 : µ µ 0 H : µ > µ 0 Nível de sigificâcia α Estatística de teste T X µ 0 S H0 t ( ) pois pretedemos efectuar um teste sobre o valor esperado de uma população ormal com variâcia descohecida. Região de rejeição de H 0 (para valores da estatística de teste) Tratado-se de um teste uilateral superior (H : µ > µ 0 ), a região de rejeição de H 0 é um itervalo à direita do tipo W (c, + ), ode c : (Rejeitar H 0 µ µ 0 ) α 0, i.e., c F t ( ) ( α 0 ) F t (6 ) ( 0.05) F t (60) (0.95) tabela.67. ágia 3 de 8
4 Decisão Uma vez que 6, x.05 e s 0.0, o valor observado da estatística é igual a t x µ 0 s Ora t W (.67, + ), pelo que devemos rejeitar H 0 (hipótese do fabricate) a qualquer.s. maior ou igual a 5%. (b) Cofrote as hipóteses referidas a alíea aterior usado o valor-p. (.0) Decisão (com base em itervalo para o valor-p) Uma vez que este teste é uilateral superior temos: valor p (T > t H 0 ) (T > H 0 ) F t(60) (3.905). Recorredo às tabelas de quatis da distribuição de t-studet podemos adiatar um itervalo para o valor-p deste teste. Com efeito, ao equadrarmos coveietemete t 3.905, obtemos sucessivamete F t (60) (0.9995) < < < F t(60) (3.905) < 0 < valor p < Logo devemos rejeitar H 0 a qualquer.s. α %, por exemplo a qualquer dos íveis usuais de sigificâcia de %, 5% e 0%. Alterativa Decisão (com base em valor-p determiado usado máquia de calcular) Uma vez que este teste é uilateral superior valor p (T > t H 0 ) (T > H 0 ) F t(60) (3.905) , pelo que devemos rejeitar H 0 a qualquer.s. α 0 > 0.02%, por exemplo a qualquer dos íveis usuais de sigificâcia de %, 5% e 0%. Grupo II valores. O resposável pela seguraça de uma fábrica de automóveis recolheu uma amostra casual de registos de acidetes de trabalho que foi classificada de acordo com o período do dia de trabalho em que estes acidetes ocorreram, tedo-se obtido a seguite tabela de frequêcias: eríodo 8:00 9:59 0:00 :59 3:00 4:59 5:00 6:59 Número de acidetes Teste, ao ível de sigificâcia de 5%, se os acidetes de trabalho se distribuem de modo uiforme (3.0) pelos 4 períodos cosiderados. V.a. de iteresse X idicador do período de duas horas em que ocorreu o acidete, 2, 3 e 4 se o acidete ocorreu os períodos 8:00-9:59, 0:00-:59, 3:00-4:59 e 5:00-6:59, respectivamete ágia 4 de 8
5 Hipóteses Seja p i (X i), i, 2, 3, 4. Se os acidetes se distribuem de modo uiforme ao logo do dia de trabalho, com 4 períodos de duas horas, p i p 0 i 4, i, 2, 3, 4. Assim sedo, cofrotar-se-ão as seguites hipóteses: H 0 : p i p 0 i 4, i, 2, 3, 4 H : i : p i p 0 i Nível de sigificâcia α Estatística de Teste k (O i E i ) 2 T E i a H0 χ 2 (k β ), ode: k No. de classes 4; O i Frequêcia absoluta observável da classe i; E i Frequêcia absoluta esperada, sob H 0, da classe i; β No. de parâmetros a estimar 0. Região de rejeição de H 0 (para valores de T ) A região de rejeição de H 0 escrita para valores de T é um itervalo à direita W (c, + ), ode c : (Rejeitar H 0 H 0 ) α 0, em particular, c F χ 2 (k β )( α 0 ) F χ 2 (4 0 )( 0.05) F χ 2 (3)(0.95) tabela Frequêcias absolutas esperadas sob H 0 Atededo a que, sob H 0, p i p 0 i 4, i, 2, 3, 4, tem-se E i p 0 i , i, 2, 3, 4. Note-se que ão é ecessário qualquer agrupameto de classes uma vez que em pelo meos 80% das classes se verifica E i 5 e em todas elas E i. Decisão No cálculo do valor observado da estatística de teste covém adiatar a seguite tabela auxiliar. eríodo i Freq. abs. obs. Freq. abs. esper. sob H 0 arcelas valor obs. estat. teste i o i E i p 0 (o i E i ) 2 i E i 8:00 9: (2 20) :00 : :00 4: :00 6: k oi 80 k Ei 80 t k (o i E i ) 2 E 8.9 i Dado que t 8.9 W (7.85, + ), devemos rejeitar H 0 a qualquer.s. maior ou igual a 5%. ágia 5 de 8
6 2. Uma egeheira iformática decidiu estudar a forma como o úmero de horas despedidas a iteret a última semaa (Y ) se relacioa com o úmero de aos de escolaridade completos do utilizador (x). A amostra de 200 adultos que recolheu ao acaso coduziu aos seguites resultados: 200 x i 2 207, 200 x2 i 25 3, 200 y i 333, 200 y2 i 3 295, 200 x iy i (a) Após ter cosiderado o modelo de regressão liear simples Y i β 0 + β x i + ɛ i (i,..., 200), (2.0) obteha as estimativas de míimos quadrados de β 0 e β e iterprete a estimativa de β. Modelo de RLS Y i β 0 + β x i + ɛ i Y i úmero de horas despedidas a iteret pelo i ésimo idivíduo x i úmero de aos de escolaridade completados pelo i ésimo idivíduo ɛ i erro aleatório associado à medição da resposta i ésimo idivíduo] Estimativas de β 0 e β Uma vez que 200 e x i 2 207, x x i x2 i 25 3 x2 i ( x) y i 333, ȳ y i y2 i y2 i (ȳ) x iy i x iy i x ȳ ,] as estimativas dos míimos quadrados de β e β 0 são, para este modelo, iguais a: ˆβ x iy i xȳ x2 i ( x) ˆβ 0 ȳ ˆβ x Iterpretação da estimativa de míimos quadrados de β ˆβ or cada ao adicioal de escolaridade completado, estima-se que o valor esperado do úmero de horas semaais despedidas a iteret aumete aproximadamete horas (pouco mais de 47 miutos). (b) Será que a amostra recolhida permite cocluir que existe relação de tipo liear etre o valor (3.0) esperado da variável resposta (Y ) e a variável explicativa (x), ao ível de sigificâcia de 5%? Hipóteses de trabalho ɛ i i.i.d. Normal(0, σ 2 ), i,..., (hipótese de trabalho) β 0, β, σ 2 descohecidos] Hipóteses H 0 : β β,0 0 H : β β,0 0 (existe relação liear etre E(Y ) e x) ágia 6 de 8
7 Nível de sigificâcia α 0 5% Estatística de teste ˆβ β,0 T H0 t ( 2) ˆσ 2 x2 i x2 Região de rejeição de H 0 (para valores da estatística de teste) Estamos a lidar com um teste bilateral (H : β β,0 ), pelo que a região de rejeição de H 0 é W (, c) (c, + ), ode c : (Rejeitar H 0 H 0 ) α 0 c F t ( 2) ( α 0 /2) c F t (200 2) (0.975) c Φ (0.975) c.96 Decisão Tedo em cota que ˆβ , x2 i x e que a estimativa σ 2 é igual a ( ) ( ˆσ 2 )] yi 2 ȳ 2 ( 2 ˆβ ) 2 x 2 i x 2 ( ) , o valor observado da estatística de teste é dado por ˆβ β,0 t ˆσ 2 x2 i x Como t W (,.96) (.96, + ), devemos rejeitar H : β β,0 0 a favor de H : β β,0 a qualquer.s. α 0 5%. (c) Deduza um itervalo de cofiaça a 90% para o valor esperado do úmero de horas semaais (2.0) despedidas a iteret por um adulto com 2 aos de escolaridade completos. Outro parâmetro descohecido E(Y x 0 2) β 0 + β 2, valor esperado do úmero de horas semaais despedidas a iteret por um adulto com 2 aos de escolaridade completos. IC a 95% para E(Y x 0 ) asso V.a. fulcral para E(Y x 0 ) β 0 + β x 0 Z ( ˆβ 0 + ˆβ x 0 ) (β 0 + β x 0 ) ] t ( 2) ˆσ 2 ( x x0)2 x2 i x2 + asso 2 Quatis de probabilidade Já que ( α) 00% 90% temos α 0.0 e lidaremos com dois quatis simétricos a α b α iguais a: ±F t ( 2) ( α/2) ±F t (200 2) ( 0.0/2) ±Φ (0.95) tabela ±.6449 ou ±F t ( ) (0.95) tabela ±.65. ágia 7 de 8
8 asso 3 Iversão da desigualdade a α Z b α (a 2 α Z b α) α 6 4 F t ( 2) ( α/2) ( ˆβ 0 + ˆβ x 0 ) (β 0 +β x 0 ) s» ˆσ 2 F 7 t ( 2) ( α/2) 5 α x 2 i x2 + ( x x 0 )2 j r ( ˆβ 0 + ˆβ x 0) F t ( 2) ( α/2) ˆσ 2 h i + ( x x 0) 2 x 2 i x2 β 0 + β x 0 ( ˆβ 0 + ˆβ x 0) + F t ( 2) ( α/2) r ˆσ 2 3 h + ( x x 0) 2 x 2 i x2 i ff α. asso 4 Cocretização " IC ( α) 00% (β 0 + β x 0) ( ˆβ 0 + ˆβ x 0) ± F t ( 2) ( α/2) ( ) ± ± ] , ]. s s ˆσ » # + ( x x 0) 2 x2 i x2» # (.035 2) ágia 8 de 8
Probabilidades e Estatística
Departameto de Matemática robabilidades e Estatística LEGM, LEIC-A, LEIC-T, LEMat, MEBiom, MEFT, MEQ 2 o semestre 2011/2012 2 o Teste A 08/06/2012 9:00 Duração: 1 hora e 30 miutos Justifique coveietemete
Leia maisProbabilidades e Estatística
Departameto de Matemática robabilidades e Estatística LEGM, LEIC-A, LEIC-T, LEMat, MEBiom, MEFT, MEQ o semestre 0/0 o Teste A 08/06/0 9:00 Duração: hora e 30 miutos Justifiue coveietemete todas as respostas!
Leia maisProbabilidades e Estatística LEAN, LEE, LEGI, LERC, LMAC, MEAer, MEAmbi, MEBiol, MEBiom, MEEC, MEFT, MEMat, MEQ
Duração: 90 miutos Grupo I Probabilidades e Estatística LEAN, LEE, LEGI, LERC, LMAC, MEAer, MEAmbi, MEBiol, MEBiom, MEEC, MEFT, MEMat, MEQ Justifique coveietemete todas as respostas 2 o semestre 207/208
Leia maisProbabilidades e Estatística TODOS OS CURSOS
Duração: 90 miutos Grupo I robabilidades e Estatística TODOS OS CURSOS Justifique coveietemete todas as respostas 2 o semestre 2016/2017 05/07/2017 15:00 2 o Teste C 10 valores 1. Admita que a proporção
Leia maisProbabilidades e Estatística LEE, LEGI, LEMat, LERC/LETI, LMAC, MEAer, MEAmb, MEBiol, MEBiom, MEEC, MEFT, MEQ
Duração: 90 miutos Grupo I Probabilidades e Estatística LEE, LEGI, LEMat, LERC/LETI, LMAC, MEAer, MEAmb, MEBiol, MEBiom, MEEC, MEFT, MEQ Justifique coveietemete todas as respostas 2 o semestre 206/207
Leia maisProbabilidades e Estatística LEAN, LEGM, LEIC-A, LEIC-T, MA, MEMec
Duração: 90 miutos Grupo I Probabilidades e Estatística LEAN, LEGM, LEIC-A, LEIC-T, MA, MEMec Justifique coveietemete todas as respostas 2 o semestre 2016/2017 16/06/2017 9h:00 2 o teste 10 valores 1.
Leia maisProbabilidades e Estatística LEE, LEIC-A, LEIC-T, LEMat, LERC, MEBiol, MEBiom, MEEC, MEFT, MEMec, MEQ
Duração: 90 miutos Grupo I Probabilidades e Estatística LEE, LEIC-A, LEIC-T, LEMat, LERC, MEBiol, MEBiom, MEEC, MEFT, MEMec, MEQ Justifique coveietemete todas as respostas 1 o semestre 2017/2018 11/01/2018
Leia maisProbabilidades e Estatística TODOS OS CURSOS
Duração: 90 miutos Grupo I Probabilidades e Estatística TODOS OS CURSOS Justifique coveietemete todas as respostas 1 o semestre 2018/2019 30/01/2019 15:00 2 o Teste C 10 valores 1. Seja X X 1, X 2,...,
Leia maisProbabilidades e Estatística TODOS OS CURSOS
Duração: 90 miutos Grupo I Probabilidades e Estatística TODOS OS CURSOS Justifique coveietemete todas as respostas o semestre 017/018 04/07/018 15:00 o Teste C 10 valores 1. Admita que os tempos (em cetea
Leia maisProbabilidades e Estatística LEAN, LEGI, LEGM, LMAC, MEAer, MEAmbi, MEC
Duração: 90 miutos Grupo I Probabilidades e Estatística LEAN, LEGI, LEGM, LMAC, MEAer, MEAmbi, MEC Justifique coveietemete todas as respostas o semestre 207/208 /0/208 09:00 2 o teste A 0 valores. Admita
Leia maisProbabilidades e Estatística LEIC-A, LEIC-T, LEGM, MA, MEMec
Duração: 90 miutos Probabilidades e Estatística LEIC-A, LEIC-T, LEGM, MA, MEMec Justifique coveietemete todas as respostas! 2 o semestre 2015/2016 09/06/2016 11:00 2 o teste B Grupo I 10 valores 1. Seja
Leia maisProbabilidades e Estatística LEAN, LEE, LEGI, LEMat, LETI, LMAC, MEAmb, MEAer, MEBiol, MEBiom, MEEC, MEFT, MEQ
Duração: 90 miutos Grupo I Probabilidades e Estatística LEAN, LEE, LEGI, LEMat, LETI, LMAC, MEAmb, MEAer, MEBiol, MEBiom, MEEC, MEFT, MEQ Justifique coveietemete todas as respostas! o semestre 015/016
Leia maisProbabilidades e Estatística
Duração: 90 miutos Probabilidades e Estatística LEIC-A, LEIC-T, LEGM, MA, MEMec Justifique coveietemete todas as respostas! o semestre 015/016 09/06/016 11:00 o teste B Grupo I 10 valores 1. Seja (X 1,
Leia maisProbabilidades e Estatística TODOS OS CURSOS
Probabilidades e Estatística TODOS OS CURSOS Exame Época Especial 2016/2017 24/07/2017 09:00 Duração: 3 horas Justifique coveietemete todas as respostas Grupo I 5 valores 1. Uma compahia de seguros divide
Leia maisProbabilidades e Estatística TODOS OS CURSOS
Duração: 90 miutos Gruo I Probabilidades e Estatística TODOS OS CURSOS Justifique coveietemete todas as resostas 1 o semestre 2017/2018 30/01/2018 15:00 2 o Teste C 10 valores 1. A variável aleatória X
Leia maisProbabilidades e Estatística / Introd. às Probabilidades e Estatística TODOS OS CURSOS
Probabilidades e Estatística / Itrod. às Probabilidades e Estatística TODOS OS CURSOS Exame Época Especial 7/8 3/7/7 9: Duração: 3 horas Justifique coveietemete todas as respostas Grupo I 5 valores. Uma
Leia maisProbabilidades e Estatística
Departameto de Matemática Probabilidades e Estatística Primeiro exame/segudo teste 2 o semestre 29/21 Duração: 18/9 miutos Grupo I Justifique coveietemete todas as respostas. 17/6/21 9: horas 1. Com base
Leia maisProbabilidades e Estatística LEAN, LEE, LEGI, LERC, LMAC, MEAer, MEAmbi, MEBiol, MEBiom, MEEC, MEFT, MEMat, MEQ
Duração: 90 miutos Grupo I Probabilidades e Estatística LEAN, LEE, LEGI, LERC, LMAC, MEAer, MEAmbi, MEBiol, MEBiom, MEEC, MEFT, MEMat, MEQ Justifique coveietemete todas as respostas 2 o semestre 2017/2018
Leia maisProbabilidades e Estatística
Departameto de Matemátca robabldades e Estatístca LEAN, LEE, LEGI, LERC, LMAC, MEAer, MEAmb, MEBol, MEEC, MEMec 2 o semestre 20/202 2 o Teste B 08/06/202 :00 Duração: hora e 30 mutos Justfque coveetemete
Leia maisEstatística II Licenciatura em Gestão TESTE I
Estatística II Liceciatura em Gestão 1 o semestre 2015/2016 14/01/2016 09:00 Nome N o Espaço reservado a classificações A utilização do telemóvel, em qualquer circustâcia, é motivo suficiete para a aulação
Leia maisProbabilidades e Estatística
Departamento de Matemática Probabilidades e Estatística LEAN, LEE, LEGI, LEGM, LEIC-A, LEIC-T, LEMat, LERC, LMAC, MEAer, MEAmbi, MEBiol, MEBiom, MEEC, MEFT, MEMec, MEQ o semestre 011/01 Exame de Época
Leia maisProbabilidades e Estatística LEAN, LEGI, LEGM, LMAC, MEAer, MEAmbi, MEC
Duração: 90 miutos Grupo I Probabilidades e Estatística LEAN, LEGI, LEGM, LMAC, MEAer, MEAmbi, MEC Justifique coveietemete todas as respostas o semestre 207/208 8//207 :00 o Teste B 0 valores. Um teste
Leia maisMAE Introdução à Probabilidade e Estatística II Resolução Lista 2
MAE 9 - Itrodução à Probabilidade e Estatística II Resolução Lista Professor: Pedro Moretti Exercício 1 Deotado por Y a variável aleatória que represeta o comprimeto dos cilidros de aço, temos que Y N3,
Leia maisProbabilidades e Estatística 2005/06
Departameto de Matemática Secção de Estatística e Aplicações - IST Probabilidades e Estatística 2005/06 Resolução do 1 o Exame/2 o Teste 10/01/2006 h00 Grupo I - 5.0 val. 1. Um ovo método de detecção de
Leia maisMétodos Numéricos e Estatísticos Parte II-Métodos Estatísticos Estimação pontual e intervalar
potual por itervalos Métodos Numéricos e Estatísticos Parte II-Métodos Estatísticos potual e itervalar Lic. Eg. Biomédica e Bioegeharia-2009/2010 potual por itervalos A Teoria das Probabilidades cosiste
Leia maisINSTITUTO POLITÉCNICO DE SETÚBAL ESCOLA SUPERIOR DE TECNOLOGIA DE SETÚBAL DEPARTAMENTO DE MATEMÁTICA PROBABILIDADES E ESTATÍSTICA
INSTITUTO POLITÉCNICO DE SETÚBAL ESCOLA SUPERIOR DE TECNOLOGIA DE SETÚBAL DEPARTAMENTO DE MATEMÁTICA PROBABILIDADES E ESTATÍSTICA o Teste SEMESTRE PAR /7 Data: 3 de Juho de 7 Duração: h m Tóicos de Resolução.
Leia maisCap. 4 - Estimação por Intervalo
Cap. 4 - Estimação por Itervalo Amostragem e iferêcia estatística População: cosiste a totalidade das observações em que estamos iteressados. Nº de observações a população é deomiado tamaho=n. Amostra:
Leia maisESTIMAÇÃO DE PARÂMETROS
ESTIMAÇÃO DE PARÂMETROS 1 Estimação de Parâmetros uiverso do estudo (população) dados observados O raciocíio idutivo da estimação de parâmetros Estimação de Parâmetros POPULAÇÃO p =? AMOSTRA Observações:
Leia maisProbabilidades e Estatística LEGM, LEIC-A, LEIC-T, MA, MEMec
Duração: 90 miutos Grupo I Probabilidades e Estatística LEGM, LEIC-A, LEIC-T, MA, MEMec Justifique coveietemete todas as respostas 2 o semestre 208/209 04/05/209 9:00 o Teste A 0 valores. As amostras de
Leia maisProbabilidades e Estatística LEIC-A, LEIC-T, LEGM, MA, MEMec
Duração: 90 miutos Grupo I Probabilidades e Estatística LEIC-A, LEIC-T, LEGM, MA, MEMec Justifique coveietemete todas as respostas! 2 o semestre 2015/2016 30/04/2016 9:00 1 o Teste A 10 valores 1. Uma
Leia maisComparação entre duas populações
Comparação etre duas populações AMOSTRAS INDEPENDENTES Comparação etre duas médias 3 Itrodução Em aplicações práticas é comum que o iteresse seja comparar as médias de duas diferetes populações (ambas
Leia maisProbabilidades e Estatística
Departamento de Matemática Probabilidades e Estatística LEAN, LEE, LEGI, LEGM, LEIC-A, LEIC-T, LEMat, LERC, LMAC, MEAer, MEAmbi, MEBiol, MEBiom, MEEC, MEFT, MEMec, MEQ o semestre 11/1 Exame de Época Especial
Leia maisd) A partir do item c) encontre um estimador não viciado para σ 2.
Uiversidade de Brasília Departameto de Estatística 6 a Lista de PE 1 Seja X 1,, X ) uma AAS tal que EX i ) = µ e VarX i ) = σ 2 a) Ecotre EXi 2 ) e E X 2) b) Calcule EX i X) X i X) 2 c) Se T =, mostre
Leia maisTeoria da Estimação 1
Teoria da Estimação 1 Um dos pricipais objetivos da estatística iferecial cosiste em estimar os valores de parâmetros populacioais descohecidos (estimação de parâmetros) utilizado dados amostrais. Etão,
Leia mais1 Estimação de Parâmetros
1 Estimação de arâmetros Vários tipos de estudos tem o objetivo de obter coclusões fazer iferêcias a respeito de parâmetros de uma população. A impossibilidade de avaliar toda a população faz com que a
Leia maisEstimadores de Momentos
Estimadores de Mometos A média populacioal é um caso particular daquilo que chamamos de mometo. Na realidade, ela é o primeiro mometo. Se X for uma v.a. cotíua, com desidade f(x; θ 1,..., θ r ), depededo
Leia maisComplementos de Probabilidades e Estatística
Departameto de Matemática, IST Secção de Probabilidades e Estatística Complemetos de Probabilidades e Estatística Exame de a. Época / 2o. Teste 2o. Semestre 2009/0 Duração: 3 horas / hora e 45 miutos Se
Leia maisLista IC, tamanho de amostra e TH
Lista IC, tamaho de amostra e TH 1. Cosidere a amostra abaixo e costrua um itervalo de cofiaça para a média populacioal. Cosidere um ível de cofiaça de 99%. 17 3 19 3 3 1 18 0 13 17 16 Como ão temos o
Leia maisESTIMAÇÃO DE PARÂMETROS
ESTIMAÇÃO DE PARÂMETROS 1 Estimação de Parâmetros uiverso do estudo (população) dados observados O raciocíio idutivo da estimação de parâmetros Estimação de Parâmetros População p Amostra X S pˆ (parâmetros:
Leia maisProbabilidades e Estatística TODOS OS CURSOS
Duração: 9 miutos Grupo I Probabilidades e Estatística TODOS OS CURSOS Justifique coveietemete todas as respostas 1 o semestre 217/218 3/1/218 11:3 1 o Teste C 1 valores 1. A Marta e o João irão passar
Leia maisTeorema do limite central e es/mação da proporção populacional p
Teorema do limite cetral e es/mação da proporção populacioal p 1 RESULTADO 1: Relembrado resultados importates Seja uma amostra aleatória de tamaho de uma variável aleatória X, com média µ e variâcia σ.temos
Leia maisNosso objetivo agora é estudar a média de uma variável quantitativa X. Denotamos a média desconhecida como E(X)=µ
TESTE DE HIPÓTESES PARA A MÉDIA POPULACIONAL µ Nosso objetivo agora é estudar a média de uma variável quatitativa X. Deotamos a média descohecida como E(X)µ Mais precisamete, estimamos a média µ, costruímos
Leia maisCaderno de Exercício 2
1 Cadero de Exercício Estimação Potual e Itervalos de Cofiaça 1. Exercícios Aulas 1. Exercício 8.6 do livro Statistics for Ecoomics ad Busiess. O úmero de adares vedidos em cada dia por uma empresa imobiliária
Leia maisInferência Estatística
Iferêcia Estatística opulação Amostra Itroduç Itrodução à Iferêcia Estatística Como tirar coclusões tomar decisões a partir de iformação parcial / icompleta (amostra) projectado /geeralizado resultados
Leia maisLista 9 - Introdução à Probabilidade e Estatística
Lista 9 - Itrodução à Probabilidade e Estatística Desigualdades e Teoremas Limites 2.=000. 1 Um ariro apota a um alvo de 20 cm de raio. Seus disparos atigem o alvo, em média, a 5 cm do cetro deste. Assuma
Leia mais1 Distribuições Amostrais
1 Distribuições Amostrais Ao retirarmos uma amostra aleatória de uma população e calcularmos a partir desta amostra qualquer quatidade, ecotramos a estatística, ou seja, chamaremos os valores calculados
Leia mais7. Estimação por intervalos
7. Estimação por itervalos 7.1 Itervalos de cofiaça. (8-1, 8-2.4) Motivação 7.1 Itervalos de cofiaça Para além de uma estimativa potual para o parâmetro descohecido, é importate adiatar um itervalo que
Leia maisEstatística. Estatística II - Administração. Prof. Dr. Marcelo Tavares. Distribuições de amostragem. Estatística Descritiva X Estatística Inferencial
Estatística II - Admiistração Prof. Dr. Marcelo Tavares Distribuições de amostragem Na iferêcia estatística vamos apresetar os argumetos estatísticos para fazer afirmações sobre as características de uma
Leia maisProbabilidades e Estatística MEEC, LEIC-A, LEGM
Departamento de Matemática Probabilidades e Estatística MEEC, LEIC-A, LEGM Exame a Época / o Teste (Grupos III e IV) o semestre 009/00 Duração: 80 / 90 minutos /06/00 9:00 horas Grupo I Exercício 5 valores
Leia maisExercícios de Intervalos de Confiança para media, variância e proporção
Exercícios de Itervalos de Cofiaça para media, variâcia e proporção 1. Se uma amostra aleatória =5, tem uma média amostral de 51,3 e uma desvio padrão populacioal de σ=. Costrua o itervalo com 95% de cofiaça
Leia maisDESIGUALDADES, LEIS LIMITE E TEOREMA DO LIMITE CENTRAL. todas as repetições). Então, para todo o número positivo ξ, teremos:
48 DESIGUALDADES, LEIS LIMITE E TEOREMA DO LIMITE CENTRAL LEI DOS GRANDES NÚMEROS Pretede-se estudar o seguite problema: À medida que o úmero de repetições de uma experiêcia cresce, a frequêcia relativa
Leia maisNOTAS DE AULA: DISTRIBUIÇÃO AMOSTRAL E INTERVALOS DE CONFIANÇA
NOTAS DE AULA: DISTRIBUIÇÃO AMOSTRAL E INTERVALOS DE CONFIANÇA Objetivos da aula: Compreeder que um estimador é uma variável aleatória e, portato, pode-se estabelecer sua distribuição probabilística; Estabelecer
Leia maisProbabilidades 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 maisIntervalos Estatísticos para uma única Amostra - parte II
Itervalos Estatísticos para uma úica Amostra - parte II Itervalo de cofiaça para proporção 2012/02 1 Itrodução 2 3 Objetivos Ao fial deste capítulo você deve ser capaz de: Costruir itervalos de cofiaça
Leia maisRegressão Linear Múltipla
Regressão Liear Múltipla Lucas Sataa da Cuha http://www.uel.br/pessoal/lscuha/ 28 de ovembro de 2018 Lodria 1 / 20 Há muitos problemas que é razoável esperar que as previsões de uma variável devam melhorar
Leia maisInstruções gerais sobre a Prova:
DEPARTAMENTO DE ESTATÍSTICA - UFMG PROVA DE ESTATÍSTICA & PROBABILIDADES SELEÇÃO MESTRADO/UFMG 2012/2013 Istruções gerais sobre a Prova: (a) Cada questão respodida corretamete vale 1 (um) poto. (b) Cada
Leia maisEstimação da média populacional
Estimação da média populacioal 1 MÉTODO ESTATÍSTICO Aálise Descritiva Teoria das Probabilidades Iferêcia Os dados efetivamete observados parecem mostrar que...? Se a distribuição dos dados seguir uma certa
Leia maisMAE0229 Introdução à Probabilidade e à Estatística II
Exercício : Sabe-se que o tempo de viagem de um local A a zoa orte de São Paulo até a USP segue uma distribuição ormal com desvio padrão 9 miutos. Em 200 dias aotou-se o tempo gasto para vir desse poto
Leia maisMétodos Numéricos e Estatísticos Parte II-Métodos Estatísticos
Métodos Numéricos e Estatísticos Parte II-Métodos Estatísticos Lic. Eng. Biomédica e Bioengenharia-2009/2010 Modelos de regressão É usual estarmos interessados em estabelecer uma relação entre uma variável
Leia maisESTIMAÇÃO PARA A MÉDIA
ESTIMAÇÃO PARA A MÉDIA Objetivo Estimar a média de uma variável aleatória, que represeta uma característica de iteresse de uma população, a partir de uma amostra. Vamos observar elemetos, extraídos ao
Leia maisProbabilidades 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 maisFaculdade de Economia Universidade Nova de Lisboa ESTATÍSTICA. Exame Final 2ª Época 26 de Junho de Grupo I (3 valores)
Faculdade de Ecoomia Uiversidade Nova de Lisboa ESTATÍSTIA Exame Fial ª Época 6 de Juho de 00 Ateção:. Respoda a cada grupo em folhas separadas. Idetifique todas as folhas.. Todas as respostas devem ser
Leia maisAvaliação de Desempenho de Sistemas Discretos
Distribuições Comus Avaliação de Desempeho de Sistemas Discretos Probabilidade e Estatística 2 Uiforme Normal Poisso Hipergeométrica Biomial Studet's Geométrica Logormal Expoecial Beta Gamma Qui-Quadrado
Leia maisLista de Exercícios #4 Assunto: Variáveis Aleatórias Contínuas
. ANPEC 8 - Questão Seja x uma variável aleatória com fução desidade de probabilidade dada por: f(x) = x, para x f(x) =, caso cotrário. Podemos afirmar que: () E[x]=; () A mediaa de x é ; () A variâcia
Leia maisMAE Introdução à Probabilidade e Estatística II Resolução Lista 3
MAE 229 - Itrodução à robabilidade e Estatística II Resolução Lista rofessor: edro Moretti Exercício 1 a A hipótese ula H 0 é de que a média de vedas µ permaece ialterada, equato que a hipótese alterativa
Leia maisCapítulo 9 - Regressão Linear Simples (RLS): Notas breves
Capítulo 9 - Regressão Linear Simples RLS: Notas breves Regressão Linear Simples Estrutura formal do modelo de Regressão Linear Simples RLS: Y i = β 0 + β 1 x i + ε i, 1 onde Y i : variável resposta ou
Leia maisIntrodução. Exemplos. Comparar três lojas quanto ao volume médio de vendas. ...
Itrodução Exemplos Para curar uma certa doeça existem quatro tratametos possíveis: A, B, C e D. Pretede-se saber se existem difereças sigificativas os tratametos o que diz respeito ao tempo ecessário para
Leia maisEstimação da média populacional
Estimação da média populacioal 1 MÉTODO ESTATÍSTICO Aálise Descritiva Teoria das Probabilidades Iferêcia Os dados efetivamete observados parecem mostrar que...? Se a distribuição dos dados seguir uma certa
Leia maisObtemos, então, uma amostra aleatória de tamanho n de X, que representamos por X 1, X 2,..., X n.
Vamos observar elemetos, extraídos ao acaso e com reposição da população; Para cada elemeto selecioado, observamos o valor da variável X de iteresse. Obtemos, etão, uma amostra aleatória de tamaho de X,
Leia maisDistribuições Amostrais
Distribuições Amostrais O problema da iferêcia estatística: fazer uma afirmação sobre os parâmetros da população θ (média, variâcia, etc) através da amostra. Usaremos uma AAS de elemetos sorteados dessa
Leia maisCapítulo 9 - Regressão Linear Simples (RLS): Notas breves
Capítulo 9 - Regressão Linear Simples RLS: Notas breves Regressão Linear Simples Estrutura formal do modelo de Regressão Linear Simples RLS: Y i = β 0 + β 1 x i + ε i, 1 onde Y i : variável resposta ou
Leia maisGrupo I. (a) A função de probabilidade marginal de X, P (X = x), é dada por
Probabilidades e Estatística + Probabilidades e Estatística I Solução do Exame de 2 a chamada 3 de Fevereiro de 2003 LEFT + LMAC Grupo I (a) A função de probabilidade marginal de X, P (X = x), é dada por
Leia maisExame Final Nacional de Matemática Aplicada às Ciências Sociais a Fase
Exame Fial Nacioal de Matemática Aplicada às Ciêcias Sociais 04 -. a Fase Proposta de resolução... Aplicado o método de Hodt a distribuição dos madatos, temos: Partido A B C D E Número de votos 4 4 Divisão
Leia maisFACULDADE DE ECONOMIA DO PORTO. Licenciatura em Economia E C O N O M E T R I A I I PARTE
FACULDADE DE ECONOMIA DO PORTO Liceciatura em Ecoomia E C O N O M E T R I A I (LEC0) Exame Fial 0 de Jaeiro de 00 RESOLUÇÃO: I PARTE I GRUPO a) Dispoível uma amostra de observações de Y para períodos cosecutivos,
Leia maisPedro Alberto Barbetta / Marcelo Menezes Reis / Antonio Cezar Bornia São Paulo: Atlas, 2004
Estatística para Cursos de Egeharia e Iformática Pedro Alberto Barbetta / Marcelo Meezes Reis / Atoio Cezar Boria São Paulo: Atlas, 004 Cap. 7 - DistribuiçõesAmostrais e Estimaçãode deparâmetros APOIO:
Leia maisProbabilidades e Estatística
Deartamento de Matemática Probabilidades e Estatística LEAN, LEE, LEGI, LERC, LMAC, MEAer, MEAmbi, MEBiol, MEEC, MEMec o semestre 011/01 1 o Teste B 1/04/01 11:00 Duração: 1 hora e 30 minutos Justifique
Leia maisEstatística e Probabilidade, D3, 2019_1. Escolha a alternativa correta e indique no gabarito de respostas
Estatística e Probabilidade, D3, 2019_1 Escolha a alterativa correta e idique o gabarito de respostas 1. Uma avaliação é costituída de 20 questões, cada uma delas com cico alterativas, das quais apeas
Leia maisDURAÇÃO 1:30. (o teste consta de 3 páginas com questões, um formulário e uma tabela - 5 folhas no total)
DURAÇÃO 1:30 (o teste costa de 3 págias com questões, um formulário e uma tabela - 5 folhas o total) Leia atetamete o euciado ates de respoder a cada questão. as questões de escolha múltipla seleccioe
Leia maisDistribuições de Estatísticas Amostrais e Teorema Central do Limite
Distribuições de Estatísticas Amostrais e Teorema Cetral do Limite Vamos começar com um exemplo: A mega-sea de 996 a N 894 úmeros de a 6: Média: m 588 Desvio padrão: 756 49 amostras de 6 elemetos Frequêcia
Leia maisEstimação de Parâmetros. 1. Introdução
Estimação de Parâmetros. Itrodução O objetivo da Estatística é a realização de iferêcia acerca de uma população, baseadas as iformações amostrais. Como as populações são caracterizados por medidas uméricas
Leia mais6.1 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 maisσ = Proporção (estrato C): =
Ficha para praticar 16 1.1. Por exemplo: Amostra:.º 7 (Vera Lima).º 6 (Vasco Braga).º 5 (Berardo Silva).º (Liliaa Pires).º 1 (Joaa Cardoso).º 1 (Pedro Vieira).º (Aa Sousa).º 10 (Fracisco Medes) 1.. a)
Leia maisPROVA DE ESTATÍSTICA SELEÇÃO MESTRADO/UFMG 2005
PROVA DE ESTATÍSTICA SELEÇÃO MESTRADO/UFMG 005 Istruções para a prova: a) Cada questão respodida corretamete vale um poto. b) Questões deixadas em braco valem zero potos (este caso marque todas alterativas).
Leia maisTRANSPORTES. Sessão Prática 4 Amostragem de escalares
Mestrado Itegrado em Egeharia Civil TRNPORTE Prof. Resposável: Luis Picado atos essão Prática 4 mostragem de escalares Istituto uperior Técico / Mestrado Itegrado Egeharia Civil Trasportes ulas Práticas
Leia maisComplementos de Probabilidades e Estatística
Departameto de Matemática, IST Uidade de Probabilidades e Estatística Complemetos de Probabilidades e Estatística 2o. Teste 2o. Semestre 2010/11 Duração: 1 hora e 45 miutos 08/06/2011 8 horas Sala V1.08
Leia maisbinomial seria quase simétrica. Nestas condições será também melhor a aproximação pela distribuição normal.
biomial seria quase simétrica. Nestas codições será também melhor a aproximação pela distribuição ormal. Na prática, quado e p > 7, a distribuição ormal com parâmetros: µ p 99 σ p ( p) costitui uma boa
Leia maisESTATÍSTICA NÃO-PARAMÉTRICA
ESTATÍSTICA NÃO-PARAMÉTRICA Prof. Dr. Edmilso Rodrigues Pito Faculdade de Matemática - UFU edmilso@famat.ufu.br 1 Programa Itrodução - Plao de curso, sistema de avaliação - Coceitos básicos de iferêcia
Leia maisContabilometria. Prof.: Patricia Maria Bortolon, D. Sc.
Cotabilometria Prof.: Patricia Maria Bortolo, D. Sc. Teste para Duas Amostras Fote: LEVINE, D. M.; STEPHAN, D. F.; KREHBIEL, T. C.; BERENSON, M. L.; Estatística Teoria e Aplicações, 5a. Edição, Editora
Leia maisn ) uma amostra aleatória da variável aleatória X.
- Distribuições amostrais Cosidere uma população de objetos dos quais estamos iteressados em estudar uma determiada característica. Quado dizemos que a população tem distribuição FX ( x ), queremos dizer
Leia maisINFERÊNCIA ESTATÍSTICA: ESTIMAÇÂO PONTUAL E INTERVALOS DE CONFIANÇA
INFRÊNCIA STATÍSTICA: STIMAÇÂO PONTUAL INTRVALOS D CONFIANÇA 0 Problemas de iferêcia Iferir sigifica faer afirmações sobre algo descohecido. A iferêcia estatística tem como objetivo faer afirmações sobre
Leia maisUNIVERSIDADE FEDERAL DO PARANÁ SETOR DE CIÊNCIAS EXATAS DEPTO. DE ESTATÍSTICA LISTA 4 PROBABILIDADE A (CE068) Prof. Benito Olivares Aguilera
UNIVERSIDADE FEDERAL DO PARANÁ SETOR DE CIÊNCIAS EATAS DEPTO. DE ESTATÍSTICA LISTA 4 PROBABILIDADE A (CE068) Prof. Beito Olivares Aguilera 2 o Sem./09 1. Das variáveis abaixo descritas, assiale quais são
Leia maisProbabilidades e Estatística
Departamento de Matemática Probabilidades e Estatística LEAN, LEE, LEGI, LEGM, LEIC-A, LEIC-T, LEMat, LERC, LMAC, MEAer, MEAmbi, MEBiol, MEBiom, MEEC, MEFT, MEMec, MEQ 2 o semestre 2/22 o TESTE (Época
Leia maisEstatística: Aplicação ao Sensoriamento Remoto SER ANO Teste de Hipótese
Estatística: Aplicação ao Sesoriameto Remoto SER 4 - ANO 18 Teste de Hipótese Camilo Daleles Reó camilo@dpi.ipe.br http://www.dpi.ipe.br/~camilo/estatistica/ Estimação de Parâmetros Como já foi visto,
Leia mais3 Introdução à inferência estatística
3 Itrodução à iferêcia estatística Itrodução à iferêcia estatística Pág. 00 1.1. Este tipo de estudos as sodages eleitorais têm como objetivo aferir o setido de voto dos eleitores. Isto permite, ão só
Leia maisINTERVALOS DE CONFIANÇA
INTRVALOS D CONFIANÇA stimação or itervalos,, é uma amostra aleatória de uma variável cuja distribuição deede do arâmetro Se L(,, e U(,, são duas fuções tais que L < U e P(L U =, o itervalo [L, U] é chamado
Leia mais7. INTERVALOS DE CONFIANÇA
7 INTRVALOS D CONFIANÇA 00 stimação por itervalos,, é uma amostra aleatória de uma variável cuja distribuição depede do parâmetro θ Se L(,, ) e U(,, ) são duas fuções tais que L < U e P(L θ U), o itervalo
Leia mais6. Estimação pontual. 6.1 Inferência estatística. (7-1)
6. Estimação potual A Teoria das Probabilidades compreede o estudo dos modelos matemáticos capazes de descrever o comportameto de feómeos aleatórios, modelos esses que se dizem probabilísticos. Foi sobre
Leia maisProbabilidades e Estatística
Departamento de Matemática Probabilidades e Estatística LEAN, LEE, LEGI, LEIC-T, LEMat, LERC, LQ, MEAer, MEAmbi, MEBiol, MEEC, MEMec, MEQ 1 o Teste 1 o semestre 2010/2011 Duração: 1 hora e 30 minutos 20/11/2010
Leia maisAmostras Aleatórias e Distribuições Amostrais. Probabilidade e Estatística: afinal, qual é a diferença?
Amostras Aleatórias e Distribuições Amostrais Probabilidade e Estatística: afial, qual é a difereça? Até agora o que fizemos foi desevolver modelos probabilísticos que se adequavam a situações reais. Por
Leia maisMestrado Integrado em Engenharia Civil. Disciplina: TRANSPORTES. Sessão Prática 4: Amostragem
Mestrado Itegrado em Egeharia Civil Disciplia: TRNSPORTES Prof. Resposável: José Mauel Viegas Sessão Prática 4: mostragem Istituto Superior Técico / Mestrado Itegrado Egª Civil Trasportes ulas Práticas
Leia mais