EXERCÍCIOS SUPLEMENTARES

Tamanho: px
Começar a partir da página:

Download "EXERCÍCIOS SUPLEMENTARES"

Transcrição

1 PROBABILIDADES E ESTATÍSTICA PROBABILIDADES E ESTATÍSTICA I EXERCÍCIOS SUPLEMENTARES Secção de Estatístca e Aplcações Departamento de Matemátca Insttuto Superor Técnco 2004/2005

2 Adenda A1. De um lote de 6 aparelhos electróncos, dos quas se sabe serem 2 de orgem japonesa, são retrados, ao acaso e sem reposção, 2 aparelhos para nspecção. (a) Calcule as probabldades de serem escolhdos, respectvamente 0, 1 ou 2 aparelhos de orgem japonesa. (b) Verfcou-se que o prmero dos aparelhos selecconados não obedece a certas especfcações padrão. Sabendo que 30% dos aparelhos de orgem japonesa obedecem às dtas especfcações e que 10% dos aparelhos de orgem não japonesa obedecem às dtas especfcações, determne a probabldade desse aparelho ser de orgem japonesa. (Exame 19 Jan 2002 ) A2. Numa undade ndustral as peças podem ser produzdas por uma das três máqunas exstentes, A 1, A 2, A 3, nas seguntes condções: Máqunas Produção Peças defetuosas por máquna A 1 35% 2% A 2 45% 3% A 3 20% 1% (a) Calcule a probabldade de que uma peça extraída ao acaso do lote das peças produzdas nessa undade ndustral seja defetuosa. (b) Fo extraída ao acaso uma peça e verfcou-se que era defetuosa. Qual é a probabldade de ela ter sdo produzda pela máquna A 1 ou pela máquna A 2? (Exame 5 Fev 2002 ) A3. Em qualquer letor de vídeo um correcto alnhamento entre a cabeça de letura e a fta magnétca é essencal para uma reprodução com qualdade. Há dos possíves tpos de alnhamento ncorrecto: envesamento e descentragem. Em certo modelo há problemas por envesamento em 10% dos aparelhos, por descentragem em 5% dos aparelhos e tanto por envesamento como por descentragem em 2% dos aparelhos. Admta anda que nesse modelo a probabldade de um erro de letura é: quando não há problemas de alnhamento; 0.01 quando há somente problemas de envesamento; 0.02 quando há somente problemas de descentragem; e 0.05 quando há problemas de envesamento e descentragem. 1

3 (a) Calcule a probabldade de um aparelho desse modelo ter problemas de alnhamento só por envesamento. (b) Calcule a probabldade de um aparelho desse modelo ter problemas de alnhamento e erros de letura. (c) Sabendo que houve um erro de letura ao usar um desses aparelhos, calcule a probabldade de sso se dever a um erro de alnhamento. (Exame B 15 Fev 2000 ) A4. A experênca com uma técnca automátca de mpressão fotográfca mostrou que em 98% dos casos se obtém um resultado satsfatóro. (a) Admtndo ndependênca entre a qualdade de dferentes mpressões, qual é a probabldade de em 20 mpressões haver pelo menos uma não satsfatóra? (b) Nas mesmas condções que em (a), qual é a probabldade de ao fazer mpressões sucessvas, a prmera não satsfatóra ser a vgésma? (c) Num lote de 100 mpressões há 5 não satsfatóras. Ao examnar ao acaso e sem reposção 10 dessas mpressões, qual é a probabldade de ser detectada pelo menos uma não satsfatóra? (Exame 19 Jan 2002 ) A5. O número de defetos por componente da produção de um fabrcante segue uma dstrbução de Posson de valor esperado 0.1. As componentes são embaladas em caxas com capacdade para 10 componentes. (a) Sabendo que uma dada componente tem defetos, qual é a probabldade da componente possur apenas um defeto? (b) Calcule a probabldade de numa caxa não haver nenhuma componente com defetos. (c) O fabrcante propôs as seguntes ofertas para preço de venda de (caxas de) componentes: (A): O preço de uma caxa de componentes é $00. (B): Depos de tentar usar as componentes, o comprador paga 2 300$00 por cada componente sem defetos e recebe uma ndemnzação de 500$00 por cada componente com defetos. Dga, justfcando, se o comprador deve escolher a oferta (A) ou a oferta (B). (Teste A 27 Nov 1999 ) A6. Mensagens chegam por va electrónca a um servdor de acordo com dstrbuções de Posson à taxa méda de 10 por hora. As mensagens recebdas são dstrbuídas ndependentemente pelos város destnatáros dos quas um, desgnado por A, é responsável por 20% das mensagens dstrbuídas. Calcule a probabldade do destnatáro A: (a) receber pelo menos 5 mensagens em 10 chegadas ao servdor numa hora. (b) não receber qualquer mensagem numa hora. (Teste B 25 Nov 2000 ) 2

4 A7. Um posto de gasolna é abastecdo uma vez por semana. Baseando-se em experêncas passadas, pode afrmar-se que a função de densdade de probabldade das vendas semanas de gasolna (X), em dezenas de mlhares de ltros, é x 1, 1 x < 2 f X (x) = 3 x, 2 x 3 0, caso contráro (a) Qual é a probabldade de serem venddos no máxmo 16 ml ltros numa semana? (b) Numa semana em que se sabe terem sdo venddos pelo menos 16 ml ltros, qual a probabldade de a quantdade de gasolna vendda ser nferor a 23 ml ltros? (c) Qual é a quantdade mínma de gasolna a adqurr semanalmente pelo posto de modo a que a procura seja satsfeta até ao próxmo abastecmento em pelo menos 92% das semanas? (d) Calcule o valor esperado das vendas semanas. (Teste B, 11 Ma 2002 ) A8. O tempo (em mnutos) que cada funconáro despende a atender um utente numa repartção de fnanças é uma varável aleatóra com dstrbução exponencal com desvo-padrão 10 mnutos. (a) Sabe-se que um certo utente já está a ser atenddo há mas de 4 mnutos. Determne a probabldade de ser necessáro esperar pelo menos mas 8 mnutos para que o utente acabe de ser atenddo. Comente. (b) Escolhdos 6 utentes ao acaso, determne a probabldade de pelo menos 2 serem atenddos em menos de 8 mnutos (consdere que os tempos de atendmento dos dferentes utentes são ndependentes). (Teste B 16 Nov 2002 ) A9. A vda de um laser tem dstrbução normal com méda gual a 7000 horas e desvo padrão gual a 600 horas. (a) Qual é a probabldade de um desses lasers falhar até 5300 horas? (b) Qual é a duração que 90% desses lasers excede? (c) Um produto nclu três lasers e falha se algum deles falhar. Se os tempos de vda dos três lasers forem ndependentes, qual é a probabldade desse produto durar mas do que 7000 horas? (Teste B 13 Ma 2000 ) A10. O número de mensagens electróncas recebdas por da (24h) numa pequena empresa de entregas rápdas tem dstrbução de Posson com méda gual a 10. (a) Calcule a probabldade de num da a empresa não receber mas do que 7 mensagens. Compare o resultado com o valor obtdo através da aproxmação à dstrbução normal. (b) Qual é a probabldade do ntervalo entre duas mensagens consecutvas exceder 1 hora? (Exame 5 Fev 2002 ) 3

5 A11. Uma empresa de construção cvl tem uma actuação profssonal cujos regstos mostram que 60% dos seus projectos são completados dentro do prazo estabelecdo com o clente. Supondo que este resultado é fdedgno e sabendo que este ano a empresa tem em cartera 20 projectos para executar: (a) Obtenha a probabldade exacta de entre 10 a 15 dos projectos serem completados dentro do prazo estabelecdo com o clente. (b) Efectue, justfcando, um cálculo aproxmado para a probabldade pedda na alínea anteror. Compare e comente. (Teste A 19 Ma 2001 ) A12. Seja (X, Y ) um vector aleatóro dscreto com função de probabldade dada pelo quadro segunte: X\Y /9 1/9 1/ /9 2/9 2 1/9 1/9 1/9 (a) Obtenha as funções de probabldade margnas de X e Y. (b) Determne o coefcente de correlação entre X e Y. O que conclu? (c) Calcule E[X Y = 0] e V ar[x Y = 0]. (d) Calcule E [E [X Y ]]. (Teste A 19 Ma 2001 ) A13. Engenheros afrmam que um troço de uma ponte é capaz de suportar W = 200 toneladas sem que sejam causados danos estruturas. Para além dsso, estudos levados a cabo apontam para que a massa (em tonelada) dos carros que por ela crculam seja uma v.a. bem modelada pela dstrbução normal de valor esperado 1.5 e desvo-padrão (a) Qual a probabldade de ocorrerem danos estruturas caso estejam 130 carros nesse troço? (b) Assuma agora que W é também uma v.a. com dstrbução normal com valor esperado 200 e desvo-padrão 20. Calcule a probabldade de ocorrênca de danos estruturas, caso o número de carros que estão nesse troço da ponte seja gual a 140. (Exame 13 Jul 2002 ) A14. Um elevador de acesso a um grupo de galeras de uma mna tem capacdade nomnal de 3800kg. Os mneros que usam regularmente o elevador têm pesos que seguem uma dstrbução com valor esperado 75kg e desvo padrão 8kg. Calcule aproxmadamente a probabldade de ser excedda a capacdade nomnal do elevador quando nele se encontrarem 50 mneros. (Teste B 19 Ma 2001 ) A15. O ntervalo de tempo, em mnutos, entre a passagem de dos comboos numa estação de metropoltano tem, em horas de ponta, dstrbução unforme no ntervalo de (5, 15). 4

6 (a) Determne a probabldade de se ter de esperar mas de 8 mnutos entre dos comboos. (b) Sabendo que o últmo comboo passou há oto mnutos, qual é a probabldade de se ter de esperar pelo menos mas cnco mnutos pelo próxmo comboo? Calcule o valor esperado desse tempo de espera adconal. (c) Admtndo que os ntervalos de tempo entre passagens sucessvas dos comboos são varáves aleatóras ndependentes, calcule um valor aproxmado para a probabldade da méda dos ntervalos de tempo entre 100 passagens exceder 9 mnutos. (Exame 19 Jan 2002 ) A16. Sejam X, = 1,..., n observações da ampltude de vbração, X, de uma estrutura, sujeta a determnadas forças, supostas..d. segundo uma le de probabldade com f.d.p. f X (x) = x ( ) θ exp x2, x > 0, θ > 0, 2θ onde θ é uma quantdade relaconada com a dspersão do deslocamento da estrutura. O valor esperado e a varânca desta dstrbução são dados por πθ/2 e (2 π/2)θ, respectvamente. (a) Determne os estmadores de máxma verosmlhança de θ e do valor esperado de X. (b) Compare do ponto de vsta da centragem (não envesamento) os seguntes estmadores de θ: T 1 = 1 n X 2 e T 2 = 2 2n π X 2. (Exame 1 Fev 2005 ) A17. Admta que a densdade de construção, X, num projecto de urbanzação tem dstrbução normal. Uma amostra aleatóra de 50 lotes desse projecto conduzu a 50 x = ; 50 x 2 = Assumndo que o desvo padrão de X é gual a 4, construa um ntervalo de confança a 95% para a densdade méda de construção. Que dmensão devera ter a amostra para que a ampltude desse ntervalo fosse reduzda a metade? (Exame 19 Jan 2002 ) A18. Para comparar duas técncas de purfcação de certo tpo de mnéro foram recolhdas duas amostras, ndependentes, de mnéro purfcado e analsado o respectvo teor (em percentagem de pureza). A amostra referente à prmera técnca, de dmensão 20, conduzu a: 20 x = 1880 ; 20 x 2 =

7 Enquanto que na amostra respetante à segunda técnca, de dmensão 12, se observou 12 y = 1140 ; 12 y 2 = Admtndo que, em ambos os casos, o teor do mnéro após purfcação tem dstrbução normal: (a) Determne um ntervalo de confança a 95% para o teor médo do mnéro purfcado usando a prmera técnca. (b) Obtenha um ntervalo de confança a 90% para a varânca do teor do mnéro purfcado usando a segunda técnca. Com base no resultado obtdo, teste a hpótese desta varânca ser gual a 100. (Exame 21 Jul 2001 ) A19. Um fabrcante de cgarros envou a dos laboratóros amostras de tabaco supostamente dêntcas. Cada laboratóro efectuou cnco determnações do conteúdo em ncotna (em mg). Os resultados foram os seguntes: Laboratóro 1 (x 1 ) Laboratóro 2 (x 2 ) x 1 = 24.4 x 2 = 27.0 x 2 1 = 2998 x 2 2 = 3679 Admte-se que os resultados de cada laboratóro seguem dstrbuções normas ndependentes com varânca comum. Determne um ntervalo de confança a 99% para a dferença das médas entre os resultados fornecdos pelos dos laboratóros. Acha que se pode conclur que as médas das duas populações são guas? (Exame 5 Fev 2002 ) A20. A varável aleatóra X que representa o tempo (em mnutos) entre chegadas de camões a um entreposto tem a segunte função densdade de probabldade f(x) = 1 β e x/β, x > 0 (β > 0). Uma amostra aleatóra de 100 observações da varável X conduzu aos seguntes resultados: x = 4320 e x 2 = (a) Justfque que E(X) = β e que V ar(x) = β 2. (b) Usando o resultado da alínea (a) justfque que para n sufcentemente grande n ( X β 1) a N(0, 1). (c) A partr do resultado da alínea (b) construa um ntervalo de confança (aproxmado) a 95% para o valor esperado do tempo entre chegadas de camões ao entreposto com base na amostra obtda. (Exame A 29 Jan 2000 ) 6

8 A21. Um mesmo tpo de materal (em relação ao qual a temperatura de fusão é mportante) pode ser adqurdo a dos fabrcantes (A e B). Uma amostra de 21 observações da temperatura de fusão de materal de cada fabrcante produzu os seguntes valores: fabrcante A B méda ( o C) É sabdo que o desvo padrão das temperaturas de fusão do materal fornecdo pelos dos fabrcantes é de 4 o C. (a) Acha que a temperatura esperada de fusão do materal fornecdo pelos dos fabrcantes pode ser consderada gual? Use um teste de hpóteses convenente e um nível de sgnfcânca de 1%, não se esquecendo de ndcar alguma hpótese de trabalho que seja necessára. (b) Determne a probabldade de o teste da alínea (a) detectar dferença entre as temperaturas esperadas de fusão do materal produzdo pelos fabrcantes B e A quando exste uma dferença de +3 o C entre essas temperaturas. (Exame A 29 Jan 2000 ) A22. Para efectuar uma análse comparatva entre duas marcas X e Y de computadores pessoas, baseada no tempo (em meses) até à necessdade da prmera reparação, recolheram-se observações que conduzram aos seguntes resultados: 248, 20 x 2 = 3560, 12 y = 152, 12 y 2 20 x = = Admtndo que as amostras são ndependentes e que o tempo de vda em questão tem, para ambas as marcas, dstrbução normal com gual varânca, teste, ao nível de sgnfcânca de 10%, a hpótese dos valores esperados dos tempos até à prmera reparação serem guas para as duas marcas. (Exame 13 Jul 2002 ) A23. Um fabrcante de máqunas de calcular afrma que no máxmo 1% da sua produção é defetuosa. Numa amostra aleatóra de 1000 calculadoras verfcou-se que 12 eram defetuosas. (a) Teste a um nível de sgnfcânca de 5% a hpótese colocada pelo fabrcante. (b) Determne o valor-p para o teste da alínea anteror. (c) Que dmensão mínma devera ter a amostra se houver de facto 2% de calculadoras defetuosas, de modo que a probabldade do erro de tpo II não exceda 5%? (Exame 29 Jun 2000 ) A24. Nas eleções para a Presdênca da Repúblca há 5 canddatos. Suponha que uma sondagem de opnão revelou que 1000 eletores preferem o canddato A, 700 preferem o canddato B e que 300 preferem algum dos outros três canddatos (estes números referem-se apenas aos eletores que manfestaram a sua preferênca por algum dos canddatos). 7

9 Város analstas sustentam que o canddato A receberá cerca de duas vezes mas votos do que o canddato B e cerca de três vezes mas votos do que os outros três canddatos em conjunto. Acha que, tendo em conta os resultados da sondagem, os analstas estão a pensar correctamente? Justfque a resposta. (Exame 20 Jan 2001 ) A25. O número de golos por jogo em 32 jogos de um Campeonato do Mundo de Futebol teve a segunte dstrbução N o Golos N o Jogos Teste ao nível de sgnfcânca de 1% a hpótese de o número de golos por jogo ter dstrbução de Posson. Nota: A estmatva de máxma verosmlhança de λ, para a amostra dada, é (Exame 25 Jun 2002 ) A26. Numa experênca com tubos de vácuo foram observados os tempos de vda (em horas) de 100 tubos, tendo-se regstado as seguntes frequêncas absolutas (Freq. Abs.): Intervalo ]0, 30] ]30, 60] ]60, 90] ]90, + [ Freq. Abs Serão os dados consstentes com a hpótese de o tempo de vda de um tubo de vácuo ter dstrbução exponencal com valor esperado gual a 50 horas? Calcule um ntervalo para o valor-p e comente. (Exame 13 Jul 2002 ) A27. Um estudo sobre a nfluênca da velocdade do vento (X), em m/s, na quantdade de água (Y ) que se evapora por da, em centenas de ltros, na albufera de certa barragem, a temperaturas constantes, conduzu a: x y (a) Adoptando um modelo de regressão lnear smples, estme a recta de regressão de Y sobre X e obtenha uma estmatva da quantdade méda de água evaporada quando a velocdade do vento é gual a 90m/s. Faça uso dos seguntes valores: x = 54.0 ȳ = 5.8 x 2 = y 2 = 207 x y = 1960 (b) Calcule o coefcente de determnação do modelo estmado. (c) Teste a sgnfcânca da regressão. Indque o valor-p desse teste e comente o resultado face ao valor obtdo na alínea anteror. (Exame 5 Fev 2002 ) 8

Estatística I Licenciatura MAEG 2006/07

Estatística I Licenciatura MAEG 2006/07 Estatístca I Lcencatura MAEG 006/07 AMOSTRAGEM. DISTRIBUIÇÕES POR AMOSTRAGEM.. Em determnada unversdade verfca-se que 30% dos alunos têm carro. Seleccona-se uma amostra casual smples de 0 alunos. a) Qual

Leia mais

EXEMPLOS DO CURSO DE ESTATÍSTICA ENGENHARIA DE MATERIAIS

EXEMPLOS DO CURSO DE ESTATÍSTICA ENGENHARIA DE MATERIAIS EEMPLOS DO CURSO DE ESTATÍSTICA ENGENHARIA DE MATERIAIS Exemplo: Peso de 25 bolos ndustras Forma bruta: Dsposção ordenada 266 267 266 26 22 255 266 26 272 22 260 272 25 262 23 25 266 270 274 22 2 270 20

Leia mais

PROVA DE ESTATÍSTICA & PROBABILIDADES SELEÇÃO MESTRADO/UFMG 2010/2011

PROVA DE ESTATÍSTICA & PROBABILIDADES SELEÇÃO MESTRADO/UFMG 2010/2011 Instruções: PROVA DE ESTATÍSTICA & PROBABILIDADES SELEÇÃO MESTRADO/UFMG 00/0 Cada uestão respondda corretamente vale (um) ponto. Cada uestão respondda ncorretamente vale - (menos um) ponto. Cada uestão

Leia mais

2ª Atividade Formativa UC ECS

2ª Atividade Formativa UC ECS I. Explque quando é que a méda conduz a melhores resultados que a medana. Dê um exemplo para a melhor utlzação de cada uma das meddas de localzação (Exame 01/09/2009). II. Suponha que um professor fez

Leia mais

INSTITUTO POLITÉCNICO DE VISEU ESCOLA SUPERIOR DE TECNOLOGIA E GESTÃO

INSTITUTO POLITÉCNICO DE VISEU ESCOLA SUPERIOR DE TECNOLOGIA E GESTÃO Área Centfca Curso Matemátca Engenhara Electrotécnca º Semestre º 00/0 Fcha nº 9. Um artgo da revsta Wear (99) apresenta dados relatvos à vscosdade do óleo e ao desgaste do aço maco. A relação entre estas

Leia mais

Nome: Nº: Estatística para Economia e Gestão Licenciaturas em Economia e Gestão. 2.º Semestre de 2008/2009

Nome: Nº: Estatística para Economia e Gestão Licenciaturas em Economia e Gestão. 2.º Semestre de 2008/2009 Estatístca para Economa e Gestão Lcencaturas em Economa e Gestão.º Semestre de 008/009 Exame Fnal (.ª Época) 16 de Junho de 009; 17h30m Duração: 10 mnutos INSTRUÇÕES Escreva o nome e número de aluno em

Leia mais

FICHA de AVALIAÇÃO de MATEMÁTICA A 10.º Ano Versão 4

FICHA de AVALIAÇÃO de MATEMÁTICA A 10.º Ano Versão 4 FICHA de AVALIAÇÃO de MATEMÁTICA A 10.º Ano Versão 4 Nome Nº Turma: Data: / / Professor 10.º Ano Classfcação Apresente o seu racocíno de forma clara, ndcando todos os cálculos que tver de efetuar e todas

Leia mais

Escola Superior de Tecnologia de Viseu. Fundamentos de Estatística 2006/2007 Ficha nº 7

Escola Superior de Tecnologia de Viseu. Fundamentos de Estatística 2006/2007 Ficha nº 7 Escola Superor de Tecnologa de Vseu Fundamentos de Estatístca 006/00 Fcha nº. Um artgo da revsta Wear (99) apresenta dados relatvos à vscosdade do óleo e ao desgaste do aço maco. A relação entre estas

Leia mais

FICHA de AVALIAÇÃO de MATEMÁTICA A 10.º Ano Versão 3

FICHA de AVALIAÇÃO de MATEMÁTICA A 10.º Ano Versão 3 FICHA de AVALIAÇÃO de MATEMÁTICA A 10.º Ano Versão 3 Nome Nº Turma: Data: / / Professor 10.º Ano Classfcação Apresente o seu racocíno de forma clara, ndcando todos os cálculos que tver de efetuar e todas

Leia mais

FICHA de AVALIAÇÃO de MATEMÁTICA A 10.º Ano Versão 1

FICHA de AVALIAÇÃO de MATEMÁTICA A 10.º Ano Versão 1 FICHA de AVALIAÇÃO de MATEMÁTICA A 10.º Ano Versão 1 Nome Nº Turma: Data: / / Professor 10.º Ano Classfcação Apresente o seu racocíno de forma clara, ndcando todos os cálculos que tver de efetuar e todas

Leia mais

FICHA de AVALIAÇÃO de MATEMÁTICA A 10.º Ano Versão 2

FICHA de AVALIAÇÃO de MATEMÁTICA A 10.º Ano Versão 2 FICHA de AVALIAÇÃO de MATEMÁTICA A 10.º Ano Versão 2 Nome Nº Turma: Data: / / Professor 10.º Ano Classfcação Apresente o seu racocíno de forma clara, ndcando todos os cálculos que tver de efetuar e todas

Leia mais

BC0406 Introdução à Probabilidade e à Estatística Lista de Exercícios Suplementares 3 3 quadrimestre 2011

BC0406 Introdução à Probabilidade e à Estatística Lista de Exercícios Suplementares 3 3 quadrimestre 2011 BC0406 Introdução à Probabldade e à Estatístca Lsta de Eercícos Suplementares novembro 0 BC0406 Introdução à Probabldade e à Estatístca Lsta de Eercícos Suplementares quadrmestre 0 Além destes eercícos,

Leia mais

MOQ-14 PROJETO E ANÁLISE DE EXPERIMENTOS LISTA DE EXERCÍCIOS 1 REGRESSÃO LINEAR SIMPLES

MOQ-14 PROJETO E ANÁLISE DE EXPERIMENTOS LISTA DE EXERCÍCIOS 1 REGRESSÃO LINEAR SIMPLES MOQ-14 PROJETO E ANÁLISE DE EXPERIMENTOS LISTA DE EXERCÍCIOS 1 REGRESSÃO LINEAR SIMPLES 1. Obtenha os estmadores dos coefcentes lnear e angular de um modelo de regressão lnear smples utlzando o método

Leia mais

Nº de pedidos: (n = 26) 5 ; 7 ; 8 ; 7 ; 6 ; 7 ; 8 ; 10 ; 6 ; 8 ; 7 ; 8 ; 7 ; 7 ; 8 ; 5 ; 6 ; 8 ; 7 ; 6 ; 7 ; 5 ; 6 ; 8 ; 7 ; 6

Nº de pedidos: (n = 26) 5 ; 7 ; 8 ; 7 ; 6 ; 7 ; 8 ; 10 ; 6 ; 8 ; 7 ; 8 ; 7 ; 7 ; 8 ; 5 ; 6 ; 8 ; 7 ; 6 ; 7 ; 5 ; 6 ; 8 ; 7 ; 6 EXEMPLOS ADICIONAIS DA ENGENHARIA ELÉTRICA 1)Suponha que a probabldade de que um engenhero elétrco utlze estatístca em seu exercíco profssonal seja 0,20 Se durante a vda profssonal, um engenhero tver cnco

Leia mais

UNIVERSIDADE NOVA DE LISBOA Faculdade de Economia Análise de Dados e Probabilidade 2º Semestre 2008/2009 Exame Final 1ª Época. Grupo I (4 Valores)

UNIVERSIDADE NOVA DE LISBOA Faculdade de Economia Análise de Dados e Probabilidade 2º Semestre 2008/2009 Exame Final 1ª Época. Grupo I (4 Valores) UNIVERSIDADE NOVA DE LISBOA Faculdade de Economa Análse de Dados e Probabldade º Semestre 008/009 Exame Fnal ª Época Clara Costa Duarte Data: 8/05/009 Graça Slva Duração: h0 Grupo I (4 Valores) A gelatara

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

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 entre duas ou mas varáves. Pode ser: correlaconal ou expermental. Numa relação expermental os valores de uma das

Leia mais

2 Incerteza de medição

2 Incerteza de medição 2 Incerteza de medção Toda medção envolve ensaos, ajustes, condconamentos e a observação de ndcações em um nstrumento. Este conhecmento é utlzado para obter o valor de uma grandeza (mensurando) a partr

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

Universidade da Beira Interior Departamento de Matemática. Ficha de exercícios nº2: Distribuições Bidimensionais

Universidade da Beira Interior Departamento de Matemática. Ficha de exercícios nº2: Distribuições Bidimensionais Ano lectvo: 2006/2007 Unversdade da Bera Interor Departamento de Matemátca ESTATÍSTICA Fcha de exercícos nº2: Dstrbuções Bdmensonas Curso: Cêncas do Desporto 1. Consdere a segunte tabela de contngênca:

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

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

REGRESSÃO NÃO LINEAR 27/06/2017

REGRESSÃO NÃO LINEAR 27/06/2017 7/06/07 REGRESSÃO NÃO LINEAR CUIABÁ, MT 07/ Os modelos de regressão não lnear dferencam-se dos modelos lneares, tanto smples como múltplos, pelo fato de suas varáves ndependentes não estarem separados

Leia mais

Prof. Lorí Viali, Dr.

Prof. Lorí Viali, Dr. Prof. Lorí Val, Dr. val@mat.ufrgs.br http://www.mat.ufrgs.br/~val/ 1 É o grau de assocação entre duas ou mas varáves. Pode ser: correlaconal ou expermental. Numa relação expermental os valores de uma das

Leia mais

Prof. Lorí Viali, Dr.

Prof. Lorí Viali, Dr. Prof. Lorí Val, Dr. val@mat.ufrgs.br http://www.mat.ufrgs.br/~val/ É o grau de assocação entre duas ou mas varáves. Pode ser: correlaconal ou expermental. Prof. Lorí Val, Dr. UFRG Insttuto de Matemátca

Leia mais

Prof. Lorí Viali, Dr.

Prof. Lorí Viali, Dr. Prof. Lorí Val, Dr. vall@mat.ufrgs.br http://www.mat.ufrgs.br/~val/ Em mutas stuações duas ou mas varáves estão relaconadas e surge então a necessdade de determnar a natureza deste relaconamento. A análse

Leia mais

UNIVERSIDADE NOVA DE LISBOA Faculdade de Economia Análise de Dados e Probabilidade 2º Semestre 2008/2009 Teste Intermédio A. Grupo I (5 Valores)

UNIVERSIDADE NOVA DE LISBOA Faculdade de Economia Análise de Dados e Probabilidade 2º Semestre 2008/2009 Teste Intermédio A. Grupo I (5 Valores) 1 UNIVERIDADE NOVA DE LIBOA Faculdade de Economa Análse de Dados e Probabldade º emestre 008/009 Teste Intermédo A Clara Costa Duarte Data: 01/04/009 Graça lva Duração: 1h Grupo I (5 Valores) uponha que

Leia mais

ESTATÍSTICA APLICADA II ANO LECTIVO 2011/2012. Exame Final 26 de Julho de 2012

ESTATÍSTICA APLICADA II ANO LECTIVO 2011/2012. Exame Final 26 de Julho de 2012 ETATÍTICA APLICADA II ANO LECTIVO / Exame Fnal 6 de Julho de Duração : H 3 M Nota: Responder um grupo por folha (utlze frente e verso de cada folha) Em todas as questões apresentar os cálculos efectuados

Leia mais

Gráficos de Controle para Processos Autocorrelacionados

Gráficos de Controle para Processos Autocorrelacionados Gráfcos de Controle para Processos Autocorrelaconados Gráfco de controle de Shewhart: observações ndependentes e normalmente dstrbuídas. Shewhart ao crar os gráfcos de controle não exgu que os dados fossem

Leia mais

AEP FISCAL ESTATÍSTICA

AEP FISCAL ESTATÍSTICA AEP FISCAL ESTATÍSTICA Módulo 11: Varáves Aleatóras (webercampos@gmal.com) VARIÁVEIS ALEATÓRIAS 1. Conceto de Varáves Aleatóras Exemplo: O expermento consste no lançamento de duas moedas: X: nº de caras

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

Responda às questões utilizando técnicas adequadas à solução de problemas de grande dimensão.

Responda às questões utilizando técnicas adequadas à solução de problemas de grande dimensão. Departamento de Produção e Sstemas Complementos de Investgação Operaconal Exame Época Normal, 1ª Chamada 11 de Janero de 2006 Responda às questões utlzando técncas adequadas à solução de problemas de grande

Leia mais

CAPÍTULO 2 - Estatística Descritiva

CAPÍTULO 2 - Estatística Descritiva INF 16 Prof. Luz Alexandre Peternell CAPÍTULO - Estatístca Descrtva Exercícos Propostos 1) Consderando os dados amostras abaxo, calcular: méda artmétca, varânca, desvo padrão, erro padrão da méda e coefcente

Leia mais

ESTATÍSTICA MULTIVARIADA 2º SEMESTRE 2010 / 11. EXERCÍCIOS PRÁTICOS - CADERNO 4 Regressão Linear

ESTATÍSTICA MULTIVARIADA 2º SEMESTRE 2010 / 11. EXERCÍCIOS PRÁTICOS - CADERNO 4 Regressão Linear ESTATÍSTICA MULTIVARIADA 2º SEMESTRE 2010 / 11 EERCÍCIOS PRÁTICOS - CADERNO 4 Regressão Lnear 4. EERCÍCIOS PARA RESOLVER NAS AULAS 4.1. O gestor de marketng duma grande cadea de supermercados quer determnar

Leia mais

Universidade de São Paulo Escola Superior de Agricultura Luiz de Queiroz Departamento de Ciências Exatas

Universidade de São Paulo Escola Superior de Agricultura Luiz de Queiroz Departamento de Ciências Exatas Unversdade de São Paulo Escola Superor de Agrcultura Luz de Queroz Departamento de Cêncas Exatas Prova escrta de seleção para DOUTORADO em Estatístca e Expermentação Agronômca Nome do canddato (a): Questão

Leia mais

UNIDADE IV DELINEAMENTO INTEIRAMENTE CASUALIZADO (DIC)

UNIDADE IV DELINEAMENTO INTEIRAMENTE CASUALIZADO (DIC) UNDADE V DELNEAMENTO NTERAMENTE CASUALZADO (DC) CUABÁ, MT 015/ PROF.: RÔMULO MÔRA romulomora.webnode.com 1. NTRODUÇÃO Este delneamento apresenta como característca prncpal a necessdade de homogenedade

Leia mais

Associação entre duas variáveis quantitativas

Associação entre duas variáveis quantitativas Exemplo O departamento de RH de uma empresa deseja avalar a efcáca dos testes aplcados para a seleção de funconáros. Para tanto, fo sorteada uma amostra aleatóra de 50 funconáros que fazem parte da empresa

Leia mais

Capítulo 1. Exercício 5. Capítulo 2 Exercício

Capítulo 1. Exercício 5. Capítulo 2 Exercício UNIVERSIDADE FEDERAL DE GOIÁS CIÊNCIAS ECONÔMICAS ECONOMETRIA (04-II) PRIMEIRA LISTA DE EXERCÍCIOS Exercícos do Gujarat Exercíco 5 Capítulo Capítulo Exercíco 3 4 5 7 0 5 Capítulo 3 As duas prmeras demonstrações

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

Análise de Regressão Linear Múltipla IV

Análise de Regressão Linear Múltipla IV Análse de Regressão Lnear Múltpla IV Aula 7 Guarat e Porter, 11 Capítulos 7 e 8 He et al., 4 Capítulo 3 Exemplo Tomando por base o modelo salaro 1educ anosemp exp prev log 3 a senhorta Jole, gerente do

Leia mais

TESTE DO QUI-QUADRADO - Ajustamento

TESTE DO QUI-QUADRADO - Ajustamento Exemplo 3: Avalar se uma moeda ou um dado é honesto; Em 100 lances de moeda, observaram-se 65 coroas e 35 caras. Testar se a moeda é honesta. 1 H 0 : a moeda é honesta; H 1 : a moeda não é honesta; 2 α

Leia mais

Análise de Regressão

Análise de Regressão Análse de Regressão método estatístco que utlza relação entre duas ou mas varáves de modo que uma varável pode ser estmada (ou predta) a partr da outra ou das outras Neter, J. et al. Appled Lnear Statstcal

Leia mais

Introdução a Processos Estocásticos:Exercícios

Introdução a Processos Estocásticos:Exercícios lvroexerccos 2017/3/19 11:24 page #1 Introdução a Processos Estocástcos:Exercícos Luz Antono Baccalá Escola Poltécnca da USP Departamento de Engenhara de Telecomuncações e Controle 2016 lvroexerccos 2017/3/19

Leia mais

3 Metodologia de Avaliação da Relação entre o Custo Operacional e o Preço do Óleo

3 Metodologia de Avaliação da Relação entre o Custo Operacional e o Preço do Óleo 3 Metodologa de Avalação da Relação entre o Custo Operaconal e o Preço do Óleo Este capítulo tem como objetvo apresentar a metodologa que será empregada nesta pesqusa para avalar a dependênca entre duas

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

TRANSPORTES. Sessão Prática 9 Modelos de Escolha Discreta Modelo Logit

TRANSPORTES. Sessão Prática 9 Modelos de Escolha Discreta Modelo Logit Mestrado Integrado em Engenhara Cvl TRANSPORTES Prof. Responsável: Lus Pcado Santos Sessão Prátca 9 Modelos de Escolha Dscreta Modelo Logt Insttuto Superor Técnco / Mestrado Integrado Engenhara Cvl Transportes

Leia mais

Os modelos de regressão paramétricos vistos anteriormente exigem que se suponha uma distribuição estatística para o tempo de sobrevivência.

Os modelos de regressão paramétricos vistos anteriormente exigem que se suponha uma distribuição estatística para o tempo de sobrevivência. MODELO DE REGRESSÃO DE COX Os modelos de regressão paramétrcos vstos anterormente exgem que se suponha uma dstrbução estatístca para o tempo de sobrevvênca. Contudo esta suposção, caso não sea adequada,

Leia mais

5 Métodos de cálculo do limite de retenção em função da ruína e do capital inicial

5 Métodos de cálculo do limite de retenção em função da ruína e do capital inicial 5 Métodos de cálculo do lmte de retenção em função da ruína e do captal ncal Nesta dssertação serão utlzados dos métodos comparatvos de cálculo de lmte de retenção, onde ambos consderam a necessdade de

Leia mais

1. CORRELAÇÃO E REGRESSÃO LINEAR

1. CORRELAÇÃO E REGRESSÃO LINEAR 1 CORRELAÇÃO E REGREÃO LINEAR Quando deseja-se estudar se exste relação entre duas varáves quanttatvas, pode-se utlzar a ferramenta estatístca da Correlação Lnear mples de Pearson Quando essa correlação

Leia mais

Cap. IV Análise estatística de incertezas aleatórias

Cap. IV Análise estatística de incertezas aleatórias TLF 010/11 Cap. IV Análse estatístca de ncertezas aleatóras Capítulo IV Análse estatístca de ncertezas aleatóras 4.1. Méda 43 4.. Desvo padrão 44 4.3. Sgnfcado do desvo padrão 46 4.4. Desvo padrão da méda

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

R X. X(s) Y Y(s) Variáveis aleatórias discretas bidimensionais

R X. X(s) Y Y(s) Variáveis aleatórias discretas bidimensionais 30 Varáves aleatóras bdmensonas Sea ε uma experênca aleatóra e S um espaço amostral assocado a essa experênca. Seam X X(s) e Y Y(s) duas funções cada uma assocando um número real a cada resultado s S.

Leia mais

ESTATÍSTICA MULTIVARIADA 2º SEMESTRE 2010 / 11. EXERCÍCIOS PRÁTICOS - CADERNO 1 Revisões de Estatística

ESTATÍSTICA MULTIVARIADA 2º SEMESTRE 2010 / 11. EXERCÍCIOS PRÁTICOS - CADERNO 1 Revisões de Estatística ESTATÍSTICA MULTIVARIADA º SEMESTRE 010 / 11 EXERCÍCIOS PRÁTICOS - CADERNO 1 Revsões de Estatístca -0-11 1.1 1.1. (Varáves aleatóras: função de densdade e de dstrbução; Méda e Varânca enquanto expectatvas

Leia mais

Gabarito da Lista de Exercícios de Econometria I

Gabarito da Lista de Exercícios de Econometria I Gabarto da sta de Exercícos de Econometra I Professor: Rogéro lva Mattos Montor: eonardo enrque A. lva Questão Y X y x xy x ŷ ˆ ˆ y ŷ (Y - Y ) (X - X ) (Ŷ - Y ) 360 00-76 -00 35.00 40.000 36-4 30.976 3076

Leia mais

Contabilometria. Aula 8 Regressão Linear Simples

Contabilometria. Aula 8 Regressão Linear Simples Contalometra Aula 8 Regressão Lnear Smples Orgem hstórca do termo Regressão Le da Regressão Unversal de Galton 1885 Galton verfcou que, apesar da tendênca de que pas altos tvessem flhos altos e pas axos

Leia mais

Variação ao acaso. É toda variação devida a fatores não controláveis, denominadas erro.

Variação ao acaso. É toda variação devida a fatores não controláveis, denominadas erro. Aplcação Por exemplo, se prepararmos uma área expermental com todo cudado possível e fzermos, manualmente, o planto de 100 sementes seleconadas de um mlho híbrdo, cudando para que as sementes fquem na

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

MODELOS DE REGRESSÃO PARAMÉTRICOS

MODELOS DE REGRESSÃO PARAMÉTRICOS MODELOS DE REGRESSÃO PARAMÉTRICOS Às vezes é de nteresse nclur na análse, característcas dos ndvíduos que podem estar relaconadas com o tempo de vda. Estudo de nsufcênca renal: verfcar qual o efeto da

Leia mais

FAAP APRESENTAÇÃO (1)

FAAP APRESENTAÇÃO (1) ARESENTAÇÃO A Estatístca é uma cênca que organza, resume e smplfca nformações, além de analsá-las e nterpretá-las. odemos dvdr a Estatístca em três grandes campos:. Estatístca Descrtva- organza, resume,

Leia mais

Exercícios de CPM e PERT Enunciados

Exercícios de CPM e PERT Enunciados Capítulo 7 Exercícos de CPM e PERT Enuncados Exercícos de CPM e PERT Enuncados 106 Problema 1 O banco TTM (Tostão a Tostão se faz um Mlhão) decdu transferr e amplar a sua sede e servços centras para a

Leia mais

Aplicando o método de mínimos quadrados ordinários, você encontrou o seguinte resultado: 1,2

Aplicando o método de mínimos quadrados ordinários, você encontrou o seguinte resultado: 1,2 Econometra - Lsta 3 - Regressão Lnear Múltpla Professores: Hedbert Lopes, Prscla Rbero e Sérgo Martns Montores: Gustavo Amarante e João Marcos Nusdeo QUESTÃO 1. Você trabalha na consultora Fazemos Qualquer

Leia mais

Aula Características dos sistemas de medição

Aula Características dos sistemas de medição Aula - Característcas dos sstemas de medção O comportamento funconal de um sstema de medção é descrto pelas suas característcas (parâmetros) operaconas e metrológcas. Aqu é defnda e analsada uma sére destes

Leia mais

3 A técnica de computação intensiva Bootstrap

3 A técnica de computação intensiva Bootstrap A técnca de computação ntensva ootstrap O termo ootstrap tem orgem na expressão de língua nglesa lft oneself by pullng hs/her bootstrap, ou seja, alguém levantar-se puxando seu própro cadarço de bota.

Leia mais

1. ANÁLISE EXPLORATÓRIA E ESTATÍSTICA DESCRITIVA

1. ANÁLISE EXPLORATÓRIA E ESTATÍSTICA DESCRITIVA 1. ANÁLISE EXPLORATÓRIA E ESTATÍSTICA DESCRITIVA 014 Estatístca Descrtva e Análse Exploratóra Etapas ncas. Utlzadas para descrever e resumr os dados. A dsponbldade de uma grande quantdade de dados e de

Leia mais

Análise Exploratória de Dados

Análise Exploratória de Dados Análse Exploratóra de Dados Objetvos Análse de duas varáves quanttatvas: traçar dagramas de dspersão, para avalar possíves relações entre as duas varáves; calcular o coefcente de correlação entre as duas

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

CONCEITOS INICIAIS DE ESTATÍSTICA MÓDULO 2 DISTRIBUIÇÃO DE FREQÜÊNCIA - ELEMENTOS Prof. Rogério Rodrigues

CONCEITOS INICIAIS DE ESTATÍSTICA MÓDULO 2 DISTRIBUIÇÃO DE FREQÜÊNCIA - ELEMENTOS Prof. Rogério Rodrigues CONCEITOS INICIAIS DE ESTATÍSTICA MÓDULO DISTRIBUIÇÃO DE FREQÜÊNCIA - ELEMENTOS Prof. Rogéro Rodrgues I) TABELA PRIMITIVA E DISTRIBUIÇÃO DE FREQÜÊNCIA : No processo de amostragem, a forma de regstro mas

Leia mais

DELINEAMENTOS EXPERIMENTAIS

DELINEAMENTOS EXPERIMENTAIS SUMÁRIO 1 Delneamentos Expermentas 2 1.1 Delneamento Interamente Casualzado..................... 2 1.2 Delneamento Blocos Casualzados (DBC).................... 3 1.3 Delneamento Quadrado Latno (DQL)......................

Leia mais

Estatística II Antonio Roque Aula 18. Regressão Linear

Estatística II Antonio Roque Aula 18. Regressão Linear Estatístca II Antono Roque Aula 18 Regressão Lnear Quando se consderam duas varáves aleatóras ao mesmo tempo, X e Y, as técncas estatístcas aplcadas são as de regressão e correlação. As duas técncas estão

Leia mais

UNIVERSIDADE DOS AÇORES Curso Matemática Aplicada e Curso Livre

UNIVERSIDADE DOS AÇORES Curso Matemática Aplicada e Curso Livre UNIVERSIDADE DOS AÇORES Curso Matemátca Aplcada e Curso Lvre Sondagens e Amostragem 4º Ano º Semestre 005/006 Fcha de trabalho nº 1 Amostragem aleatóra smples 1. Uma população U é composta por cnco números,

Leia mais

Parte 1: Exercícios Teóricos

Parte 1: Exercícios Teóricos Cálculo Numérco SME0300 ICMC-USP Lsta 2: Sstemas Lneares Métodos Dretos Professora: Cyntha de O. Lage Ferrera Parte 1: Exercícos Teórcos 1. Consdere o sstema Ax = b, onde 1 α 3 α 1 4 ; x = 5 2 1 Para que

Leia mais

DEFINIÇÃO - MODELO LINEAR GENERALIZADO

DEFINIÇÃO - MODELO LINEAR GENERALIZADO DEFINIÇÃO - MODELO LINEAR GENERALIZADO 1 Um modelo lnear generalzado é defndo pelos seguntes três componentes: Componente aleatóro; Componente sstemátco; Função de lgação; Componente aleatóro: Um conjunto

Leia mais

Física I LEC+LET Guias de Laboratório 2ª Parte

Física I LEC+LET Guias de Laboratório 2ª Parte Físca I LEC+LET Guas de Laboratóro 2ª Parte 2002/2003 Experênca 3 Expansão lnear de sóldos. Determnação de coefcentes de expansão térmca de dferentes substâncas Resumo Grupo: Turno: ª Fera h Curso: Nome

Leia mais

Análise de Regressão Linear Múltipla VII

Análise de Regressão Linear Múltipla VII Análse de Regressão Lnear Múltpla VII Aula 1 Hej et al., 4 Seções 3. e 3.4 Hpótese Lnear Geral Seja y = + 1 x 1 + x +... + k x k +, = 1,,..., n. um modelo de regressão lnear múltpla, que pode ser escrto

Leia mais

Programa de Certificação de Medidas de um laboratório

Programa de Certificação de Medidas de um laboratório Programa de Certfcação de Meddas de um laboratóro Tratamento de dados Elmnação de dervas Programa de calbração entre laboratóros Programa nterno de calbração justes de meddas a curvas Tratamento dos resultados

Leia mais

Medidas de Tendência Central. Prof.: Ademilson Teixeira

Medidas de Tendência Central. Prof.: Ademilson Teixeira Meddas de Tendênca Central Prof.: Ademlson Texera ademlson.texera@fsc.edu.br 1 Servem para descrever característcas báscas de um estudo com dados quanttatvos e comparar resultados. Meddas de Tendênca Central

Leia mais

Experiência V (aulas 08 e 09) Curvas características

Experiência V (aulas 08 e 09) Curvas características Experênca (aulas 08 e 09) Curvas característcas 1. Objetvos 2. Introdução 3. Procedmento expermental 4. Análse de dados 5. Referêncas 1. Objetvos Como no expermento anteror, remos estudar a adequação de

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

Capítulo 2 Estatística Descritiva Continuação. Prof. Fabrício Maciel Gomes

Capítulo 2 Estatística Descritiva Continuação. Prof. Fabrício Maciel Gomes Capítulo Estatístca Descrtva Contnuação Prof. Fabríco Macel Gomes Problema Uma peça após fundda sob pressão a alta temperatura recebe um furo com dâmetro especfcado em 1,00 mm e tolerânca de 0,5 mm: (11,75

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

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

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

Regressão Linear Simples by Estevam Martins

Regressão Linear Simples by Estevam Martins Regressão Lnear Smples by Estevam Martns stvm@uol.com.br "O únco lugar onde o sucesso vem antes do trabalho, é no dconáro" Albert Ensten Introdução Mutos estudos estatístcos têm como objetvo estabelecer

Leia mais

Prof. Cláudio Serra, Esp. 1. Produção de Leite x índice Pluviométrico y = 0.8x R 2 =

Prof. Cláudio Serra, Esp. 1. Produção de Leite x índice Pluviométrico y = 0.8x R 2 = Análse de Regressão Cap.. Introdução Análse de regressão é uma técnca de modelagem utlzada para analsar a relação entre uma varável dependente () e uma ou mas varáves ndependentes,, 3,..., n. O ojetvo

Leia mais

INTRODUÇÃO À PROBABILIDADE. A probabilidade é uma medida da incerteza dos fenômenos. Traduz-se por um número real compreendido de 0 ( zero) e 1 ( um).

INTRODUÇÃO À PROBABILIDADE. A probabilidade é uma medida da incerteza dos fenômenos. Traduz-se por um número real compreendido de 0 ( zero) e 1 ( um). INTRODUÇÃO À PROILIDDE teora das probabldade nada mas é do que o bom senso transformado em cálculo probabldade é o suporte para os estudos de estatístca e expermentação. Exemplos: O problema da concdênca

Leia mais

CORRELAÇÃO E REGRESSÃO

CORRELAÇÃO E REGRESSÃO CORRELAÇÃO E REGRESSÃO Constata-se, freqüentemente, a estênca de uma relação entre duas (ou mas) varáves. Se tal relação é de natureza quanttatva, a correlação é o nstrumento adequado para descobrr e medr

Leia mais

7 - Distribuição de Freqüências

7 - Distribuição de Freqüências 7 - Dstrbução de Freqüêncas 7.1 Introdução Em mutas áreas há uma grande quantdade de nformações numércas que precsam ser dvulgadas de forma resumda. O método mas comum de resumr estes dados numércos consste

Leia mais

Avaliação do Modelo. Avaliação de Modelos. Métricas para avaliação de desempenho. Métricas para avaliação de desempenho 31/05/2017

Avaliação do Modelo. Avaliação de Modelos. Métricas para avaliação de desempenho. Métricas para avaliação de desempenho 31/05/2017 3/05/07 Avalação do Modelo Avalação de Modelos Métrcas para avalação de desempenho Como avalar o desempenho do modelo? Métodos para avalação de desempenho Como obter estmatvas confáves? Métodos para comparação

Leia mais

PROBABILIDADE - CONCEITOS BÁSICOS

PROBABILIDADE - CONCEITOS BÁSICOS ROBBILIDD - CONCITOS BÁSICOS xpermento leatóro é um expermento no qual: todos os possíves resultados são conhecdos; resulta num valor desconhecdo, dentre todos os resultados possíves; pode ser repetdo

Leia mais

3.6. Análise descritiva com dados agrupados Dados agrupados com variáveis discretas

3.6. Análise descritiva com dados agrupados Dados agrupados com variáveis discretas 3.6. 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

Leia mais

2ª ACTIVIDADE ESCRITA DE MATEMÁTICA A 12.º C 2009 NOVEMBRO 20 Duração da prova: 45 minutos VERSÃO 1. Grupo I

2ª ACTIVIDADE ESCRITA DE MATEMÁTICA A 12.º C 2009 NOVEMBRO 20 Duração da prova: 45 minutos VERSÃO 1. Grupo I ª ATIVIDADE ESRITA DE MATEMÁTIA A.º 009 NOVEMBRO 0 Duração da prova 4 mnutos VERSÃO Grupo I Para cada uma das três questões deste grupo, seleccone a resposta correcta de entre as alternatvas que lhe são

Leia mais

1. ANÁLISE EXPLORATÓRIA E ESTATÍSTICA DESCRITIVA

1. ANÁLISE EXPLORATÓRIA E ESTATÍSTICA DESCRITIVA 1. ANÁLISE EXPLORATÓRIA E ESTATÍSTICA DESCRITIVA 011 Estatístca Descrtva e Análse Exploratóra Etapas ncas. Utlzadas para descrever e resumr os dados. A dsponbldade de uma grande quantdade de dados e de

Leia mais

Departamento de Informática. Modelagem Analítica do Desempenho de Sistemas de Computação. Modelagem Analítica. Disciplina: Variável Aleatória

Departamento de Informática. Modelagem Analítica do Desempenho de Sistemas de Computação. Modelagem Analítica. Disciplina: Variável Aleatória Departamento de Informátca Dscplna: do Desempenho de Sstemas de Computação Varável leatóra Prof. Sérgo Colcher colcher@nf.puc-ro.br Varável leatóra eal O espaço de amostras Ω fo defndo como o conjunto

Leia mais

Exercícios. Utilizando um novo critério, essa banca avaliadora resolveu descartar a maior e a menor notas atribuídas ao professor.

Exercícios. Utilizando um novo critério, essa banca avaliadora resolveu descartar a maior e a menor notas atribuídas ao professor. Estatístca Exercícos 1. (Enem 013) Fo realzado um levantamento nos 00 hotés de uma cdade, no qual foram anotados os valores, em reas, das dáras para um quarto padrão de casal e a quantdade de hotés para

Leia mais

Figura 8.1: Distribuição uniforme de pontos em uma malha uni-dimensional. A notação empregada neste capítulo para avaliação da derivada de uma

Figura 8.1: Distribuição uniforme de pontos em uma malha uni-dimensional. A notação empregada neste capítulo para avaliação da derivada de uma Capítulo 8 Dferencação Numérca Quase todos os métodos numércos utlzados atualmente para obtenção de soluções de equações erencas ordnáras e parcas utlzam algum tpo de aproxmação para as dervadas contínuas

Leia mais

Redução dos Dados. Júlio Osório. Medidas Características da Distribuição. Tendência Central (Localização) Variação (Dispersão) Forma

Redução dos Dados. Júlio Osório. Medidas Características da Distribuição. Tendência Central (Localização) Variação (Dispersão) Forma Redução dos Dados Júlo Osóro Meddas Característcas da Dstrbução Tendênca Central (Localzação) Varação (Dspersão) Forma 1 Meddas Característcas da Dstrbução Meddas Estatístcas Tendênca Central Dspersão

Leia mais

CAPÍTULO 2 DESCRIÇÃO DE DADOS ESTATÍSTICA DESCRITIVA

CAPÍTULO 2 DESCRIÇÃO DE DADOS ESTATÍSTICA DESCRITIVA CAPÍTULO DESCRIÇÃO DE DADOS ESTATÍSTICA DESCRITIVA. A MÉDIA ARITMÉTICA OU PROMÉDIO Defnção: é gual a soma dos valores do grupo de dados dvdda pelo número de valores. X x Soma dos valores de x número de

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

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