Este documento apresenta uma comparação entre o uso de testes t de Student e análise de variância (ANOVA) para comparar médias em diferentes situações. Inclui exemplos de como aplicar o teste t de Student para comparar o QI médio de loiras e morenas, e de crianças bem versus mal nutridas. Também apresenta um exemplo de uso da ANOVA para comparar a produção média de leite de vacas alimentadas com diferentes rações.
O documento discute razões, proporções e porcentagens. Apresenta exemplos de como calcular razões entre quantidades e estabelecer se são diretamente proporcionais. Explica que uma proporção ocorre quando duas razões são iguais e que nestes casos o produto dos termos médios é igual ao produto dos termos extremos. Por fim, aborda o significado de porcentagens e escalas.
O documento discute razões, proporções e escalas. Explica que uma razão é a divisão entre duas grandezas e que uma proporção existe quando duas razões são iguais. Também define escala como a razão entre as medidas de um desenho e as correspondentes na realidade.
1) O documento discute conceitos matemáticos como proporcionalidade direta, razões, proporções, porcentagens e escalas.
2) Proporcionalidade direta ocorre quando a razão entre valores correspondentes é constante. Uma razão compara valores de duas grandezas usando um quociente.
3) Uma proporção é uma igualdade entre duas razões, constituída por quatro termos.
O documento discute o conceito de grandezas e suas proporcionalidades. Grandezas podem ser diretamente proporcionais, quando aumentam na mesma proporção, ou inversamente proporcionais, quando uma aumenta e a outra diminui na mesma proporção. Exemplos e equações mostram como identificar cada tipo de proporcionalidade entre grandezas.
Este documento explica a distribuição t de Student, que é usada para testar hipóteses estatísticas quando se tem uma amostra pequena (n < 30). A distribuição t de Student é similar à distribuição normal padrão, mas leva em conta a variação da amostra. O documento fornece a fórmula para calcular o valor t e como compará-lo com valores críticos na tabela t de Student para determinar se uma hipótese nula deve ser rejeitada. Um exemplo prático é fornecido para ilustrar o processo.
1) O documento discute vários conceitos estatísticos básicos como média, mediana, moda, amplitude, outliers, quartis e percentis.
2) Introduz a noção de variância e desvio padrão como medidas de variabilidade dos dados em relação à média.
3) Explica como o z-score permite comparar conjuntos de dados com diferentes médias e desvios padrões, transformando os valores em unidades de desvio padrão.
Este documento apresenta uma introdução à análise de regressão. Discute conceitos como natureza da regressão, conceitos de regressão para população e amostra, estimação e hipóteses. Também fornece exemplos ilustrativos sobre regressão linear.
1) O documento apresenta a distribuição binomial, que descreve experimentos com dois resultados possíveis (sucesso e fracasso) e eventos independentes.
2) É explicado que a probabilidade de resultados em lançamentos múltiplos de moedas honestas pode ser obtida da fórmula binomial e lida no triângulo de Pascal.
3) O conceito de nível de significância em testes de hipóteses é introduzido, referindo-se à probabilidade de rejeitar incorretamente a hipótese nula.
O documento discute razões, proporções e porcentagens. Apresenta exemplos de como calcular razões entre quantidades e estabelecer se são diretamente proporcionais. Explica que uma proporção ocorre quando duas razões são iguais e que nestes casos o produto dos termos médios é igual ao produto dos termos extremos. Por fim, aborda o significado de porcentagens e escalas.
O documento discute razões, proporções e escalas. Explica que uma razão é a divisão entre duas grandezas e que uma proporção existe quando duas razões são iguais. Também define escala como a razão entre as medidas de um desenho e as correspondentes na realidade.
1) O documento discute conceitos matemáticos como proporcionalidade direta, razões, proporções, porcentagens e escalas.
2) Proporcionalidade direta ocorre quando a razão entre valores correspondentes é constante. Uma razão compara valores de duas grandezas usando um quociente.
3) Uma proporção é uma igualdade entre duas razões, constituída por quatro termos.
O documento discute o conceito de grandezas e suas proporcionalidades. Grandezas podem ser diretamente proporcionais, quando aumentam na mesma proporção, ou inversamente proporcionais, quando uma aumenta e a outra diminui na mesma proporção. Exemplos e equações mostram como identificar cada tipo de proporcionalidade entre grandezas.
Este documento explica a distribuição t de Student, que é usada para testar hipóteses estatísticas quando se tem uma amostra pequena (n < 30). A distribuição t de Student é similar à distribuição normal padrão, mas leva em conta a variação da amostra. O documento fornece a fórmula para calcular o valor t e como compará-lo com valores críticos na tabela t de Student para determinar se uma hipótese nula deve ser rejeitada. Um exemplo prático é fornecido para ilustrar o processo.
1) O documento discute vários conceitos estatísticos básicos como média, mediana, moda, amplitude, outliers, quartis e percentis.
2) Introduz a noção de variância e desvio padrão como medidas de variabilidade dos dados em relação à média.
3) Explica como o z-score permite comparar conjuntos de dados com diferentes médias e desvios padrões, transformando os valores em unidades de desvio padrão.
Este documento apresenta uma introdução à análise de regressão. Discute conceitos como natureza da regressão, conceitos de regressão para população e amostra, estimação e hipóteses. Também fornece exemplos ilustrativos sobre regressão linear.
1) O documento apresenta a distribuição binomial, que descreve experimentos com dois resultados possíveis (sucesso e fracasso) e eventos independentes.
2) É explicado que a probabilidade de resultados em lançamentos múltiplos de moedas honestas pode ser obtida da fórmula binomial e lida no triângulo de Pascal.
3) O conceito de nível de significância em testes de hipóteses é introduzido, referindo-se à probabilidade de rejeitar incorretamente a hipótese nula.
O documento discute a distribuição normal, explicando suas propriedades como média, variância e desvio padrão. Também mostra como calcular probabilidades usando a tabela da distribuição normal padrão e fazendo transformações quando os parâmetros são diferentes.
Estatística distribuições geométrica, hipergeométrica e de poisson (aula 7)Wellington Marinho Falcão
O documento discute três distribuições de probabilidade: geométrica, hipergeométrica e de Poisson. A distribuição geométrica calcula a probabilidade de um sucesso ocorrer no k-ésimo lançamento. A distribuição hipergeométrica calcula a probabilidade de retirar k sucessos de um conjunto finito. A distribuição de Poisson calcula a probabilidade de eventos discretos ocorrerem em um intervalo de tempo ou espaço, quando estes eventos ocorrem com uma taxa média conhecida.
O documento discute os erros tipo α e β em pesquisas e como aumentar o tamanho da amostra pode ajudar a reduzir ambos. Ele usa uma estória sobre um professor dando presença em alunos para ilustrar como aumentar a amostra pode diminuir a chance de cometer erros tipo I ou II.
O documento discute intervalos de confiança, definindo-o como uma faixa de valores dentro da qual se espera que esteja localizado o parâmetro populacional com um determinado nível de certeza. Explica como calcular intervalos de confiança para a média populacional com base na média e desvio padrão amostral, variando o nível de confiança de 95% para 99%. Também aborda o cálculo do tamanho ideal de uma amostra para estimar proporções na população com um determinado grau de precisão.
Este documento discute testes de hipóteses estatísticas, incluindo: 1) Como testar uma hipótese nula usando um teste Z; 2) Como testes podem ser unicaudais ou bicaudais dependendo da hipótese alternativa; 3) Exemplos de testes de hipóteses para médias e comparações de médias.
Este documento apresenta um exemplo de uso do teste do qui-quadrado para analisar a aderência e independência de dados. Explica como calcular o qui-quadrado observado e compará-lo com o qui-quadrado crítico da tabela para testar hipóteses sobre a distribuição de uma moeda lançada e a relação entre time de torcida e classe social.
O documento explica o Teorema do Limite Central, que estabelece que a distribuição das médias amostrais tende a se aproximar de uma distribuição normal conforme o tamanho da amostra aumenta, mesmo que a população original não seja normalmente distribuída. Isso é ilustrado por meio de um exemplo com uma urna contendo bolas numeradas e o cálculo das médias de amostras retiradas dessa urna.
Slides Lição 11, CPAD, A Realidade Bíblica do Inferno, 2Tr24.pptxLuizHenriquedeAlmeid6
Slideshare Lição 11, CPAD, A Realidade Bíblica do Inferno, 2Tr24, Pr Henrique, EBD NA TV, Lições Bíblicas, 2º Trimestre de 2024, adultos, Tema, A CARREIRA QUE NOS ESTÁ PROPOSTA, O CAMINHO DA SALVAÇÃO, SANTIDADE E PERSEVERANÇA PARA CHEGAR AO CÉU, Coment Osiel Gomes, estudantes, professores, Ervália, MG, Imperatriz, MA, Cajamar, SP, estudos bíblicos, gospel, DEUS, ESPÍRITO SANTO, JESUS CRISTO, Com. Extra Pr. Luiz Henrique, de Almeida Silva, tel-What, 99-99152-0454, Canal YouTube, Henriquelhas, @PrHenrique, https://ebdnatv.blogspot.com/
O documento discute a distribuição normal, explicando suas propriedades como média, variância e desvio padrão. Também mostra como calcular probabilidades usando a tabela da distribuição normal padrão e fazendo transformações quando os parâmetros são diferentes.
Estatística distribuições geométrica, hipergeométrica e de poisson (aula 7)Wellington Marinho Falcão
O documento discute três distribuições de probabilidade: geométrica, hipergeométrica e de Poisson. A distribuição geométrica calcula a probabilidade de um sucesso ocorrer no k-ésimo lançamento. A distribuição hipergeométrica calcula a probabilidade de retirar k sucessos de um conjunto finito. A distribuição de Poisson calcula a probabilidade de eventos discretos ocorrerem em um intervalo de tempo ou espaço, quando estes eventos ocorrem com uma taxa média conhecida.
O documento discute os erros tipo α e β em pesquisas e como aumentar o tamanho da amostra pode ajudar a reduzir ambos. Ele usa uma estória sobre um professor dando presença em alunos para ilustrar como aumentar a amostra pode diminuir a chance de cometer erros tipo I ou II.
O documento discute intervalos de confiança, definindo-o como uma faixa de valores dentro da qual se espera que esteja localizado o parâmetro populacional com um determinado nível de certeza. Explica como calcular intervalos de confiança para a média populacional com base na média e desvio padrão amostral, variando o nível de confiança de 95% para 99%. Também aborda o cálculo do tamanho ideal de uma amostra para estimar proporções na população com um determinado grau de precisão.
Este documento discute testes de hipóteses estatísticas, incluindo: 1) Como testar uma hipótese nula usando um teste Z; 2) Como testes podem ser unicaudais ou bicaudais dependendo da hipótese alternativa; 3) Exemplos de testes de hipóteses para médias e comparações de médias.
Este documento apresenta um exemplo de uso do teste do qui-quadrado para analisar a aderência e independência de dados. Explica como calcular o qui-quadrado observado e compará-lo com o qui-quadrado crítico da tabela para testar hipóteses sobre a distribuição de uma moeda lançada e a relação entre time de torcida e classe social.
O documento explica o Teorema do Limite Central, que estabelece que a distribuição das médias amostrais tende a se aproximar de uma distribuição normal conforme o tamanho da amostra aumenta, mesmo que a população original não seja normalmente distribuída. Isso é ilustrado por meio de um exemplo com uma urna contendo bolas numeradas e o cálculo das médias de amostras retiradas dessa urna.
Slides Lição 11, CPAD, A Realidade Bíblica do Inferno, 2Tr24.pptxLuizHenriquedeAlmeid6
Slideshare Lição 11, CPAD, A Realidade Bíblica do Inferno, 2Tr24, Pr Henrique, EBD NA TV, Lições Bíblicas, 2º Trimestre de 2024, adultos, Tema, A CARREIRA QUE NOS ESTÁ PROPOSTA, O CAMINHO DA SALVAÇÃO, SANTIDADE E PERSEVERANÇA PARA CHEGAR AO CÉU, Coment Osiel Gomes, estudantes, professores, Ervália, MG, Imperatriz, MA, Cajamar, SP, estudos bíblicos, gospel, DEUS, ESPÍRITO SANTO, JESUS CRISTO, Com. Extra Pr. Luiz Henrique, de Almeida Silva, tel-What, 99-99152-0454, Canal YouTube, Henriquelhas, @PrHenrique, https://ebdnatv.blogspot.com/
Slides Lição 11, Central Gospel, Os Mortos Em CRISTO, 2Tr24.pptxLuizHenriquedeAlmeid6
Slideshare Lição 11, Central Gospel, Os Mortos Em Cristo, 1Tr24, Pr Henrique, EBD NA TV, Revista ano 11, nº 1, Revista Estudo Bíblico Jovens E Adultos, Central Gospel, 2º Trimestre de 2024, Professor, Tema, Os Grandes Temas Do Fim, Comentarista, Pr. Joá Caitano, estudantes, professores, Ervália, MG, Imperatriz, MA, Cajamar, SP, estudos bíblicos, gospel, DEUS, ESPÍRITO SANTO, JESUS CRISTO, Com. Extra Pr. Luiz Henrique, 99-99152-0454, Canal YouTube, Henriquelhas, @PrHenrique
Folheto | Centro de Informação Europeia Jacques Delors (junho/2024)Centro Jacques Delors
Estrutura de apresentação:
- Apresentação do Centro de Informação Europeia Jacques Delors (CIEJD);
- Documentação;
- Informação;
- Atividade editorial;
- Atividades pedagógicas, formativas e conteúdos;
- O CIEJD Digital;
- Contactos.
Para mais informações, consulte o portal Eurocid:
- https://eurocid.mne.gov.pt/quem-somos
Autor: Centro de Informação Europeia Jacques Delors
Fonte: https://infoeuropa.mne.gov.pt/Nyron/Library/Catalog/winlibimg.aspx?doc=48197&img=9267
Versão em inglês [EN] também disponível em:
https://infoeuropa.mne.gov.pt/Nyron/Library/Catalog/winlibimg.aspx?doc=48197&img=9266
Data de conceção: setembro/2019.
Data de atualização: maio-junho 2024.
Aula história , caracteristicas e esteriótipos em relação a DANÇA DE SALAO.pptx
Estatística análise de variância (aula 10)
1. 0
Associação Diocesana de Ensino e Cultura de Caruaru
FACULDADE DE FILOSOFIA, CIÊNCIAS E LETRAS DE CARUARU
Reconhecida pelo Decreto 6399 de 15.01.69 D.O. 17-01-69
CURSO: ADMINISTRAÇÃO
Prof. Wellington Marinho Falcão
AULA 10
2. 1
COMPARAÇÃO ENTRE MÉDIAS E ANÁLISE DE
VARIÂNCIA
Primeiramente vamos comparar duas médias cujas amostras sejam
grandes n1 ≥ 30 e n2 ≥ 30, casuais, independentes e as variáveis
de interesse forem, no mínimo, de 3º nível.
A fórmula para o caso acima é:
ݐ =
ݔଵതതത − ݔଶതതത
ට
ݏଶ(ݔଵ)
݊ଵ
+
ݏଶ(ݔଶ)
݊ଶ
GLIB = n1 + n2 – 2
H0: µ1 = µ2
Ha: µ1 ≠ µ2
Outra condição necessária é a de que as variâncias possam ser
consideradas iguais e que as diferenças verificadas se devam ao
acaso, tendo na população-mãe, distribuição normal.
Vejamos um exemplo:
1º) Alcebíades deseja provar que o QI das loiras é tão alto quanto o
das morenas, por isso, ele pega uma amostra aleatória de 31 loiras
e uma outra de 31 morenas, coletando os seguintes QIs:
X1 = QI das loiras
3. 2
90 125 85 95 140 150
145 100 110 105 125 125
95 105 95 120 130 105
90 110 115 135 75 85
105 125 60 140 100 130
145 125 65 130 75 110
125 100 120 120 85 85
105 90 100 95
130 90 85 100
x1 = QI das loiras x2 = QI das morenas
As estatísticas para as loiras são:
n1 = 31
ݔҧ1 = 104,6774
s²(x1) = 399,8925
As estatísticas para as morenas são:
n2 = 31
ݔҧ2 = 107,2581
s²(x2) = 546,3978
Parto da hipótese probanda (H0) de que os QIs médios são iguais e
que a ligeira superioridade em prol das morenas se deve ao acaso.
Calculando t0, para aceitarmos H0 precisamos que:
- tc ˂ t0 ˂ tc
ݐ =
ଵସ,ସିଵ,ଶହ଼ଵ
ට
యవవ,ఴవ
యభ
ା
ఱరల,ర
యభ
= - 0,45
4. 3
Para α = 5% com 6º0 graus de liberdade. GLIB = 31+ 31 -2 = 60
Te mos tc = 2
Como -2 ˂ -0,45 ˂ 2 aceito H0, isto é, loiras e morenas, em média,
têm o mesmo QI
Nota:
Se pelo menos umas das amostras for menor que 30, a fórmula
será:
ݐ =
ݔଵതതത − ݔଶതതത
ඨ൬
∑ ݔଵ
ଶ
+ ∑ ݔଶ
ଶ
(݊ଵ + ݊ଶ − 2)
൰ ቀ
݊ଵ + ݊ଶ
݊ଵ݊ݔଶ
ቁ
GLIB = n1 + n2 – 2
H0: µ1 = µ2
Ha: µ1 ≠ µ2
2º) Queremos comparar o QI médio de um grupo de crianças bem
nutridas (n1 =6) com o de um outro grupo de crianças mal nutridas
(n2 =8)
BEM NUTRIDAS MAL NUTRIDAS
X1 X1 - ܺത= x1 X1² X2 X2 - ܺത= x2 X2²
115 -2,67 7,11 98 0,25 0,06
118 0,33 0,11 89 -8,75 76,56
116 -1,67 2,78 96 -1,75 3,06
110 -7,67 58,78 102 4,25 18,06
125 7,33 53,78 100 2,25 5,06
122 4,33 18,78 100 2,25 5,06
ݔଵതതത = 117,6667 ݔଵ
ଶ
=141,33 102 4,25 18,06
95 -2,75 7,56
ݔଶതതത = 97,75 ݔଶ
ଶ
=133,50
5. 4
ݐ =
ଵଵ,ିଽ,ହ
ටቀ
భరభ,యయషభయయ,ఱబ
లశఴషమ
ቁቀ
లశఴ
లೣఴ
ቁ
= 7,71 GLIB = n1 + n2 - 2 = 12 e α = 5%
tc = 2,18. Como t0 > tc, recuso H0 e aceito Ha, ou seja, alimentação
influi na inteligência.
Até agora estávamos comparando duas médias. E se quisermos
fazer comparações entre três ou mais méidas?
Usamos a Análise de Variância
Vejamos:
Um zootecnista quer comparar a produção diária de leite em função
de três tipos de ração (A, B e C) dadas às vacas leiteiras.
Escolhemos para o nosso experimento 15 vacas da mesma raça e
idade. Por sorteio estas são subdivididas em três grupos e cada
grupo será alimentado com uma ração diferente de maneira idêntica.
Para α = 5%
LITROSDELEITE
RAÇÕES
A B C
30 50 58
25 8 32
35 48 46
40 65 40
46 36 59
∑ 176 207 235
MÉDIAS 35,2 41,4 47
H0: µA = µB = µC
Ha: Há pelo menos uma diferença
6. 5
Utilizemos a seguinte técnica
XA XB XC ∑ XA² XB² XC² ∑
30 50 58 138 900 2.500 3.364 6.764
25 8 32 65 625 64 1.024 1.713
35 48 46 129 1.225 2.304 2.116 5.645
40 65 40 145 1.600 4.225 1.600 7.425
46 36 59 141 2.116 1.296 3.481 6.893
∑ 176 207 235 618 6.466 10.389 11.585 28.440
Ti T ∑∑X²
VT = ∑∑X² - ்²
భାమାయ
= 28.440 –
ଵ଼²
ହାହାହ
= 2.978
VE = ∑ ቀ
்
మ
ቁ -
்మ
భାమାయ
=
ଵమ
ହ
+
ଶమ
ହ
+
ଶଷହమ
ହ
+
ଵ଼మ
ହାହାହ
= 348
VD = VT – VE = 2.878 – 348 = 2.630
Mas quem são VT, VE e VD?
VD são os somatórios dos quadrados das variações dentro de cada
grupo (A,B,C), ou seja, pegamos a produção de cada vaca do grupo
A, por exemplo, subtraímos da produção média de A (ܺ
തതതത=35,2) e
elevamos ao quadrado, idem para B e C. VD = 2.630 chama-se
somatório das variações dentro dos grupos.
VE é o somatório dos quadrados das diferenças entre a média geral
e as médias de cada grupo, sendo ܺ
തതതത= 35,2 e a diferença seria
35,2 – 41,2 que é média geral (618 / 15 = 41,2) desta diferneça se
eleva ao quadrado, idem para B e C,onde ao invés de se usar ܺ
തതതത,
usaria ܺ
തതതത e ܺ
തതതത respectivamente.
VT é a soma dos quadrados das diferenças entre a produção de
cada uma das 15 vacas e média geral (618 / 15 = 41,2).
Perceba que VT = VE + VD
7. 6
O detalhamento disto virá ...as soon as possible.
Precisamos saber os graus de liberdade de VT, VE e VD.
VT possui GLIB = total de vacas -1 = 15 -1 = 14
VE possui GLIB = total de grupos -1 = 3 -1 = 2
VD possui GLIB que é o número de elementos por grupo -1 vezes
o número de grupos = (5 -1) x 3 = 12
Perceba que GLIBVT = GLIBVE +GLIBVD 14 = 2 + 12
Façamos o quadro resumo:
GLIB
variância
estimada
F0
VE 348 2 348/2=174 174/219,17=0,79
VD 2.630 12 2.630/12=219,17
VT 2.978 14
Procuramos na tabela da Distribuição F de Snedecor para α = 5%
com 2 GLIB no numerador e 12 GLIB no denominador e achamos
Fc = 3,89
Se F0 > Fc rejeito Ho
Se F0 < Fc não rejeito H0
Como 0,79 < 3,89, não rejeito H0, ou seja, µA = µB = µC
Isto nos leva a concluir que a rações, e trocadas entre si é o mesmo
que trocar seis por meia dúzia.