Skip to content
New issue

Have a question about this project? Sign up for a free GitHub account to open an issue and contact its maintainers and the community.

Sign up for GitHub

By clicking “Sign up for GitHub”, you agree to our terms of service and privacy statement. We’ll occasionally send you account related emails.

Already on GitHub? Sign in to your account

Jump to bottom

Adicionei a pasta Soraia com a atividade da semana #4

Open
wants to merge 1 commit into
base: main
Choose a base branch
from
Open

Adicionei a pasta Soraia com a atividade da semana #4

Changes from all commits
Commits
Show all changes
1 commit
Select commit
File filter

Filter by extension

Filter by extension
Conversations
Failed to load comments.
Loading
Jump to
Jump to file
Failed to load files.
Loading
Diff view
Diff view
397 changes: 397 additions & 0 deletions Soraia/soraias10.ipynb
View file
Open in desktop
Original file line number Diff line number Diff line change
@@ -0,0 +1,397 @@
{
"cells": [
{
"cell_type": "markdown",
"metadata": {},
"source": [
"### Exercício 1: \n",
"Um nutricionista quer testar se a ingestão diária média de calorias de um grupo de 30 pessoas é diferente de 2000 calorias. Os dados das calorias ingeridas são fornecidos abaixo. Realize o teste de hipóteses usando um nível de significância de 0,05.\n",
"\n",
"Dados: [1900, 2100, 2050, 1980, 1950, 2100, 2000, 2150, 2200, 1850, 1990, 1950, 2050, 2080, 2100, 1900, 1950, 2050, 2150, 2000, 2200, 1900, 2100, 2000, 2150, 1850, 1990, 1950, 2050, 2080]"
]
},
{
"cell_type": "code",
"execution_count": 4,
"metadata": {},
"outputs": [
{
"name": "stdout",
"output_type": "stream",
"text": [
"O teste estatístico é igual: 1.44\n",
"O valor p é igual a: 0.16\n",
"aceitamos a hipotese nula\n"
]
}
],
"source": [
"#test T por ser uma comparação de médias\n",
"\n",
"from scipy.stats import ttest_1samp\n",
"#teste de hipótese\n",
"#H0: as médias = 2000\n",
"#H1: as médias != 2000\n",
"\n",
"dados = [1900, 2100, 2050, 1980, 1950, 2100, 2000, 2150, 2200, 1850, 1990, 1950, 2050, 2080, 2100, 1900, 1950, 2050, 2150, 2000, 2200, 1900, 2100, 2000, 2150, 1850, 1990, 1950, 2050, 2080]\n",
"\n",
"t_estatistico, p_valor = ttest_1samp(dados, 2000)\n",
"print(f\"O teste estatístico é igual: {t_estatistico:.2f}\")\n",
"print(f\"O valor p é igual a: {p_valor:.2f}\")\n",
"\n",
"confianca = 0.95\n",
"significancia = 1 - confianca\n",
"if p_valor < significancia:\n",
" print(\"Rejeitamos a hipótese nula\")\n",
"else:\n",
" print(\"aceitamos a hipotese nula\")"
]
},
{
"cell_type": "markdown",
"metadata": {},
"source": [
"### Exercício 2:\n",
"\n",
"Um pesquisador deseja verificar se há uma diferença significativa entre as notas de alunos de duas turmas diferentes após um novo método de ensino. As notas das duas turmas são:\n",
"\n",
"Turma A: [85, 78, 90, 88, 76, 95, 89, 84]\n",
"Turma B: [82, 75, 85, 80, 79, 88, 83, 77]\n",
"\n",
"Realize o teste de hipóteses para comparar as médias das duas turmas usando um nível de significância de 0,05."
]
},
{
"cell_type": "code",
"execution_count": 2,
"metadata": {},
"outputs": [
{
"name": "stdout",
"output_type": "stream",
"text": [
"O teste estatístico é igual: 1.67\n",
"O valor p é igual a: 0.12\n",
"aceitamos a hipotese nula\n"
]
}
],
"source": [
"#test T por ser uma comparação de médias\n",
"\n",
"from scipy.stats import ttest_ind\n",
"#teste de hipótese\n",
"#H0: não há diferença entre as médias\n",
"#H1: há diferença entre as médias\n",
"\n",
"#Turma A: [85, 78, 90, 88, 76, 95, 89, 84]\n",
"#Turma B: [82, 75, 85, 80, 79, 88, 83, 77]\n",
"\n",
"\n",
"a = [85, 78, 90, 88, 76, 95, 89, 84]\n",
"\n",
"b = [82, 75, 85, 80, 79, 88, 83, 77]\n",
"\n",
"\n",
"t_estatistico, p_valor = ttest_ind(a,b)\n",
"print(f\"O teste estatístico é igual: {t_estatistico:.2f}\")\n",
"print(f\"O valor p é igual a: {p_valor:.2f}\")\n",
"\n",
"confianca = 0.95\n",
"significancia = 1 - confianca\n",
"if p_valor < significancia:\n",
" print(\"Rejeitamos a hipótese nula\")\n",
"else:\n",
" print(\"aceitamos a hipotese nula\")\n"
]
},
{
"cell_type": "markdown",
"metadata": {},
"source": [
"### Exercício 3:\n",
"\n",
"Uma empresa testou a eficácia de um novo software em dois períodos de tempo. Os tempos (em minutos) para concluir uma tarefa antes e depois do uso do software são registrados abaixo. Determine se houve uma melhoria significativa no tempo de conclusão da tarefa.\n",
"\n",
"Antes: [30, 28, 35, 33, 40, 29, 32, 36]\n",
"Depois: [25, 22, 30, 28, 35, 27, 30, 31]"
]
},
{
"cell_type": "code",
"execution_count": 3,
"metadata": {},
"outputs": [
{
"name": "stdout",
"output_type": "stream",
"text": [
"O teste estatístico é igual: 8.22\n",
"O valor p é igual a: 0.0000767985\n",
"Rejeitamos a hipótese nula\n"
]
}
],
"source": [
"from scipy.stats import ttest_rel\n",
"#teste de hipótese\n",
"#H0: há diferença entre antes e depois\n",
"#H1: há diferença entre entre antes e depois\n",
"\n",
"#Antes: [30, 28, 35, 33, 40, 29, 32, 36]\n",
"#Depois: [25, 22, 30, 28, 35, 27, 30, 31]\n",
"\n",
"a = [30, 28, 35, 33, 40, 29, 32, 36]\n",
"d = [25, 22, 30, 28, 35, 27, 30, 31]\n",
"\n",
"t_estatistico, p_valor = ttest_rel(a,d)\n",
"print(f\"O teste estatístico é igual: {t_estatistico:.2f}\")\n",
"print(f\"O valor p é igual a: {p_valor:.10f}\")\n",
"\n",
"confianca = 0.95\n",
"significancia = 1 - confianca\n",
"if p_valor < significancia:\n",
" print(\"Rejeitamos a hipótese nula\")\n",
"else:\n",
" print(\"aceitamos a hipotese nula\")"
]
},
{
"cell_type": "markdown",
"metadata": {},
"source": [
"### Exercício 4:\n",
"\n",
"Uma pesquisa foi realizada para verificar a preferência de 100 pessoas por dois tipos de bebidas, A e B, em duas cidades diferentes, X e Y. A tabela de contingência a seguir mostra os resultados:\n",
"\n",
"Cidade X\tCidade Y\n",
"Bebida A\t30\t40\n",
"Bebida B\t20\t10\n",
"\n",
"Verifique se há uma relação significativa entre a cidade e a preferência pela bebida."
]
},
{
"cell_type": "code",
"execution_count": 6,
"metadata": {},
"outputs": [
{
"name": "stdout",
"output_type": "stream",
"text": [
"O teste estatístico é igual: 1.44\n",
"O valor p é igual a: 0.0495\n",
"Rejeitamos a hipótese nula\n"
]
}
],
"source": [
"import numpy as np\n",
"from scipy.stats import chi2_contingency\n",
"dados = np.array([[30, 40],[20, 10]]) \n",
"\n",
"# H0: Não há relação \n",
"# H1: Há a relação\n",
"estatistica, p_valor, grau_de_liberdade, matriz_frequencia = chi2_contingency(dados)\n",
"print(f\"O teste estatístico é igual: {t_estatistico:.2f}\")\n",
"print(f\"O valor p é igual a: {p_valor:.4f}\")\n",
"\n",
"confianca = 0.95\n",
"significancia = 1 - confianca\n",
"if p_valor < significancia:\n",
" print(\"Rejeitamos a hipótese nula\")\n",
"else:\n",
" print(\"aceitamos a hipotese nula\")"
]
},
{
"cell_type": "markdown",
"metadata": {},
"source": [
"### Exercício 5:\n",
"\n",
"Um pesquisador deseja testar se três diferentes tipos de fertilizantes têm um efeito significativo no crescimento de plantas. Os crescimentos das plantas (em cm) para cada fertilizante são dados abaixo:\n",
"\n",
"Fertilizante A: [20, 22, 19, 21, 20]\n",
"Fertilizante B: [18, 20, 17, 19, 18]\n",
"Fertilizante C: [25, 27, 26, 28, 26]\n",
"Realize uma ANOVA de uma via para verificar se há uma diferença significativa entre os grupos."
]
},
{
"cell_type": "code",
"execution_count": 5,
"metadata": {},
"outputs": [
{
"name": "stdout",
"output_type": "stream",
"text": [
"O teste estatístico é igual: 1.440678\n",
"O valor p é igual a: 0.0000003169\n",
"Rejeitamos a hipótese nula\n"
]
}
],
"source": [
"from scipy.stats import f_oneway\n",
"\n",
"fertilizante_a = [20, 22, 19, 21, 20]\n",
"fertilizante_b = [18, 20, 17, 19, 18]\n",
"fertilizante_c = [25, 27, 26, 28, 26]\n",
"\n",
"#H0: as medias de crescimento dos fertilizantes são iguais.\n",
"#H1: pelo menos uma média de crescimento dos fertilizantes é diferente.\n",
"\n",
"estatistica, p_valor = f_oneway(fertilizante_a, fertilizante_b, fertilizante_c)\n",
"print(f\"O teste estatístico é igual: {t_estatistico:4f}\")\n",
"print(f\"O valor p é igual a: {p_valor:.10f}\")\n",
"\n",
"confianca = 0.95\n",
"significancia = 1 - confianca\n",
"if p_valor < significancia:\n",
" print(\"Rejeitamos a hipótese nula\")\n",
"else:\n",
" print(\"aceitamos a hipotese nula\")"
]
},
{
"cell_type": "markdown",
"metadata": {},
"source": [
"# Extras\n",
"\n",
"### Exercício 1: \n",
"Um estudo está sendo realizado para comparar o efeito de três métodos diferentes de estudo na performance dos alunos em um exame. As pontuações dos alunos são registradas para cada método:\n",
"\n",
"Método A: [85, 87, 90, 86, 88]\n",
"Método B: [80, 82, 78, 81, 79]\n",
"Método C: [92, 91, 93, 89, 94]\n",
"Use ANOVA de uma via para determinar se existe uma diferença significativa nas pontuações dos alunos entre os três métodos."
]
},
{
"cell_type": "code",
"execution_count": 7,
"metadata": {},
"outputs": [
{
"name": "stdout",
"output_type": "stream",
"text": [
"O teste estatístico é igual: 1.440678\n",
"O valor p é igual a: 0.0000010414\n",
"Rejeitamos a hipótese nula\n"
]
}
],
"source": [
"from scipy.stats import f_oneway\n",
"\n",
"metodo_a = [85, 87, 90, 86, 88]\n",
"metodo_b =[80, 82, 78, 81, 79]\n",
"metodo_c = [92, 91, 93, 89, 94]\n",
"\n",
"#H0: as medias dos métodos são iguais.\n",
"#H1: pelo menos uma média dos métodos é diferente.\n",
"\n",
"estatistica, p_valor = f_oneway(metodo_a, metodo_b, metodo_c)\n",
"print(f\"O teste estatístico é igual: {t_estatistico:4f}\")\n",
"print(f\"O valor p é igual a: {p_valor:.10f}\")\n",
"\n",
"confianca = 0.95\n",
"significancia = 1 - confianca\n",
"if p_valor < significancia:\n",
" print(\"Rejeitamos a hipótese nula\")\n",
"else:\n",
" print(\"aceitamos a hipotese nula\")"
]
},
{
"cell_type": "markdown",
"metadata": {},
"source": [
"### Exercício 2: \n",
"\n",
"Uma empresa deseja realizar uma pesquisa de satisfação com seus clientes. A população de clientes é dividida em três categorias: Regular, Premium e VIP. A empresa quer garantir que cada categoria seja representada proporcionalmente na amostra. A população total é de 10.000 clientes, sendo 5.000 regulares, 3.000 premium, e 2.000 VIP. Se a amostra total deve ser de 500 clientes, quantos clientes de cada categoria devem ser incluídos na amostra?"
]
},
{
"cell_type": "code",
"execution_count": 6,
"metadata": {},
"outputs": [],
"source": [
"import random\n",
"populacao = {\n",
" 'regular': [list(range(1,5001))],\n",
" 'premium': [list(range(1,3001))],\n",
" 'vip': [list(range(1,2001))]\n",
"}"
]
},
{
"cell_type": "markdown",
"metadata": {},
"source": [
"### Exercício 3: \n",
"\n",
"Uma empresa registrou o tempo (em horas) que seus funcionários gastam em atividades não relacionadas ao trabalho durante uma semana. Os tempos registrados foram: [1.5, 2.0, 1.0, 2.5, 3.0, 2.0, 1.5, 2.5, 3.5, 4.0]. Calcule o desvio padrão desses tempos."
]
},
{
"cell_type": "code",
"execution_count": 9,
"metadata": {},
"outputs": [
{
"name": "stdout",
"output_type": "stream",
"text": [
"O desvio padrão é: 0.896\n"
]
}
],
"source": [
"#desvio padrão\n",
"import math\n",
"\n",
"dados = [1.5, 2.0, 1.0, 2.5, 3.0, 2.0, 1.5, 2.5, 3.5, 4.0]\n",
"\n",
"soma = sum(dados)\n",
"quantidade = len(dados)\n",
"media = soma /quantidade\n",
"\n",
"soma_quadrados_dif = sum((x - media)** 2 for x in dados)\n",
"\n",
"variancia = soma_quadrados_dif / len(dados)\n",
"\n",
"desvio_padrao = math.sqrt(variancia)\n",
"\n",
"print(f\"O desvio padrão é: {desvio_padrao:.3f}\")\n"
]
}
],
"metadata": {
"kernelspec": {
"display_name": "Python 3",
"language": "python",
"name": "python3"
},
"language_info": {
"codemirror_mode": {
"name": "ipython",
"version": 3
},
"file_extension": ".py",
"mimetype": "text/x-python",
"name": "python",
"nbconvert_exporter": "python",
"pygments_lexer": "ipython3",
"version": "3.12.4"
}
},
"nbformat": 4,
"nbformat_minor": 2
}