VALIDAÇÃO DE MODELOS DE REGRESSÃO POR BOOTSTRAP. João Riboldi 1
|
|
- Maria da Assunção Monsanto Maranhão
- 8 Há anos
- Visualizações:
Transcrição
1 VALIDAÇÃO DE MODELOS DE REGRESSÃO POR BOOTSTRAP João Riboldi 1 1. Introdução Na construção de um modelo de regressão, de uma maneira geral segue-se três etapas: executa-se o ajuste do modelo, obtendo-se a equação de regressão e procedendo-se as inferências pertinentes; faz-se a verificação da qualidade do ajuste, através dos diagnósticos de adequabilidade e de influência e verificação da capacidade preditiva e procede-se a validação do modelo, verificando-se a performance do modelo frente a realidade. Alguma evidência da validade interna do modelo ajustado pode ser obtida avaliandose a estatística PRESS e comparando com a SQE, soma dos quadrados dos resíduos de ajustamento. Um valor de PRESS razoavelmente próximo da SQE, é um indicador da validade do modelo de regressão ajustado. De uma forma mais específica, no que se refere a validação, conforme Neter et al(1996) pode-se seguir alguns procedimentos: (1) coletar novos dados para avaliar o modelo, (2) comparar com a teoria, buscando uma evidência empírica com base em resultados de simulação e (3) subdividir os dados. Quanto ao procedimento (1) tem-se as dificuldades decorrentes da repetição do estudo e o procedimento (3) tem-se constituído no procedimento preferido de validação de modelos. Consiste em subdividir os dados em dois grupos, os conjuntos de desenvolvimento e de validação do modelo, respectivamente, em geral, com 60% e 40% dos dados, conhecido como validação cruzada. Quando o conjunto de dados é pequeno, perde-se consistência no desenvolvimento e validação do modelo, pela subdivisão dos dados e, tem-se procedido, com freqüência, validação por Bootstrap. Bootstrap é um método estatístico moderno, desenvolvido por Efron(1982), originalmente para se obter a precisão das estimativas por ponto. Tem sido estendido para executar teste de hipótese, calcular intervalos de confiança, proceder seleção e validação de modelos preditivos, dentre outros tópicos estatísticos. 1 Departamento de Estatística, UFRGS, riboldi@mat.ufrgs.br
2 2. Material e Métodos Os dados utilizados no presente trabalho referem-se ao banco de dados Fitness da biblioteca de dados do SAS(SAS Institute, Inc, ). Este banco de dados contém medidas obtidas de um grupo de 31 homens de um curso de educação física na Universidade da Carolina do Norte. As variáveis são as seguintes: age idade, em anos; weight peso, em quilogramas; oxygen taxa de absorção de oxigênio, em milímetros por quilograma de peso corporal por minuto; runtime tempo para correr 1.5 milhas, em minutos; rstpulse batimento cardíaco em descanso; runpulse batimento cardíaco enquanto corre; maxpulse máximo batimento cardíaco durante a corrida; group identificação do grupo dos sujeitos. Desenvolveu-se o modelo de regressão utilizando-se procedimentos de seleção de variáveis, através de métodos automáticos(stepwise) e de todas as regressões possíveis( C de Mallows). Procedeu-se a verificação de qualidade do ajuste, avaliando-se a capacidade preditiva e executando-se os diagnósticos de adequabilidade e de influência. Na condição de performance satisfatória do modelo de regressão desenvolvido, procedeu-se a validação do modelo por Bootstrap. Uma amostra bootstrap é obtida pela amostragem de dados observados com reposição(reamostragem). Simplificadamente poder-se-ia pensar o procedimento da seguinte forma: (1)cria-se B conjuntos de dados, B amostras aleatórias, sendo cada amostra aleatória produzida por um processo de amostragem com reposição dos dados originais; (2) para i=1,2,...,b; i conjuntos de dados analisados exatamente como os dados originais, produzse os resultados para R(i); (3) R(1),...,R(B) constitui uma aproximação da distribuição amostral de R. A aproximação funciona melhor para um número grande de amostras. Em muitas aplicações um número entre 200 e 2000 é satisfatório. No presente trabalho utilizaram-se amostras bootstrap. Estatísticas estimadas da distribuição amostral aproximada servem como as estimativas desejadas. Efron e Tibshirani(1993) apresentam detalhes do método. As analises foram procedidas utilizando-se o SAS versão 9.2(SAS Institute, Inc, ), valendo-se do PROC SRUVEYSELECT para geração das amostras bootstrap. O PROC SRUVEYSELECT do SAS possibilita criar com facilidade amostras bootstrap, seguindo-se as instruções apresentadas a seguir: proc surveyselect data= Sasuser.Fitness method=urs n=31 out=samplerep outhits rep=10000; run; p
3 Acionando-se o PROC SRUVEYSELECT gera-se amostras(especificada com a opção rep=10000) e cada amostra tem 31 sujeitos(especificada com a opção n=31). Em geral cada amostra bootstrap tem o mesmo tamanho do conjunto de dados originais, assim n=opção tipicamente é igual ao tamanho da amostra original. É comum gerar de 200 a 2000, ou até amostras bootstrap. Methods=urs possibilita amostragem aleatória irrestrita e corresponde a um plano amostral que dá igual probabilidade para cada sujeito da amostra ser selecionado e executa a amostragem com reposição. A opção out=opção especifica o conjunto de dados no qual as amostras bootstrap são salvas. A opção outhits enumera quantas vezes cada sujeito da amostra foi selecionado. Os resultados apresentam uma variável chamada Replicate que identifica a amostra bootstrap e auxilia bastante nas análises posteriores. 3.Resultados e Discussão As variáveis explicativas selecionadas como harmonia dos diferentes métodos de seleção de variáveis, para predição de oxygen taxa de absorção de oxigênio, em milímetros por quilograma de peso corporal por minuto, foram age idade, em anos; runpulse batimento cardíaco enquanto corre e runtime tempo para correr 1.5 milhas, em minutos. Ajustou-se o modelo de regressão múltipla com as variáveis explicativas selecionadas e seguiu-se- as demais etapas da modelagem. Os resultados obtidos para o ajuste do modelo encontram-se na tabela 1. Procedeu-se a verificação de qualidade do ajuste, avaliando-se a capacidade preditiva e executando-se os diagnósticos de adequabilidade e de influência, e conclui-se que a performance do modelo ajustado é plenamente satisfatória(resultados não mostrados), justificando seguir no procedimento de validação do modelo. Procedendo-se a validação do modelo por Bootstrap obtem-se os resultados apresentados na tabela 2. A distribuição amostral para os coeficientes estimados para o modelo de regressão ajustado, considerando-se as amostras bootstrap se aproxima da gaussiana(resultados não mostrados). As estimativas por ponto para as médias dos coeficientes obtidos para as amostras bootstrap, bem como seus desvios padrões, são muito próximos dos valores obtidos na amostra original. Os coeficientes obtidos na amostra original encontram-se inseridos nos IC calculados para a médias dos coeficientes das amostras bootstrap, espelhando a validade do modelo de regressão ajustado.
4 4. Conclusões O procedimento bootstrap constitui um procedimento extremamente útil e eficiente para a validação de modelos de regressão, possibilitando avaliar com acuracidade a performance de modelos desenvolvidos. 5. Referências Bibliográficas EFRON, B. The jackknife, the bootstrap and other resampling plans. Philadelphia, Penn.: Society for Industrial and Applied Mathematics, EFRON, B,; TIBSHIRANI, R. An introduction to the bootstrap.new york: Chapman & Hall NETER, J., KUTNER, M., NACHTSHEIM,C.J.; WASSERMAN, W. Applied Linear Statistical Models. Fourth Edition, McGraw-Hill SAS Institute, Inc. SAS statistical software, release 9.2. Cary, NC: SAS Institute, Inc,
5 Tabela 1: Resultados para o modelo ajustado Analysis of Variance Source DF Sum of Squares Mean Square F Value Pr > F Model <.0001 Error Corrected Total Root MSE R-Square Dependent Mean Adj R-Sq Coeff Var Parameter Estimates Variable Label DF Parameter Estimate Standard Error t Value Pr > t 95% Confidence Limits Intercept Intercept < age Age in years runpulse Heart rate while running runtime Min. to run 1.5 miles < Tabela 2: Resultados da Validação do modelo por Bootstrap Analysis Variable : Estimate Parameter Estimate Variable N Obs Mean Std Dev Lower 95% CL for Mean Upper 95% CL for Mean Intercept age runpulse runtime
Introdução. Métodos de inferência são usados para tirar conclusões sobre a população usando informações obtidas a partir de uma amostra.
Métodos Monte Carlo Introdução Métodos de inferência são usados para tirar conclusões sobre a população usando informações obtidas a partir de uma amostra. Estimativas pontuais e intervalares para os parâmetros;
Leia maisVariável dependente Variável independente Coeficiente de regressão Relação causa-efeito
Unidade IV - Regressão Regressões Lineares Modelo de Regressão Linear Simples Terminologia Variável dependente Variável independente Coeficiente de regressão Relação causa-efeito Regressão correlação Diferença
Leia maisBIOESTATÍSTICA. Análise de regressão
BIOESTATÍSTICA Análise de regressão Análise de correlação Existe uma associação estatística entre duas variáveis? As duas variáveis são independentes ( ou seja, qual o grau da variação das duas juntas)?
Leia maisAvaliando o que foi Aprendido
Avaliando o que foi Aprendido Treinamento, teste, validação Predição da performance: Limites de confiança Holdout, cross-validation, bootstrap Comparando algoritmos: o teste-t Predecindo probabilidades:função
Leia mais4 Avaliação Econômica
4 Avaliação Econômica Este capítulo tem o objetivo de descrever a segunda etapa da metodologia, correspondente a avaliação econômica das entidades de reservas. A avaliação econômica é realizada a partir
Leia maisTÉCNICAS EXPERIMENTAIS APLICADAS EM CIÊNCIA DO SOLO
TÉCNICAS EXPERIMENTAIS APLICADAS EM CIÊNCIA DO SOLO Mario de Andrade Lira Junior lira.pro.br\wordpress REGRESSÃO X CORRELAÇÃO Diferença Regressão - equação ligando duas ou mais variáveis Correlação medida
Leia maisCOMPARAÇÃO DOS TESTES DE ADERÊNCIA À NORMALIDADE KOLMOGOROV- SMIRNOV, ANDERSON-DARLING, CRAMER VON MISES E SHAPIRO-WILK POR SIMULAÇÃO
COMPARAÇÃO DOS TESTES DE ADERÊNCIA À NORMALIDADE KOLMOGOROV SMIRNOV, ANDERSONDARLING, CRAMER VON MISES E SHAPIROWILK POR SIMULAÇÃO Vanessa Bielefeldt Leotti, Universidade Federal do Rio Grande do Sul,
Leia maisDESENVOLVIMENTO DE UM SOFTWARE NA LINGUAGEM R PARA CÁLCULO DE TAMANHOS DE AMOSTRAS NA ÁREA DE SAÚDE
DESENVOLVIMENTO DE UM SOFTWARE NA LINGUAGEM R PARA CÁLCULO DE TAMANHOS DE AMOSTRAS NA ÁREA DE SAÚDE Mariane Alves Gomes da Silva Eliana Zandonade 1. INTRODUÇÃO Um aspecto fundamental de um levantamento
Leia maisRegressão Linear em SPSS
Regressão Linear em SPSS 1. No ficheiro Calor.sav encontram-se os valores do consumo mensal de energia, medido em milhões de unidades termais britânicas, acompanhados de valores de output, em milhões de
Leia maisSisDEA Home Windows Versão 1
ROTEIRO PARA CRIAÇÃO E ANÁLISE MODELO REGRESSÃO 1. COMO CRIAR UM MODELO NO SISDEA Ao iniciar o SisDEA Home, será apresentada a tela inicial de Bem Vindo ao SisDEA Windows. Selecione a opção Criar Novo
Leia maisUNIVERSIDADE DE SÃO PAULO
UNIVERSIDADE DE SÃO PAULO ESCOLA SUPERIOR DE AGRICULTURA "LUIZ DE QUEIROZ" DEPARTAMENTO DE CIÊNCIAS EXATAS RELATÓRIO DE ATIVIDADE PRÁTICA Relatório da aula prática nº 2, da disciplina LCE602 - Estatística
Leia maisGERAÇÃO DE VIAGENS. 1.Introdução
GERAÇÃO DE VIAGENS 1.Introdução Etapa de geração de viagens do processo de planejamento dos transportes está relacionada com a previsão dos tipos de viagens de pessoas ou veículos. Geralmente em zonas
Leia maisRegressão Linear Simples
Regressão Linear Simples Mario Andrade Lira Junior Direitos autorais reservados segundo licença Creative Commons 3.0: com Atribuição; Não Comercial; Compartilha Igual Termos importantes Tipos de variáveis
Leia maisi j i i Y X X X i j 1 i 2 i i
Mario de Andrade Lira Junior lira.pro.br\wordpress lira.pro.br\wordpress Diferença Regressão - equação ligando duas ou mais variáveis Correlação medida do grau de ligação entre duas variáveis Usos Regressão
Leia maisTÓPICOS AVANÇADOS EM ENGENHARIA DE SOFTWARE
TÓPICOS AVANÇADOS EM ENGENHARIA DE SOFTWARE Engenharia de Computação Professor: Rosalvo Ferreira de Oliveira Neto Estudos Comparativos Recentes - Behavior Scoring Roteiro Objetivo Critérios de Avaliação
Leia maisi j i i Y X X X i j i i i
Mario de Andrade Lira Junior lira.pro.br\wordpress lira.pro.br\wordpress Diferença Regressão - equação ligando duas ou mais variáveis Correlação medida do grau de ligação entre duas variáveis Usos Regressão
Leia maisPLANO DE ENSINO. Mestrado em Matemática - Área de Concentração em Estatística
1. IDENTIFICAÇÃO PLANO DE ENSINO Disciplina: Estatística Multivariada Código: PGMAT568 Pré-Requisito: No. de Créditos: 4 Número de Aulas Teóricas: 60 Práticas: Semestre: 1º Ano: 2015 Turma(s): 01 Professor(a):
Leia maisDISTRIBUIÇÃO DE WEIBULL CONCEITOS BÁSICOS APLICAÇÕES
LUIZ CLAUDIO BENCK KEVIN WONG TAMARA CANDIDO DISTRIBUIÇÃO DE WEIBULL CONCEITOS BÁSICOS APLICAÇÕES Trabalho apresentado para avaliação na disciplina de Estatística e Métodos Numéricos do Curso de Administração
Leia maisDistribuição Exponencial Exponenciada na Presença de Fração de Cura: Modelos de Mistura e Não-Mistura
Distribuição Exponencial Exponenciada na Presença de Fração de Cura: Modelos de Mistura e Não-Mistura Emílio Augusto Coelho-Barros 1,2 Jorge Alberto Achcar 2 Josmar Mazucheli 3 1 Introdução Em análise
Leia maisTUTORIAL SOBRE ANÁLISE DE REGRESSÃO
TUTORIAL SOBRE ANÁLISE DE REGRESSÃO I. No R: ### Exemplo dados dos alunos: altura x peso ### x = altura e y = peso ############################################ # Entrada de Dados x
Leia maisEQUAÇÃO DE CHUVAS INTENSAS PARA O MUNICÍPIO DE JOAÇABA/SC
EQUAÇÃO DE CHUVAS INTENSAS PARA O MUNICÍPIO DE JOAÇABA/SC Daiani Rosa 1 ; Elfride Anrain Lindner 2 ; Angelo Mendes Massignam 3 RESUMO As relações entre a intensidade, duração e freqüência de chuvas podem
Leia maisUNIVERSIDADE FEDERAL DE UBERLÂNDIA FACULDADE DE MATEMÁTICA 4 a LISTA DE EXERCÍCIOS GBQ12 Professor: Ednaldo Carvalho Guimarães AMOSTRAGEM
1 UNIVERSIDADE FEDERAL DE UBERLÂNDIA FACULDADE DE MATEMÁTICA 4 a LISTA DE EXERCÍCIOS GBQ12 Professor: Ednaldo Carvalho Guimarães AMOSTRAGEM 1) Um pesquisador está interessado em saber o tempo médio que
Leia maisAnálise de Variância simples (One way ANOVA)
Análise de Variância simples (One way ANOVA) Análise de experiências com vários grupos de observações classificados através de um só factor (por exemplo grupos de indivíduos sujeitos a diferentes tratamentos
Leia maisAULAS 24 E 25 Análise de Regressão Múltipla: Inferência
1 AULAS 24 E 25 Análise de Regressão Múltipla: Inferência Ernesto F. L. Amaral 23 e 25 de novembro de 2010 Metodologia de Pesquisa (DCP 854B) Fonte: Wooldridge, Jeffrey M. Introdução à econometria: uma
Leia maisSimulação Transiente
Tópicos Avançados em Avaliação de Desempenho de Sistemas Professores: Paulo Maciel Ricardo Massa Alunos: Jackson Nunes Marco Eugênio Araújo Dezembro de 2014 1 Sumário O que é Simulação? Áreas de Aplicação
Leia maisDELINEAMENTO EM BLOCOS CASUALIZADOS (DBC) Mario de Andrade Lira Junior
DELINEAMENTO EM BLOOS ASUALIZADOS (DB) Mario de Andrade Lira Junior GENERALIDADES Delineamento mais comum em ciências agrárias Delineamento mais simples com controle local Só usar quando confiar que pode
Leia mais3. Características amostrais. Medidas de localização e dispersão
Estatística Descritiva com Excel Complementos. 77 3. Características amostrais. Medidas de localização e dispersão 3.1- Introdução No módulo de Estatística foram apresentadas as medidas ou estatísticas
Leia maisAnálise do Laudo de Avaliação do Ed. Santa Clara
Análise do Laudo de Avaliação do Ed. Santa Clara Objeto da análise: Laudo de Avaliação n 0 7128.7128.632314/2012.01.01.01 SEQ.002 Autor do laudo: Eng. Denis Francisco Lunardi. Solicitante do laudo: Caixa
Leia maisGroup Statistics. residência N Mean Std. Deviation Std. Error Mean. Avaliação Breve do Estado Mental. meio rural 11 27,73 1,849,557
ANEXO M: Output 1 Teste t de Student para amostras independentes, para comparação entre médias obtidas nos quatro instrumentos de avaliação pelas duas amostras: meio rural e meio urbano. Group Statistics
Leia mais'LVWULEXLomR(VWDWtVWLFDGRV9DORUHV([WUHPRVGH5DGLDomR6RODU *OREDOGR(VWDGRGR56
LVWULEXLomR(VWDWtVWLFDGRV9DORUHV([WUHPRVGH5DGLDomR6RODU OREDOGR(VWDGRGR56 6X]DQH5DQ]DQ 6LPRQH0&HUH]HU&ODRGRPLU$0DUWLQD]]R Universidade Regional Integrada do Alto Uruguai e das Missões, Departamento de
Leia maisElementos de Estatística (EST001-B)
Exercícios de Revisão nº 1 Análise de Dados Exercício 1: A pressão mínima de injeção (psi) em amostras de moldagem por injeção de milho de alta amilose foi determinada para oito amostras diferentes (pressões
Leia maisFaturamento de Restaurantes
Faturamento de Restaurantes Gilberto A. Paula Departamento de Estatística IME-USP, Brasil giapaula@ime.usp.br 2 o Semestre 2015 G. A. Paula (IME-USP) Faturamento de Restaurantes 2 o Semestre 2015 1 / 28
Leia maisProjeto Supervisionado
Projeto Supervisionado Caio Almasan de Moura ra: 095620 Indice 1. Introdução 2. Principal Projeto: Modelo de Score 2.1. Objetivo... pg 3 2.2. Agentes Envolvidos... pg 3 2.3. Contextualização... pg 3 2.4.
Leia maisCiência dos Dados. bruno.domingues@intel.com. Preparado por Intel Corporation Bruno Domingues Principal Architect. segunda-feira, 5 de agosto de 13
Ciência dos Dados Preparado por Intel Corporation Bruno Domingues Principal Architect bruno.domingues@intel.com Homem na Lua Software Data: 1969 64kb, 2kb, RAM, Fortran Tem que funcionar! Apolo XI Velocidade:
Leia maisA INTEGRAÇÃO ENTRE ESTATÍSTICA E METROLOGIA
A INTEGRAÇÃO ENTRE ESTATÍSTICA E METROLOGIA João Cirilo da Silva Neto jcirilo@araxa.cefetmg.br. CEFET-MG-Centro Federal de Educação Tecnológica de Minas Gerais-Campus IV, Araxá Av. Ministro Olavo Drumonnd,
Leia maisESTUDO DO TEMPO ATÉ APOSENTADORIA DOS SERVIDORES TÉCNICO-ADMINISTRATIVOS DA UFLA VIA MODELO DE COX
ESTUDO DO TEMPO ATÉ APOSENTADORIA DOS SERVIDORES TÉCNICO-ADMINISTRATIVOS DA UFLA VIA MODELO DE COX Patrícia de Siqueira Ramos 1, Mário Javier Ferrua Vivanco 2 INTRODUÇÃO O servidor técnico-administrativo
Leia maisControle estatístico de processo: algumas ferramentas estatísticas. Linda Lee Ho Depto Eng de Produção EPUSP 2009
Controle estatístico de processo: algumas ferramentas estatísticas Linda Lee Ho Depto Eng de Produção EPUSP 2009 Controle estatístico de Processo (CEP) Verificar estabilidade processo Coleção de ferramentas
Leia maisAULAS 13, 14 E 15 Correlação e Regressão
1 AULAS 13, 14 E 15 Correlação e Regressão Ernesto F. L. Amaral 23, 28 e 30 de setembro de 2010 Metodologia de Pesquisa (DCP 854B) Fonte: Triola, Mario F. 2008. Introdução à estatística. 10 ª ed. Rio de
Leia maisSaúde do Idoso 1ª Pesquisa sobre a Saúde e Condições de Vida do Idoso na Cidade do Rio de Janeiro. Ano 2006 1
Saúde do Idoso 1ª Pesquisa sobre a Saúde e Condições de Vida do Idoso na Cidade do Rio de Janeiro. Ano 2006 1 Alcides Carneiro 2 Lucia Santos 3 Palavras Chaves: Metodologia científica; análise estatística;
Leia maisEC330 Tratamento da Informação
EC330 Tratamento da Informação Prof. Dr. Maurício U. Kleinke PECIM PPG em Ensino de Ciências e Matemática Grupo de Ensino e Avaliação DFA/IFGW/Unicamp Visão além do alcance: uma introdução à análise fatorial
Leia maisEXCEL 2013. Público Alvo: Arquitetos Engenheiros Civis Técnicos em Edificações Projetistas Estudantes das áreas de Arquitetura, Decoração e Engenharia
EXCEL 2013 Este curso traz a vocês o que há de melhor na versão 2013 do Excel, apresentando seu ambiente de trabalho, formas de formatação de planilhas, utilização de fórmulas e funções e a criação e formatação
Leia maisAula 10. ANOVA Análise de Variância em SPSS
Aula 10. ANOVA Análise de Variância em SPSS Métodos Estadísticos 2008 Universidade de Averio Profª Gladys Castillo Jordán Análise de Variância Objectivo: comparar medidas de localização para mais do que
Leia maisEXERCÍCIO SOBRE TESTE T
EXERCÍCIO SOBRE TESTE T 1 Exercício Um estudo para avaliar a influência de um estímulo visual sobre a pressão sistólica em homens foi realizado com 12 indivíduos. Com os dados a seguir definir as hipóteses
Leia maisAnálise de Regressão. Tópicos Avançados em Avaliação de Desempenho. Cleber Moura Edson Samuel Jr
Análise de Regressão Tópicos Avançados em Avaliação de Desempenho Cleber Moura Edson Samuel Jr Agenda Introdução Passos para Realização da Análise Modelos para Análise de Regressão Regressão Linear Simples
Leia maisANÁLISE ECONÔMICA DA CULTURA DE ALGODÃO EM SISTEMAS AGRÍCOLAS FAMILIARES MARÍA GLORIA CABRERA ROMERO; OSMAR DE CARVALHO BUENO;
ANÁLISE ECONÔMICA DA CULTURA DE ALGODÃO EM SISTEMAS AGRÍCOLAS FAMILIARES MARÍA GLORIA CABRERA ROMERO; OSMAR DE CARVALHO BUENO; FCA/UNESP BOTUCATU - SP - BRASIL gloriac@fca.unesp.br APRESENTAÇÃO SEM PRESENÇA
Leia mais4. RESULTADOS E DISCUSSÃO
4. RESULTADOS E DISCUSSÃO 4.1. Energia cinética das precipitações Na Figura 9 estão apresentadas as curvas de caracterização da energia cinética aplicada pelo simulador de chuvas e calculada para a chuva
Leia maisUniversidade Federal de Alfenas Programa de Pós-graduação em Estatística Aplicada e Biometria Prova de Conhecimentos Específicos
Dados que podem ser necessários a algumas questões de Estatística: P (t > t α ) = α ν 0,05 0,025 15 1,753 2,131 16 1,746 2,120 28 1,791 2,048 30 1,697 2,042 (Valor: 1,4) Questão 1. Considere o seguinte
Leia mais5.7 Amostragem e alguns teoremas sobre limites
M. Eisencraft 5.7 Amostragem e alguns teoremas sobre limites 7 5.7 Amostragem e alguns teoremas sobre limites Para quantificar os problemas associados às medidas práticas de uma VA, considere o problema
Leia maisMODIFICAÇÃO DO TESTE DE NORMALIDADE DE SHAPIRO-WILK MULTIVARIADO DO SOFTWARE ESTATÍSTICO R
MODIFICAÇÃO DO TESTE DE NORMALIDADE DE SHAPIRO-WILK MULTIVARIADO DO SOFTWARE ESTATÍSTICO R Roberta Bessa Veloso 1, Daniel Furtado Ferreira 2, Eric Batista Ferreira 3 INTRODUÇÃO A inferência estatística
Leia maisPÓS GRADUAÇÃO EM CIÊNCIAS DE FLORESTAS TROPICAIS-PG-CFT INSTITUTO NACIONAL DE PESQUISAS DA AMAZÔNIA-INPA. 09/abril de 2014
PÓS GRADUAÇÃO EM CIÊNCIAS DE FLORESTAS TROPICAIS-PG-CFT INSTITUTO NACIONAL DE PESQUISAS DA AMAZÔNIA-INPA 09/abril de 2014 Considerações Estatísticas para Planejamento e Publicação 1 Circularidade do Método
Leia maisÉ POSSÍVEL ATINGIR A META DO MINISTÉRIO DA SAÚDE PARA A DOAÇÃO ESPONTÂNEA?
É POSSÍVEL ATINGIR A META DO MINISTÉRIO DA SAÚDE PARA A DOAÇÃO ESPONTÂNEA? Rejane Corrêa da Rocha 1, Thelma Sáfadi 2, Luciane Texeira Passos Giarola 3 INTRODUÇÃO É considerado doador todo o cidadão que
Leia maisUNIVERSIDADE DE SÃO PAULO
UNIVERSIDADE DE SÃO PAULO ESCOLA SUPERIOR DE AGRICULTURA "LUIZ DE QUEIROZ" DEPARTAMENTO DE CIÊNCIAS EXATAS RELATÓRIO DE ATIVIDADE PRÁTICA Relatório da aula prática nº 1, da disciplina LCE602 - Estatística
Leia maisValeska Andreozzi 2010
Introdução Valeska Andreozzi 2010 Referências 3 Modelagem estatística 8 Modelagem................................................................... 9 Objetivos....................................................................
Leia maisCOMENTÁRIO AFRM/RS 2012 ESTATÍSTICA Prof. Sérgio Altenfelder
Comentário Geral: Prova muito difícil, muito fora dos padrões das provas do TCE administração e Economia, praticamente só caiu teoria. Existem três questões (4, 45 e 47) que devem ser anuladas, por tratarem
Leia mais6 Construção de Cenários
6 Construção de Cenários Neste capítulo será mostrada a metodologia utilizada para mensuração dos parâmetros estocásticos (ou incertos) e construção dos cenários com respectivas probabilidades de ocorrência.
Leia maisTrabalhando com Pequenas Amostras: Distribuição t de Student
Probabilidade e Estatística Trabalhando com Pequenas Amostras: Distribuição t de Student Pequenas amostras x Grandes amostras Nos exemplos tratados até agora: amostras grandes (n>30) qualquer tipo de distribuição
Leia maisCorrelação Canônica. Outubro / 1998. Versão preliminar. Fabio Vessoni. fabio@mv2.com.br (011) 30642254. MV2 Sistemas de Informação
Correlação Canônica Outubro / 998 Versão preliminar Fabio Vessoni fabio@mv.com.br (0) 306454 MV Sistemas de Informação Introdução Existem várias formas de analisar dois conjuntos de dados. Um dos modelos
Leia maisO que é a estatística?
Elementos de Estatística Prof. Dr. Clécio da Silva Ferreira Departamento de Estatística - UFJF O que é a estatística? Para muitos, a estatística não passa de conjuntos de tabelas de dados numéricos. Os
Leia maisAVALIAÇÃO QUALITATIVA DE COST DRIVERS PELO MÉTODO AHP
AVALIAÇÃO QUALITATIVA DE COST DRIVERS PELO MÉTODO AHP Edson de Oliveira Pamplona, Dr. Escola Federal de Engenharia de Itajubá Av. BPS, 1303 Itajubá, MG CEP: 37500-000 e-mail: pamplona@iem.efei.br Prof.
Leia mais(b) Qual a probabilidade de ter sido transmitido um zero, sabendo que foi recebido um (1.0) zero?
Grupo I 5.0 valores 1. Um sistema de comunicação binária transmite zeros e uns com probabilidade 0.5 em qualquer dos casos. Devido ao ruído existente no canal de comunicação há erros na recepção: transmitido
Leia maisTTT-PLOT E TESTE DE HIPÓTESES BOOTSTRAP PARA O MODELO BI-WEIBULL. Cleber Giugioli Carrasco 1 ; Francisco Louzada-Neto 2 RESUMO
TTT-PLOT E TESTE DE HIPÓTESES BOOTSTRAP PARA O MODELO BI-WEIBULL Cleber Giugioli Carrasco ; Francisco Louzada-Neto Curso de Matemática, Unidade Universitária de Ciências Exatas e Tecnológicas, UEG. Departamento
Leia maisDescobrimos que os testes 1, 2 e 7 foram os mais úteis para avaliação da estabilidade do gráfico Xbar na carta I:
Este artigo é parte de uma série de artigos que explicam a pesquisa conduzida pelos estatísticos do Minitab para desenvolver os métodos e verificações de dados usados no Assistente no Software Estatístico
Leia maisAnálise Univariada de Sinais Mioelétricos
Análise Univariada de Sinais Mioelétricos Orientador: Maria Claudia Ferrari de Castro Departamento: Engenharia Elétrica Candidato: Luiz Victor Esteves N FEI: 11209220-0 Início: Setembro/10 Provável conclusão:
Leia maisAnálise de séries temporais aplicada aos valores do salário mínimo necessário do Brasil
Análise de séries temporais aplicada aos valores do salário mínimo necessário do Brasil Talita Tanaka Fernandes Jacqueline Meneguim Manoel Ivanildo Silvestre Bezerra 3 Luiz Ricardo Nakamura Introdução
Leia mais6 OS DETERMINANTES DO INVESTIMENTO NO BRASIL
6 OS DETERMINANTES DO INVESTIMENTO NO BRASIL Este capítulo procurará explicar os movimentos do investimento, tanto das contas nacionais quanto das empresas abertas com ações negociadas em bolsa através
Leia maisASSOCIAÇÃO ENTRE PRESENÇA DE CÂNCER DE ESÔFAGO COMPARADA COM HÁBITO DE FUMAR E IDADE EM INDIVÍDUOS DA DINAMARCA
ASSOCIAÇÃO ENTRE PRESENÇA DE CÂNCER DE ESÔFAGO COMPARADA COM HÁBITO DE FUMAR E IDADE EM INDIVÍDUOS DA DINAMARCA Bárbara Camboim Lopes de FIGUEIRÊDO 1, Gustavo Henrique ESTEVES 2 1 Departamento de Estatística
Leia maisEstatística e Probabilidade
Correlação Estatística e Probabilidade Uma correlação é uma relação entre duas variáveis. Os dados podem ser representados por pares ordenados (x,y), onde x é a variável independente ou variável explanatória
Leia maisANÁLISE DA INSPEÇÃO DA LARGURA DOS TECIDOS DE POLIPROPILENO DA INDÚSTRIA TÊXTIL OESTE LTDA
ANÁLISE DA INSPEÇÃO DA LARGURA DOS TECIDOS DE POLIPROPILENO DA INDÚSTRIA TÊXTIL OESTE LTDA ORIENTADORA: Dra. Maria Emília Camargo - UNISC - kamargo@zaz.com.br CO-ORIENTADORA: Dra. Suzana Leitão Russo -
Leia maisAvaliação de Desempenho em Sistemas de Computação e Comunicação
Avaliação de Desempenho em Sistemas de Computação e Comunicação Universidade Federal do Espírito Santo - UFES Departamento de Informática - DI Laboratório de Pesquisas em Redes Multimidia - LPRM UFES Objetivos
Leia maisO QUE É E COMO FUNCIONA O CREDIT SCORING PARTE I
O QUE É E COMO FUNCIONA O CREDIT SCORING PARTE I! A utilização de escores na avaliação de crédito! Como montar um plano de amostragem para o credit scoring?! Como escolher as variáveis no modelo de credit
Leia maisAula 04 Método de Monte Carlo aplicado a análise de incertezas. Aula 04 Prof. Valner Brusamarello
Aula 04 Método de Monte Carlo aplicado a análise de incertezas Aula 04 Prof. Valner Brusamarello Incerteza - GUM O Guia para a Expressão da Incerteza de Medição (GUM) estabelece regras gerais para avaliar
Leia maisMestrado em Gestão Econômica do Meio Ambiente
Mestrado em Gestão Econômica do Meio Ambiente Programa de Pós-graduação em Economia Sub-Programa Mestrado Profissional CEEMA/ECO/UnB Disciplina: ECO 333051 Métodos Estatísticos e Econométricos Instrutores:
Leia maisEste capítulo é divido em duas seções, a primeira seção descreve a base de
30 3. Metodologia Este capítulo é divido em duas seções, a primeira seção descreve a base de dados utilizada, identificando a origem das fontes de informação, apresentando de forma detalhada as informações
Leia maisCláudio Tadeu Cristino 1. Julho, 2014
Inferência Estatística Estimação Cláudio Tadeu Cristino 1 1 Universidade Federal de Pernambuco, Recife, Brasil Mestrado em Nutrição, Atividade Física e Plasticidade Fenotípica Julho, 2014 C.T.Cristino
Leia maisSAD orientado a MODELO
Universidade do Contestado Campus Concórdia Curso de Sistemas de Informação Prof.: Maico Petry SAD orientado a MODELO DISCIPLINA: Sistemas de Apoio a Decisão SAD Orientado a Modelo De acordo com ALTER
Leia maisTeste F-parcial 1 / 16
Teste F-parcial Ingredientes A hipótese nula, H 0, define o modelo restrito. A hipótese alternativa, H a : H 0 é falsa, define o modelo irrestrito. SQR r : soma de quadrado dos resíduos associada à estimação
Leia maisMETODOLOGIA DE SUPERFÍCIE DE RESPOSTA: UMA INTRODUÇÃO NOS SOFTWARES R E STATISTICA. Resumo
METODOLOGIA DE SUPERFÍCIE DE RESPOSTA: UMA INTRODUÇÃO NOS SOFTWARES R E STATISTICA Anaisa Comparini, Gabriela Passos, Helton Graziadei, Paulo H. Ferreira-Silva e Francisco Louzada ICMC USP CP668 CEP 13.566-590,
Leia maisTeste F-parcial 1 / 16
Teste F-parcial A hipótese nula, H 0, define o modelo restrito. Ingredientes SQR r : soma de quadrado dos resíduos sob H 0. R 2 r: coeficiente de determinação sob H 0. g: número de restrições a serem testadas
Leia maisArranjo fatorial de tratamentos
Matéria Seca de Nódulos (mg/planta) Mario Andrade Lira Junior Estatística Aplicada à Agricultura 01- Exemplo gráfico com fator quantitativo Arranjo fatorial de tratamentos Características básicas Utilizável
Leia maisAula Prática 02 Estatística Experimental DELINEAMENTO CASUALIZADO EM BLOCOS. *Planejamento do Experimento Delineamento Casualizado em Blocos (DBC);
Aula Prática 02 Estatística Experimental DELINEAMENTO CASUALIZADO EM BLOCOS *Planejamento do Experimento Delineamento Casualizado em Blocos (DBC); proc plan; factors blocos=3 ordered parcelas=9 ordered;
Leia maisExemplo Regressão Linear Múltipla
Exemplo Regressão Linear Múltipla Gilberto A. Paula Departamento de Estatística IME-USP, Brasil giapaula@ime.usp.br 1 o Semestre 2013 G. A. Paula (IME-USP) Salário de Executivos 1 o Semestre 2013 1 / 27
Leia maisPesquisa Aplicada à Estatística
Pesquisa Aplicada à Estatística Tatiene Correia de Souza / UFPB tatiene@de.ufpb.br September 14, 2014 Souza () Pesquisa Aplicada à Estatística September 14, 2014 1 / 23 Estatística: ideias gerais O que
Leia maisMétodo Monte Carlo e a ferramenta do Crystal Ball utilizados na indústria do petróleo: projeções de royalties
Método Monte Carlo e a ferramenta do Crystal Ball utilizados na indústria do petróleo: projeções de royalties JOSÉ OTAVIO DA SILVA, HERNANI A. FERNANDES CHAVES, CLEVELAND M. JONES, FABIANA ADÃO DA SILVA
Leia maisCURSO ON-LINE PROFESSOR GUILHERME NEVES
Olá pessoal! Neste ponto resolverei a prova de Matemática Financeira e Estatística para APOFP/SEFAZ-SP/FCC/2010 realizada no último final de semana. A prova foi enviada por um aluno e o tipo é 005. Os
Leia maisResoluções comentadas de Raciocínio Lógico e Estatística - SEPLAG-2010 - EPPGG
Resoluções comentadas de Raciocínio Lógico e Estatística - SEPLAG-010 - EPPGG 11. Em uma caixa há 1 bolas de mesmo tamanho: 3 brancas, 4 vermelhas e 5 pretas. Uma pessoa, no escuro, deve retirar n bolas
Leia maisAula 7 - Cálculo do retorno econômico
Aula 7 - Cálculo do retorno econômico Cálculo do retorno econômico Para comparar os custos e os benefícios de um projeto social, precisa-se analisá-los em valores monetários de um mesmo momento do tempo.
Leia maisAula no SAS. Planejamento do Experimento - Delineamento inteiramente casualizado. Saídas
Aula no SAS Planejamento do Experimento - Delineamento inteiramente casualizado Saídas title "Antes da Casualização"; data plano; do parc=1 to 20;*DEVE SER MÚLTIPLO DO NÚMERO DE TRATAMENTOS; trat=int((parc-1)/5)+1;*tratamentos+1=5;
Leia maisPROGRAMA DE ENGENHARIA DE TRANSPORTE PET/COPPE/UFRJ
PROGRAMA DE ENGENHARIA DE TRANSPORTE PET/COPPE/UFRJ CURSO: Mestrado em Engenharia de Transporte ADMISSÃO: 2012/1 ATIVIDADE: Prova Escrita parte integrante do PROCESSO DATA: 21/11/2010 SELETIVO DE INGRESSO
Leia maisUma Avaliação do Uso de um Modelo Contínuo na Análise de Dados Discretos de Sobrevivência
TEMA Tend. Mat. Apl. Comput., 7, No. 1 (2006), 91-100. c Uma Publicação da Sociedade Brasileira de Matemática Aplicada e Computacional. Uma Avaliação do Uso de um Modelo Contínuo na Análise de Dados Discretos
Leia maisMario de Andrade Lira Junior - Reservados todos os direitos autorais.
Mario de Andrade Lira Junior www.lira.pro.br todos os direitos autorais. 27/6/2010 1 Caso especial do fatorial, com todas as características do mesmo Principal diferença é o uso de parcelas diferentes
Leia maisResoluções comentadas das questões de Estatística da prova para. ANALISTA DE GERENCIAMENTO DE PROJETOS E METAS da PREFEITURA/RJ
Resoluções comentadas das questões de Estatística da prova para ANALISTA DE GERENCIAMENTO DE PROJETOS E METAS da PREFEITURA/RJ Realizada pela Fundação João Goulart em 06/10/2013 41. A idade média de todos
Leia mais1. Avaliação de impacto de programas sociais: por que, para que e quando fazer? (Cap. 1 do livro) 2. Estatística e Planilhas Eletrônicas 3.
1 1. Avaliação de impacto de programas sociais: por que, para que e quando fazer? (Cap. 1 do livro) 2. Estatística e Planilhas Eletrônicas 3. Modelo de Resultados Potenciais e Aleatorização (Cap. 2 e 3
Leia maisProf. Dr. Iron Macêdo Dantas
Governo do Estado do Rio Grande do Norte Secretaria de Estado da Educação e da Cultura - SEEC UNIVERSIDADE DO ESTADO DO RIO GRANDE DO NORTE UERN MESTRADO EM CIÊNCIAS NATURAIS Prof. Dr. Iron Macêdo Dantas
Leia maisCRM e Prospecção de Dados
CRM e Prospecção de Dados Marília Antunes aula de 11 de Maio 09 6 Modelos de regressão 6.1 Introdução No capítulo anterior foram apresentados alguns modelos preditivos em que a variável resposta (a variável
Leia maisRegressão linear múltipla
Pós-Graduação em Agronomia - CPGA-Solos Análise Multivariada Aplicada as Ciências Agrárias Regressão linear múltipla Carlos Alberto Alves Varella Objetivo da disciplina Ensinar modelagem estatística de
Leia maisMetodologia de Gerenciamento de Risco de Mercado
Metodologia de Gerenciamento de Risco de Mercado O Gerenciamento de Risco de Mercado das Carteiras geridas pela Rio Verde Investimentos é efetuado pela Administradora dos Fundos, no caso BNY Mellon Serviços
Leia maisSessão Saber profundo Contribuição dos xs (http://www.midomenech.com.br/artigos.asp)
Sessão Saber profundo Contribuição dos xs (http://www.midomenech.com.br/artigos.asp) Carlos H. Domenech e Patrícia Fonseca Em 0 palavras ou menos Durante a etapa Analisar do DMAIC o Belt usualmente deseja
Leia maisSPSS Statistical Package for the Social Sciences Composto por dois ambientes:
Introdução ao SPSS Essa serie de aulas sobre SPSS foi projetada para introduzir usuários iniciantes ao ambiente de trabalho do SPSS 15, e também para reavivar a memória de usuários intermediários e avançados
Leia maisAnálise bioestatística em fumantes dinamarqueses associado
Análise bioestatística em fumantes dinamarqueses associado à câncer de esôfago Bárbara Camboim Lopes de Figueirêdo 1 Gustavo Henrique Esteves 2 1 Introdução A Bioestatística surgiu em 1894 quando Karl
Leia maisTecnologia em Gestão Pública Desenvolvimento de Projetos - Aula 9 Prof. Rafael Roesler
Tecnologia em Gestão Pública Desenvolvimento de Projetos - Aula 9 Prof. Rafael Roesler Introdução Objetivos da Gestão dos Custos Processos da Gerência de Custos Planejamento dos recursos Estimativa dos
Leia mais