MAE 317 Planejamento de Experimentos I. Profa. Júlia Maria Pavan Soler IME/USP
|
|
- Matheus de Vieira Camilo
- 5 Há anos
- Visualizações:
Transcrição
1 MAE 37 Planeamento de Experimentos I Profa. Júlia Maria Pavan Soler pavan@ime.usp.br IME/USP
2 MAE 37 Planeamento de Experimentos I Profa. Júlia Maria Pavan Soler pavan@ime.usp.br IME/USP
3 Delineamento Completamente Aleatorizado - DCA T T... T Y Y... Y Y Y... Y Yi... Tratamento: Fator de Ef. Fixo aleatorização Resposta da u.e. i exposta ao tratamento Yn Y n... Yn n n replicações no tratamento
4 Exemplo Dados: Medidas de clorofila a Delineamento completamente aleatorizado (DCA com um fator em 4 níveis e seis réplicas por tratamento T T T3 T4 6,,7 7,0 8,3 4,8,3 4,4 7, 3,0 9,3 3,8,7 5,6 9,5 5,0 0,0 7,,7 5,5 8,5 4,8 5,3 3,,4
5 Fontes de Variação N ( ; N ( ; Inicialmente considere as seguintes fontes de variação: T... T Y... Y Yn... Y n s ( n i Var. DENTRO do tratamento é aquela devido a fontes de erro desconhecidas. Todas as unidades receberam o mesmo tratamento, logo esta variabilidade é experimental, de fatores não controlados ou até mesmo genuína n... n s s s T n ( Var. ENTRE tratamentos é aquela devido ao efeito dos tratamentos. Esta variabilidade informa sobre o efeito do fator de interesse no estudo
6 Estatísticas Descritivas Var. Entre = 67,5 Var. Dentro = 3,6,8 variação entre variação dentro = 67,5/3,6 = 0,60 Há evidência amostral para a existência de efeito do tratamento? Discutir
7 T T T3 T4 Resp Boxplots of Resp b Trat (means are indicated b solid circles Trat n=6 Dotplots?
8 Suposição N ( ; N ( ; N ( ;... População T T... T Y Y... Y Yi... Yn Yn... Yn n n... n s s s Amostra Yi: resposta da i-ésima unidade de medida submetida ao -ésimo tratamento Normalidade Variância constante Independência Y i ~ N ( H... : ; A : existe pelo menos uma diferença entre as médias
9 Variação DENTRO N ( ; N ( ; T... T Y... Y Yn... Y n n... n s s s R ( n s s n ( n i n ( n s SQR n Quadrado Médio Residual (QMRes Estimativa da consistência interna dos dados E s R s E QM Re s R Sob as suposições de normalidade, independência e homocedasticidade!
10 N ( ; T... T Y... Y Variação ENTRE N ( ; s T n ( QME Quadrado Médio de Tratamento ou Quadrado Médio Entre (QME Sob :,, amostras balanceadas H,..., e Yn... Y n n... n s s amostras aleatórias são extraídas da mesma distribuição N ( ; Lembrar da distribuição amostral da média amostral
11 Variação ENTRE N ( ; N ( ; Sob H e balanceamento: T... T ( r Y... Y s T ( r Yn... Y n n... n s s s T s R E Q M E E s T Sob H: as duas estatísticas estimam s T s R
12 ANOVA - Comparação de Médias Yi N ( ; H:... A: existe pelo menos uma diferença Sob H duas estimativas de Quadrado Médio de Tratamento Quadrado Médio Residual s T s R F = s T s R grande Evidência de que H é falso
13 Componentes de Variabilidade i ( ( i Estatísticas associadas às somas de quadrados: i ( ( i SQTotal SQTratamento SQResidual
14 Tabela de ANOVA H:... Interprete descritivamente o valor F! F.V. g l SQ QM F p-valor ENTRE K- n ( SQE/(K- QME/QMR DENTRO N-K TOTAL N- i i ( i ( i SQR/(N-K s T F = F ( K-, N-K normalidade s R Sob H homocedasticidade independência
15 Tabela de ANOVA H:... F.V. g l SQ QM F p-valor ENTRE K- n ( SQE/(K- QME/QMR DENTRO N-K TOTAL N- i i ( i ( i SQR/(N-K F QM E QM R ~ F( ( n R SQE SQTotal
16 Tabela de ANOVA
17 Experimento para avaliar a utilização de inoculo de fungos no desenvolvimento de mudas de Eucalptos citriodora. O fungos audam no crescimento das plantas? Três tratamentos de interesse: IA - inóculo ausente; I S - inóculo selvagem (proveniente da raiz de grama batatais e I M - inóculo de G. mosseae (proveniente da raiz do arroz As sementes, de mesma origem, serão semeadas em sacos plásticos contendo o mesmo tipo de solo que serão mantidos em casa de Vegetação em condições ambientais consideradas homogêneas. Serão usadas 5 repetições para cada tratamento em delineamento inteiramente aleatorizado. Após 48 dias, a medição da altura das mudas será realizada. Trat Repetições (i Média A M S Média Duscuta as suposições envolvidas. Calcule as F.V. Entre e Dentro de tratamentos. Há evidência para o efeito de tratamento?
18 Modelo Estrutural e Distribucional Parametrização de Médias i i iid N ( 0 ; i parâmetros definem o valor esperado de,,..., E i V a r V a r ; i,,..., r,,..., i i Considerando os dados de clorofila a escreva as equações impostas pelo modelo estrutural adotado!
19 Modelo Estrutural e Distribucional Parametrização de Desvios de Médias i (+ parâmetros definem o valor esperado de : i,,...,, Restrições de Identificabilidade dos Parâmetros 0... : Média geral da resposta, o valor esperado basal da resposta : Efeito do tratamento T no valor esperado da resposta, é o desvio em relação à média geral da resposta
20 Modelo Estrutural i i; / N ( 0 ; i componente fixo componente aleatório i i E efeito do tratamento: componente da Média de Y ; i 0 V a r V a r i i
21 Modelo Estrutural e Distribucional Parametrização de Casela de Referência i i i,..., : O valor esperado da resposta para unidades submetidas ao tratamento T (considerado como referência,..., : Efeito do tratamento T em relação ao valor esperado da resposta ao tratamento T (é o desvio em relação a esta referência
22 Modelo Estrutural / Estimadores i i i ( ( i ˆ ˆ ê i
23 Formalização Matricial Modelo ANOVA - Modelo Linear Geral i i ; 0 Y N X N N vetor de observações Matriz de Planeamento vetor de parâmetros vetor de resíduos Como está definida a matriz X no caso de Regressão? Para os dados de clorofila a escreva o modelo linear na forma matricial, considerando as diferentes parametrizações.
24 i i ; 0 DCA: fator em 4 níveis e 5 réplicas Y X N N N = Parametrização de desvios de médias
25 Tabela de ANOVA - Notação Matricial H... : H :... 0 F.V. g l SQ QM F p Trat K- Resíduo N-K Y Y H I J N H Y Y SQTr / (K- SQR / (N-K QMTr / QMR TOTAL N- Y I N J Y H X X X X J : matriz de s
26 Procedimentos de Inferência 0 ; i i N N N X Y Y X X X ˆ Y X X X X Y ˆ Matriz de Proeção ˆ ˆ m in ˆ ˆ m in ; ˆ X Y X Y Método de Mínimos Quadrados e Máxima Verossimilhança (Distr. Normal conduzem aos mesmos estimadores.
27 Modelos Lineares Y H Y X X X X X Y X Y X X Y X X X X Y X Y S X Y N N N ˆ ˆ ˆ ˆ ˆ min ; ˆ Y Yˆ ˆ C(X Proeção HY Teorema de Gauss-Marov: E.M.Q. têm variância mínima na classe dos estimadores não viesados e que seam funções lineares das observações (Equações Normais
28 Geometria da ANOVA r i ( i 0 D é ortogonal a A Y Y ^ D R r i r i ( 0 ( i 0 A é ortogonal a T A é ortogonal a R A T r i ( ( i 0 R é ortogonal a T Y: vetor de dados A: vetor média geral D=Y-A: desvios em relação à média geral T: desvios das médias dos tratamentos em relação à média geral R: resíduos Y S Yˆ R S A S T S Yˆ R AT Aditividade das Somas de Quadrados (comprimento ao quadrado dos vetores
29 Exemplo: fator em 4 níveis Ré pli cas T T i T3 T Médias Observação Y Média geral A ( ( i Efeito de Tratamento T Resíduo R SQTotal = SQMédia + SQTrat + SQResidual Soma de Quadrados = Número de g.l. 6 = SQTotal Corrigida = = 388
30 Hipótese de Interesse Yi iid N ( ; H: A: existe pelo menos uma diferença Existe evidência de diferenças entre as médias? As diferenças ENTRE médias são maiores que a variação DENTRO dos tratamentos?
31 Análise de Diagnóstico Checar as suposições do modelo i i iid N ( 0 ; i Normalidade Variância constante ( homocedasticidade Independência Garantir que a estatística F da tabela de ANOVA tem distribuição F(-,n-.
32 ANOVA Análises de Diagnóstico Análises Descritivas dos Resíduos Histogramas e box-plots dos resíduos Quantis dos resíduos contra quantis da normal Distribuição simétrica? Normalidade? ˆ ordem(obs ˆ ˆ Uso dos Resíduos studentizados. erros independentes homocedasticidade tendências não modeladas
33 ANOVA Análises de Diagnóstico Análise dos Resíduos ˆ i i ˆ i i i h ii i ( h ii i h ii X i X ' X X i ~ ˆ i i QM Re s Resíduo semi-studentizado r i QM ˆ Re i s h ii Resíduo studentizado
34 Frequenc Residual Residual Residual Residual Model Diagnostics Normal Plot of Residuals I Chart of Residuals UCL=4, Mean=7,77E Normal Score Observation Number 5 LCL=-4, Histogram of Residuals Residual Residuals vs. Fits E quando os dados não satisfazem as suposições impostas pelo modelo? Quais são as medidas remédio? Fit 9 0
35 ANOVA Análises de Diagnóstico Teste para a verificação da Normalidade Teste de Shapiro-Wil, Teste de Kolmogorov-Smirnov Testes para a verificação da homocedasticidade (variâncias homogêneas Teste de Hartle (H=max(s /min(s : assume dados balanceados Teste de Bartlet (sensível a desvios da Normalidade Teste de Levene (robusto, baseado nos desvios absolutos das observações em relação à mediana
36 Hipótese de Interesse Yi iid N ( ; H: A: existe pelo menos uma diferença Existe evidência de diferenças entre as médias? As diferenças ENTRE médias são maiores que a variação DENTRO dos tratamentos? No caso da reeição de H (p e a análise de diagnóstico indicando que as premissas estão satisfeitas, o próximo passo da análise é a realização de comparações múltiplas entre as médias.
37 T T T3 T4 Resp Comparações Múltiplas Considerando os dados de Clorofila a: H : A : pelo menos uma diferença entre as médias Conclusão: F=0,59 p=0,000 há evidência amostral para a reeição de H Boxplots of Resp b Trat (means are indicated b solid circles Discuta as limitações envolvidas na realização de testes t para todas as possíveis comparações entre duas médias! Trat
38 Comparações Múltiplas Intervalo de Confiança para a Média QM Re s t( / ; r i t( / ; r r QM Re s r Intervalo de Confiança para a Diferença entre Médias QM Re s t / ;r ' ( ' ' r t( / ;r QM Re s r Qual é o nível de confiança global (equivalentemente, o nível de significância global quando são realizadas muitos testes simultaneamente (muitas comparações entre pares de médias?
39 Comparações Múltiplas Nível de significância é calculado para a família de comparações As comparações entre médias são definidas em termos de contrastes ( C entre médias H A : C : C c c i i 0; i i 0 c i 0 Teste de Tue: correção para as comparações entre pares de médias Correção de Bonferroni: para um número fixado de contrastes Teste de Scheffé, Teste de Dunnet, Contrastes Ortogonais
40 Comparações Múltiplas 0 : 0 0; : i i i i i c C A c c C H Considere um único contraste C: / ; ( ~ ; ( ~ i n N Y N Y / ; ( ~ ˆ / ˆ ˆ n c c N C n c C V Y c C n C t n c QM R C C t ~ / ˆ n n c Q M R t C C C I / / ( ˆ.. (
41 Método de Contrastes Ortogonais,( ~ ; / ˆ n m Cm m m m F QMR C SQ F n c C C SQ 0 c c c C c C m C m SQTrat SQ Ilustre estes resultados com os dados de clorofila a! Qual é o p-valor austado para o teste do efeito de tratamento considerando um conunto de (- contrastes ortogonais? / / 0 c c Ex.: Cm t Cm F Alguns resultados:
42 Resp Frequenc Residual Percent Residual Método de Contrastes Ortogonais Dados hipotéticos T T T3 T Tabela de ANOVA Análise de Resíduos F.V g.l. S.Q. Q.M. F P Trat 3,75 70,9 9,60 0,000 Error 8 06,75 7,38 Total 3 49,50 S =,77 R-Sq = 50,7% Análise de Contrastes Ortogonais Normal Probabilit Plot ,0 -,5 0,0,5 5,0 Residual Histogram Residual Residual Plots for Resp Versus Fits Fitted Value Versus Order Observation Order 8 6 Boxplot of Resp T T T3 T4 Médias 6,75 0,375 8,65 3, Trat 3 4 C - /3 - /3 - /3 C 0-0,5-0,5 C3 0-0 C SQ( C F t p H( -4,67 04,0 4, -3,76 0,00 H( 4,5 96,33 3 3,6 0,00 H(3,75,5,66,9 0, Como obter p para a família de comparações? Conclusão?
43 Método de Bonferroni I. C. C Cˆ B Vˆ Cˆ m m B: valor tabelado obtido da distribuição t(n- a um nível de significância igual a (/p, em que p é o número total de testes a serem realizados. Neste caso o nível de significância global (supondo testes independentes é. Outros procedimentos: Scheffé (considera múltiplas comparações entre médias incluindo possíveis contrastes sugeridos pelos dados; Duncan (considera comparações gerais entre pares de médias Ambos são baseadas na estatística F da tabela de ANOVA (F (-,n- e têm a limitação de baixo poder. m
44 Correções Baseadas em Bonferroni Gar Ohelert, 00 : nível de significância global fixado K: número total de testes p(i: nível descritivo do i-ésimo teste
45 Método de Tue C Existem (-/ contrastes entre pares de médias C Cˆ q Q M R r I. C., ( n, / / Amostras balanceadas: intervalo exato q, ( n : valor tabelado obtido da distribuição da estatística amplitude studentizada definida como max( Y min( Y / QM Re s / n, que depende de, (n- e do nível de significância global fixado. Diferença mínima (honesta significante de Tue: q(,, n I. C. C Cˆ q,( n, / QM R n n Amostras desbalanceadas: intervalo aproximado
46
47 Método de Tue C Cˆ q Q M R r I. C., ( n, / / Amostras balanceadas: intervalo exato I. C. C Cˆ q,( n, / QM R n n Amostras desbalanceadas: intervalo aproximado Para um dado nível de significância, o tamanho do intervalo para C é maior quando a estatística q é usada ao invés da estatística t de Student. Quando há interesse em realizar (- comparações, como é caso da existência de um tratamento controle, a estatística q, ( n é substituída pela estatística t de Dunnett (valores tabelados.
48 Tue 95,0% Simultaneous Confidence Intervals Trat = subtracted from: Dados de Clorofila a Trat Lower Center Upper ,464 6,3833 9,303 (----* ,353-0,4333,486 (----*---- 4,497 4,467 7,336 (----* ,0 0,0 6,0,0 Trat = subtracted from: Trat Lower Center Upper ,736-6,87-3,897 (----* ,886 -,967 0,953 (----* ,0 0,0 6,0,0 Trat = 3 subtracted from: Trat Lower Center Upper ,930 4,850 7,770 (----* ,0 0,0 6,0,0
49 Exemplo: Dados de Clorofila a Tue Simultaneous Tests Response Variable Resp All Pairwise Comparisons among Levels of Trat Level Difference SE of Adusted Trat of Means Difference T-Value P-Value T-T T3-T T4-T T3-T T4-T T4-T * Conclusão? 4 3 Diferenças significativas a um nível de significância global igual a 5%
50 Exemplo Dados: Considere que as medidas de clorofila a foram obtidas sob a seguinte estrutura de tratamentos T T T3 T4 30% 00% SN N SN N 6,,7 7,0 8,3 4,8,3 4,4 7, 3,0 9,3 3,8,7 5,6 9,5 5,0 0,0 7,,7 5,5 8,5 4,8 5,3 3,,4 Luminosidade Nutrientes
51 Mean Results for Lumino = Variable Nutri N Mean SE Mean StDev Clora 6 5,50 0,575,408 6,633 0,907, Results for Lumino = Variable Nutri N Mean SE Mean StDev Clora 6 4,87 0,550, ,667 0,847,075 Interaction Plot for Clora Gráfico de Data perfis Means de médias Lumino Analise e interprete os seguintes contrates entre médias: T T T3 T Nutri Obtenha testes corrigidos (para as múltiplas comparações e intervalos de confiança simultâneos.
52 Exemplo Dados: Tempo de coagulação (em seg de amostras de sangue extraídas de 6 animais aleatoriamente alocados a 4 tratamentos. Média T T T3 T Verifique se há evidência amostral para efeito de tratamento. Faça (à mão a análise destes dados.
MAE 317 Planejamento e Pesquisa I Profa. Júlia Maria Pavan Soler
MAE 37 Planeamento e Pesquisa I Profa. Júlia Maria Pavan Soler pavan@ime.usp.br IME/USP º Semestre/09 Delineamento Completamente Aleatorizado - DCA T T... T Y Y... Y Y Y... Y...... Yi... Yn Y n... Yn n
Leia maisModelos de Análise de Variância
Modelos de Análise de Variância Delineamento Completamente Aleatorizado: k tratamentos, r réplicas (balanceado) yi iid ~ N ; i i Normalidade Variância constante ( homocedasticidade ) Independência Análise
Leia maisANOVA - Etapas de Análise
ANOVA - Etapas de Análise Entender o Delineamento Estrutura de Tratamento Aleatorização das Unidades Amostrais Aleatorização das Unidades Experimentais aos Tratamentos Adotar um Modelo Estrutural e Distribucional
Leia maisMAE Planejamento e Pesquisa II
MAE0327 - Planejamento e Pesquisa II EXPERIMENTOS/ESTUDOS NÃO-BALANCEADOS COM FATORES FIXOS - PARTE 1 7 de agosto de 2016 Denise A Botter MAE0327 7 de agosto de 2016 1 / 1 PLANEJAMENTO E PESQUISA I Estudos
Leia maisTécnicas Computacionais em Probabilidade e Estatística I. Aula VII
Técnicas Computacionais em Probabilidade e Estatística I Aula VII Chang Chiann MAE 5704 IME/USP º Sem/008 Análise Exploratória e Austes Robustos em ANOVA Obetivo Modelos ANOVA: Efeitos Fixos (e Aleatórios)
Leia maisH 0 : m 1 = m 2 =... = m I = 0 H a : pelo menos m u m k, para algum u k (u,k=1,2,...,i)
Em um experimento ao se comparar as médias de tratamentos ou dos níveis de um fator de tratamentos, inicialmente, formula-se a seguintes hipóteses: H 0 : m = m =... = m = 0 H a : pelo menos m u m k, para
Leia maisDELINEAMENTO EM BLOCOS AO ACASO
DELINEAMENTO EM BLOCOS AO ACASO Sempre que não houver condições experimentais homogêneas, devemos utilizar o principio do controle local, instalando Blocos, casualizando os tratamentos, igualmente repetidos.
Leia maisH 0 : m 1 = m 2 =... = m I = 0 H a : pelo menos m u m k, para algum u k (u,k=1,2,...,i)
Em um experimento ao se comparar as médias de tratamentos ou dos níveis de um fator de tratamentos, inicialmente, formula-se a seguintes hipóteses: H 0 : m = m =... = m I = 0 H a : pelo menos m u m k,
Leia maisPlanejamento de Experimentos Suposições do Modelo e Comparações Múltiplas
1 / 30 Planejamento de Experimentos Suposições do Modelo e Comparações Múltiplas Enrico A. Colosimo/UFMG Depto. Estatística - ICEx - UFMG 2 / 30 Exemplo típico: Resistência de uma nova fibra sintética
Leia maisMINISTÉRIO DA EDUCAÇÃO UNIVERSIDADE FEDERAL DE CAMPINA GRANDE CENTRO DE CIENCIAS E TECNOLOGIA AGROALIMENTAR UNIDADE V
MINISTÉRIO DA EDUCAÇÃO UNIVERSIDADE FEDERAL DE CAMPINA GRANDE CENTRO DE CIENCIAS E TECNOLOGIA AGROALIMENTAR UNIDADE V DELINEAMENTO EM BLOCOS CASUALIZADOS (DBC) Profª Railene Hérica Carlos Rocha 1. Introdução
Leia maisMAE Planejamento e Pesquisa I
MAE0317 - Planejamento e Pesquisa I COMPARAÇÕES DE MÉDIAS - 1 FATOR FIXO 1 de abril de 2014 Denise A. Botter MAE0317 1 de abril de 2014 1 / 55 INTRODUÇÃO Testamos H 0 : µ 1 =... = µ r. Se H 0 não é rejeitada,
Leia maisDelineamento Inteiramente Casualizado (DIC) Delineamento Casualizado em Blocos (DBC) Delineamento em Quadrado Latino (DQL)
Principais delineamentos: Delineamento Inteiramente Casualizado (DIC) Delineamento Casualizado em Blocos (DBC) Delineamento em Quadrado Latino (DQL) Os delineamentos podem ser: Balanceados Não balanceados
Leia maisESTATÍSTICA EXPERIMENTAL
ESTATÍSTICA EXPERIMENTAL Delineamento Inteiramente Casualizado - DIC Prof. Miguel Toledo del Pino, Dr. INTRODUÇÃO No DIC a distribuição dos tratamentos às unidades experimentais é feita inteiramente ao
Leia maisCOMPARAÇÕES MÚLTIPLAS
ESCOLA SUPERIOR DE AGRICULTURA LUIZ DE QUEIROZ COMPARAÇÕES MÚLTIPLAS Josiane Rodrigues Lilian Emerick Fernandes 2009 INTRODUÇÃO Comparação entre médias de tratamentos ou dos níveis de um fator de tratamentos;
Leia maisANÁLISE DE VARIÂNCIA DE UM CRITÉRIO (DIC)
ANÁLISE DE VARIÂNCIA DE UM CRITÉRIO (DIC) Lucas Santana da Cunha http://www.uel.br/pessoal/lscunha/ Universidade Estadual de Londrina 11 de dezembro de 2017 Uma análise de variância expressa uma medida
Leia maisDelineamento e Análise Experimental Aula 3
Aula 3 Castro Soares de Oliveira Teste de hipótese Teste de hipótese é uma metodologia estatística que permite tomar decisões sobre uma ou mais populações baseando-se no conhecimento de informações da
Leia maisTópicos Extras 1ª parte. Testes Não Paramétricos, Análise Multivariada, Outras Técnicas
Tópicos Extras 1ª parte Testes Não Paramétricos, Análise Multivariada, Outras Técnicas 1 2 Técnicas de dependência 3 4 Situações Comparar 3 tipos de rede de computadores, C1, C2 e C3, em termos do tempo
Leia maisTESTES DE NORMALIDADE E SIGNIFICÂNCIA. Profª. Sheila Regina Oro
TESTES DE NORMALIDADE E SIGNIFICÂNCIA Profª. Sheila Regina Oro A suposição de normalidade dos dados amostrais ou experimentais é uma condição exigida para a realização de muitas inferências válidas a respeito
Leia maisANÁLISE DE VARIÂNCIA (ANOVA) Prof. Anderson Rodrigo da Silva
ANÁLISE DE VARIÂNCIA (ANOVA) Prof. Anderson Rodrigo da Silva anderson.silva@ifgoiano.edu.br Exemplo 1 de Introdução Medley & Clements (1998) estudaram o efeito de metais pesados, especialmente zinco, sobre
Leia maisAula 2 Uma breve revisão sobre modelos lineares
Aula Uma breve revisão sobre modelos lineares Processo de ajuste de um modelo de regressão O ajuste de modelos de regressão tem como principais objetivos descrever relações entre variáveis, estimar e testar
Leia maisANÁLISE DE VARIÂNCIA. y j = µ + τ i + e i j = µ i + e i j
SUMÁRIO 1 Análise de Variância 1 1.1 O Teste F...................................... 1.2 Verificando as pressuposições do modelo..................... 5 1.2.1 Verificação de Normalidade.........................
Leia maisMétodos Estatísticos Avançados em Epidemiologia
1 / 44 Métodos Estatísticos Avançados em Epidemiologia Análise de Variância - ANOVA Referência: Cap. 12 - Pagano e Gauvreau (2004) - p.254 Enrico A. Colosimo/UFMG Depto. Estatística - ICEx - UFMG 2 / 44
Leia maisEstatística Descritiva e Inferencial CE081. Prof. Dr. Jomar Camarinha
Estatística Descritiva e Inferencial CE081 Prof. Dr. Jomar Camarinha CONTEÚDO Estatística Descritiva e Exploratória Teoria dos Conjuntos Análise Combinatória Noções de Probabilidade Noções de Amostragem
Leia maisEXPERIMENTAÇÃO ZOOTÉCNICA. Profa. Dra. Amanda Liz Pacífico Manfrim Perticarrari
EXPERIMENTAÇÃO ZOOTÉCNICA Profa. Dra. Amanda Liz Pacífico Manfrim Perticarrari amanda@fcav.unesp.br CARACTERIZAÇÃO o Em alguns experimentos pode-se ter fatores que estão interferindo na variável resposta,
Leia maisEXPERIMENTOS COM INTERAÇÕES
EXPERIMENTOS COM INTERAÇÕES Na maioria dos experimentos, os tratamentos são de efeitos fixos. Mas também são realizados experimentos em que os efeitos dos tratamentos são aleatórios. 1 Para saber se, em
Leia maisLucas Santana da Cunha 28 de setembro de 2018 Londrina
Testes de Comparações Múltiplas Lucas Santana da Cunha http://www.uel.br/pessoal/lscunha 28 de setembro de 2018 Londrina Pela análise de variância realizada no Exemplo 1 da aula anterior, rejeitou-se a
Leia maisEXPERIMENTAÇÃO AGRÍCOLA. Profa. Dra. Amanda Liz Pacífico Manfrim Perticarrari
EXPERIMENTAÇÃO AGRÍCOLA Profa. Dra. Amanda Liz Pacífico Manfrim Perticarrari amanda@fcav.unesp.br CARACTERIZAÇÃO o Em alguns experimentos pode-se ter fatores que estão interferindo na variável resposta,
Leia maisLucas Santana da Cunha de outubro de 2018 Londrina
e Lucas Santana da Cunha email: lscunha@uel.br http://www.uel.br/pessoal/lscunha/ 17 de outubro de 2018 Londrina 1 / 31 Obtenção de uma amostra Há basicamente duas formas de se obter dados para uma pesquisa
Leia maisModelo de Regressão Múltipla
Modelo de Regressão Múltipla Modelo de Regressão Linear Simples Última aula: Y = α + βx + i i ε i Y é a variável resposta; X é a variável independente; ε representa o erro. 2 Modelo Clássico de Regressão
Leia maisINTRODUÇÃO A MODELOS MISTOS
INTRODUÇÃO A MODELOS MISTOS Delineamento experimental ou desenho experimental, de uma forma bastante simples, é a forma em que os tratamentos (níveis de um fator ou combinações de níveis de fatores) são
Leia maisESTATÍSTICA EXPERIMENTAL
ESTATÍSTICA EXPERIMENTAL ESTUDO DE VARIABILIDADE DOS DADOS EXPERIMENTAIS Prof. Miguel Toledo del Pino, Eng. Agrícola (Dr.) INTRODUÇÃO Realizamos experimentos para compararmos os efeitos de tratamentos
Leia maisExperimentos Balanceados com Dois Fatores
Experimentos Balanceados com Dois Fatores Experimentos com dois fatores cruzados fixos Exemplo1. Objetivo. Investigar os efeitos do preço de venda e do tipo de campanha promocional nas vendas de certo
Leia maisLucas Santana da Cunha de outubro de 2018 Londrina
e Lucas Santana da Cunha email: lscunha@uel.br http://www.uel.br/pessoal/lscunha/ 22 de outubro de 2018 Londrina 1 / 24 Obtenção de uma amostra Princípios básicos da experimentação Há basicamente duas
Leia maisEscola Superior de Agricultura Luiz de Queiroz Universidade de São Paulo. Testes de Comparações Múltiplas
Escola Superior de Agricultura Luiz de Queiroz Universidade de São Paulo Testes de Comparações Múltiplas Professora Renata Alcarde Sermarini Piracicaba Agosto 2016 Renata Alcarde Sermarini Estatística
Leia mais3. Experimentos a um único fator: Análise de Variância (ANOVA) 3.7 Comparações entre médias de tratamento
3. Experimentos a um único fator: Análise de Variância (ANOVA) 3.7 Comparações entre médias de tratamento Suponha que a hipótese nula, de médias de tratamento iguais, tenha sido rejeitada em favor da hipótese
Leia maisMOQ-14 PROJETO e ANÁLISE de EXPERIMENTOS. Professor: Rodrigo A. Scarpel
MOQ-14 PROJETO e ANÁLISE de EXPERIMENTOS Professor: Rodrigo A. Scarpel rodrigo@ita.br www.mec.ita.br/~rodrigo Programa do curso: Semana Conteúdo 1 Apresentação da disciplina. Princípios de modelos lineares
Leia mais5.3 Experimentos fatoriais a dois fatores. Ambos os fatores são supostos fixos e os efeitos de tratamento são definidos como desvios da média tal que
5. Experimentos Fatoriais 5.3 Experimentos fatoriais a dois fatores. Modelo de Efeitos Y ijk = µ+τ i +β j +(τβ) ij +ɛ ijk, i = 1, 2,..., a j = 1, 2,..., b k = 1, 2,..., n Ambos os fatores são supostos
Leia maisProjeto de Experimentos
Projeto de Experimentos O uso de Projeto de Experimentos conduz a uma seqüência estruturada de ensaios, que assegura o máximo de informação com um gasto mínimo de tempo/dinheiro. Entrada Processo Saída
Leia maisConceitos Básicos Teste t Teste F. Teste de Hipóteses. Joel M. Corrêa da Rosa
2011 O 1. Formular duas hipóteses sobre um valor que é desconhecido na população. 2. Fixar um nível de significância 3. Escolher a Estatística do Teste 4. Calcular o p-valor 5. Tomar a decisão mediante
Leia maisRegression and Clinical prediction models
Regression and Clinical prediction models Session 4 Introducing statistical modeling Part 1 (Analysis of variance) Pedro E A A do Brasil pedro.brasil@ini.fiocruz.br 2018 Objetivos Introduzir a ideia de
Leia maisProbabilidade e Estatística
Probabilidade e Estatística Prof. Dr. Narciso Gonçalves da Silva http://paginapessoal.utfpr.edu.br/ngsilva Introdução A análise de variância (Anova) é utilizada para comparar médias de três ou mais populações.
Leia maisVerificando as pressuposições do modelo estatístico
Verificando as pressuposições do modelo estatístico Prof. a Dr. a Simone Daniela Sartorio de Medeiros DTAiSeR-Ar 1 As pressuposições do modelo estatístico: 1) os efeitos do modelo estatístico devem ser
Leia maisRegression and Clinical prediction models
Regression and Clinical prediction models Session 6 Introducing statistical modeling Part 2 (Correlation and Linear regression) Pedro E A A do Brasil pedro.brasil@ini.fiocruz.br 2018 Objetivos Continuar
Leia maisEXPERIMENTAÇÃO AGRÁRIA
EXPERIMENTAÇÃO AGRÁRIA Tema : Delineamentos experimentais básicos (DCC/DBCC/DQL) Delineamento Completamente 1. Quando usar? Casualizado (DCC) Este delineamento é usado quando as unidades experimentais
Leia maisCONHECIMENTOS ESPECÍFICOS
fonte de graus de soma de quadrado variação liberdade quadrados médio teste F regressão 1 1,4 1,4 46,2 resíduo 28 0,8 0,03 total 2,2 A tabela de análise de variância (ANOVA) ilustrada acima resulta de
Leia maisDELINEAMENTO EM BLOCOS CASUALIZADOS COM REPETIÇÕES. Profª. Sheila Regina Oro
DELINEAMENTO EM BLOCOS CASUALIZADOS COM REPETIÇÕES Profª. Sheila Regina Oro Delineamento em Blocos Casualizados com Repetições (DBCr) Utilizado quando temos mais de uma repetição de cada tratamento dentro
Leia maisMAE 317 Planejamento de Experimentos I. Profa. Júlia Maria Pavan Soler IME/USP
MAE 317 Planejamento de Experimentos I Profa. Júlia Maria Pavan Soler pavan@ime.usp.br IME/USP Motivação Por que coletamos dados? Ciência Factual: observar fatos criar Teorias Como coletar os dados? Que
Leia maisMINISTÉRIO DA EDUCAÇÃO UNIVERSIDADE FEDERAL DE CAMPINA GRANDE CENTRO DE CIENCIAS E TECNOLOGIA AGROALIMENTAR UNIDADE IV
MINISTÉRIO DA EDUCAÇÃO UNIVERSIDADE FEDERAL DE CAMPINA GRANDE CENTRO DE CIENCIAS E TECNOLOGIA AGROALIMENTAR UNIDADE IV TESTES DE COMPARAÇÕES MÚLTIPLAS DE MÉDIAS EXPERIMENTAIS Profª Railene Hérica Carlos
Leia maisInstituto Federal Goiano
e simples e Instituto Federal Goiano e Conteúdo simples 1 2 3 4 5 simples 6 e simples Associação entre duas variáveis resposta Exemplos: altura de planta e altura da espiga, teor de fósforo no solo e na
Leia maisCurso de Estatística Descritiva e Inferencial (Planejamento Experimental) Prof. Dr. Jomar Camarinha
Curso de Estatística Descritiva e Inferencial (Planejamento Experimental) Prof. Dr. Jomar Camarinha CONTEÚDO Estatística Descritiva e Exploratória Noções de Estimação de Parâmetros Intervalos de Confiança
Leia maisEstatística Básica. 13 de maio de 2009
13 de maio de 2009 1 2 3 4 5 Tipos de Testes Exemplos Teste para amostras independentes com variâncias iguais Teste para amostras independentes com variâncias diferentes Teste para amostras dependentes
Leia maisEXPERIMENTAÇÃO AGRÁRIA
EXPERIMENTAÇÃO AGRÁRIA Tema : Delineamentos experimentais básicos (DCC/DBCC/DQL) Delineamento de Blocos Completos Casualizados (DBCC) Quando usar? Quando as unidades experimentais não apresentam características
Leia maisEXPERIMENTAÇÃO AGRÍCOLA. Profa. Dra. Amanda Liz Pacífico Manfrim Perticarrari
EXPERIMENTAÇÃO AGRÍCOLA Profa. Dra. Amanda Liz Pacífico Manfrim Perticarrari amanda@fcav.unesp.br INTRODUÇÃO Um dos principais objetivos da estatística é a tomada de decisões a respeito da população, com
Leia maisRalph S. Silva
ANÁLISE ESTATÍSTICA MULTIVARIADA Ralph S Silva http://wwwimufrjbr/ralph/multivariadahtml Departamento de Métodos Estatísticos Instituto de Matemática Universidade Federal do Rio de Janeiro Sumário Revisão:
Leia maisUNIVERSIDADE FEDERAL DE LAVRAS DEPATAMENTO DE CIÊNCIAS EXATAS GABARITO
UNIVERSIDADE FEDERAL DE LAVRAS DEPATAMENTO DE CIÊNCIAS EXATAS Programa de Pós-Graduação em Estatística e Experimentação Agropecuária Prova do Processo Seletivo para Mestrado 16- GABARITO N o de inscrição
Leia maisTeste de Cochran (Homogeneidade de Variância)
ara o modelo heterocedástico, vamos inicialmente testar as hipóteses Os métodos mais utilizados são os testes de Cochran, Bartlett e de Levene. Teste de Cochran (Homogeneidade de Variância) O teste de
Leia mais9 a 14 de Setembro Pós-Graduação em Produção Vegetal UFPR. Éder David Borges da Silva Renato Gonçalves de Oliveira
9 a 14 de Setembro Pós-Graduação em Produção Vegetal UFPR Éder David Borges da Silva Renato Gonçalves de Oliveira Conteúdo abordado: Revisão de Estatística básica Princípios básicos de experimentação Delineamento
Leia maisDELINEAMENTO COMPLETAMENTE CASUALIZADO. Prof. Dra. Janete Pereira Amador
DELINEAMENTO COMPLETAMENTE CASUALIZADO Prof. Dra. Janete Pereira Amador Análise de Variância Considerando esquematicamente um experimento, tem-se: Tratamentos Unidade Experimental Efeito onde ij são as
Leia maisTÉCNICAS EXPERIMENTAIS APLICADAS EM CIÊNCIA DO SOLO
1 TÉCNICAS EXPERIMENTAIS APLICADAS EM CIÊNCIA DO SOLO Mario de Andrade Lira Junior lira.pro.br/wordpress os direitos autorais. ANÁLISE DA VARIÂNCIA Desdobramento da variância total em seus componentes
Leia maisÉder David Borges da Silva Renato Gonçalves de Oliveira
Éder David Borges da Silva Renato Gonçalves de Oliveira Conteúdo abordado: Revisão de Estatística Experimental Princípios básicos de experimentação Delineamento inteiramente casualizado (DIC) Delineamento
Leia maisModelos de Regressão Linear Simples - parte III
1 Modelos de Regressão Linear Simples - parte III Erica Castilho Rodrigues 20 de Setembro de 2016 2 3 4 A variável X é um bom preditor da resposta Y? Quanto da variação da variável resposta é explicada
Leia maisEXPERIMENTAÇÃO AGRÍCOLA
EXPERIMENTAÇÃO AGRÍCOLA DELINEAMENTO INTEIRAMENTE CASUALIZADO (DIC) Eng. Agrônomo: Francisco Bruno Ferreira de Sousa Bruno.uno2011@hotmail.com/ fbfsagro@gmail.com Contato: (99) 99199460 Objetivos: Estudar
Leia maisEXPERIMENTAÇÃO ZOOTÉCNICA. Profa. Dra. Amanda Liz Pacífico Manfrim Perticarrari
EXPERIMENTAÇÃO ZOOTÉCNICA Profa. Dra. Amanda Liz Pacífico Manfrim Perticarrari amanda@fcav.unesp.br TESTES PARA COMPARAÇÃO DE MÉDIAS O teste F permite tirar conclusões muito gerais relacionadas com os
Leia maisDELINEAMENTO EM QUADRADO LATINO (DQL)
DQL DELINEAMENTO EM QUADRADO LATINO (DQL) Lucas Santana da Cunha http://www.uel.br/pessoal/lscunha Universidade Estadual de Londrina Departamento de Estatística 08 de julho de 2017 DQL Na Seção anterior
Leia maisINSTRUÇÕES. O tempo disponível para a realização das duas provas e o preenchimento da Folha de Respostas é de 5 (cinco) horas no total.
INSTRUÇÕES Para a realização desta prova, você recebeu este Caderno de Questões. 1. Caderno de Questões Verifique se este Caderno de Questões contém a prova de Conhecimentos Específicos referente ao cargo
Leia maisAnálise de Dados Longitudinais Aula
1/35 Análise de Dados Longitudinais Aula 08.08.2018 José Luiz Padilha da Silva - UFPR www.docs.ufpr.br/ jlpadilha 2/35 Sumário 1 Revisão para dados transversais 2 Como analisar dados longitudinais 3 Perspectiva
Leia maisUniversidade Federal de Viçosa Departamento de Estatística
Universidade Federal de Viçosa Departamento de Estatística Prova Seletiva para o Programa de Pós-Graduação em Estatística Aplicada e Biometria. Nível Doutorado - 22/nov/2013 Nome: Assinatura:. Número do
Leia maisPlanejamento de Experimentos
Planejamento de Experimentos 6. Os Modelos fatoriais 2 k Trataremos agora de um caso especial de experimentos fatoriais no qual todos os fatores têm apenas dois níveis. Tais níveis podem ser quantitativos
Leia maisPlanejamento de Experimentos Experimento com um fator aleatório
1 / 12 Planejamento de Experimentos Experimento com um fator aleatório Enrico A. Colosimo/UFMG Depto. Estatística - ICEx - UFMG 2 / 12 Modelo Estatístico para Efeitos Fixos Y ij = µ + τ i + ɛ ij em que
Leia maisENGENHARIA DA QUALIDADE A ENG AULA 8 PROJETOS DE EXPERIMENTOS - ANOVA
ENGENHARIA DA QUALIDADE A ENG 09008 AULA 8 PROJETOS DE EXPERIMENTOS - ANOVA PROFESSORES: CARLA SCHWENGBER TEN CATEN Tópicos desta aula Projetos de Experimentos Terminologia Passos de implementação Princípios
Leia maisEstimação e Testes de Hipóteses
Estimação e Testes de Hipóteses 1 Estatísticas sticas e parâmetros Valores calculados por expressões matemáticas que resumem dados relativos a uma característica mensurável: Parâmetros: medidas numéricas
Leia mais1 Que é Estatística?, 1. 2 Séries Estatísticas, 9. 3 Medidas Descritivas, 27
Prefácio, xiii 1 Que é Estatística?, 1 1.1 Introdução, 1 1.2 Desenvolvimento da estatística, 1 1.2.1 Estatística descritiva, 2 1.2.2 Estatística inferencial, 2 1.3 Sobre os softwares estatísticos, 2 1.4
Leia mais09 de setembro de 2013
Programa de Pós-Graduação em Estatística e Experimentação Agronômica ESALQ/USP 09 de setembro de 2013 1 2 3 4 5 6 7 8 9 10 Conteúdo Contexto Quando o F da ANOVA está sendo utilizado para testar diferenças
Leia maisTestes de significância com dados multivariados
Testes de significância com dados multivariados Hiron Pereira Farias e Talita T. Fernandes Wednesday, January 20, 2016 Hiron Pereira Farias e Talita T. Fernandes Testes de significância com dados multivariadoswednesday,
Leia maisUNIVERSIDADE DE SÃO PAULO ESCOLA SUPERIOR DE AGRICULTURA LUIZ DE QUEIROZ DEPARTAMENTO DE CIÊNCIAS EXATAS
1 1) Seja X uma variável aleatória com função de densidade dada por: Pede-se: f (x) = e 2 1 (, )(x) 1.1) Qual a distribuição da variável aleatória Y = X? 1.2) Encontre o valor esperado da variável Y. 2
Leia maisMario de Andrade Lira Junior lira.pro.br\wordpress
Mario de Andrade Lira Junior lira.pro.br\wordpress lira.pro.br\wordpress autorais. 27/04/2009 1 Modelo simplificação da realidade Linear formato de reta Generalizado não específico Cada delineamento experimental
Leia maisDPS1037 SISTEMAS DA QUALIDADE II ENGENHARIA DE PRODUÇÃO CT/UFSM
Morgana Pizzolato, Dr a. Aula 20 Introdução à otimização experimental e experimentos de um fator DPS1037 SISTEMAS DA QUALIDADE II ENGENHARIA DE PRODUÇÃO CT/UFSM TÓPICOS DESTA AULA Projetos de Experimentos
Leia maisModelo g.l. SQ Retas concorrentes ,46 Retas paralelas ,22 Retas com intercepto comum ,49 Retas coincidentes ,23
1 1) Em estudo observacional sobre comportamento de sono de 58 espécies de animais, uma das variáveis respostas foi o número total de horas de sono por dia (Y). O interesse desse estudo estava em relacionar
Leia maisPlanejamento e Pesquisa 1. Dois Grupos
Planejamento e Pesquisa 1 Dois Grupos Conceitos básicos Comparando dois grupos Testes t para duas amostras independentes Testes t para amostras pareadas Suposições e Diagnóstico Comparação de mais que
Leia maisDELINEAMENTO INTEIRAMENTE CASUALIZADO. Profª. Sheila Regina Oro
DELINEAMENTO INTEIRAMENTE CASUALIZADO Profª. Sheila Regina Oro Delineamento experimental Para planejar um experimento é preciso definir os tratamentos em comparação e a maneira de designar os tratamentos
Leia maisEXPERIMENTAÇÃO AGRÍCOLA. Profa. Dra. Amanda Liz Pacífico Manfrim Perticarrari
EXPERIMENTAÇÃO AGRÍCOLA Profa. Dra. Amanda Liz Pacífico Manfrim Perticarrari amanda@fcav.unesp.br TESTE DE TUKEY O teste de Tukey também pode ser usado como um complemento do Teste F da análise de variância.
Leia maisDelineamento e Análise Experimental Aula 4
Aula 4 Castro Soares de Oliveira ANOVA Significativa Quando a aplicação da análise de variância conduz à rejeição da hipótese nula, temos evidência de que existem diferenças entre as médias populacionais.
Leia maisExame de Recorrência de Métodos Estatísticos. Departamento de Matemática Universidade de Aveiro
Exame de Recorrência de Métodos Estatísticos Departamento de Matemática Universidade de Aveiro Data: 6/6/6 Duração: 3 horas Nome: N.º: Curso: Regime: Declaro que desisto Classificação: As cotações deste
Leia maisTécnicas Experimentais Aplicadas
Técnicas Experimentais Aplicadas em Ciência do Solo Mario de Andrade Lira Junior lira.pro.br/wordpress 7/4/010 1 Principais delineamentos Inteiramente casualizado Segundo mais comum Blocos completos Normalmente
Leia maisProf. Dr. Marcone Augusto Leal de Oliveira UFJF CURSO INTRODUTÓRIO DE 12 HORAS OFERECIDO PARA A PÓS-GRADUAÇÃO DA UFABC EM NOVEMBRO DE 2017
Prof. Dr. Marcone Augusto Leal de Oliveira UFJF CURSO INTRODUTÓRIO DE 2 HORAS OFERECIDO PARA A PÓS-GRADUAÇÃO DA UFABC EM NOVEMBRO DE 207 SUMÁRIO - BREVE DESCRIÇÃO, FUNDAMENTOS, CONCEITOS, CARACTERÍSTICAS,
Leia maisVERIFICAÇÃO DA ADEQUAÇÃO DO MODELO DE ANÁLISE DE VARIÂNCIA ANÁLISE DE RESÍDUOS
VERIFICAÇÃO DA ADEQUAÇÃO DO MODELO DE ANÁLISE DE VARIÂNCIA ANÁLISE DE RESÍDUOS Conforme foi apresentado anteriormente, o modelo de análise de variância assume que as observações são independentes e normalmente
Leia maisMais Informações sobre Itens do Relatório
Mais Informações sobre Itens do Relatório Amostra Tabela contendo os valores amostrados a serem utilizados pelo método comparativo (estatística descritiva ou inferencial) Modelos Pesquisados Tabela contendo
Leia maisSUMÁRIO. 2 Tabelas 10
SUMÁRIO 1 Regressão na análise de variância 2 1.1 Polinômio Ortogonal................................ 2 1.1.1 Constraste Polinomial............................ 5 1.1.2 Regressão por polinômio ortogonal.....................
Leia maisSUMÁRIO. Prefácio, Espaço amostrai, Definição de probabilidade, Probabilidades finitas dos espaços amostrais fin itos, 20
SUMÁRIO Prefácio, 1 3 1 CÁLCULO DAS PROBABILIDADES, 15 1.1 Introdução, 15 1.2 Caracterização de um experimento aleatório, 15 1.3 Espaço amostrai, 16 1.4 Evento, 17 1.5 Eventos mutuamente exclusivos, 17
Leia maisComparações múltiplas
Comparações múltiplas Universidade Estadual de Santa Cruz Ivan Bezerra Allaman Introdução Quando há mais de dois tratamentos e o teste de F rejeita H 0 apontando que pelo menos uma das médias difere das
Leia maisCorrelação e Regressão
Correlação e Regressão Vamos começar com um exemplo: Temos abaixo uma amostra do tempo de serviço de 10 funcionários de uma companhia de seguros e o número de clientes que cada um possui. Será que existe
Leia maisPlanejamento de Experimentos Medidas Repetidas
1 / 27 Planejamento de Experimentos Medidas Repetidas Enrico A. Colosimo/UFMG Depto. Estatística - ICEx - UFMG Exemplo: 2 / 27 3 / 27 Em outras aplicações, a resposta de cada unidade experimental é medida
Leia maisDELINEAMENTO INTEIRAMENTE CASUALIZADO e CASUALIZADOS
DELINEAMENTO INTEIRAMENTE CASUALIZADO e DELINEAMENTO EM BLOCOS CASUALIZADOS Prof. Anderson Rodrigo da Silva anderson.silva@ifgoiano.edu.br 1. Objetivos Estudar o procedimento de instalação e análise de
Leia maisEspecialização em Engenharia de Processos e de Sistemas de Produção
Especialização em Engenharia de Processos e de Sistemas de Produção Projetos de Experimento e Confiabilidade de Sistemas da Produção Prof. Claudio Luis C. Frankenberg 3ª parte Conforme foi apresentado
Leia mais2 ou mais fatores são de interesse.
5. Experimentos Fatoriais 5.1 Definições e Princípios Básicos 2 ou mais fatores são de interesse. Experimentos Fatoriais: em cada replicação do experimento todas as combinações dos níveis de tratamento
Leia maisMOQ-13 PROBABILIDADE E ESTATÍSTICA. Professor: Rodrigo A. Scarpel
MOQ-13 PROBABILIDADE E ESTATÍSTICA Professor: Rodrigo A. Scarpel rodrigo@ita.br www.mec.ita.br/~rodrigo Programa do curso: Semanas 1 2 3 4 5 6 7 8 9 10 11 12 13 14 15 e 16 Introdução à probabilidade (eventos,
Leia maisConcurso Público para provimento de cargo efetivo de Docentes
Questão 01 Os dados, a seguir, são referentes às notas de cinco alunos de uma turma para as provas P 1 e P 2. P 1 = {2, 3, 4, 5, 6} P 2 = {2, 2, 4, 5, 7} Analisando os resultados, é possível afirmar que:
Leia maisAnálise da Regressão. Prof. Dr. Alberto Franke (48)
Análise da Regressão Prof. Dr. Alberto Franke (48) 91471041 O que é Análise da Regressão? Análise da regressão é uma metodologia estatística que utiliza a relação entre duas ou mais variáveis quantitativas
Leia maisMestrado Profissional em Administração. Disciplina: Análise Multivariada Professor: Hedibert Freitas Lopes 1º trimestre de 2015
Mestrado Profissional em Administração Disciplina: Análise Multivariada Professor: Hedibert Freitas Lopes º trimestre de 05 Inferência Multivariada MANOVA MANLY, Cap. 4 HAIR et al., Cap. 6 Exemplo Uma
Leia mais