Introdução à Teoria de Resposta ao Item
|
|
- Arthur Canto Santiago
- 5 Há anos
- Visualizações:
Transcrição
1 Caio L. N. Azevedo, IMECC/Unicamp Dani Gamerman, DME/UFRJ I CONBRATRI, Florianópolis 9 de dezembro de 2009 Parte II
2 Parte 2: Implementação computacional. Análise de dados 1. Modelo de 3 parâmetros via Bilog. Análise de dados 2. DIF: funcionamento diferencial do item Modelos multiníveis: estudo de fatores associados. Equalização. Assimetrias. Testes adaptativos.
3 Bilog: Desenvolvido para a plataforma Windows, algoritmos já implementados. Winbugs: possibilidade de implementação dos métodos (modelo de 1 parâmetro implementado como exemplo). R: existência de pacotes que permitem o ajuste de diversos modelos. Muitos autores deixam rotinas disponibilizadas em suas páginas na internet ou através de .
4 Bilog: Desenvolvido para a plataforma Windows Estimação dos itens: MVM e MMAP. Acelerador de Ramsey. Regressão rígida. Estimação dos hiperparâmetros. Estimação das densidades latentes. Traços latentes: MV, EAP e MAP.
5 WinBugs: Desenvolvido para a plataforma Windows e Linux Permite a implementação de (qualquer?) modelo para se fazer inferência bayesiana via MCMC Dispõe de vários algoritmos de simulação. Nem sempre é fácil implementar certos modelos. Como implementar Dados aumentados? Reparametrizações em matrizes de covariância? Caixa preta. Flexibilidade restrita.
6 R: vários pacotes, inclusive de modelos recentes da literatura, implementados. Disponível em Windows e Linux É possível unir R e C++, por exemplo. Alguns desses pacotes, permitem que seus códigos sejam modificados/adaptados. Vários modelos: 1,2, 3 parâmetros, nominal, ordinal, multidimensional, multinível etc. Exemplos: MCMCpack, ltm, IRTtoys etc.
7 Análise de dados 1 Programa de Desenvolvimento Escolar (PDE) conduzido pelo Instituto Nacional de Pesquisas Educacionais (INEP), veja ( Avaliar a evolução de crianças, em Português e Matemática, durante 5 anos letivos. Alguns estados brasileiros das regiões Norte, Nordeste e Centro-Oeste. Selecionou-se uma amostra aleatória de 1000 indivíduos e considerou-se suas respostas à 33 itens. Analisamos apenas a prova de matemática. Para maiores detalhes sobre o banco de dados veja Araújo (2003).
8 Análise de dados 2 Programa Nova Escola, do RJ Avaliação abrangente da rede estadual dados da prova de Matemática da 5a série, ensino fundamental 56 questões (divididas em 7 blocos) # alunos: (sendo 3998 da capital) amostra aleatória com 2000 da capital e 2000 do interior # parâmetros = = 4168
9 Resultados da análise de dados 2 aa bb
10 Resultados da análise de dados 2 cc!
11 Algumas limitações dos modelos apresentados: Dimensão dos traços latentes. Números de grupos envolvidos: equalização. Itens (CCI s) são imutáveis perante indivíduos. Indivíduos constituem população homogênea. CCI s são simétricas. CCI s tem forma conhecida.
12 Equalização Comparar resultados obtidos através de provas diferentes (com itens comuns). Exemplo: SAEB. Indivíduos que pertencem a diferentes grupos, devem possuir características diferentes. Modelo de grupos múlitplos : Seja Y ijk a resposta do indivíduo j, k ao item i. Y ijk (θ jk, ζ i ) Bernoulli(p ijk ), 1 p ijk = P(Y ijk = 1 θ j, ζ i ) = c i + (1 c i ) 1 + e a i (θ jk b i ) θ jk N(µ θk, ψ θk ).
13 DIF - Diferential Item Functioning: Funcionamento Diferencial do Item
14 Evidência empírica de DIF
15 Resultado de análises separadas
16 Alguns ítens parecem se comportar diferentemente para interior e capital. Diferenciação pode ser nos itens e/ou nas populações. Devemos contemplar ambas. Gera inúmeros problemas de identificação.
17 Abordagem integrada para DIF Soares, Gonçalves e Gamerman (JEBS,2009) Parâmetros dos itens (a,b,c) variam. a i a i di a ; b i b i + di b d a i = 1 e d b i Distribuição das proficiências varia: = 0, para o grupo de referência Grupo de referência: θ j s são distribuídos segundo uma N(0,1). Grupo focal: θ j s são distribuídos como uma N(λ, σ 2 ) É possível detectar e explicar DIF Para mais detalhes, ver palestra do Prof. Tufi Soares e apresentação oral de Flávio Gonçalves.
18 Assimetria na CCI CCI s apresentadas são simétricas. Podem ser generalizadas para permitir assimetria Exemplos: Logística assimétrica (Samejima, 1997): F (x) = 1/[1 + exp( x)] d Probito assimétrica (Bazan, 2005) Para mais detalhes, ver apresentações de Jorge Bazan e Vera Santos. Comentários similares valem para a distribuição dos traços latentes (assumida normal simétrica).
19 Assimetria nos traços latentes Normalidade dos traços latentes pode não ser razoável. Azevedo, Bolfarine & Andrade (2009) density latent traits frequency predicted scores central credibility interval observed scores score
20 Modelagem Multinível Suponha que os indivíduos estão agrupados em escolas. Neste caso os grupos são escolas. A amostra é selecionada segundo algum planejamento. Estudo de fatores associados: informações sobre alunos e escolas. Modelagem Multinível de dois níveis (Fox and Glas, 2001): θ jk = X jk β k + ξ jk β k = W k γ + u k Estimação: métodos Bayesianos, MVM e SEM. Dependência entre os traços latentes de invidíduos que pertencem à mesma escola. Os fatores associados simultaneamente ao modelo de resposta ao item.
21 Incorpora parte das informações do plano amostral. Relevante mesmo sob AAS. Utiliza um maior número de informações para estimar os parâmetros de interesse. Existência de um maior número de ferramentes de diagnóstico. Dificuldades para tornar o modelo identificável. Dificuldades para se estimar os parâmetros. Para maiores detalhes ver a palestra do Prof. Jean-Paul Fox.
22 TRI não-paramétrica Estrutura não-paramétrica para a CCI e a distribuição dos traços latentes. Forma não paramétrica para a CCI. Suposição de monotononicidade (CCI). Histogramas, Splines, Ondaletas (traços latentes). Para maiores detalhes, ver apresentação de Cristiano Fernandes.
23 Testes adaptativos Os ítens são apresentados de acordo com o desempenho do indivíduo. Menor número de ítens e precisão satisfatória para a estimação dos traços latentes. Diversos critérios para escolha dos ítens. Maiores detalhes na conferência de abertura do Prof. van der Linden.
24 Muito obrigado!!! Dúvidas, críticas e sugestões: Dani: dani@im.ufrj.br Caio: cnaber@ime.unicamp.br
Aula 3. Introduçao à TRI
Aula 3. Introduçao à TRI mcuri@icmc.usp.br www.icmc.usp.br/ mcuri julho de 2015 Conteúdo da Apresentação 1 Introdução Avaliações Educacionais Teoria Clássica x TRI 2 Modelos da TRI Itens Dicotômicos Itens
Leia maisTeoria de Resposta ao Item
Teoria de Resposta ao Item Caio L. N., IMECC/Unicamp Aspectos Gerais Os itens de um teste podem medir mais de um tipo de conhecimento. Exemplo: itens de matemática que expõe uma situação problema: interpretação
Leia maisANÁLISES ESTATÍSTICAS TRI. CAEd/UFJF (32)
MEDIDAS EDUCACIONAIS ANÁLISES ESTATÍSTICAS TRI CME COORDENAÇÃO DE MEDIDAS EDUCACIONAIS C COO Ç O S UC C O S CAEd/UFJF (32)4009 2071 Wellington@caed.ufjf.br Fundamentos da TRI O que são itens? São os elementos
Leia maisIncorporando Informações de Covariáveis para Explicar a Habilidade dos Indivíduos no Modelo de Teoria de Resposta ao Item
Incorporando Informações de Covariáveis para Explicar a Habilidade dos Indivíduos no Modelo de Teoria de Resposta ao Item Sheila Klem Rodrigues das Neves Universidade Federal do Rio de Janeiro Instituto
Leia maisTeorias de Avaliação - CE095
Adilson dos Anjos 1 1 Departamento de Estatística Universidade Federal do Paraná aanjos@ufpr.br Curitiba, PR 2 de setembro de 2014 Modelo de três parâmetros Modelo de três parâmetros Suposições sobre o
Leia maisAnálise Bayesiana de Dados - Aplicações 1 -
Análise Bayesiana de Dados - Aplicações 1 - Márcia D Elia Branco Universidade de São Paulo Instituto de Matemática e Estatística www.ime.usp.br/ mbranco - sala 295-A - Aplicações da IB : Pressão sistólica
Leia maisInferência Bayesiana
Inferência Bayesiana Joaquim Neto joaquim.neto@ufjf.edu.br www.ufjf.br/joaquim_neto Departamento de Estatística - ICE Universidade Federal de Juiz de Fora (UFJF) Versão 3.0 Joaquim Neto (UFJF) ICE - UFJF
Leia maisTécnicas computacionais em probabilidade e estatística II
Técnicas computacionais em probabilidade e estatística II Universidade de São Paulo Instituto de Matemática e Estatística http:www.ime.usp.br/ mbranco AULA 1: Problemas Computacionais em Inferência Estatística.
Leia maisInferência Estatistica
Inferência Estatistica Ricardo Ehlers ehlers@icmc.usp.br Departamento de Matemática Aplicada e Estatística Universidade de São Paulo Modelos e Inferência Um modelo é uma simplificação da realidade (e alguns
Leia maisCONHECIMENTOS ESPECÍFICOS
CONHECIMENTOS ESPECÍFICOS 2003 2004 2005 2006 2007 2008 2009 2010 X 39,0 39,5 39,5 39,0 39,5 41,5 42,0 42,0 Y 46,5 65,5 86,0 100,0 121,0 150,5 174,0 203,0 A tabela acima mostra as quantidades, em milhões
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 maisESTATÍSTICA COMPUTACIONAL
ESTATÍSTICA COMPUTACIONAL Ralph dos Santos Silva Departamento de Métodos Estatísticos Instituto de Matemática Universidade Federal do Rio de Janeiro Sumário (bootstrap) Este método foi proposto por Efron
Leia mais6 Um estudo de simulação para avaliação dos estimadores associados aos coeficientes de escalonabilidade da TRIN
6 Um estudo de simulação para avaliação dos estimadores associados aos coeficientes de escalonabilidade da TRIN Este capítulo apresenta a descrição de dois estudos de simulação adequados ao contexto da
Leia maisTécnicas computacionais em probabilidade e estatística II
Técnicas computacionais em probabilidade e estatística II Universidade de São Paulo Instituto de Matemática e Estatística http:www.ime.usp.br/ mbranco Métodos de Monte Carlo baseados em Cadeias de Markov:
Leia maisModelos de Regressão Linear Simples - Análise de Resíduos
Modelos de Regressão Linear Simples - Análise de Resíduos Erica Castilho Rodrigues 1 de Setembro de 2014 3 O modelo de regressão linear é dado por Y i = β 0 + β 1 x i + ɛ i onde ɛ i iid N(0,σ 2 ). O erro
Leia maisModelo marginal de odds proporcionais para dados longitudinais: um estudo de simulação
Modelo marginal de odds proporcionais para dados longitudinais: um estudo de simulação Nívea B. da Silva 1 Enrico A. Colosimo 2 Leila A. F. Amorim 3 1 Introdução Nos últimos anos muitas metodologias têm
Leia maisUMA FAMÍLIA DE MODELOS DE RESPOSTA AO ÍTEM NORMAL ASSIMÉTRICA. Jorge Luis Bazán Guzmán
UMA FAMÍLIA DE MODELOS DE RESPOSTA AO ÍTEM NORMAL ASSIMÉTRICA Jorge Luis Bazán Guzmán DISSERTAÇÃO APRESENTADA AO INSTITUTO DE MATEMÁTICA E ESTATÍSTICA DA UNIVERSIDADE DE SÃO PAULO PARA OBTENÇÃO DO GRAU
Leia maisBárbara da Costa Campos Dias MODELO BAYESIANO DA TEORIA DE RESPOSTA AO ITEM: UMA ABORDAGEM GENERALIZADA PARA O TRAÇO LATENTE VIA MISTURAS
Bárbara da Costa Campos Dias MODELO BAYESIANO DA TEORIA DE RESPOSTA AO ITEM: UMA ABORDAGEM GENERALIZADA PARA O TRAÇO LATENTE VIA MISTURAS Belo Horizonte 2015 2 UNIVERSIDADE FEDERAL DE MINAS GERAIS DEPARTAMENTO
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 maisTeoria de Resposta ao Item: uma abordagem generalizada das Curvas Características dos Itens
Teoria de Resposta ao Item: uma abordagem generalizada das Curvas Características dos Itens por Vera Lúcia Filgueira dos Santos DME - IM - UFRJ 2009 Teoria de Resposta ao Item: uma abordagem generalizada
Leia maisDISTRIBUIÇÃO AMOSTRAL E ESTIMAÇÃO PONTUAL INTRODUÇÃO ROTEIRO POPULAÇÃO E AMOSTRA. Estatística Aplicada à Engenharia
ROTEIRO 1. Introdução; DISTRIBUIÇÃO AMOSTRAL E ESTIMAÇÃO PONTUAL. Teorema Central do Limite; 3. Conceitos de estimação pontual; 4. Métodos de estimação pontual; 5. Referências. 1 POPULAÇÃO E AMOSTRA População:
Leia maisMétodos Estatísticos
Métodos Estatísticos 8 Inferência Estatística stica Estimação de Parâmetros Média Referencia: Estatística Aplicada às Ciências Sociais, Cap. 9 Pedro Alberto Barbetta. Ed. UFSC, 5ª Edição, 22. Estimação
Leia maisSumário. CAPÍTULO 1 Conceitos preliminares 1. CAPÍTULO 2 Descrição de dados: análise monovariada 47
CAPÍTULO 1 Conceitos preliminares 1 Introdução........................................................1 O que é estatística?.................................................. 4 Papel dos microcomputadores.........................................
Leia maisO efeito interacção em modelos de equações estruturais
O efeito interacção em modelos de equações estruturais Maria de Fátima Salgueiro - ISCTE Business School, Lisboa fatima.salgueiro@iscte.pt XIV Congresso Anual da SPE - Covilhã 2006 XIV CONGRESSO DA SPE
Leia maisInfluencia de Distribuições a priori na Analise Bayesiana em dados de contagem
Influencia de Distribuições a priori na Analise Bayesiana em dados de contagem Olinda Fátima dos Santos 1 Carla Regina Guimarães Brighenti 1 1-Introdução A utilização de informação a priori em inferência
Leia maisp( y θ ) depende de um parâmetro desconhecido θ.
55Modelação, Identificação e Controlo Digital 55 Método de Máxima Verosimilhança (Maximum Likelihood) Seja y uma variável aleatória (v. a.) cuja densidade de probabilidade p( y θ ) depende de um parâmetro
Leia maisModelos de Regressão Linear Simples - Análise de Resíduos
1 Modelos de Regressão Linear Simples - Análise de Resíduos Erica Castilho Rodrigues 27 de Setembro de 2016 2 3 O modelo de regressão linear é dado por 3 O modelo de regressão linear é dado por Y i = β
Leia maisAULA 07 Inferência a Partir de Duas Amostras
1 AULA 07 Inferência a Partir de Duas Amostras Ernesto F. L. Amaral 10 de setembro de 2012 Faculdade de Filosofia e Ciências Humanas (FAFICH) Universidade Federal de Minas Gerais (UFMG) Fonte: Triola,
Leia maisEconometria em Finanças e Atuária
Ralph S. Silva http://www.im.ufrj.br/ralph/especializacao.html Departamento de Métodos Estatísticos Instituto de Matemática Universidade Federal do Rio de Janeiro Maio-Junho/2013 Motivação Motivação Por
Leia maisUm modelo estocástico para o fluxo de caixa de um plano de previdência de um indivíduo 15
2 Simulação estocástica A simulação computacional consiste em empregar técnicas matemáticas em computadores com o propósito de gerar ensaios que tentam reproduzir de maneira análoga um processo ou operação
Leia maisInferência Bayesiana Exata para Processos de Cox Level-Set
Inferência Bayesiana Exata para Processos de Cox Level-Set Bárbara da Costa Campos Dias 1 Flávio Bambirra Gonçalves 2 Resumo Este trabalho propõe uma metodologia de inferência exata para processos de Cox
Leia maisÍNDICE. Variáveis, Populações e Amostras. Estatística Descritiva PREFÁCIO 15 NOTA À 3ª EDIÇÃO 17 COMO USAR ESTE LIVRO? 21 CAPÍTULO 1 CAPÍTULO 2
COMO USAR ESTE LIVRO ÍNDICE PREFÁCIO 15 NOTA À 3ª EDIÇÃO 17 COMO USAR ESTE LIVRO? 21 CAPÍTULO 1 Variáveis, Populações e Amostras 1.1. VARIÁVEIS ESTATÍSTICAS E ESCALAS DE MEDIDA 27 1.2. POPULAÇÃO VS. AMOSTRA
Leia maisComparações entre a Teoria de Resposta ao Item e a Teoria Clássica de Medidas para Banco de Itens Simulados
Comparações entre a Teoria de Resposta ao Item e a Teoria Clássica de Medidas para Banco de Itens Simulados Anna Cristina Rezende Braga 1 Augusto Sousa da Silva Filho 2 Livingstone Augusto Eller 3 Lorrayne
Leia maisRESOLUÇÃO Nº 01/2016
Legislações Complementares: Resolução Nº 02/2016 Colegiado DEst Resolução Nº 03/2016 Colegiado DEst Resolução Nº 01/2017 Colegiado DEst RESOLUÇÃO Nº 01/2016 O Departamento de Estatística, tendo em vista
Leia maisModelos Multiníveis Aplicados a Dados de Proficiência Escolar: Uma Comparação entre as Regiões Brasileiras
Modelos Multiníveis Aplicados a Dados de Proficiência Escolar: Uma Comparação entre as Regiões Brasileiras Maria Eugênia Barbosa Cristiano Fernandes Kaizô Beltrão Denis Santos Mayte Suárez ENCE / IBGE
Leia maisAnálise de Sobrevivência
Análise de Sobrevivência Modelagem paramétrica Valeska Andreozzi 1 valeska.andreozzi@fc.ul.pt & Marilia Sá Carvalho 2 cavalho@fiocruz.br 1 Centro de Estatística e Aplicações da Universidade de Lisboa,
Leia maisFundação Oswaldo Cruz Escola Nacional de Saúde Pública Departamento de Epidemiologia. Estatística espacial. Áreas
Fundação Oswaldo Cruz Escola Nacional de Saúde Pública Departamento de Epidemiologia Estatística espacial Áreas Áreas Na análise de áreas o atributo estudado é em geral resultando de uma contagem ou um
Leia maisModelos Lineares Generalizados - Componentes do Modelo
Modelos Lineares Generalizados - Componentes do Modelo Erica Castilho Rodrigues 01 de Abril de 2014 3 Vejamos agora quais as componentes de um Modelo Linear Generalizado. Temos um conjunto de variáveis
Leia maisFrederico Neves Condé - Efeito dos modelos de teste na habilidade 1
Frederico Neves Condé - Efeito dos modelos de teste na habilidade 1 O efeito dos modelos de testes na estimativa da habilidade dos estudantes: comparação entre Prova Brasil e SAEB 2005 Frederico Neves
Leia mais6- Probabilidade e amostras: A distribuição das médias amostrais
6- Probabilidade e amostras: A distribuição das médias amostrais Anteriormente estudamos como atribuir probabilidades a uma observação de alguma variável de interesse (ex: Probabilidade de um escore de
Leia maisAnálise Bayesiana de Dados - Aula 1 -
Análise Bayesiana de Dados - Aula 1 - Márcia D Elia Branco Universidade de São Paulo Instituto de Matemática e Estatística www.ime.usp.br/ mbranco - sala 295-A - Paradigmas Bayesiano Introdução Fazer inferência
Leia maisEconometria em Finanças e Atuária
Ralph S. Silva http://www.im.ufrj.br/ralph/especializacao.html Departamento de Métodos Estatísticos Instituto de Matemática Universidade Federal do Rio de Janeiro Maio-Junho/2013 Modelos condicionalmente
Leia maisTeorias de Avaliação - CE095
Adilson dos Anjos 1 1 Departamento de Estatística Universidade Federal do Paraná aanjos@ufpr.br Curitiba, PR 23 de abril de 2013 Programa da Disciplina 1 Introdução: exemplos de aplicações softwares 2
Leia maisInferência Bayesiana - Aula 1 -
Inferência Bayesiana - Aula 1 - Márcia D Elia Branco Universidade de São Paulo Instituto de Matemática e Estatística www.ime.usp.br/ mbranco - sala 295-A - Paradigmas Bayesiano Introdução Fazer inferência
Leia maisTEORIA DA RESPOSTA AO ITEM (TRI): ESTIMAÇÃO BAYESIANA DA HABILIDADE DE INDIVÍDUOS
TEORIA DA RESPOSTA AO ITEM (TRI): ESTIMAÇÃO BAYESIANA DA HABILIDADE DE INDIVÍDUOS DÉBORA SPENASSATO 1, PAUL GERHARD KINAS 2 Resumo Este artigo tem por objetivo apresentar uma simulação da estimativa dos
Leia maisCE062c - GAMLSS. Silva, J.P; Taconeli, C.A. 09 de outubro, Silva, J.P; Taconeli, C.A. CE062c - GAMLSS 09 de outubro, / 42
CE062c - GAMLSS Silva, J.P; Taconeli, C.A. 09 de outubro, 2018 Silva, J.P; Taconeli, C.A. CE062c - GAMLSS 09 de outubro, 2018 1 / 42 Por que GAMLSS? Silva, J.P; Taconeli, C.A. CE062c - GAMLSS 09 de outubro,
Leia maisESTATÍSTICA COMPUTACIONAL
ESTATÍSTICA COMPUTACIONAL Ralph dos Santos Silva Departamento de Métodos Estatísticos Instituto de Matemática Universidade Federal do Rio de Janeiro Sumário Inferência com dimensão variável Modelos com
Leia maisIND 1115 Inferência Estatística Aula 6
Conteúdo IND 5 Inferência Estatística Aula 6 Setembro de 004 A distribuição Lognormal A distribuição Beta e sua relação com a Uniforme(0,) Mônica Barros mbarros.com mbarros.com A distribuição Lognormal
Leia maisGestão de Riscos e Investimentos
Existem duas abordagens gerais para calcular o VAR 1. Avaliação Local (local valuation) Métodos que vimos até agora São procedimentos em geral analíticos Baseiam-se no valor inicial do instrumento ou carteira
Leia maisRedes Neurais. A Rede RBF. Redes RBF: Função de Base Radial. Prof. Paulo Martins Engel. Regressão não paramétrica. Redes RBF: Radial-Basis Functions
Redes RBF: Função de Base Radial Redes Neurais A Rede RBF O LP é baseado em unidades que calculam uma função não-linear do produto escalar do vetor de entrada e um vetor de peso. A rede RBF pertence a
Leia maisTransformações e Ponderação para corrigir violações do modelo
Transformações e Ponderação para corrigir violações do modelo Diagnóstico na análise de regressão Relembrando suposições Os erros do modelo tem média zero e variância constante. Os erros do modelo tem
Leia maisUM ESTUDO DA RELAÇÃO ENTRE TRAÇO LATENTE E VARIÁVEIS CONTEXTUAIS NO SAEB E ENEM
UM ESTUDO DA RELAÇÃO ENTRE TRAÇO LATENTE E VARIÁVEIS CONTEXTUAIS NO SAEB E ENEM A STUDY RELATING LATENT TRAITS TO CONTEXTUAL VARIABLES FOR THE SAEB AND ENEM EXAMS UN ESTUDIO DE LA RELACIÓN ENTRE TRAZO
Leia maisTécnicas Computacionais em Probabilidade e Estatística I. Aula III
Técnicas Computacionais em Probabilidade e Estatística I Aula III Chang Chiann MAE 5704- IME/USP 1º Sem/2008 1 Arquivo PULSE do Minitab Refere-se a um experimento feito por alunos. Cada um deles registrou
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 maisTESTES DE HIPÓTESES Notas de aula. Prof.: Idemauro Antonio Rodrigues de Lara
1 TESTES DE HIPÓTESES Notas de aula Prof.: Idemauro Antonio Rodrigues de Lara 2 Conteúdo 1. Fundamentos e conceitos básicos; 2. Função poder; 3. Testes mais poderosos e Lema de Neyman-Pearson; 4. Teste
Leia maisRegressão Linear - Parte I
UFPE - Universidade Federal de Pernambuco Curso: Economia Disciplina: ET-406 Estatística Econômica Professor: Waldemar Araújo de S. Cruz Oliveira Júnior Regressão Linear - Parte I 1 Introdução Podemos
Leia mais9 Uma Análise Comparativa: TCT, TRI e TRIN
9 Uma Análise Comparativa: TCT, TRI e TRIN Este capítulo apresenta a descrição e a análise dos resultados obtidos pela aplicação dos modelos da Teoria Clássica dos Testes, do modelo unidimensional logístico
Leia maisModelos de regressão para dados correlacionados. Cibele Russo
Modelos de regressão para dados correlacionados Cibele Russo cibele@icmc.usp.br ICMC USP Mini-curso oferecido no Workshop on Probabilistic and Statistical Methods 28 a 30 de janeiro de 2013 Cibele Russo
Leia maisIntervalos Estatísticos para uma única Amostra - parte I
Intervalos Estatísticos para uma única Amostra - parte I Intervalo de confiança para média 14 de Janeiro Objetivos Ao final deste capítulo você deve ser capaz de: Construir intervalos de confiança para
Leia maisModelagem de dados complexos por meio de extensões do modelo de
Modelagem de dados complexos por meio de extensões do modelo de regressão clássico Luiz R. Nakamura Departamento de Informática e Estatística Universidade Federal de Santa Catarina luiz.nakamura@ufsc.br
Leia maisProfessora Ana Hermínia Andrade. Universidade Federal do Amazonas Faculdade de Estudos Sociais Departamento de Economia e Análise. Período 2017.
Professora Ana Hermínia Andrade Universidade Federal do Amazonas Faculdade de Estudos Sociais Departamento de Economia e Análise Período 2017.1 Distribuições Amostrais O intuito de fazer uma amostragem
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 maisIND 1115 Inferência Estatística Aula 7
Conteúdo IND 1115 Inferência Estatística Aula 7 Setembro 2004 Por que a revisão de probabilidades até agora? A importância da distribuição Normal O Mônica Barros mbarros.com 1 mbarros.com 2 Por que uma
Leia maisModelos de redes sociais para dados de Migração
Modelos de redes sociais para dados de Migração Gustavo da Silva Ferreira 20/Outubro/2016 Redes Sociais Uma rede social se estrutura por um conjunto de atores ounós (pessoas, objetos, locais ou eventos)
Leia maisMinera c ao de Dados Aula 6: Finaliza c ao de Regress ao e Classifica c ao Rafael Izbicki 1 / 33
Mineração de Dados Aula 6: Finalização de Regressão e Classificação Rafael Izbicki 1 / 33 Como fazer um IC para o risco estimado? Vamos assumir que ( X 1, Ỹ1),..., ( X s, Ỹs) são elementos de um conjunto
Leia maisAnálise conjunta de dados longitudinais e de sobrevivência: Abordagem Bayesiana
Análise conjunta de dados longitudinais e de sobrevivência: Abordagem Bayesiana Rui Martins, Valeska Andreozzi e Giovani Silva Ericeira, 2010 Índice 1 Introdução Análise conjunta de Dados Longitudinais
Leia maisAULA 13 Análise de Regressão Múltipla: MQO Assimptótico
1 AULA 13 Análise de Regressão Múltipla: MQO Assimptótico Ernesto F. L. Amaral 15 de abril de 2010 Métodos Quantitativos de Avaliação de Políticas Públicas (DCP 030D) Fonte: Wooldridge, Jeffrey M. Introdução
Leia maisCap. 4 - Estimação por Intervalo
Cap. 4 - Estimação por Intervalo Amostragem e inferência estatística População: consiste na totalidade das observações em que estamos interessados. Nº de observações na população é denominado tamanho=n.
Leia maisComparação entre intervalos de confiança calculados com métodos bootstrap e intervalos assintóticos
Comparação entre intervalos de confiança calculados com métodos strap e intervalos assintóticos Selene Loibel Depto. de Estatística, Matemática Aplicada e Computação, IGCE, UNESP, Rio Claro, SP E-mail:sloibel@rc.unesp.br,
Leia maisIntrodução à Bioestatística Turma Nutrição
Universidade Federal de Minas Gerais Instituto de Ciências Exatas Departamento de Estatística Introdução à Bioestatística Turma Nutrição Aula 8: Intervalos de Confiança para Média e Proporção Distribuição
Leia maisp(x) Note que 1/p(x), que não depende de θ, funciona como uma constante normalizadora
Capítulo 1 Introdução A informação que se tem sobre uma quantidade de interesse θ é fundamental na Estatística. O verdadeiro valor de θ é desconhecido e a idéia é tentar reduzir este desconhecimento. Além
Leia maisTestes de Hipóteses para. uma Única Amostra. Objetivos de Aprendizagem. 9.1 Teste de Hipóteses. UFMG-ICEx-EST-027/031 07/06/ :07
-027/031 07/06/2018 10:07 9 ESQUEMA DO CAPÍTULO 9.1 TESTE DE HIPÓTESES 9.2 TESTES PARA A MÉDIA DE UMA DISTRIBUIÇÃO NORMAL, VARIÂNCIA CONHECIDA 9.3 TESTES PARA A MÉDIA DE UMA DISTRIBUIÇÃO NORMAL, VARIÂNCIA
Leia maisProf. Eduardo Bezerra. 15 de setembro de 2017
Distribuições Amostrais Prof. Eduardo Bezerra Inferência Estatística 15 de setembro de 2017 Eduardo Bezerra (CEFET/RJ) Distribuições Amostrais 1 / 28 Roteiro Distribuições amostrais 1 Distribuições amostrais
Leia maisIV CONBRATRI, 4º Congresso Brasileiro de Teoria da Resposta ao Item, Brasília, DF, 2-4 de Dezembro de 2015
Ciências da Natureza e o Enem: estudos sobre as questões de 2009-2012 1 LIMC/UFRJ e PEMAT/UFRJ 2 IF/UFRJ Gustavo Rubini 1, Marta F. Barroso 2 Resumo O Exame Nacional do Ensino Médio (Enem) possui grande
Leia mais7 Conclusões e desenvolvimentos futuros
7 Conclusões e desenvolvimentos futuros 7.1 Conclusões Este trabalho apresentou novas soluções para a determinação da posição de terminais de comunicações móveis com base em medidas de ToA. Nos métodos
Leia maisTécnicas Multivariadas em Saúde. Vetores Aleatórios. Métodos Multivariados em Saúde Roteiro. Definições Principais. Vetores aleatórios:
Roteiro Técnicas Multivariadas em Saúde Lupércio França Bessegato Dep. Estatística/UFJF 1. Introdução 2. Distribuições de Probabilidade Multivariadas 3. Representação de Dados Multivariados 4. Testes de
Leia maisUniversidade de São Paulo Instituto de Ciências Matemáticas e de Computação
Universidade de São Paulo Instituto de Ciências Matemáticas e de Computação Francisco A. Rodrigues Departamento de Matemática Aplicada e Estatística - SME Objetivo Dada M classes ω 1, ω 2,..., ω M e um
Leia maisINTRODUÇÃO À INFERÊNCIA ESTATÍSTICA
UFPE - Universidade Federal de Pernambuco Departamento de Estatística Disciplina: ET-406 Estatística Econômica Professor: Waldemar A. de Santa Cruz Oliveira Júnior INTRODUÇÃO À INFERÊNCIA ESTATÍSTICA Podemos
Leia maisTÉCNICAS DE AMOSTRAGEM
TÉCNICAS DE AMOSTRAGEM Ralph dos Santos Silva Departamento de Métodos Estatísticos Instituto de Matemática Universidade Federal do Rio de Janeiro Sumário Teorema Central do Limite (TCL) Se y 1, y 2,...,
Leia maisAvaliação aliada ao processo de ensino-aprendizagem.
MISSÃO GEEKIE TESTE Revelar domínios e potencialidades dos indivíduos, considerando sua integralidade, a fim de subsidiar e incen7var a jornada de aprendizado Avaliação aliada ao processo de ensino-aprendizagem.
Leia maisModelos Lineares Generalizados
Modelos Lineares Generalizados Emilly Malveira de Lima Análise de Dados Categóricos Universidade Federal de Minas Gerais - UFMG 10 de Maio de 2018 Emilly Malveira (PGEST-UFMG) 10 de Maio de 2018 1 / 20
Leia maisCoeficiente de Assimetria
Coeficiente de Assimetria Rinaldo Artes Insper Nesta etapa do curso estudaremos medidas associadas à forma de uma distribuição de dados, em particular, os coeficientes de assimetria e curtose. Tais medidas
Leia maisUtilizando a função auto.arima em modelos de séries temporais
Utilizando a função auto.arima em modelos de séries temporais Erasnilson Vieira Camilo 1 2 Marina Rodrigues Maestre 1 Rick Anderson Freire Mangueira 1 Elias Silva de Medeiros 1 Cristian Villegas 1 1 Introdução
Leia maisModelos Lineares Generalizados - Estimação em Modelos Lineares Generalizados
Modelos Lineares Generalizados - Estimação em Modelos Lineares Generalizados Erica Castilho Rodrigues 23 de Maio de 207 Introdução 2 3 Vimos como encontrar o EMV usando algoritmos numéricos. Duas possibilidades:
Leia maisModelos Multiparamêtricos via pacote LearnBayes e software R
Modelos Multiparamêtricos via pacote LearnBayes e software R Renato Santos da Silva Márcia D Elia Branco Universidade de São Paulo - USP Instituto de Matemática e Estatística - IME 4 de Abril de 2019 1
Leia maisPlanejamento e Otimização de Experimentos
Planejamento e Otimização de Experimentos Um Pouco de Estatística Prof. Dr. Anselmo E de Oliveira anselmo.quimica.ufg.br anselmo.disciplinas@gmail.com Populações, Amostras e Distribuições População Amostra
Leia maisAmostra Aleatória Simples
Amostra Aleatória Simples Airlane Pereira Alencar 4 de Abril de 2018 Alencar, A.P. (IME-USP) Amostra Aleatória Simples 4 de Abril de 2018 1 / 34 Definições e Notações Notações População ou Universo U =
Leia maisAnálise da Regressão múltipla: MQO Assintótico y = β 0 + β 1 x 1 + β x +... β k x k + u 3. Propriedades assintóticas Antes, propriedades sobre amostra
Análise da Regressão múltipla: MQO Assintótico Capítulo 5 do Wooldridge Análise da Regressão múltipla: MQO Assintótico y = β 0 + β 1 x 1 + β x +... β k x k + u 3. Propriedades assintóticas Antes, propriedades
Leia maisDistribuições por Amostragem
Distribuições por Amostragem Departamento de Matemática Escola Superior de Tecnologia de Viseu (DepMAT ESTV) Distribuições por Amostragem 2007/2008 1 / 27 Introdução: População, amostra e inferência estatística
Leia mais2. Distribuições amostrais
2. Distribuições amostrais USP-ICMC-SME 203 USP-ICMC-SME () 2. Distribuições amostrais 203 / 22 Amostra aleatória Notação. X: variável aleatória (v.a.). f(x; θ): função densidade de probabilidade (X contínua)
Leia maisModelo fatorial espacial dinâmico para dados pertencentes à família exponencial
Modelo fatorial espacial dinâmico para dados pertencentes à família exponencial Esther Salazar esalazar@dme.ufrj.br Departamento de Métodos Estatísticos Universidade Federal do Rio de Janeiro 18 o SINAPE
Leia maisProfessora: Cira Souza Pitombo. Disciplina: Aplicações de técnicas de análise de dados
UNIVERSIDADE FEDERAL DA BAHIA ESCOLA POLITÉCNICA MESTRADO EM ENGENHARIA AMBIENTAL E URBANA Apresentação do Curso Introdução Professora: Cira Souza Pitombo Disciplina: Aplicações de técnicas de análise
Leia maisI Workshop em Inteligência Computacional e Aprendizado Estatístico Aplicados à Agropecuária
I Workshop em Inteligência Computacional e Aprendizado Estatístico Aplicados à Agropecuária Camila Ferreira Azevedo Professora Departamento de Estatística - UFV Email: camila.azevedo@ufv.br 1 Colaboradores:
Leia maisTeorema do Limite Central
Teorema do Limite Central Prof. Eduardo Bezerra Inferência Estatística 24 de março de 2018 Eduardo Bezerra (CEFET/RJ) Distribuições Amostrais 1 / 12 Roteiro Definição 1 Definição 2 Eduardo Bezerra (CEFET/RJ)
Leia maisPrincípios de Estatística
Instituto Tecnológico de Aeronáutica Divisão de Engenharia Mecânica-Aeronáutica MOQ-13 Probabilidade e Estatística Profa. Denise Beatriz Ferrari www.mec.ita.br/ denise denise@ita.br 05/10/2011 Probabilidade
Leia maisDistribuição Amostral e Estimação Pontual de Parâmetros
Roteiro Distribuição Amostral e Estimação Pontual de Parâmetros 1. Introdução 2. Teorema Central do Limite 3. Conceitos de Estimação Pontual 4. Métodos de Estimação Pontual 5. Referências Estatística Aplicada
Leia maisAjuste e comparação de modelos para dados grupados e censurados
Ajuste e comparação de modelos para dados grupados e censurados 1 Introdução José Nilton da Cruz 1 Liciana Vaz de Arruda Silveira 2 José Raimundo de Souza Passos 2 A análise de sobrevivência é um conjunto
Leia maisModelos Espaço-Temporais
p. Modelos Espaço-Temporais para Dados de Área Marco A. R. Ferreira (marco@im.ufrj.br) Universidade Federal do Rio de Janeiro http://www.dme.ufrj.br/marco Colaboração com Juan C. Vivar-Rojas p. Organização
Leia maisEstatística Aplicada II. } Estimação e Intervalos de Confiança
Estatística Aplicada II } Estimação e Intervalos de Confiança 1 Aula de hoje } Tópicos } Revisão } Estimação } Intervalos de Confiança } Referências } Barrow, M. Estatística para economia, contabilidade
Leia mais