A qualidade das inferências feitas por estes. de normalidade se fazem necessários.
|
|
- Jonathan Martinho
- 5 Há anos
- Visualizações:
Transcrição
1 Verificação da Suposição de Normalidade A maior parte das técnicas estudadas de Inferência Estatística partem do pressuposto de normalidade dos dados: teste t para uma a- mostra, teste t pareado, teste t para amostras independentes, Análise de Variância, Regressão linear, etc. A qualidade das inferências feitas por estes métodos depende de quão próxima é a população em estudo da distribuição normal. Procedimentos para verificação da suposição de normalidade se fazem necessários. 1
2 Antes de apresentar alguns de tais procedimentos, vamos fazer uma rápida revisão da distribuição normal. Suas origens remontam a Gauss em seus trabalhos sobre erros de observações astronômicas, por volta de 1810, daí o nome que muitas vezes aparece de distribuição gaussiana para tal modelo. Gauss levou a fama, pois foi ele o primeiro a publicar sobre resultados práticos envolvendo a distribuição normal. No entanto, o primeiro a se referir a distribuição normal foi o Matemático Francês De Moivre em De Moivre usou a distribuição normal para aproximar probabilidades relacionadas a lançamentos de moedas, chamou-a de curva exponencial em forma de sino. 2
3 Do meio ao final do século XIX, boa parte dos estatísticos começou a acreditar que a maioria dos conjuntos de dados teriam histogramas cuja forma se adequava à forma de sino. De fato, tornou-se aceito que era normal para qualquer conjunto de dados bem-comportados seguir esse modelo. Ao longo do século XX no entanto existem vários registros do mau uso de técnicas estatísticas, pois saiu-se u- sando indiscrimidamente técnicas que pressupunham a normalidade dos dados, quando eram claramente não normais. Cuidado: Sempre verifique se o método de análise estatística que você irá usar é adequado aos seus dados. Uma explicação parcial de porque tantos conjuntos de dados conformam-se com a curva normal é fornecida pelo teorema central do limite. 3
4 O Teorema Central do Limite (TCL) afirma: Se X 1, X 2,..., X n é uma amostra aleatória simples de uma população qualquer cuja média é µ e variância é σ 2, a distribuição amostral n de X = 1 X i, a média amostral, se aproxima de uma distribuição normal com média µ ni=1 e variância σ2 quando n cresce. n Ou seja, para n suficientemente grande, X a N ou equivalentemente, X µ σ/ n ( µ, σ2 n ) a N (0, 1) 4
5 A Curva Normal (Gaussiana, Forma de Sino) A curva normal é totalmente caracterizada por dois parâmetros: seu valor esperado (ou sua média), denotada pela letra grega µ e a sua variância, denotada por σ 2 ou, equivalentemente pelo seu desvio-padrão σ. 5
6 Como os parâmetros µ e σ 2 curva normal? influenciam na A seguir apresentamos o gráficos de duas curvas normais com a mesma variância, mas com médias diferentes, µ 1 < µ 2. Observe que a média µ caracteriza o centro do gráfico e, dessa forma, distribuições normais com médias diferentes, mas mesma variância apresentam gráficos congruentes centrados em posições diferentes. 6
7 Como os parâmetros µ e σ 2 curva normal? influenciam na A seguir apresentamos o gráficos de três curvas normais com a mesma média, mas com variâncias diferentes, σ 2 1 < σ2 2 < σ2 3. Observe que a variância σ 2 caracteriza o nível de abertura do gráfico em relação ao centros e, dessa forma, distribuições normais com variâncias diferentes, mas mesma média apresentam gráficos centrados na mesma posição, mas com aberturas diferentes conforme o valor da variância. 7
8 Distribuição Normal Padrão Quando µ = 0 e σ 2 = 1 a distribuição é chamada normal padrão ou normal reduzida. Z N(0, 1) Vamos usar a letra Z para denotar uma variável aleatória normal com distribuição normal padrão. Nesse caso, a densidade é dada por f Z (z) = 1 2π e z2 2, z R E[Z] = 0 e V ar(z) = 1. Outra notação que será adotada aqui é φ(z) = P (Z z), para a função de distribuição da normal padrão. 8
9 Como calcular probabilidades usando o modelo normal? Vamos começar com a situação em que Z N(0, 1), ou seja, em que a distribuição considerada é uma normal padrão. De fato, não é possível calcular de forma e- xata probabilidades do tipo P (a < Z < b), mas podemos obter aproximações desses valores u- sando métodos numéricos. No caso da distribuição normal padrão, valores de probabilidades específicas são tabulados. Em quase todos os livros de estatística estão disponíveis tabelas da distribuição normal padrão. 9
10 10
11 Uma propriedade importante das curvas normais, independentemente de sua média e seu desvio-padrão, está ilustrada na figura a seguir. 11
12 Trasnformação de Padronização Um resultado importante que vale para a distribuição normal é que ao efetuarmos transformações afins numa variável aleatória normal, a variável transformada continua sendo uma variável normal, isto é se X é normal e definimos Y = ax + b, com a 0, então Y também é normal. Para relacionar uma normal qualquer à normal padrão temos o seguinte resultado: se X N(µ, σ 2 ), então Z = X µ σ }{{} transf. de padronização N(0, 1) Essa relação torna possível calcular probabilidades associadas a uma variável normal qualquer, transformando-a numa normal padrão. 12
13 Existem vários testes para verificar a suposição de normalidade. Existem também métodos gráficos para verificar essa suposição. A seguir apresentamos um método exploratório para validação da suposição de normalidade. 1. Histograma: Construa um histograma dos dados sob investigação. Rejeite a normalidade se a forma do histograma obtido se afastar muito da forma de sino. Observação: Esse procedimento é útil para amostras suficientemente grandes, com pelo menos 30 observações. Para amostras muito pequenas, a visualização dos dados num histograma pode ficar prejudicada. 13
14 2. Outliers: Identifique a presença de valores discrepantes. Rejeite a normalidade se houver mais de um outlier. Observação: Valores muito afastados da média (mais de três desvios padrão) são considerados outliers para uma distribuição normal. 3. Gráfico dos quantis normais. Observação: Um gráfico de quantis normais é um gráfico de pontos (x, y) nos quias cada valor de x é um valor observado e cada valor de y é o escore z correspondente ao valor do quantil da distribuição normal padrão. 14
15 Se o histograma for aproximadamente simétrico, unimodal, e se houver no máximo um outlier, construa o gráfico de quantis normais. Como construir o gráfico de quantis normais? Passo 1: Ordene os valores do conjunto de dados x 1, x 2,..., X n em x (1) x (2)... x (n). Passo 2: Determine n quantis y 1, y 2,..., y n da distribuição normal padrão correspondentes às seguintes áreas (probabilidades) acumuladas: (i 0.5) n, i = 1, 2,..., n, tal que φ(y i ) = (i 0.5) n, i = 1, 2,..., n. Observação: existem outras formas de determinar os quantis. 15
16 Passo 3: Construa o gráfico de dispersão dos pontos (x (i), y i ), i = 1, 2,..., n. Passo 4: Examine o gráfico obtido. Se a nuvem de pontos resultante não tiver uma forma aproximadamente linear (uma reta crescente), significa que os dados não trazem evidência a favor da hipótese de normalidade e, a mesma, deve ser rejeitada. Caso contrário, não rejeitamos a hipótese de normalidade. 16
17 Vejamos um exemplo. Considere a seguinte amostra de 15 observações Construa o gráfico de quantis normais desses dados para avaliar a suposição de normalidade. A seguir apresentamos uma tabela com os valores amostrais ordenados, as áreas (probabilidades acumuladas) e quantis da normal padrão associados. 17
18 valores ordenados áreas quantil normal
19 A seguir, o gráfico de quantis normais: A nuvem de pontos parece linear. Portanto, não existem evidências para rejeitar H 0. 19
20 Considere agora a seguinte amostra de 15 observações Construa o gráfico de quantis normais desses dados para avaliar a suposição de normalidade. A seguir apresentamos uma tabela com os valores amostrais ordenados, as áreas (probabilidades acumuladas) e quantis da normal padrão associados. 20
21 valores ordenados áreas quantil normal
22 A seguir, o gráfico de quantis normais: A nuvem de pontos não parece nada linear. evidências para rejeitar H 0. Portanto, existem 22
23 Vamos agora descrever um teste estatístico, conhecido como teste de normalidade de Shapiro-Wilk para avaliar a suposição de normalidade. Este teste, proposto em 1965, calcula uma estatística W para verificar se uma amostra aleatória de tamanho n provém de uma distribuição normal. Valores pequenos de W são evidência de desvios da normalidade. Dado x 1, x 2,..., x n o conjunto de dados, a estatística W é calculada de acordo com a seguinte equação: ( ni=1 a i x (i) ) 2 W = ni=1 (x i x) 2 23
24 Os x (i) s são os valores amostrais ordenados e os a i s são constantes geradas das médias, variâncias e covariâncias das estatísticas de ordem de uma amostra aleatória de tamanho n proveniente de uma distribuição normal. Em comparação a outros testes de aderência, esse teste comporta-se bem. No Bioestat está disponível o teste de Shapiro: Estatísticas, Normalidade, Shapiro-Wilk (k a- mostras). Cada coluna de dados é considerada uma a- mostra e o teste pode ser feito simultaneamente para mais de uma amostra. Na aula 5 estudamos os testes para comparação de duas médias. Um método foi o teste t para duas amostras independentes. Voltemos ao exemplo 1 dessa aula. 24
25 Exemplo 1: Suspeita-se que o barulho afeta a memória de cuto prazo. Para verificar essa suspeita, um experimento foi conduzido da seguinte forma: 24 pessoas foram aleatoriamente distribuídas em dois grupos de 12. Cada grupo recebeu uma lista de 20 palavras para memorizar em 2 minutos. Os participantes na condição barulho tentaram memorizar a lista de 20 palavras, enquanto escutavam, com fones de ouvido, um barulho pré-gravado. Os outros participantes também utilizaram fones de ouvido, mas sem o barulho, enquanto memorizavam as palavras no mesmo período de tempo. O número de palavras memorizadas por cada pessoa foi registrado e é apresentado na tabela a seguir. 25
26 barulho (1) sem barulho (2) x 1 = 7, 3 x 2 = 13, 8 s 1 = 2, 5 s 2 = 2, 8 Se µ 1 representa o número médio de palavras memorizadas em 2 minutos entre 20 palavras na condição barulho e µ 2, a mesma média na condição sem barulho, para verificar a suspeita enunciada, poderíamos realizar o teste das seguintes hipóteses: { H0 : µ 1 = µ 2 H 1 : µ 1 < µ 2. 26
27 A construção do teste t para amostras independentes, partiu do pressuposto de que os dados provêm de populações normais. Vamos então aplicar o teste de Shapiro-Wilk para as duas amostras resultantes deste exemplo. Como os p-valores não são pequenos, significa que os dados não trazem evidência contra a hipótese nula de normalidade. Portanto, não rejeitamos a suposição de normalidade e podemos prosseguir com o teste t. 27
28 Atenção: No exemplo que acabamos de analisar forçamos a barra, pois a variável observada não é uma medida contínua: trata-se do número de palavras memorizadas, assumindo valores de zero a 20! Assim, não é razoável pensar em normalidade para uma variável que é uma contagem. É importante ficar alerta quanto à isso. O exemplo, pelo menos serviu para ilustrar o teste de Shapiro usando o Bioestat. 28
29 Uma outra suposição que fizemos para o teste t com duas amostras independentes foi a de que as variâncias das duas populações são iguais. Podemos usar um teste F de comparação de duas variâncias. No entanto, apenas vamos apresentar uma regra prática que costuma funcionar na maioria dos casos. Para comparar duas variâncias de amostras independentes de populações normais, calcule a razão das variâncias amostrais colocando a maior variância no numerador. Se essa razão for inferior a 4, não há indícios suficientes para rejeitar a hipótese de homocedasticidade (variâncias iguais). 29
30 No caso desse exemplo 1 da aula 5, temos s 2 1 = 2, 52 e s 2 2 = 2, 82 tal que a razão é 2, ,5 1, 25. Logo, não há indícios para rejeitar a hipótese de que as variâncias são iguais e podemos prosseguir com o teste t para duas amostras independentes. Na aula 8 estudamos testes para comparação de várias médias. O método apresentado foi o teste F da Análise de Variância que pressupõe normalidade e homocedasticidade das várias populações sob estudo. Voltemos ao exemplo 1 dessa aula. 30
31 EXEMPLO 1: (ÁLCOOL E HABILIDADE DE DIRIGIR) Trinta e seis (36) pessoas participaram de um experimento para descobrir os efeitos do álcool na habilidade de dirigir. Elas foram aleatoriamente associadas a uma de três condições: placebo, pouco álcool e muito álcool. A bebida não-alcoólica parecia e tinha o mesmo gosto das demais. Os participantes foram pesados e tomaram a quantidade apropriada de bebida. Observe que temos uma situação de amostras independentes (interparticipantes), pois os grupos são diferentes. Uma hora após beber, os participantes dirigiram em um simulador durante 10 minutos e o número de erros que eles cometeram foi automaticamente registrado por um computador. Os dados obtidos estão na tabela a seguir. 31
32 Placebo Pouco Álcool Muito Álcool x = 5, 83 x = 6, 17 x = 10, 25 s = 2, 69 s = 2, 33 s = 3, 05 32
33 A tela a seguir mostra a saída do teste de Shapiro-Wilk para as três amostras desse conjunto de dados. Se formos usar um nível de significância de 5%, rejeitaremos a hipótese de normalidade para a amostra proveniente da condição muito álcool. Porém, se fixarmos o nível de significância em 1%, não rejeitaremos. Quanto à condição de variâncias iguais, é possível verificar que nenhuma das razões ordenadas (numerador maior que denominador) supera 4. 33
34 Na aula 9 estudamos a regressão linear simples. Para efeito de inferências sobre os coeficientes que determinam a reta de regressão, supõe-se normalidade da variável dependente. Exemplo 1: Resultados no simulado e no teste final. Os dados a seguir referem-se às porcentagens de acertos num simulado e o resultado num teste final aplicado depois do simulado. Ao todo foram feitas 10 observações. 34
35 Vamos realizar o teste de Shapiro-Wilk sobre a variável dependentes: resultado no teste final. Portanto, não existem evidências para rejeitarmos a suposição de normalidade e podemos prosseguir com a análise de regressão linear simples. 35
36 Referências: (1) Triola, M. (2009). Introdução à estatística. LTC. (2) Bussab e Morettin. (2002). Estatística Básica. Saraiva. (3) Manual de referência do Bioestat, capítulo
Estatística (MAD231) Turma: IGA. Período: 2018/2
Estatística (MAD231) Turma: IGA Período: 2018/2 Aula #04 de Probabilidade: 26/10/2018 1 Variáveis Aleatórias Contínuas De modo informal as variáveis aleatórias são contínuas quando resultam de algum tipo
Leia maisTestes de Hipóteses sobre a média: Várias Amostras
Testes de Hipóteses sobre a média: Várias Amostras Na aula de hoje veremos como comparar mais de duas populações, baseados em dados fornecidos por amostras dessas populações. A Análise de Variância (ANOVA)
Leia mais1 Probabilidade - Modelos Probabilísticos
1 Probabilidade - Modelos Probabilísticos Modelos probabilísticos devem, de alguma forma, 1. identificar o conjunto de resultados possíveis do fenômeno aleatório, que costumamos chamar de espaço amostral,
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 maisLucas Santana da Cunha 12 de julho de 2017
DISTRIBUIÇÃO NORMAL Lucas Santana da Cunha http://www.uel.br/pessoal/lscunha/ Universidade Estadual de Londrina 12 de julho de 2017 Distribuição Normal Dentre todas as distribuições de probabilidades,
Leia maisLucas Santana da Cunha de junho de 2018 Londrina
Distribuição Normal Lucas Santana da Cunha email: lscunha@uel.br http://www.uel.br/pessoal/lscunha/ 25 de junho de 2018 Londrina 1 / 17 Distribuição Normal Dentre todas as distribuições de probabilidades,
Leia maisEstatística (MAD231) Turma: IGA. Período: 2016/2
Estatística (MAD231) Turma: IGA Período: 2016/2 Aula #02 de Inferência Estatística: 28/11/2016 1 Intervalos de Confiança Vamos começar com um exemplo. Suponha que se deseja estimar a média µ de uma população
Leia maisAULA 02 Distribuição de probabilidade normal
1 AULA 02 Distribuição de probabilidade normal Ernesto F. L. Amaral 02 de outubro de 2013 Centro de Pesquisas Quantitativas em Ciências Sociais (CPEQS) Faculdade de Filosofia e Ciências Humanas (FAFICH)
Leia maisAULA 02 Distribuição de Probabilidade Normal
1 AULA 02 Distribuição de Probabilidade Normal Ernesto F. L. Amaral 20 de agosto de 2012 Faculdade de Filosofia e Ciências Humanas (FAFICH) Universidade Federal de Minas Gerais (UFMG) Fonte: Triola, Mario
Leia maisLucas Santana da Cunha de junho de 2018 Londrina
Variável aleatória contínua: Lucas Santana da Cunha email: lscunha@uel.br http://www.uel.br/pessoal/lscunha/ 13 de junho de 2018 Londrina 1 / 26 Esperança e variância de Y Função de distribuição acumulada
Leia maisEstatística Aplicada II. } Revisão: Probabilidade } Propriedades da Média Amostral
Estatística Aplicada II } Revisão: Probabilidade } Propriedades da Média Amostral 1 Aula de hoje } Tópicos } Revisão: } Distribuição de probabilidade } Variáveis aleatórias } Distribuição normal } Propriedades
Leia maisDistribuição Normal. Prof. Eduardo Bezerra. (CEFET/RJ) - BCC - Inferência Estatística. 25 de agosto de 2017
padrão - padronização Distribuição Normal Prof. Eduardo Bezerra (CEFET/RJ) - BCC - Inferência Estatística 25 de agosto de 2017 Eduardo Bezerra (CEFET/RJ) Distribuição Normal Março/2017 1 / 32 Roteiro Distribuições
Leia mais( x) = a. f X. = para x I. Algumas Distribuições de Probabilidade Contínuas
Probabilidade e Estatística I Antonio Roque Aula Algumas Distribuições de Probabilidade Contínuas Vamos agora estudar algumas importantes distribuições de probabilidades para variáveis contínuas. Distribuição
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 maisDistribuição Normal. Estatística Aplicada I DISTRIBUIÇÃO NORMAL. Algumas característica importantes. 2πσ
Estatística Aplicada I DISTRIBUIÇÃO NORMAL Prof a Lilian M. Lima Cunha AULA 5 09/05/017 Maio de 017 Distribuição Normal Algumas característica importantes Definida pela média e desvio padrão Media=mediana=moda
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 maisA nossa vida é cercada de incerteza: uma pequena chance disso, uma grande chance daquilo,
Probabilidade: incerteza? como medir e gerenciar a Introdução Os jornais informaram que há uma chance de 60% de chover no próximo fim de semana no Rio. Talvez seja melhor programar um cinema em vez de
Leia maisAULA 05 Teste de Hipótese
1 AULA 05 Teste de Hipótese Ernesto F. L. Amaral 03 de setembro de 2012 Faculdade de Filosofia e Ciências Humanas (FAFICH) Universidade Federal de Minas Gerais (UFMG) Fonte: Triola, Mario F. 2008. Introdução
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 maisMétodos Quantitativos para Avaliação de Políticas Públicas
ACH3657 Métodos Quantitativos para Avaliação de Políticas Públicas Aula 11 Análise de Resíduos Alexandre Ribeiro Leichsenring alexandre.leichsenring@usp.br Alexandre Leichsenring ACH3657 Aula 11 1 / 26
Leia maisTutorial para o desenvolvimento das Oficinas
Tutorial para o desenvolvimento das Oficinas 1 Métodos Quantitativos Profa. Msc. Regina Albanese Pose 2 Objetivos Objetivo Geral Este tutorial tem como objetivo parametrizar o desenvolvimento da oficina
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 maisUnidade IV Inferência estatística
6//5 Unidade IV Inferência estatística 4.. Introdução e histórico 4.. Conceitos fundamentais 4.3. Distribuições amostrais e Teorema central do limite 4.4. Estimação de parâmetros 4.5. Testes de hipóteses
Leia maisA UTILIZAÇÃO DE MÉTODOS ESTATÍSTICOS NO PLANEJAMENTO E ANÁLISE DE ESTUDOS EXPERIMENTAIS EM ENGENHARIA DE SOFTWARE (FONTE:
A UTILIZAÇÃO DE MÉTODOS ESTATÍSTICOS NO PLANEJAMENTO E ANÁLISE DE ESTUDOS EXPERIMENTAIS EM ENGENHARIA DE SOFTWARE (FONTE: ESELAW 09 MARCOS ANTÔNIO P. & GUILHERME H. TRAVASSOS) 1 Aluna: Luana Peixoto Annibal
Leia maisTestes de Hipóteses: Duas Amostras
Testes de Hipóteses: Duas Amostras Na aula de hoje veremos como comparar duas populações P 1 e P 2, baseados em dados fornecidos por amostras dessas populações. Grande parte das técnicas usadas em Estatística
Leia maisInferência para duas populações
Inferência para duas populações Capítulo 13, Estatística Básica (Bussab&Morettin, 8a Edição) 7a AULA 27/04/2015 MAE229 - Ano letivo 2015 Lígia Henriques-Rodrigues 7a aula (27/04/2015) MAE229 1 / 27 1.
Leia maisANÁLISE DOS RESÍDUOS. Na análise de regressão linear, assumimos que os erros E 1, E 2,, E n satisfazem os seguintes pressupostos:
ANÁLISE DOS RESÍDUOS Na análise de regressão linear, assumimos que os erros E 1, E 2,, E n satisfazem os seguintes pressupostos: seguem uma distribuição normal; têm média zero; têm variância σ 2 constante
Leia maisVariância pop. * conhecida Teste t Paramétrico Quantitativa Distribuição normal Wilcoxon (teste dos sinais, Wilcoxon p/ 1 amostra)
Testes de Tendência Central (média, mediana, proporção) Classificação Variável 1 Variável 2 Núm ero Gru pos Dependência Teste Z Paramétrico Quantitativa - 1 - Premissas Variância pop. * conhecida Teste
Leia maisNa aula do dia 24 de outubro analisamos duas variáveis quantitativas conjuntamente com o objetivo de verificar se existe alguma relação entre elas.
Regressão Múltipla Na aula do dia 24 de outubro analisamos duas variáveis quantitativas conjuntamente com o objetivo de verificar se existe alguma relação entre elas. 1. definimos uma medida de associação
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 maisTestes de Hipóteses. Ricardo Ehlers Departamento de Matemática Aplicada e Estatística Universidade de São Paulo
Testes de Hipóteses Ricardo Ehlers ehlers@icmc.usp.br Departamento de Matemática Aplicada e Estatística Universidade de São Paulo Introdução e notação Em geral, intervalos de confiança são a forma mais
Leia maisAULA 04 Teste de hipótese
1 AULA 04 Teste de hipótese Ernesto F. L. Amaral 03 de outubro de 2013 Centro de Pesquisas Quantitativas em Ciências Sociais (CPEQS) Faculdade de Filosofia e Ciências Humanas (FAFICH) Universidade Federal
Leia mais5. PRINCIPAIS MODELOS CONTÍNUOS
5. RINCIAIS MODELOS CONTÍNUOS 04 5.. Modelo uniforme Uma v.a. contínua tem distribuição uniforme com parâmetros α e β α β se sua função densidade de probabilidade é dada por f, β α 0, Notação: ~ Uα, β.
Leia maisINSTITUTO FEDERAL DE EDUCAÇÃO, CIÊNCIA E tecnologia PARAÍBA. Ministério da Educação
INSTITUTO FEDERAL DE EDUCAÇÃO, CIÊNCIA E tecnologia PARAÍBA Ministério da Educação Instituto Federal de Educação, Ciência e Tecnologia da Paraíba - Campus Cajazeiras Diretoria de Ensino / Coord. do Curso
Leia maisESTATÍSTICA. x(s) W Domínio. Contradomínio
Variáveis Aleatórias Variáveis Aleatórias são funções matemáticas que associam números reais aos resultados de um Espaço Amostral. Uma variável quantitativa geralmente agrega mais informação que uma qualitativa.
Leia maisAula de hoje. administração. São Paulo: Ática, 2007, Cap. 3. ! Tópicos. ! Referências. ! Distribuição de probabilidades! Variáveis aleatórias
Aula de hoje! Tópicos! Distribuição de probabilidades! Variáveis aleatórias! Variáveis discretas! Variáveis contínuas! Distribuição binomial! Distribuição normal! Referências! Barrow, M. Estatística para
Leia maisEstatística Não Paramétrica. Como construir testes de aderência
Estatística Não Paramétrica Como construir testes de aderência Teste Qui-quadrado Suposições amostra aleatória Dados nominais (sexo: M ou F) ou numéricos (idade: menor que 15, 15-24, 25-34, 35-44, 45-54,
Leia maisDistribuição Normal. Prof a Dr a Alcione Miranda dos Santos. Abril, 2011
Distribuição Normal Prof a Dr a Alcione Miranda dos Santos Universidade Federal do Maranhão Programa de Pós-Graduação em Saúde Coletiva email:alcione.miranda@gmail.com Abril, 2011 1 / 18 Sumário Introdução
Leia maisInferência. 1 Estimativa pontual de uma média 2 Estimativa intervalar de uma média. Renata Souza
Inferência 1 Estimativa pontual de uma média 2 Estimativa intervalar de uma média Renata Souza Aspectos Gerais A estatística descritiva tem por objetivo resumir ou descrever características importantes
Leia maisDistribuição Gaussiana
Universidade Federal de Minas Gerais Instituto de Ciências Exatas Departamento de Estatística Distribuição Gaussiana Introdução à Bioestatística Turma Nutrição Aula 7: Distribuição Normal (Gaussiana) Distribuição
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 maisVariáveis Aleatórias Contínuas
Variáveis Aleatórias Contínuas Bacharelado em Administração - FEA - Noturno 2 o Semestre 2017 MAE0219 (IME-USP) Variáveis Aleatórias Contínuas 2 o Semestre 2017 1 / 35 Objetivos da Aula Sumário 1 Objetivos
Leia mais5- Variáveis aleatórias contínuas
5- Variáveis aleatórias contínuas Para variáveis aleatórias contínuas, associamos probabilidades a intervalos de valores da variável. Exemplo 5.1 Seja a variável correspondente ao tempo até a cura de pacientes
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 11 - Normalidade e Inferência em Regressão Múltipla - Parte 1
AULA 11 - Normalidade e Inferência em Regressão Múltipla - Parte 1 Susan Schommer Econometria I - IE/UFRJ Distribuições amostrais dos estimadores MQO Nas aulas passadas derivamos o valor esperado e variância
Leia maisAULA 12 - Normalidade e Inferência em Regressão Múltipla - Parte 2
AULA 12 - Normalidade e Inferência em Regressão Múltipla - Parte 2 Susan Schommer Econometria I - IE/UFRJ Testes de hipóteses sobre combinação linear dos parâmetros Na aula passada testamos hipóteses sobre
Leia maisAULA 12 - Normalidade e Inferência em Regressão Múltipla - Parte 2
AULA 12 - Normalidade e Inferência em Regressão Múltipla - Parte 2 Susan Schommer Econometria I - IE/UFRJ Testes de hipóteses sobre combinação linear dos parâmetros Na aula passada testamos hipóteses sobre
Leia maisAproximação da Distribuição Binomial pela Distribuição Normal
Aproximação da Distribuição Binomial pela Distribuição Normal Uma das utilidades da distribuição normal é que ela pode ser usada para fornecer aproximações para algumas distribuições de probabilidade discretas.
Leia maisDistribuições de Probabilidade. Distribuição Uniforme Distribuição Exponencial Distribuição Normal
Distribuições de Probabilidade Distribuição Uniforme Distribuição Exponencial Distribuição Normal 1 Distribuição Uniforme A distribuição Uniforme atribui uma densidade igual ao longo de um intervalo (a,b).
Leia maisExploração e Transformação de dados
Exploração e Transformação de dados A DISTRIBUIÇÃO NORMAL Normal 99% 95% 68% Z-score -3,29-2,58-1,96 1,96 2,58 3,29 Normal A distribuição normal corresponde a um modelo teórico ou ideal obtido a partir
Leia maisDE ESPECIALIZAÇÃO EM ESTATÍSTICA APLICADA)
1. Sabe-se que o nível de significância é a probabilidade de cometermos um determinado tipo de erro quando da realização de um teste de hipóteses. Então: a) A escolha ideal seria um nível de significância
Leia maisIntervalos de Confiança
Intervalos de Confiança INTERVALOS DE CONFIANÇA.1 Conceitos básicos.1.1 Parâmetro e estatística Parâmetro é a descrição numérica de uma característica da população. Estatística é a descrição numérica de
Leia mais5 Avaliação dos estimadores propostos
5 valiação dos estimadores propostos Este capítulo apresenta as medidas estatísticas usuais para avaliar a qualidade de estimadores e as expressões utilizadas para a estimação destas medidas, a partir
Leia maisA figura 5.1 ilustra a densidade da curva normal, que é simétrica em torno da média (µ).
Capítulo 5 Distribuição Normal Muitas variáveis aleatórias contínuas, tais como altura, comprimento, peso, entre outras, podem ser descritas pelo modelo Normal de probabilidades. Este modelo é, sem dúvida,
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 maisMedidas de associação entre duas variáveis qualitativas
Medidas de associação entre duas variáveis qualitativas Hoje vamos analisar duas variáveis qualitativas (categóricas) conjuntamente com o objetivo de verificar se existe alguma relação entre elas. Vamos
Leia maisDefinição. Os valores assumidos pelos estimadores denomina-se estimativas pontuais ou simplesmente estimativas.
1. Inferência Estatística Inferência Estatística é o uso da informção (ou experiência ou história) para a redução da incerteza sobre o objeto em estudo. A informação pode ou não ser proveniente de um experimento
Leia maisCapítulo 4 Inferência Estatística
Capítulo 4 Inferência Estatística Slide 1 Resenha Intervalo de Confiança para uma proporção Intervalo de Confiança para o valor médio de uma variável aleatória Intervalo de Confiança para a diferença de
Leia mais9 Correlação e Regressão. 9-1 Aspectos Gerais 9-2 Correlação 9-3 Regressão 9-4 Intervalos de Variação e Predição 9-5 Regressão Múltipla
9 Correlação e Regressão 9-1 Aspectos Gerais 9-2 Correlação 9-3 Regressão 9-4 Intervalos de Variação e Predição 9-5 Regressão Múltipla 1 9-1 Aspectos Gerais Dados Emparelhados há uma relação? se há, qual
Leia maisHoje vamos analisar duas variáveis quantitativas conjuntamente com o objetivo de verificar se existe alguma relação entre elas.
Correlação e Regressão Hoje vamos analisar duas variáveis quantitativas conjuntamente com o objetivo de verificar se existe alguma relação entre elas. Vamos 1. definir uma medida de associação entre duas
Leia maisEng a. Morgana Pizzolato, Dr a. Aula 02 Revisão de Estatística DPS1037 SISTEMAS DA QUALIDADE II ENGENHARIA DE PRODUÇÃO CT/UFSM
Eng a. Morgana Pizzolato, Dr a. Aula 02 Revisão de Estatística DPS1037 SISTEMAS DA QUALIDADE II ENGENHARIA DE PRODUÇÃO CT/UFSM TÓPICOS DESTA AULA Revisão de Estatística Coleta de dados Análise de dados
Leia maisDistribuições de Probabilidade. Distribuição Normal
Distribuições de Probabilidade Distribuição Normal 1 Distribuição Normal ou Gaussiana A distribuição Normal ou Gaussiana é muito utilizada em análises estatísticas. É uma distribuição simétrica em torno
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 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 maisTópicos em Gestão da Informação II
Tópicos em Gestão da Informação II Aula 04 Medidas de posição relativa Prof. Dalton Martins dmartins@gmail.com Gestão da Informação Faculdade de Informação e Comunicação Universidade Federal de Goiás Determinando
Leia maisPrincípios de Modelagem Matemática Aula 10
Princípios de Modelagem Matemática Aula 10 Prof. José Geraldo DFM CEFET/MG 19 de maio de 2014 1 Alguns resultados importantes em estatística A distribuição normal tem importante papel em estatística pois
Leia maisVariáveis Aleatórias Contínuas e Distribuições de Probabilidade
Variáveis Aleatórias Contínuas e Distribuições de Probabilidade Motivação A quantidade de oxigênio dissolvido é importante para aferir a qualidade de um regato. Os níveis aceitáveis de oxigênio variam
Leia maisModelos Lineares Distribuições de Probabilidades Distribuição Normal Teorema Central do Limite. Professora Ariane Ferreira
Distribuições de Probabilidades Distribuição Normal Teorema Central do Limite Professora Ariane Ferreira Modelos Probabilísticos de v.a. continuas Distribuição de Probabilidades 2 IPRJ UERJ Ariane Ferreira
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 maisNotas de Aula. Copyright 2007 Pearson Education, Inc Publishing as Pearson Addison-Wesley.
Notas de Aula Estatística Elementar 10ª Edição by Mario F. Triola Tradução: Denis Santos Slide 1 Capítulo 5 Distribuições de Probabilidades 5-1 Visão Geral 5-2 Variáveis Aleatórias 5-3 Distribuição de
Leia maisBIOESTATÍSTICA. Parte 5 Testes de Hipóteses
BIOESTATÍSTICA Parte 5 Testes de Hipóteses Aulas Teóricas de 05/05/2011 a 19/05/2011 5.1. Conceito de erro, estatística de teste, região de rejeição, nível de significância, valor de prova, potência do
Leia maisAULA 06 Correlação. Ernesto F. L. Amaral. 04 de outubro de 2013
1 AULA 06 Correlação Ernesto F. L. Amaral 04 de outubro de 2013 Centro de Pesquisas Quantitativas em Ciências Sociais (CPEQS) Faculdade de Filosofia e Ciências Humanas (FAFICH) Universidade Federal de
Leia maisInferência a partir de duas amostras
Inferência a partir de duas amostras Inferência a partir de duas amostras. Inferência sobre duas médias: amostras dependentes. Inferência sobre duas médias: amostras grandes e independêntes 3. Comparação
Leia maisProbabilidade II. Departamento de Estatística. Universidade Federal da Paraíba
Probabilidade II Departamento de Estatística Universidade Federal da Paraíba Prof. Tarciana Liberal (UFPB) Aula Distribuição t de Student 02/14 1 / 1 A distribuição t de Student é uma das distribuições
Leia maisAULA 17 - Distribuição Uniforme e Normal
AULA 17 - Distribuição Uniforme e Normal Susan Schommer Introdução à Estatística Econômica - IE/UFRJ Distribuições Contínuas Em muitos problemas se torna matematicamente mais simples considerar um espaço
Leia maisAnálise de Variância com mais de duas variáveis independentes (mais de dois fatores) Na aula do dia 17 de outubro (aula #08) introduzimos
Análise de Variância com mais de duas variáveis independentes (mais de dois fatores) Na aula do dia 17 de outubro (aula #08) introduzimos a técnica de Análise de variância (ANOVA) a um fator, que resulta
Leia maisProbabilidade e Estatística
Probabilidade e Estatística Aula 7 Distribuição da Média Amostral Leitura obrigatória: Devore: Seções 5.3, 5.4 e 5.5 Chap 8-1 Inferência Estatística Na próxima aula vamos começar a parte de inferência
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 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 maisMedidas de Dispersão ou variabilidade
Medidas de Dispersão ou variabilidade A média - ainda que considerada como um número que tem a faculdade de representar uma série de valores - não pode, por si mesma, destacar o grau de homogeneidade ou
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 maisCapítulo 5 Distribuições de probabilidade normal Pearson Prentice Hall. Todos os direitos reservados.
Capítulo 5 Distribuições de probabilidade normal slide 1 Descrição do capítulo 5.1 Introdução à distribuição normal e distribuição normal padrão 5.2 Distribuições normais: encontrando probabilidades 5.3
Leia maisTiago Viana Flor de Santana
ESTATÍSTICA BÁSICA DISTRIBUIÇÃO NORMAL DE PROBABILIDADE (MODELO NORMAL) Tiago Viana Flor de Santana www.uel.br/pessoal/tiagodesantana/ tiagodesantana@uel.br sala 07 Curso: MATEMÁTICA Universidade Estadual
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 maisEstatística (MAD231) Turma: IGA. Período: 2015/2
Estatística (MAD231) Turma: IGA Período: 2015/2 Aula #01 de Inferência Estatística: 03/02/2016 1 Inferência Estatística: como fazer afirmações sobre uma população conhecendo uma amostra da população? Referência:
Leia maisCálculo das Probabilidades I
Cálculo das Probabilidades I Departamento de Estatística Universidade Federal da Paraíba Prof. Tarciana Liberal (UFPB) Aula Distribuição Normal 06/11 1 / 41 LEMBRANDO: Variável Aleatória Contínua Assume
Leia maisAULA 09 Regressão. Ernesto F. L. Amaral. 17 de setembro de 2012
1 AULA 09 Regressão Ernesto F. L. Amaral 17 de setembro de 2012 Faculdade de Filosofia e Ciências Humanas (FAFICH) Universidade Federal de Minas Gerais (UFMG) Fonte: Triola, Mario F. 2008. Introdução à
Leia maisAula 15: Testes para Duas Amostras
Aula 15: Testes para Duas Amostras Professor: José Luiz Padilha da Silva email: jlpadilha@ufpr.br Departamento de Estatística Universidade Federal do Paraná Curitiba, 2018 José Luiz Padilha da Silva (UFPR)
Leia maisDistribuições de Probabilidade
Distribuições de Probabilidade Júlio Osório Distribuições Teóricas de Probabilidades Diz-se que uma variável aleatória contínua X tem uma distribuição normal de parâmetros µ (média) e σ (desviopadrão)
Leia mais7 Teste de Hipóteses
7 Teste de Hipóteses 7-1 Aspectos Gerais 7-2 Fundamentos do Teste de Hipóteses 7-3 Teste de uma Afirmação sobre a Média: Grandes Amostras 7-4 Teste de uma Afirmação sobre a Média : Pequenas Amostras 7-5
Leia maisb) Variáveis Aleatórias Contínuas
Disciplina: 221171 b) Variáveis Aleatórias Contínuas Prof. a Dr. a Simone Daniela Sartorio de Medeiros DTAiSeR-Ar 1 Uma variável aleatória é contínua (v.a.c.) se seu conjunto de valores é qualquer intervalo
Leia maisCálculo das Probabilidades e Estatística I
Cálculo das Probabilidades e Estatística I Prof a. Juliana Freitas Pires Departamento de Estatística Universidade Federal da Paraíba - UFPB juliana@de.ufpb.br Distribuição Normal Motivação: Distribuição
Leia maisTestes de Hipótese para uma única Amostra - parte I
Testes de Hipótese para uma única Amostra - parte I 26 de Junho de 2014 Objetivos Ao final deste capítulo você deve ser capaz de: Estruturar problemas de engenharia como testes de hipótese. Entender os
Leia maisMAE Introdução à Probabilidade e Estatística II Resolução Lista 5
MAE 229 - Introdução à Probabilidade e Estatística II Resolução Lista 5 Professor: Pedro Morettin e Profa. Chang Chian Exercício 1 (a) De uma forma geral, o desvio padrão é usado para medir a dispersão
Leia maisAnálise Multivariada Aplicada à Contabilidade
Mestrado e Doutorado em Controladoria e Contabilidade Análise Multivariada Aplicada à Contabilidade Prof. Dr. Marcelo Botelho da Costa Moraes www.marcelobotelho.com mbotelho@usp.br Turma: 2º / 2016 1 Agenda
Leia maisEstatística Aplicada
Estatística Aplicada Testes de Hipóteses Professor Lucas Schmidt www.acasadoconcurseiro.com.br Estatística Aplicada TESTES DE HIPÓTESES Inferência estatística: tomar decisões sobre a população com base
Leia maisCaros Alunos, segue a resolução das questões de Estatística aplicadas na prova para o cargo de Auditor Fiscal da Receita Municipal de Teresina.
Caros Alunos, segue a resolução das questões de Estatística aplicadas na prova para o cargo de Auditor Fiscal da Receita Municipal de Teresina. De forma geral, a prova manteve o padrão das questões da
Leia maisDistribuições de Probabilidade Contínuas 1/19
all Distribuições de Probabilidade Contínuas Professores Eduardo Zambon e Magnos Martinello UFES Universidade Federal do Espírito Santo DI Departamento de Informática CEUNES Centro Universitário Norte
Leia mais