Capítulo 2. Modelos Mistura de Regressão para Variáveis Normais (2.52)
|
|
- Tomás Aveiro
- 5 Há anos
- Visualizações:
Transcrição
1 p = λ f ( y β, Δ ) λ f ( y β, Δ ) (.5) Coidera-e o cao de uma úica obervação para cada uidade eccioal (i.e., a abordagem propota por Dearbo e Cro 988) como um cao epecial do método propoto (Ramawamy et al., 993)..4 ítee cocluiva Dado que ete trabalho e etuda a problemática da elecção do úmero de egmeto de mercado quado ão uado modelo mitura de regreão para variável depedete ormal, o Capítulo foi apreetado o modelo mitura de regreão propoto por Dearbo e Cro (988) que é um cao geral do modelo de Wedel e Dearbo (995), aim como a dua exteõe para o cotexto multivariado, deevolvida por Ramawamy et al. (993) e por Dearbo et al. (99). Exemplo de aplicaçõe a egmetação de mercado divulgada a literatura com modelo mitura de regreão para variávei ormai cotam da Tabela.9. Ete tipo de modelo ão de utilização geeralizada em etudo de egmetação de mercado, em grade parte dada a ua dipoibilidade em programa comerciai, como, por exemplo, o GLIMMIX (primeiro programa) e o Latet Gold (líder actual). ão obtate o deevolvimeto metodológico ocorrido em termo de modelização e etimação dete tipo de modelo e a ua frequete utilização, a problemática da elecção do úmero de compoete da mitura i.e., de egmeto de mercado quado e utiliza ete tipo de modelo cotiua em aberto. o Capítulo 3 ão orgaizada e decrito o critério utilizado ou com potecial de utilização o forecimeto de pita para a elecção do úmero de egmeto quado ão uado modelo mitura de regreão. 69
2 Da epecificação codicioal em (.49) coclui-e que e uma uidade eccioal pertece ao paiel, etão a etrutura da relaçõe etre a variávei explicativa e a variável depedete é repreetada pelo vector de parâmetro β e a matriz de variâcia e covariâcia Δ. Tal equivale à defiição de um modelo liear geeralizado para cada paiel. A partir de uma amotra de uidade eccioai, é poível defiir a fução de veroimilhaça (.50) e a fução de veroimilhaça logaritmizada (.5): L λ π = Δ = T ( ) exp ( ) y Xβ Δ ( y Xβ ) (.50) ou log L= log,, = λf ( y X β Δ ) (.5) Dado o valore de y, X e o valor de, pretede-e etimar o eguite parâmetro: ( ) proporçõe mitura, o vector de coeficiete = ( ) β β,..., β e a matriz de variâcia e covariâcia Δ = ( Δ,...,Δ ) para cada egmeto. Para o efeito é maximizada a fução (.50) ou (.5), ujeita à codiçõe epecificada em (.4); adicioalmete, Δ deverá er uma matriz defiida poitiva, imétrica, de forma a e obterem etimativa coitete do parâmetro. A etimação do modelo mitura de regreão com dado em paiel para variávei depedete ormai é efectuada atravé da implemetação do algoritmo EM (Dempter et al., 977). A probabilidade poteriore de perteça ao paiéi (para cada uidade eccioal) podem er calculada uado a regra de Baye (codicioal a etimativa para o parâmetro obtida) como: 68
3 Coidere-e a eguite otação adicioal: =,..., uidade eccioai t =,..., T período de tempo p =,..., P variávei explicativa = valor da variável explicativa p o período t para a uidade eccioal X pt (( X pt) ) X = matriz do valore da variávei explicativa p o período t, para cada uidade eccioal y t = valor da variável depedete métrica para a uidade eccioal o período t y = y vector de obervaçõe da variável depedete y para o coumidor ( ) t Δ = matriz de variâcia e covariâcia para o paiel (egmeto) Δ= ( Δ,..., Δ ) ' ( βp ) β = vector de parâmetro para o paiel (egmeto) ( ) β= β,..., ' β Como forma de capturar a heterogeeidade eccioal potecial ão obervada, Ramawamy et al. (993) propõem a etimação imultâea de uma etrutura de paiéi múltiplo e do coeficiete de regreão para cada paiel. Dete modo, upõem a exitêcia de paiéi latete, de tal forma que a relação etrutural detro de cada paiel é decrita por um vector de parâmetro epecífico dee paiel. Coidere-e que o vector y e ditribui de acordo com uma mitura de deidade ormai multivariada (.48): f (,, ) λf(, ) y λβδ = y β Δ (.48) em que: T T (, ) = ( ) exp ( ) Δ ( ) f y β Δ π Δ y X β y X β (.49) 67
4 em que = ( λ λ ) λ,,..., λ ão proporçõe mitura idepedete da mitura fiita ujeita à retriçõe (.4). Cada (.44). f em (.43) é defiido a partir de uma ditribuição multivariada codicioal f J ( ) ( ) ( ' Σ = π ) Σ ( ' ) y β, exp / ' y Xβ y Xβ (.44) Dado uma amotra de coumidore idepedete, é poível formar a expreão da fução de veroimilhaça (.45): J ' ' L λ( π) = exp / ( j ) ( j ) ' y X β Σ y X β (.45) = ou log L= log, = λf( y β ) (.46) Depoi da etimativa de λ, Σ e β terem ido obtida a partir de qualquer iteração do procedimeto de máxima veroimilhaça, é poível afectar cada coumidor a cada clae latete ou egmeto de mercado atravé da probabilidade à poterior etimada, aplicado a regra de Baye, reultado um agrupameto probabilítico (.47), p = λ f ( y β, Σ ) f ( y β, Σ ) λ. (.47) O algoritmo EM Expectatio-Maximizatio (Dempter et al., 977) é utilizado, tal como o modelo decrito a ecção aterior, para a etimação do parâmetro..3. Modelo Mitura de Regreão para Dado em Paiel Ramawamy et al. (993) geeralizam a abordagem propota por Dearbo e Cro (988), para dado em paiel. 66
5 mercado e geeraliza o modelo propoto por Dearbo e Cro (988) para um cotexto multivariadado. A formulação propota itroduz flexibilidade a modelização de ituaçõe em que o membro de um egmeto de mercado particular exibem diferete perfi de preferêcia. Trata-e de um modelo particularmete itereate dado que um etudo de imulação comparado ove modelo de aálie cojuta métrica revelou que o modelo de clae latete apreeta o melhor deempeho em termo de recuperação de parâmetro, qualidade do ajutameto e capacidade preditiva (Vrie et al., 996). Coidere-e, a eguite otação: =,..., coumidore; j =,..., J perfi cojuto ( cojoit profile ); p =,..., P variávei idepedete a aálie cojuta (codificada como variávei dummy); =,..., egmeto; y j = ratig de repota métrico ao perfil j pelo coumidor ; X jp = valor da variável idepedete p o perfil j (por implificação, ão é efectuada a ditição etre factor e ível), (( X jp )) X = ; X vector liha de dimeão ( ) j = β p xp de variávei idepedete para o perfil j; = coeficiete de valor parcial ( cojoit part-worth ) etimado para a variável p o egmeto ; xp de valore parciai para o egmeto, β vector liha de dimeão ( ) = (( β p )) β = ; = matriz de covariâcia de dimeão ( ) =Σ ( Σ Σ ). ',,..., JxJ para o egmeto, Aume-e que o vector liha y de dimeão ( xj ) poui uma fução deidade de probabilidade que pode er modelizada como uma mitura fiita da eguite ditribuiçõe codicioai (.43), f ( ;,, ) = λf(, ) y λβ y β (.43) 65
6 Tabela.4. Algorimo EM. o primeiro pao da iteração, h : = 0, iiciar o procedimeto fixado o úmero de clae,, e gerado uma partição iicial ( 0) p.. Dado p ( 0), etimativa de máxima veroimilhaça para β podem er obtida atravé do método de míimo quadrado poderado. Obteção de etimativa para λ (Pao M). 3. Tete de covergêcia: parar e uficietemete pequeo. log L ( h+ ) ( h) ( Ψ ) log L Ψ 4. Calcular ova etimativa para a probabilidade poteriore, com a equação (.4) 4 ( ) y y for ( h ) p +, de acordo p = λ f ( y β, σ ) ( y β, σ ) k k λ f k k (.4) 5. Repetir o pao a 4. Fote: Adaptado a partir de Wedel e Dearbo (995), pág. 8, 9.3. Modelo Mitura de Regreão para Aálie Cojuta Métrica eta eão apreeta-e o modelo para aálie cojuta métrica propoto por Dearbo et al. (99). Ete modelo, deigado por Latet Cla Metric Cojoit Aalyi, permite a etimação imultâea de um modelo de aálie cojuta e a egmetação de 4 o cao de medida repetida a probabilidade de perteça do coumidor ao egmeto é dada por p K λ f = λ f ( y β, σ ) k k= K ( y β, σ ) k k=. 64
7 cohecido, p, obtido o pao E. A equaçõe de etacioariedade ão obtida igualado a derivada parciai de (.4) de primeira ordem a zero. A etimativa para β e σ ão obtida atravé do Fiher corig Method (que é equivalete ao procedimeto de ewto-rapho para fuçõe de lik caóico) (McCullagh e elder, 989, Wedel e Dearbo, 995). umariado, o algoritmo EM propoto para o ajutameto do modelo coite o eguite pao (Wedel e Dearbo, 995), decrito a Tabela.4..3 Geeralizaçõe do Modelo Bae O modelo propoto por Dearbo e Cro (988), e icluído como um cao epecial do modelo mitura liear geeralizado por Wedel e Dearbo (995), foi também etedido por Ramawamy et al. (993) para um ceário de dado em paiel, por Dearbo et al. (99) para dado de aálie cojuta e por Jedidi et al. (996) para modelo de equaçõe etruturai. De eguida apreetam-e a formulaçõe de Dearbo et al. (99) e Ramawamy et al. (993), que permitem a realização imultâea de regreõe ormai multivariada e a egmetação de mercado. ão é decrita a formulação de Jedidi et al. (996), dado que o âmbito dete trabalho apea e pretede etudar a problemática da elecção do úmero adequado de egmeto de mercado em modelo mitura de regreão uiequacioai para variávei ormai. 63
8 β = ( y β σ ) Ψ log f, = p = 0 β = σ ( y β σ ) Ψ log f, = p = 0 σ (.37) (.38) Para etimar λ, é eceário etimar préviamete w ; tal é obtido pela multiplicação de ambo o lado da equação (.36) por λ e oma de ambo o lado para : * = p w λ = 0 ŵ = (.39) De eguida, ubtituido (.39) em (.36) e multiplicado ambo o lado da equação por λ obtém-e: = p λ = 0 ˆ = λ = pˆ (.40) ote-e que maximizar E l Lc ( Φ y, z) em ordem a β e σ é equivalete a maximizar de forma idepedete cada uma da expreõe (.4): = ( ) log L p log f y β, σ = (.4) Dete modo coclui-e que a optimização de (.4) é equivalete ao problema de maximização de um modelo liear geeralizado para o dado completo, com a particularidade de cada obervação y cotribuir para a fução com um peo 6
9 Pao E Epecraça ( Extectatio ) o pao E, é calculado o valor eperado de l L c em relação à ditribuição codicioal do dado ão obervado Z, dado o valore de y e a etimativa proviória * * * para Φ, ( λ, β,σ ). Pode-e facilmete verificar que E log L c ( Φ, ) ubtituição em log L c de z pelo eu valore eperado E( z y, Φ) y Z é obtida pela eperado podem er obtido com bae em e com bae a regra de Baye (.33), ( y β, σ ) f ( y β, σ ) λf E( z y, Φ ) = = p λ ; ete valore. (.33) Dete modo, o dado ão obervado Z em log L c ão ubtituído pelo eu valore actuai p (pao E), log c, log, log = = ( yz) ( β σ ) E L φ = p f y + p λ (.34) Pao M Para maximizar o valor eperado de log L c em relação a Φ ujeito à retriçõe (.4), é formada uma fução aumetada (.35): ( ) * * * * * Ψ= p log f y βp, σ + p log λ w λ = = (.35) em que w repreeta o multiplicador de Lagrage. A equaçõe de etacioariedade ão obtida igualado a derivada parciai de primeira ordem a zero: Ψ p = w = 0 (.36) λ λ = 6
10 em que = ( z z ) z,..., '. Aume-e que o y, dado z, ão codicioalmete idepedete e pouem a deidade (.30): z (, ) (, ) f y z f y β σ. (.30) Φ = edo o valore z coiderado miig data, o logaritmo da fução de veroimilhaça para o dado completo log-likelihood fuctio for the complete data (( x p )) ( z ) X = e Z = ( ), =,...,, p =,..., P, =,...,, pode er formada a partir da equaçõe (.3) e (.3). ( ) z z c = f y σ + λ = = L β, (.3) ( σ ) log L = z log f y β, + z logλ (.3) c = = A fução (.3) é maximizada com recuro ao algoritmo EM (Dempter et al., 977). Depoi da etimativa para o parâmetro Φ terem ido obtida, a probabilidade poteriore de perteça p ão calculada o pao E. o pao M o valor eperado de log L c (.3) é maximizado em relação a Φ, permitido a obteção de ova etimativa para o parâmetro. o pao E o logaritmo da fução de veroimilhaça é ubtituído pelo eu valor eperado, calculado com bae a etimativa proviória de Φ. o pao M, o valor eperado de log L c é maximizado em relação a Φ, permitido a obteção de ova etimativa para o parâmetro. O pao E e M ão alterado até que ehuma melhoria a fução de veroimilhaça eja poível. Decrevem-e, de eguida, o pao E e M de forma mai detalhada. 60
11 egmeto. A etimativa para o parâmetro ( λ, βp, σ ) Φ= ão obtida maximizado a fução de veroimilhaça L (.7), ou o logaritmo da fução de veroimilhaça log L (.8) em relação a φ, ujeita à retriçõe (.4); o etato ó é poível a obteção de etimadore coitete e for impota a codição σ > 0 (Dearbo e Cro, 988). ( ) λ ( θ ) L= f y Φ = f y = = L = λ( πσ ) exp = t ( y ) Xβ σ (.7) ou ( ) λ ( θ ) log L= log f y Φ = log f y = = log L = log λ ( πσ ) exp ( y ) Xβ = σ. (.8).. Algoritmo de Etimação A fução (.8) pode er maximizada uado o algoritmo EM Expectatio Maximizatio (Dempter et al., 977). O ome do algoritmo reulta do eu doi pao, Expectatio e Maximizatio. Para e exemplificar o algoritmo EM, é eceária a itrodução de dado ão obervado z, idicado e a obervação y pertece ou ão ao egmeto. Aim, z = e é extraído do egmeto e z = 0, cao cotrário. Aume-e que z ão i.i.d. multiomiai (.9): ( ) z f z λ = λ (.9) = 59
12 λ =, λ 0, =,..., (.4) A ditribuição de y, dado que y é extraído do egmeto é dada por (, p) f y σ β ; ( ) ( ) f y σ, βp = πσ exp ( y Xβ) σ (.5) A variávei y ão idepedete, edo codicioai ao egmeto. Dete modo, a fução deidade de probabilidade de y pode er exprea como uma mitura de deidade ormai uivariada 3 : ( Φ ) = λ ( y θ) = λ ( σ, βp) f y f f y = λ( πσ ) exp ( y Xβ) σ (.6) em que o vectore de parâmetro ão (, ) Φ= λ θ, = ( βp, σ ) θ. Quado e aplicam modelo mitura de regreão, o objectivo é prever a média da obervaçõe em cada egmeto uado um cojuto de variávei explicativa. Para ee objectivo, é epecificado um previor liear ( p,..., P) P μ = x β, que é produzido por P p p p= = variávei idepedete e um vector de parâmetro = ( βp ) β para o a preeça de K medida repetida ( k =,..., K) para cada coumidor (,..., ) =, o y ão e k podem aumir como idepedete, edo apropriada uma ditribuição da família expoecial multivariada, como a ditribuição ormal multivariada. 3 o cao de K medida repetida por idivíduo obtém-e f ( yk Φ ) = λ f ( y k θ ). K k= 58
13 compoete da mitura) ão etimada directamete. eta aplicaçõe, como já foi referido o Capítulo, o pricipal objectivo é decritivo, i.e., formar grupo homogéeo de idivíduo/ coumidore com bae em vária caracterítica obervada. Em cotrate, o modelo mitura permitem ão ó a claificação probabilítica da obervaçõe em egmeto latete como também a etimação de modelo de regreão explicado a média e a variâcia de cada variável depedete detro de cada egmeto. O modelo mitura de regreão relacioam uma variável depedete, como a frequêcia de compra ou a preferêcia por marca, com variávei explicativa, como variávei do marketig mix, detro de cada clae latete.. Modelo Mitura de Regreão para Variávei ormai.. Modelo eta eão é apreetado o modelo mitura de regreão para variávei depedete ormai de Dearbo e Cro (988), que é um cao epecial do modelo GLIMMIX - Geeralized Liear Mixture Model (Capítulo ). Dearbo e Cro (988) geeralizam pela primeira vez o tochatic witchig regreio model (Quadt, 97; Homer, 974; Quadt e Ramey, 978) para mai de doi regime. O artigo apreeta uma ova metodologia para derivação de grupo e a etimação imultâea da correpodete fuçõe regreão itra-grupo. A partir do cojuto de obervaçõe para a variável depedete y e a P variávei explicativa ( ),..., P x x, p =,..., P, ão utilizada ditribuiçõe mitura codicioai, um quadro de máxima veroimilhaça, com a utilização do algoritmo EM (Dempter et al., 977) para a etimação do parâmetro. Aume-e que a variávei aleatória y, =,..., ão extraída de uma população que é uma mitura de um úmero fiito de egmeto (populaçõe ormai), em proporçõe λ,..., λ, =,..., ; o etato, ão é cohecida à priori a população da qual a obervação y foi extraída. A probabilidade λ etão ujeita à retriçõe (.4): 57
14 cocluõe gerai obre a ua performace relativa (o cotexto da obteção de etimativa de máxima veroimilhaça para o parâmetro da compoete do modelo mitura) podem er apotada. Comparado com o algoritmo de optimização (ewto-rapho, Quai-ewto, implex, Fiher corig), a covergêcia do algoritmo EM é coiderada baixa, (medida pelo úmero de iteraçõe eceária). Um problema potecial aociado à aplicação da dua abordage relacioa-e com a propriedade ão deejável do algoritmo termiarem um óptimo local, tedo ido propoto vário procedimeto para reduzir ete rico (Wedel e Kamakura, 000). Leich (004) acreceta mai dua limitaçõe do algoritmo EM, a referir: itabilidade umérica e uma compoete poui pouca obervaçõe uma dada iteração e problema a etimação do parâmetro (o cao da ditribuiçõe mitura ormai a fução de veroimilhaça tede a crecer em limite e σ 0 ). ão obtate, a implicidade computacioal do algoritmo EM (com apea doi tipo de iteraçõe) é apotada como a ua pricipal fote de popularidade. Para a reolução da equaçõe de veroimilhaça é eceária a epecificação de um cojuto de parâmetro iiciai. ote-e que a ecolha de má cofiguraçõe pode afectar de forma advera a performace do algoritmo, coduzido a problema de ão covergêcia. Uma aálie do quadro geral de egmetação baeado o modelo mitura permite cocluir que eta abordagem etatítica poui vária vatage em relação ao método de claificação baeado em heurítica; o etato, vário auto, como a exitêcia de óptimo locai, ou o tete para a determiação do úmero de egmeto, eceitam aida de uma reolução atifatória. Reviõe da aplicação deta abordagem a problema de egmetação de mercado podem er ecotrada o artigo de Dillo e Kumar (994) e o texto de Wedel e Kamakura (000). MODELO MITURA FIITO VERU MODELO MITURA DE REGREÃO o modelo mitura fiito ão exitem variávei exógea para explicar a média e a variâcia de cada compoete da ditribuição mitura fiita. Por exemplo, uma mitura de ditribuiçõe ormai, a média e a variâcia em cada egmeto latete (ou 56
15 Tabela.3. Algoritmo EM () O procedimeto é iiciado ( h : = ) com a fixação do úmero de egmeto,, e com a geração de uma partição iicial p () (aleatória ou baeada a utilização de um procedimeto de aálie de agrupameto covecioal). () Dado ( h) p, obter a etimativa de λ e de θ uado o etimadore de máxima veroimilhaça: = λ = p (.) θ = = y p λ (.) (3) Tete de covergêcia: parar e a alteração em log L (.6) da iteração (h-) para a iteração (h) for reidual. (4) Aumetar o ídice da iteração h: = h+ e calcular ova etimativa para ( h ) p + uado a equação. p = λ f ( y θ ) λ f ( y θ ) (.3) (5) Repetir o pao a 4. Fote: Adaptado a partir de Wedel e Kamakura (000), pág. 85 COMPARAÇÕE DE PERFORMACE RELATIVA Em termo de eficiêcia, ão é claro qual do doi método (algoritmo EM ou optimização umérica) é preferível (Wedel e Kamakura, 000). o etato, alguma 55
16 ALGORITMO PARA A ETIMAÇÃO DO PARÂMETRO EVOLVIDO O MODELO o cotexto do modelo mitura ão utilizada dua abordage gerai a obteção da oluçõe de máxima veroimilhaça (Wedel e Kamakura, 000; Dillo e Kumar, 994). A primeira aplica método de optimização umérica à equaçõe (.9) e (.0); a rotia (de optimização) utilizada - ewto-rapho, Quai-ewto, implex, Fiher corig - ipiram-e em método baeado o gradiete. Uma itrodução a ete método pode er ecotrada o trabalho de Dei e chaabel (983), Gill et al. (989) e Everitt (987). A abordagem mai uada (Wedel e Kamakura, 000) recai a utilização do algoritmo EM - Expectatio-Maximizatio (Dempter et al., 977). O algoritmo EM deriva a ua deigação do doi pao do algoritmo. a fae E expectatio tep (Eperaça), a partir da etimativa dipoívei para todo o parâmetro do modelo, Φ, ão obtido ovo valore para a probabilidade de afectação do coumidore ao egmeto, p, =,...,, =,..., (uado o Teorema de Baye). o pao M maximizatio tep (Maximização), ão obtida ova etimativa para Φ com bae ea etimativa temporária de p. Ete doi pao ão repetido iterativamete equato for poível uma melhoria a fução de veroimilhaça (Tabela.3.). 54
17 ETIMAÇÃO POR MÁXIMA VEROIMILHAÇA O propóito da aálie do modelo mitura fiito é a etimação do vector de parâmetro Φ= ( λθ, ). ete cotexto, o método da máxima veroimilhaça coagroue como o procedimeto geral de etimação (Dillo e Kumar, 994). A obteção de etimadore coitete e aimptoticamete ormalmete ditribuído (Dillo e Kumar, 994) é apotada como a ua pricipal propriedade etatítica. Para a ditribuiçõe mitura, a fução de veroimilhaça de Φ aume a eguite forma geral: = ( ) L= f y Φ (.7) O etimadore para o parâmetro ão obtido maximizado a fução de veroimilhaça (.7) em relação ao vector de parâmetro Φ, ujeita à retriçõe defiida em (.5). ete cotexto, ão calculada a derivada parciai, a partir da fução de veroimilhaça logaritmizada aumetada (.8): log L = log λf( y θ ) w λ (.8) = em que w repreeta o multiplicador de Lagrage. Daqui reultam a eguite equaçõe de etacioariedade: λ = (, Φ) f ( ) log L f = y w = 0 y = (, ) f ( y, Φ) log L f Φ = y θ = 0 θ (.9) (.0) Titterigto et al. (985) forecem uma excelete decrição do proceo de etimação pelo método da máxima veroimilhaça em modelo mitura fiito. 53
18 ao texto de Wedel e Kamakura (000), ao artigo de Dillo e Kumar (994) e ao trabalho de Everitt e Had (98), McLachla e Baford (988) e Titterigto et al. (985). Modelo O modelo geral preupõe que o objecto (coumidore), para o quai e dipõe do valor da variávei = ( y ) y, =,...,, k =,..., K, ão extraído de uma população k cotituída por uma mitura de egmeto, em proporçõe λ =,..., : λ = λ 0, =,...,. (.5) upodo que a obervação y k pertece ao egmeto, a fução ditribuição codicioal para o vector y é defiida por f ( y θ ), em que θ repreeta o vector de parâmetro decohecido eceário para a ua caracterização. Como a perteça ao egmeto da obervaçõe é decohecida, a fução deidade mitura ( mixture deity ) de y é dada por: f ( Φ ) = λf( ) em que Φ= ( λθ, ). y y θ (.6) A fução f ( y θ ) pode aumir vária forma, o cotexto da ditribuiçõe dicreta ou cotíua (Wedel e Kamakura 000). A ua caracterização é efectuada, para cada egmeto, atravé da média, μ k, e de um parâmetro de diperão, σ. A Tabela.7. e.8. (capítulo ) apreetam a caracterítica da ditribuiçõe cotíua e dicreta mai uada. o cotexto da ditribuiçõe cotíua, a ditribuição ormal multivariada é a mai utilizada (Wedel e Kamakura, 000). 5
19 A fução ditribuição é uada para decrever a probabilidade de ocorrêcia do valore obervado da variávei em aálie. Tabela.. Cluterwie liear regreio IICIAÇÃO Derivação de uma partição iicial do dado em egmeto. Fixar : = 0 ( 0 ITERAÇÃO ). Colocar : = + e : = e >. eja P. Examiar e há grupo P t t em que: ( t { }) ( { }) ( t) ( ) E P + E P < E P + E P (7) e im, eja t um ídice aociado ao grupo que permite a máxima redução a fução objectivo; ete cao, redefiir: { } { } P : = P, P t = Pt e ão, regrear ao pao. CRITÉRIO DE PARAGEM Repetir a iteração até que a fução objectivo ão poa er reduzida, i.e., até que teha ido aumetado veze em que (7) teha dimiuído. úmero de obervaçõe o egmeto y vector de dimeão ( ) X matriz de dimeão ( P) β vector de dimeão ( ) da preferêcia do idivíduo o egmeto P do peo de preferêcia o egmeto Fote: Adaptado a partir de päth (979), pág. 368 De eguida propõe-e a apreetação do modelo geral, a decrição do algoritmo de etimação do eu parâmetro, uma dicuão da limitaçõe deta abordagem, e o papel dete modelo o deevolvimeto do modelo mitura de regreão. Apreeta-e aida uma ítee da pricipai aplicaçõe do modelo mitura fiito o cotexto da egmetação de mercado. A expoição que e egue recorre eecialmete 5
20 päth (979, 98, 98, 985) deevolveu um algoritmo de troca exchage algorithm para obter uma partição de grupo e o correpodete cojuto de parâmetro. O algoritmo deevolvido é apreetado a Tabela.. É itereate otar que ete método, deevolvido o cotexto da literatura etatítica, foi exportado para a problemática da egmetação de mercado e ipirou vário autore a literatura do Marketig. Por exemplo, Dearbo et. al (989) e Wedel e Kitemaker (989) etedem a cluterwie regreio para um ceário de múltipla obervaçõe por idivíduo...3 Modelo Mitura Fiito O deevolvimeto do modelo mitura urge o éculo XIX, com o trabalho de Pearo (984) e de ewcomb (886). o modelo mitura fiito ( fiite mixture model ) aume-e que a obervaçõe amotrai ão extraída de doi ou mai grupo, que foram miturado em proporçõe decohecida. O eu objectivo é demiturar a amotra, i.e., idetificar o egmeto implícito (compoete da mitura), e etimar o parâmetro da fução deidade (uada a decrição da probabilidade de ocorrêcia do valore para uma dada variável) itra-egmeto. Ao cotrário da abordage de egmetação, tradicioai, que forecem heurítica para a cotrução do egmeto com bae em valore amotrai, a ditribuiçõe mitura ão uma abordagem de egmetação baeada um modelo. Dete modo, permitem a etimação e tete de hipótee o quadro da teoria etatítica tradicioal. A abordagem de modelo mitura aplicado à egmetação apreeta uma clae de algoritmo de agrupameto extremamete flexívei deehado para a reolução de muito problema de Marketig. O modelo mitura ão modelo etatítico que evolvem uma forma epecífica da fução ditribuição da obervaçõe em cada população ubjacete (que é epecificada). De acordo com päth (98), o reultado fial depede da partição iicial e da dimeão míima impota para o grupo (eceariamete uperior ao úmero de variávei idepedete). Para evitar o problema com oluçõe óptima locai, päth recomeda o eaio, para grupo, de diferete iiciaçõe. 50
21 abordage preditiva de egmetação. O autore propõem olucioar o problema combiatório de determiação de uma partição P (ão obrepota) da,..., P obervaçõe e a etimação do vectore de parâmetro ( ) modelo (.3): β,..., βp aociado ao y = xβ + ε, ε ( 0, σ I ), =,..., (.3) Tabela.. Primeiro cotributo em modelo mitura de regreão REFERÊCIA APLICAÇÃO MÉTODO DE ETIMAÇÃO Quadt (97) Mercado imobiliário; cotrução de habitaçõe MV, R Homer (974) - - Quadt e Ramey (978) Previão de alário MD Goldfeld e Quadt Mercado imobiliário; cotrução de (973,976) habitaçõe MV, R Colett e Lee (985) Etabilidade de Cartei MV, R Hamilto (989) Crecimeto do PIB MV, R Hamilto (990) - MV, EM Hamilto (99) Taxa de juro QB, EM Egel e Hamilto (990) Taxa de juro MV, EM Legeda: MV máxima veroimilhaça; R algoritmo ewto-rapho; EM algoritmo EM Expectatio Maximizatio; MD - ditâcia míima; QB quai-baye Tal é efectuado miimizado a fução E( C ) ( ) ( ˆ )( ˆ ), em que E ( C ) é dado por: E C = y X β y X β. (.4) 49
22 ão urgiram oluçõe atifatória que acompahaem o deevolvimeto ocorrido ao ível do modelo e proceo de etimação. A terceira exteão propota por Quadt (97) pode er reiterpretada, dete modo, como a problemática da elecção do úmero de compoete em modelo mitura de regreão, e e coiderar a exteão do modelo bae a mai de doi regime (deevolvimeto propoto a alíea a)) Hamilto (989, 990, 99) e Egel e Hamilto (990) etederam o witchig regreio model para modelo de érie temporai; ete modelo decrevem movimeto dicreto em parâmetro autoregreivo, em que a mudaça ão modelizada atravé de hidde dicrete-time erie model. Equato que iicialmete a etimação etava limitada a pequeo itema, dada a complexidade computacioal evolvida a maximização da fução de veroimilhaça (Hamilto, 989), Hamilto (990) propô um algoritmo EM (Dempter, et al. 977), que aliviou ete problema. um terceiro artigo, Hamilto (99) demotrou a vatage da abordagem Quae- Bayeiaa obre a abordagem de maximização da veroimilhaça para a etimação do parâmetro. O modelo foi aplicado a aálie de taxa de câmbio (Egel e Hamilto, 990; Hamiltom, 990). Titterigto et al. (985) apreetam algu exemplo da aplicação da witchig regreio a ecoomia. A Tabela.. apreeta uma ítee do artigo obre witchig regreio model revito... Cluterwie Regreio O modelo mitura de regreão propoto por Dearbo e Cro (988) propõe-e geeralizar a cluterwie regreio iicialmete deevolvida por päth (979, 98, 98, 985), para um cotexto de claificação difua. The primary goal of thi reearch i to exted the cocept of cluterwie regreio to a tochatic cotext alowig for the poibility of fuzzy cluter, a well a mutually excluive partitio (Dearbo e Cro 988: 4). A cluterwie regreio é um do primeiro método de agrupameto ão hierárquico motivado pelo etudo da relação etre uma variável depedete e um cojuto de variávei idepedete, equadrado-e, por io, a 48
23 defiido-e d( z ) de forma equivalete a (.8), a fução deidade codicioal (.5) eria defiida por (.): d( z ) f ( y x x ) y x P,..., P = exp βp p πσ σ p= d( z ) + exp y πσ σ P β x k p p= (.) c) eceidade de defiição de metodologia que permitam a idetificação da exitêcia de um ou doi regime e o tete dea hipótee; claro que uma abordagem imediata, uma formulação com apea doi grupo, e o valor de λ etiver muito próximo de 0 ou de, é provável que uma regreão eja uficiete para o ajutameto do dado. A primeira exteão propota, i.e., a geeralização da witchig regreio a mai de doi regime foi efectuada mai de uma década depoi por Dearbo e Cro (988). I fact, thi expreio geeralize the Quadt (97), Homer (974) e Quadt e Ramey (978) tochatic regreio model to more tha two regime (Dearbo e Cro 988: 55). Em relação ao egudo deevolvimeto propoto, iterpretado-o em termo lato como um apelo ao deevolvimeto de ovo proceo de etimação, podem etão er referido o cotributo de: Goldfeld e Quadt (973, 976) e Colet e Lee (985) que propueram o hidde Markov witchig regreio model, o quai a perteça da obervaçõe um dado regime ão modelada por um proceo de Markov; Quadt e Ramey (978) que propõem uma abordagem de etimação com bae o método do mometo; o trabalho de Dearbo e Cro (988) em que a etimação do parâmetro decohecido é efectuada com recuro ao algoritmo EM - Expectatio-Maximizatio de Dempter et al. (977). o etato, em relação à terceira exteão propota (alíea c)), que refere a eceidade de metodologia para a idetificação do úmero de regime preete o dado, aida 47
24 eja Ω a matriz de variâcia e covariâcia de W (.9): ( ) σ σ Ω = I D + D (.9) A fução de veroimilhaça logaritmizada é aim dada por (.0): log L = cotate - log Ω { y ( I D) Xβ DXβ Ω Y ( I D) Xβ DXβ } (.0) Quadt (97) aplica o modelo e algoritmo propoto um etudo de imulação (dado experimetai) e em dado relativo à procura e oferta o mercado imobiliário. Uma da limitaçõe dete método é ão permitir a idetificação da obervaçõe que pertecem a cada regime (Quadt, 97). Quadt (97) propõe aida exteõe ao modelo bae, etre a quai: a) Geeralização da witchig regreio para mai de doi regime; e e aumir que o úmero de regime é, com probabilidade de erem eleccioado pela atureza λ, λ,..., λ, λ =, e que a deidade codicioal da variável y dado o valor da P variávei explicativa para cada regime é (,..., P) f y x x, etão a fução deidade codicioal correpodedo a (.5) erá dada por (.): (,..., P) λ (,..., P) f y x x = f y x x (.) a partir do qual poderá er derivada uma fução de veroimilhaça equivalete a (.6). b) Combiação do método propoto por Goldfeld e Quadt (973) e do método propoto por Quadt (97). e e aumir que a probabilidade da atureza eleccioar um dado regime depede de uma variável ão obervável z, etão 46
25 Quadt (97) propõe a maximização da fução (.6) em relação a β p, β p, ( p,..., P) =, σ, σ 0 e 0 λ, com bae o gradiete cojugado de Powell (Powell, 964) Powell cojugate gradiet algorithm. Goldfeld e Quadt (973) aumem que exite uma variável ão obervável z (,..., ) =, que pode er uada para claificar a obervaçõe o doi regime: aume-e que y foi gerada pelo regime ou, cooate z z0 ou z > z0 (o ível de corte z 0 é decohecido. De eguida apreeta-e o proceo de etimação do parâmetro de regreão e de z 0. eja D uma matriz diagoal de dimeão ( x ), com elemeto ( ) a diagoal, em que: d z, =,..., ( ) d z 0, e z z0 =, cao cotrário Dete modo, upõe-e que a obervaçõe ão gerada por (.7) y = ( I D) Xβ+ DXβ+ W (.7) em que W é o vector de termo aleatório ão obervávei e heteroecedático = ( ) + W I D ε Dε ; W, β e β e o elemeto de D devem er etimado. Trata-e de um problema de optimização combiatória, computacioalmete admiível ubtituido a fuçõe d( z ) em D pela aproximação cotíua (.8) (Goldfeld e Quadt, 973): ( ) d z z = ξ z0 exp dξ πσ σ (.8) ote-e que eta formulação itroduz doi ovo parâmetro, z 0 (etimativa para o cutoff ) e σ (medida da dicrimiação etre o doi regime). 45
26 idetificada à priori, correpodedo a uma divião da amotra em doi grupo. Cofiguraçõe mai complexa ão deevolvida com bae o preupoto de decohecimeto a partir de qual do doi regime ( ou ), cada uma da obervaçõe é gerada. Quadt (97) aume que há uma probabilidade decohecida λ da atureza ecolher o regime e uma probabilidade ( λ ) de ecolher o regime a geração da obervaçõe. Preupodo que o termo aleatório o doi regime ão i.i.d. e eguem uma ditribuição ormal, a deidade codicioal do valor da obervação, da variável depedete y (y ), codicioal o valore da P variávei idepedete (,..., p) dada pela expreão (.5): x x é P λ f ( y x,..., x ) = exp y β x p p p πσ σ p= λ + exp πσ σ y P β x p p p= (.5) em que β = ( βp ) e = ( βp ) regime e o regime, repectivamete. β ão o vectore do coeficiete de regreão o A fução de veroimilhaça logaritmizada (.6) é obtida pelo cálculo do omatório do logaritmo de (.5) para toda a obervaçõe, log L log f ( y x,..., xp) = : = P λ exp y β pxp πσ σ p= log L = log = P λ + exp y β px p πσ σ p= (.6) 44
27 Dada obervaçõe para a variável depedete y, y =,..., e para a P variávei idepedete, a hipótee ula (H 0 ) pode er formulada atravé do modelo de regreão liear múltipla (.). y=xβ + ε (.) em que: y = ( ) vector de dimeão ( ) y (( x )) p X = matriz de dimeão ( ) variávei idepedete ( p =,..., P) ( β p ) x da obervaçõe da variável depedete xp da obervaçõe (,..., ) = para a P β = - vector de dimeão( Px ) do coeficiete da regreão a erem etimado ε = ( )- vector de dimeão ( ) ε como ( 0, σ I ) x de termo aleatório ão obervado ditribuído A hipótee alterativa (H ) é exprea coiderado que é poível reorgaizar a liha de y e a colua de X, de tal forma em que eta ejam dividida em doi grupo (.), dado origem à formulaçõe (.3) e (.4). y y =, y X X = X (.) y = Xβ + ε (.3) ε e y = Xβ+ ε (.4) ε ditribuem-e, repectivamete, como ( 0, σ I ) e (, σ ) 0 I. Uma formulação mai imple para a hipótee alterativa, que motivou o cohecido tete de Chow (960), coidera que a obervaçõe correpodete a (.3) e (.4) ão 43
28 a) A witchig regreio, aaliada o trabalho de Quadt (97), Homer (974), Quadt e Ramey (978); o modelo de Dearbo e Cro (988) é uma exteão da witchig regreio para mai de doi regime; b) A cluterwie regreio (päth, 979, 98, 98, 985); o modelo mitura de regreão efectuam a exteão do coceito de cluterwie regreio para um cotexto etocático permitido a poibilidade ão ó de partiçõe mutuamete excluiva, como também de grupo com perteça probabilítica; c) O modelo mitura fiito, ou ucoditioal mixture approache (Wolfe, 965, 967, 970; Day, 969, Gaealigam e McLachla, 98; McLachla, 98; colve, 977; ymo, 98; cott e ymo, 97; Marriott, 975; Hartiga, 975; Baford e McLachla, 985)... witchig Regreio Model Wedel e Dearbo (994) coideram que o deevolvimeto do modelo mitura de regreão começou com o trabalho de Quadt (97), ao itroduzir o witchig regreio model ; ete modelo foram etedido poteriormete por Homer (974) e por Quadt e Ramey (978), que propueram ovo deevolvimeto o proceo de etimação. O problema bae edereçado ao witchig regime a aálie de regreão coite, egudo Quadt (97), a etimação de dua equaçõe de regreão para a mema amotra, cao e coclua que a obervaçõe foram gerada por doi cojuto de parâmetro, em e cohecer à partida em a cotituição, em a dimeão, de cada um do doi grupo. Ete problema pode er formulado da eguite forma: a) Tete da hipótee ula (H 0 ) de iexitêcia de alteraçõe de regime (i.e. uma equação de regreão é uficiete), cotra a hipótee alterativa (H ) de que a obervaçõe ão gerada por dua (ou poivelmete mai) regreõe ditita; b) Etimação do parâmetro que caracterizam doi (ou mai) regime, o cao da rejeição de (H 0 ). 4
29 CAPÍTULO. MODELO MITURA DE REGREÃO PARA VARIÁVEI ORMAI Exemplo de aplicaçõe de modelo mitura de regreão para variávei ormai a egmetação de mercado (Tabela.9.) têm acumulado a literatura do marketig (Adrew et al., 00; Dearbo e Cro, 988; Dearbo et al., 99; Hele et al., 993; Ramawamy, et al., 993; Vrie et al., 996; Wedel e Dearbo, 994,995; Dearbo et al., 00; Adrew e Currim, 003b; Jedidi et al., 996; Bowma et al., 004). Ao logo do Capítulo pretede-e: Idetificar o pricipai cotributo para que ipiraram o deevolvimeto do modelo mitura de regreão para variávei ormai; Apreetar o modelo mitura de regreão deevolvido para variávei depedete ormai (Dearbo e Cro, 988; Wedel e Dearbo, 995) e a etratégia utilizada a etimação do eu parâmetro; itetizar a exteõe ao modelo bae para um cotexto multivaridado propota por Ramawamy et al. (993) e por Dearbo et al. (99).. Cotributo para o Deevolvimeto do Modelo Mitura de Regreão O preete trabalho cetra-e a problemática da elecção do úmero de egmeto de mercado quado ão uado modelo mitura de regreão com variável depedete ormal. ete cotexto, de eguida ão itetizado o pricipai cotributo para o deevolvimeto dete modelo e apreetam-e a pricipai formalizaçõe divulgada a literatura do marketig. Um trabalho cetral o cotexto do modelo mitura de regreão é o artigo de Dearbo e Cro (988), que deevolveu um modelo mitura de regreão para uma variável depedete ormal. Apó uma revião da literatura da aálie claificatória e da aálie de regreão, idetificam-e trê grade cotributo para o deevolvimeto do modelo propoto por Dearbo e Cro (988), que, em termo lato, coicidem com o pricipai factore que ipiraram o deevolvimeto do modelo mitura de regreão. Refiram-e: 4
%, - &("$ () #&&'&( ./0/"1./223
%, - +./0/"./3!" "" "#$% #$%" "" #&&'&( &("$ () '*!"$ + EGMETAÇÃO DE MERCADO E MODELO MITURA DE REGREÃO PARA VARIÁVEI ORMAI Aa Oliveira-Brochado*; Fracico Vitorio Marti** *Cetre for Urba ad Regioal ytem,
Leia maisTabela A4.2. MIR obtido com simulação 1. Para 2 S 4, estimar os parâmetros associados a uma mistura de s componentes e avaliar rs = ms+
Tabela A4.2. MIR obtido com imulação. Para 2 S 4, etimar o parâmetro aociado a uma mitura de compoete e avaliar r = m+ m r ecotra-e defiido o Apêdice 2); 2. para S=2, gerar 99 amotra paramétrica boottrap
Leia mais02/02/2017. Intervalo de Confiança. Bioestatística. Universidade Estadual do Oeste do Paraná - Unioeste. Curso de Nutrição
Uiveridade Etadual do Oete do Paraá - Uioete Curo de Nutrição Bioetatítica Profeora Aqui começamo o etudo da etatítica iferecial, que é o egudo maior ramo da etatítica. M.Roebel Tridade Cuha Prate Coite
Leia maisINTERVALO DE CONFIANÇA
INTERVALO DE CONFIANÇA Supoha que etejamo itereado um parâmetro populacioal verdadeiro (ma decohecido) θ. Podemo etimar o parâmetro θ uado iformação de oa amotra. Chamamo o úico úmero que repreeta o valor
Leia maisAmostragem Casual Estratificada
CAPÍTUO VI Amotragem Caual Etratificada Profeor Gilo Ferade da Silva Departameto de Egearia Floretal Cetro de Ciêcia Agrária CCA/UFES Itrodução A iteidade de amotragem eceária para etimar o parâmetro de
Leia maisn Obtido através desvio padrão da população (σ)
3/5/ Etatítica Geral Tete t de STUDENT Cap. 7, 8 e 9 Callegari-Jacque, S. M. Bioetatítica: Pricípio e Aplicaçõe, 3. Apotila: Regazzi, A. J., Curo de iiciação à etatítica. Curo: Saúde/CUA/UFMT Profº: Glauco
Leia maisDenomina F a variável aleatória definida pelo quociente: F = n
9/0/0 Etatítica Eperimetal Tete F Tete t de STUDENT Cap. 7, 8 e 9 Callegari-Jacque, S. M. Bioetatítica: Pricípio e Aplicaçõe, 003. Apotila: Regazzi, A. J., Curo de iiciação à etatítica. Profº: Glauco Vieira
Leia maisPosicionamento RTK. Posicionamento Baseado em Redes de Estações de Referência GNSS. Prof. Dra. Daniele Barroca Marra Alves
Poicioameto RTK Poicioameto Baeado em Rede de Etaçõe de Referêcia GNSS Prof. Dra. Daiele Barroca Marra Alve RTK O RTK teve um grade deevolvimeto o último ao Pode alcaçar acurácia cetimétrica em tempo real
Leia maisUNIDADE II TESTE DE HIPÓTESE
0/0/06. INTRODUÇÃO A iferêcia etatítica preocupa-e em determiar e UNIDADE II TESTE DE IPÓTESE CUIABÁ, MT 05/ PROF.: RÔMULO MÔRA romulomora.webode.com exite alguma igificâcia etatítica acoplada ao reultado
Leia maisInferência Estatística
Iferêcia Etatítica Tete de Hipótee: tete de difereça etre média, coceito, grupo pareado, grupo idepedete com variâcia cohecida e decohecida Itrodução Coidere o problema de comparar materiai (A e B), para
Leia mais06/02/2017. Teste de Hipóteses. Principais Conceitos. Teste de Hipóteses. Tipos de Erros. Tipos de Testes. Bioestatística
6/2/217 Uiveridade Etadual do Oete do Paraá - Uioete Tete de Hipótee Curo de Medicia/Nutrição Bioetatítica Profeora Tete de Hipótee (TH) é uma ferrameta etatítica que também é utilizado para fazer iferêcia
Leia maisEstatística: Aplicação ao Sensoriamento Remoto SER ANO Intervalo de Confiança
Etatítica: Aplicação ao Seoriameto Remoto SER 4 - ANO 19 Itervalo de Cofiaça Camilo Dalele Reó camilo.reo@ipe.br http://www.dpi.ipe.br/~camilo/etatitica/ Itervalo de Cofiaça Um parâmetro pode er etimado
Leia maisAmostragem Casual Simples. Professor Gilson Fernandes da Silva Departamento de Engenharia Florestal Centro de Ciências Agrárias CCA/UFES
Amotragem Caual Simple Profeor Gilo Ferade da Silva Departameto de Egeharia Floretal Cetro de Ciêcia Agrária CCA/UFES 1 Itrodução Coforme apreetado o capítulo aterior, o método de ivetário podem er probabilítico
Leia maisEm estatística, uma hipótese é uma alegação, ou afirmação, sobre uma propriedade de uma população.
7 TESTE DE HIPÓTESE 7. Itrodução Ao pergutarmo para a peoa a rua qual é a temperatura média do corpo humao, teremo 37 C como a maioria da repota. Um grupo de pequiadore realizou um experimeto para verificar
Leia maisMineração de Dados. Modelos Preditivos. Técnicas de Classificação Árvores de Decisão. Prof. Paulo Martins Engel. Tarefas preditivas:
UFRGS 2 Modelo Preditivo Mieração de Dado Técica de Claificação Árvore de Decião Prof. Paulo Marti Egel A tarefa de geração de um modelo preditivo coite em apreder um mapeameto de etrada para a aída, viado
Leia maisAEP FISCAL ESTATÍSTICA
AEP FISCAL ESTATÍSTICA Módulo 12: - Itervalo de Cofiaça - Tete de Hipótee (webercampo@gmail.com) INTERVALO DE CONFIANÇA 1. INTERVALO DE CONFIANÇA PARA A MÉDIA O proceo de cotrução do itervalo de cofiaça
Leia maisAprendizagem de Máquina
predizagem de Máquia Modelos de Mistura lgoritmo EM Estimação semi-paramétrica de desidade abordagem paramétrica para estimação de desidade supõe que a amostra X é extraída de uma distribuição que segue
Leia maisMOQ-13 PROBABILIDADE E ESTATÍSTICA. Professor: Rodrigo A. Scarpel
MOQ-3 PROBABILIDADE E ESTATÍSTICA Profeor: Rodrigo A. Scarel rodrigo@ita.br www.mec.ita.br/~rodrigo Programa do curo: Semaa 3 4 5 6 7 8 9 0 3 4 5 e 6 Itrodução à robabilidade (eveto, eaço amotral, aioma,
Leia maisPCM uniforme na presença de ruído
PCM uiforme a preeça de ruído Fote: Ruído o caal provoca erro a palavra biária o decodificador, ruído de decodificação. A potêcia dete ruído pode er adicioada ao ruído de uatificação (fote idepedete, logo
Leia maisIntervalos de confiança
0 Itervalo de cofiaça 6.. A etiação por itervalo Noralete o proceo de ivetigação de u parâetro eceitao ir alé da ua etiativa potual ˆ. O fato de ão e cohecer o valor de pode cauar ua ieguraça e levar a
Leia maisEstatística Multivariada Aplicada
Faculdade de Ecoomia da Uiveridade de Coimbra Etatítica Multivariada Aplicada Pedro Lope Ferreira 000 ii Sumário Itrodução à etatítica multivariada -----------------------------------------------. A orgaização
Leia maisESTIMAÇÃO DA CONFIABILIDADE PARA UM MODELO DE DESEMPENHO ESTRUTURAL COM DISTRIBUIÇÃO NORMAL UMA SIMULAÇÃO
ETIMAÇÃO DA CONFIABILIDADE PARA UM MODELO DE DEEMPENHO ETRUTURAL COM DITRIBUIÇÃO NORMAL UMA IMULAÇÃO Amazoeida á Peixoto Piheiro Doutorada em Eg. Produção Ecola Politécica-UP eida@up.br Av. Prof o Almeida
Leia maisAnálise de dados industriais
Aálie de dado idutriai Ecola Politécica Departameto de Egeharia Química Roberto Guardai 014 Parte 1. Coceito Báico de Etatítica Itrodução Lita de ímbolo Bibliografia Etatítica decritiva Erro de medida,
Leia mais2 Técnicas de CEP para Processos Multicanal
19 Técica de CEP para Proceo Multicaal Ete capítulo apreeta a técica exitete a literatura para o cotrole de proceo multi-caal. Ao memo tempo, o coceito fudametai ubjacete ão apreetado, a forma do divero
Leia maisDEPARTAMENTO DE ENGENHARIA NAVAL E OCEÂNICA ESCOLA POLITÉCNICA DA UNIVERSIDADE DE SÃO PAULO PNV3324 FUNDAMENTOS DE CONTROLE EM ENGENHARIA
DEPARTAENTO DE ENGENHARIA NAVAL E OCEÂNICA ESCOLA POLITÉCNICA DA UNIVERSIDADE DE SÃO PAULO PNV334 FUNDAENTOS DE CONTROLE E ENGENHARIA NOTAS DE AULA* Prof. Helio itio orihita * Ete texto é um mero roteiro
Leia maisTécnicas de codificação diferencial
Técica de codificação diferecial Em certo iai, e.g. o ial de voz e o ial de vídeo, o valor do ial varia pouco de amotra para amotra: ito permite prever com alguma cofiaça o valor de uma amotra a partir
Leia maisPROCEDIMENTOS PARA A ESTIMAÇÃO DE PARÂMETROS EM GRÁFICOS DE CONTOLE
POCEDIMENTOS PAA A ESTIMAÇÃO DE PAÂMETOS EM GÁFICOS DE CONTOLE Aa Paula S. Figueiredo Arioto Bretaha Jorge Ecola Federal de Egeharia de Itajubá - Av. BPS, 1303 37500-000 Itajubá MG e-mail: aapaula@iem.efei.br
Leia maisMOQ-14 PROJETO e ANÁLISE de EXPERIMENTOS. Professor: Rodrigo A. Scarpel
MOQ-4 PROJETO e NÁLISE de EXPERIMENTOS Profeor: Rodrigo. Scarpel rodrigo@ita.br www.mec.ita.br/~rodrigo Programa do curo: Semaa Coteúdo preetação da diciplia. Pricípio de modelo lieare de regreão. Correlação
Leia maisDESIGUALDADES, LEIS LIMITE E TEOREMA DO LIMITE CENTRAL. todas as repetições). Então, para todo o número positivo ξ, teremos:
48 DESIGUALDADES, LEIS LIMITE E TEOREMA DO LIMITE CENTRAL LEI DOS GRANDES NÚMEROS Pretede-se estudar o seguite problema: À medida que o úmero de repetições de uma experiêcia cresce, a frequêcia relativa
Leia maisHIDROLOGIA E RECURSOS HÍDRICOS. Análise estatística aplicada à hidrologia (cont.)
HIDROLOGIA E RECURSOS HÍDRICOS Aálie etatítica aplicada à hidrologia (cot.) Caudal de pota de cheia que ão é excedido em 9% da ocorrêcia? Máxima precipitação em D h com dada probabilidade de excedêcia?
Leia maisMétodo do Lugar das Raízes
étodo do Lugar da Raíze Coceito de Lugar da Raíze; O Procedimeto do Lugar da Raíze; Proeto de Parâmetro pelo étodo do Lugar da Raíze; Seibilidade e Lugar da Raíze; Cotrolador de Trê Termo (PID); Exemplo
Leia mais13 Inferência Estatística Teoria da Estimação
3 Iferêcia Etatítica Teoria da Etimação 3. Itrodução A partir dete capítulo abordaremo ituaçõe em que o iteree etá em obter iformaçõe da população a partir do reultado de uma amotra. Como exemplo, coideremo
Leia maisDeterminação do factor correctivo da potência de ruído em sistemas de transmissão por cabo coaxial com igualação
Determiação do actor correctivo da potêcia de ruído em itema de tramião por cabo coaxial com igualação A ução de traerêcia do igualador é dada por I ( V e y( ( H ( em que y ( é a traormada de Fourier da
Leia maisEstatística Multivariada. Pré-Requisitos. Otimização (Maximização) Exemplos: Combinação Linear. Muitos dos procedimentos
Prof. Lorí Viali, Dr. viali@pucr.br; viali@mat.ufrg.br; http://www.pucr.br/famat/viali; http://www.mat.ufrg.br/~viali/ A teoria do método etatítico multivariado pode er eplicada razoavelmete bem omete
Leia maisExemplos de I.C. (1 ) 100% para a mådia (e para diferença entre mådias)
Exemplo de I.C. ( )% para a mådia (e para difereça etre mådia) Exemplo : Tete de compreão foram aplicado em dua marca de cimeto para avaliar a reitêcia em cocreto. Foram produzido 5 corpo de prova de cada
Leia maisTeste de hipótese. a) Uma população b) Duas populações c) Três ou mais populações
Tete de hipótee a Ua população b ua populaçõe c Trê ou ai populaçõe 6 Tete para coparação de dua édia de populaçõe orai Tete bilateral H 0 : = H : H 0 : = 0 H : 0 t Tete uilateral à direita H 0 : = H :
Leia maisNoções de Inferência Estatística
Noçõe de Iferêcia Etatítica Itrodução: O objetivo pricipal da iferêcia etatítica é fazer afirmaçõe obre caracterítica de uma população, baeado-e em reultado de uma amotra. Para io veremo como e relacioam
Leia maisCap. 7 - Parte I Root Locus
CONTROLO º emetre 0/03 Traparêcia de apoio à aula teórica Cap. 7 - Parte I Root Locu Maria Iabel Ribeiro Atóio Pacoal Todo o direito reervado Eta ota ão podem er uada para fi ditito daquele para que foram
Leia maisCap. 7 - Parte I Root Locus
CONTROLO º emetre 007/008 Traparêcia de apoio à aula teórica Cap. 7 - Parte I Root Locu Maria Iabel Ribeiro Atóio Pacoal Maio de 008 Todo o direito reervado Eta ota ão podem er uada para fi ditito daquele
Leia maisCircuitos Elétricos II Experimento 2
Experimeto : Frequêcia Complexa Própria. Objetivo: Determiação da frequêcia complexa própria de um circuito RLC utilizado o traitório repetitivo.. Itrodução Seja y( a repota de um circuito liear, de parâmetro
Leia maisIntervalo de Confiança para a Diferença entre Duas Médias Amostrais
Intervalo de Confiança para a Diferença entre Dua Média Amotrai Quando e quer etimar a diferença, µ µ, entre a média de dua populaçõe e, procede-e da eguinte maneira: toma-e uma amotra de cada população,
Leia maisAmostras Aleatórias e Distribuições Amostrais. Probabilidade e Estatística: afinal, qual é a diferença?
Amostras Aleatórias e Distribuições Amostrais Probabilidade e Estatística: afial, qual é a difereça? Até agora o que fizemos foi desevolver modelos probabilísticos que se adequavam a situações reais. Por
Leia maisEstratégia de Amostragem Sistemática para Reduzir o Efeito da Autocorrelação no Desempenho do Gráfico de Controle T2 de Hotelling
Etratégia de Amotragem Sitemática para Reduzir o Efeito da Autocorrelação o Deempeho do Gráfico de Cotrole T de Hotellig Roberto Campo Leoi rcleoi@yahoo.com.br AEDB Marcela Aparecida Guerreiro Machado
Leia maisMaterial Teórico - Módulo de Função Exponencial. Funções Exponenciais e Suas Propriedades. Primeiro Ano - Médio
Material Teórico - Módulo de Fução Expoecial Fuçõe Expoeciai e Sua Propriedade Primeiro Ao - Médio Autor: Prof. Agelo Papa Neto Revior: Prof. Atoio Camiha M. Neto 0 de outubro de 208 Neta aula, começaremo
Leia maisInvestigação Operacional. Problema
Ivetigação Operacioal Fila de Epera Liceciatura em Egeharia Civil Liceciatura em Egeharia do Território Liceciatura em Egeharia e Aruitectura Naval roblema No erviço de urgêcia do hopital da cidade o paciete
Leia mais1 Inferência Estatística - Teoria da Estimação
1 Inferência Etatítica - Teoria da Etimação 1.1 Introdução Nete capítulo abordaremo ituaçõe em que o interee etá em obter informaçõe da população com bae em amotra. Como exemplo, conidere a eguinte ituaçõe.
Leia maisFACULDADE DE ECONOMIA DO PORTO. Licenciatura em Economia E C O N O M E T R I A I I PARTE
FACULDADE DE ECONOMIA DO PORTO Liceciatura em Ecoomia E C O N O M E T R I A I (LEC0) Exame Fial 0 de Jaeiro de 00 RESOLUÇÃO: I PARTE I GRUPO a) Dispoível uma amostra de observações de Y para períodos cosecutivos,
Leia maisLista de Exercícios #6 Assunto: Propriedade dos Estimadores e Métodos de Estimação
Assuto: Propriedade dos Estimadores e Métodos de Estimação. ANPEC 08 - Questão 6 Por regulametação, a cocetração de um produto químico ão pode ultrapassar 0 ppm. Uma fábrica utiliza esse produto e sabe
Leia maisIntervalo de Confiança para a Variância de uma População Distribuída Normalmente. Pode-se mostrar matematicamente que a variância amostral,
Etatítica II Antonio Roque Aula 8 Intervalo de Confiança para a Variância de uma População Ditribuída Normalmente Pode-e motrar matematicamente que a variância amotral, ( x x) n é um etimador não envieado
Leia maisSistemas de Controle I
4. Repoa o Domíio do Tempo Pólo, Zero e Repoa do Siema: Defiiçõe Siema de Corole I Repoa do iema: oma da repoa forçada repoa aural. Repoa forçada é ambém chamada de repoa eacioária ou olução paricular;.
Leia maisbinomial seria quase simétrica. Nestas condições será também melhor a aproximação pela distribuição normal.
biomial seria quase simétrica. Nestas codições será também melhor a aproximação pela distribuição ormal. Na prática, quado e p > 7, a distribuição ormal com parâmetros: µ p 99 σ p ( p) costitui uma boa
Leia maisCAPÍTULO 7 - Intervalos de confiança
INF 16 CAPÍTULO 7 - Itervalo de cofiaça É uma maeira de calcularmo uma etimativa de um parâmetro decohecido. Muita veze também fucioa como um tete de hipótee. A idéia é cotruir um itervalo de cofiaça para
Leia maisSuponha ser possível determinar um modelo de regressão. Considere um experimento fatorial com fatores testados a l
Modelagem da Variância em Experimento Não-Replicado Flávio Fogliatto, Ph.D. 1 Prof. Fogliatto 1 Panorâmica (Continuação) Deeja-e verificar e o reíduo, dentro de um determinado nível de um fator de controle,
Leia maisMQI 2003 ESTATÍSTICA PARA METROLOGIA - SEMESTRE Teste 2 07/07/2008 Nome: PROBLEMA 1 Sejam X e Y v.a. contínuas com densidade conjunta:
MQI 003 ESTATÍSTICA PARA METROLOGIA - SEMESTRE 008.0 Teste 07/07/008 Nome: PROBLEMA Sejam X e Y v.a. cotíuas com desidade cojuta: f xy cy xy x y (, ) = + 3 ode 0 e 0 a) Ecotre a costate c que faz desta
Leia maisA) Independência estatística B) Var. aleatórias C) Distribuição normal D) Dist. conjuntas e correlação E) Inferência estatística
A) Ideedêcia etatítica B) Var. aleatória C) Ditribuição ormal D) Dit. cojuta e correlação E) Iferêcia etatítica 18-02-2010 Joé Filie Rafael 1 E.1) Ditribuiçõe amotrai E.2) Itervalo de cofiaça e tete de
Leia maisIV.4 Análise de Dados da Avaliação
Melhor e Pior? IV - Avaliação IV.4 Análie de Dado da Avaliação Interactive Sytem Deign, Cap. 0, William Newman Melhor e Pior? Reumo Aula Anterior Avaliação com utilizadore Local (Laboratório, Ambiente
Leia maisDespertando o(a) Discente Ativo(a)
Etatítica II 4.0.07 UNIVERSIDADE FEDERAL DE RONDÔNIA CAMPUS DE JI-PARANÁ DEPARTAMENTO DE ENGENHARIA AMBIENTAL Etatítica II Profa. Renata Gonçalve Aguiar Fonte: naomearrependonemmeorgulho.blogpot. Sábio
Leia maisDISTRIBUIÇÃO AMOSTRAL E ESTIMAÇÃO PONTUAL INTRODUÇÃO ROTEIRO POPULAÇÃO E AMOSTRA. Estatística Aplicada à Engenharia
ROTEIRO DISTRIBUIÇÃO AMOSTRAL E ESTIMAÇÃO PONTUAL 1. Itrodução. Teorema Cetral do Limite 3. Coceitos de estimação potual 4. Métodos de estimação potual 5. Referêcias Estatística Aplicada à Egeharia 1 Estatística
Leia maisTeoria dos Erros. Figura 1 - Medida de um objeto com uma régua graduada em centímetros
3 Teoria do Erro. Itrodução A gradeza fíica ão determiada experimetalmete por medida ou combiaçõe de medida. Ea medida tem uma icerteza itríeca que advém da caracterítica do equipameto utilizado a ua determiação
Leia mais5. O algoritmo dos mínimos quadrados
Apotametos de Processameto Adaptativo de Siais 5. O algoritmo dos míimos quadrados Método dos míimos quadrados Os algoritmos de míimos quadrados são uma alterativa aos algoritmos de gradiete. Estrutura
Leia maisINFORMAÇÃO SOBRE O FUNCIONAMENTO DO MINITITULADOR HI PARA A DETERMINAÇÃO DO DIÓXIDO DE ENXOFRE NO VINHO. COMPARAÇÃO COM O MÉTODO OFICIAL
INFORMAÇÃO SOBRE O FUNCIONAMENTO DO MINITITULADOR HI 84100 PARA A DETERMINAÇÃO DO Repoabilidade: HANNA itrumet Autor: Joé Erique Catell Etela Douturado em Ciêcia Química Colegiado º100 Repoável pela Secção
Leia maisNotas do Curso Inferência em Processos Estocásticos. 1 Estimação de máxima verossimilhança para cadeias de Markov de ordem k
Notas do Curso Iferêcia em Processos Estocásticos Prof. Atoio Galves Trascrita por Karia Yuriko Yagiuma 1 Estimação de máxima verossimilhaça para cadeias de Markov de ordem k Seja (X ) =0,1,,... uma cadeia
Leia maisCap. 4 - Estimação por Intervalo
Cap. 4 - Estimação por Itervalo Amostragem e iferêcia estatística População: cosiste a totalidade das observações em que estamos iteressados. Nº de observações a população é deomiado tamaho=n. Amostra:
Leia maisACÇÕES SÍSMICAS SOBRE ESTRUTURAS DE SUPORTE
ACÇÕES SÍSMICAS SOBRE ESTRUTURAS DE SUPORTE 1 Itrodução A repota diâmica do muro de uporte é batate complexa. Deformaçõe e teõe reultate a etrutura de uporte irão depeder, etre outro factore, da repota
Leia maisTeste para Médias: duas amostras independentes
Etatítica II.09.07 UNIVERSIDADE FEDERAL DE RONDÔNIA CAMPUS DE JI-PARANÁ DEPARTAMENTO DE ENGENHARIA AMBIENTAL Etatítica I - UNIR Etatítica II Tete para Média: dua amotra independente Profa. Renata Gonçalve
Leia mais1. Revisão Matemática
Se x é um elemeto do cojuto Notação S: x S Especificação de um cojuto : S = xx satisfaz propriedadep Uião de dois cojutos S e T : S T Itersecção de dois cojutos S e T : S T existe ; para todo f : A B sigifica
Leia maisESTATÍSTICA BÁSICA- SUMÁRIO ( 1 a PARTE)
ESTATÍSTICA BÁSICA- SUMÁRIO ( a PARTE) POPULAÇÕES E AMOSTRAS IMPORTÂNCIA DA FORMA DA POPULAÇÃO DISTRIBUIÇÃO NORMAL DE GAUSS PARÂMETROS E ESTIMATIVAS TEOREMA DO LIMITE CENTRAL DISTRIBUIÇÃO Z E DISTRIBUIÇÃO
Leia maisFelipe Carvalho Álvares da Silva. Simulação e Análise Numérica de Equações Diferenciais Estocásticas Unidimensionais: Uma Abordagem Introdutória
Felipe Carvalho Álvare da Silva Simulação e Aálie Numérica de Equaçõe Difereciai Etocática Uidimeioai: Uma Abordagem Itrodutória Belo Horizote - MG, Brail 14/03/2013 Felipe Carvalho Álvare da Silva Simulação
Leia maisProbabilidade II Aula 12
Coteúdo Probabilidade II Aula Juho de 009 Desigualdade de Marov Desigualdade de Jese Lei Fraca dos Grades Números Môica Barros, D.Sc. Itrodução A variâcia de uma variável aleatória mede a dispersão em
Leia maisCONCEITOS BÁSICOS E PRINCÍPIOS DE ESTATÍSTICA
1 CONCEITOS BÁSICOS E PRINCÍPIOS DE ESTATÍSTICA 1. Coceitos Básicos de Probabilidade Variável aleatória: é um úmero (ou vetor) determiado por uma resposta, isto é, uma fução defiida em potos do espaço
Leia mais2- Resolução de Sistemas Não-lineares.
MÉODOS NUMÉRICOS PARA EQUAÇÕES DIFERENCIAIS PARCIAIS 2- Resolução de Sistemas Não-lieares. 2.- Método de Newto. 2.2- Método da Iteração. 2.3- Método do Gradiete. 2- Sistemas Não Lieares de Equações Cosidere
Leia maisSecção 1. Introdução às equações diferenciais
Secção. Itrodução às equações difereciais (Farlow: Sec..,.) Cosideremos um exemplo simples de um feómeo que pode ser descrito por uma equação diferecial. A velocidade de um corpo é defiida como o espaço
Leia maisDistribuições Amostrais
9/3/06 Uiversidade Federal do Pará Istituto de Tecologia Estatística Aplicada I Prof. Dr. Jorge Teófilo de Barros Lopes Campus de Belém Curso de Egeharia Mecâica 3/09/06 3:38 ESTATÍSTICA APLICADA I - Teoria
Leia maisb) Fabrico de peças cilíndricas Capítulo 5 - Distribuições conjuntas de probabilidades e complementos X - comprimento da peça Y - diâmetro da peça
Capítulo 5 - Distribuições cojutas de probabilidades e complemetos 5.1 Duas variáveis aleatórias discretas. Distribuições cojutas, margiais e codicioais. Idepedêcia Em relação a uma mesma eperiêcia podem
Leia maisANÁLISE DE COMPLEXIDADE DE ALGORITMOS
1 FEUP/LEEC Algoritmos e Estruturas de Dados 2001/2002 ANÁLISE DE COMPLEXIDADE DE ALGORITMOS João Pascoal Faria http://www.fe.up.pt/~jpf 2 Itrodução Algoritmo: cojuto claramete especificado de istruções
Leia maisAMOSTRAGEM ALEATÓRIA DISTRIBUIÇÕES POR AMOSTRAGEM
6 AMOSTRAGEM ALEATÓRIA DISTRIBUIÇÕES POR AMOSTRAGEM Quado se pretede estudar uma determiada população, aalisam-se certas características ou variáveis dessa população. Essas variáveis poderão ser discretas
Leia maisDistribuições Amostrais
7/3/07 Uiversidade Federal do Pará Istituto de Tecologia Estatística Aplicada I Prof. Dr. Jorge Teófilo de Barros Lopes Campus de Belém Curso de Egeharia Mecâica 3/07/07 09:3 ESTATÍSTICA APLICADA I - Teoria
Leia maisSétima aula de mecânica dos fluidos para engenharia química (ME5330) 30/03/2010
Sétia aula de ecâica do fluido para egeharia quíica (ME50) 0/0/010 Boba Objetivo: traforar eergia hidráulica e eergia ciética e potecial, ou eja, traforar ua eergia ecâica e ovieto e preão o fluido. Eergia
Leia maisDETERMINANDO A SIGNIFICÂNCIA ESTATÍSTICA PARA AS DIFERENÇAS ENTRE MÉDIAS
DTRMINANDO A SIGNIFIÂNIA STATÍSTIA PARA AS DIFRNÇAS NTR MÉDIAS Ferado Lag da Silveira Istituto de Física - UFRGS lag@if.ufrgs.br O objetivo desse texto é apresetar através de exemplos uméricos como se
Leia maisProbabilidades e Estatística / Introd. às Probabilidades e Estatística TODOS OS CURSOS
Probabilidades e Estatística / Itrod. às Probabilidades e Estatística TODOS OS CURSOS Exame Época Especial 7/8 3/7/7 9: Duração: 3 horas Justifique coveietemete todas as respostas Grupo I 5 valores. Uma
Leia maisEstabilidade de Sistemas Lineares com Realimentação
Uiveridade Etadual do Oete do Paraá Programa de Pó-graduação em Egeharia de Sitema Diâmico e Eergético Tema da Aula: Etabilidade de Sitema Lieare com Realimetação Prof. Dr. Carlo Herique Faria do Sato
Leia maisAULA Subespaço, Base e Dimensão Subespaço.
Note bem: a leitura destes apotametos ão dispesa de modo algum a leitura ateta da bibliografia pricipal da cadeira TÓPICOS Subespaço. ALA Chama-se a ateção para a importâcia do trabalho pessoal a realizar
Leia maisPropriedades: Notação: X ~ U(α, β). PRINCIPAIS MODELOS CONTÍNUOS
0 CONTÍNUOS PRINCIPAIS MODELOS Notação: ~ U(α β). Propriedades: Eemplo A dureza de uma peça de aço pode ser pesada como sedo uma variável aleatória uiforme o itervalo (5070) uidades. Qual a probabilidade
Leia maisCapítulo VII: Soluções Numéricas de Equações Diferenciais Ordinárias
Capítulo VII: Soluções Numéricas de Equações Difereciais Ordiárias 0. Itrodução Muitos feómeos as áreas das ciêcias egearias ecoomia etc. são modelados por equações difereciais. Supoa-se que se quer determiar
Leia maisA DESIGUALDADE DE CHEBYCHEV
A DESIGUALDADE DE CHEBYCHEV Quado se pretede calcular a probabilidade de poder ocorrer determiado acotecimeto e se cohece a distribuição probabilística que está em causa o problema, ão se colocam dificuldades
Leia maisCONHECIMENTOS ESPECÍFICOS
CESPE/UB FUB/0 fa 5 4 CONHECIMENTOS ESPECÍFICOS 60 As distribuições B e C possuem os mesmos valores para os quartis Q e Q, e o quartil superior em B correspode ao quartil cetral (Q ) da distribuição A.
Leia maisEstatística: Aplicação ao Sensoriamento Remoto SER ANO Teste de Hipótese
Estatística: Aplicação ao Sesoriameto Remoto SER 4 - ANO 18 Teste de Hipótese Camilo Daleles Reó camilo@dpi.ipe.br http://www.dpi.ipe.br/~camilo/estatistica/ Estimação de Parâmetros Como já foi visto,
Leia maisOrdem dos Engenheiros Colégio de Engenharia Geográfica. Alguns factos pouco conhecidos sobre a estimação do desvio padrão
Ordem dos Egeheiros Colégio de Egeharia Geográfica Algus factos pouco cohecidos sobre a estimação do desvio padrão João M. M. Casaca Membro Coselheiro Resumo Ceários A distribuição do desvio padrão Gráficos
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: Semaas 1 2 3 4 5 6 7 8 9 1 11 12 13 14 15 e 16 Itrodução à probabilidade evetos
Leia mais1. Definição e conceitos básicos de equações diferenciais
Capítulo 7: Soluções Numéricas de Equações Difereciais Ordiárias. Itrodução Muitos feómeos as áreas das ciêcias, egearias, ecoomia, etc., são modelados por equações difereciais. Supoa-se que se quer determiar
Leia maisENGENHARIA DA QUALIDADE A ENG AULA 6 CARTAS DE CONTROLE PARA ATRIBUTOS
ENGENHARIA DA QUALIDADE A ENG 09008 AULA 6 CARTAS DE CONTROLE PARA ATRIBUTOS PROFESSORES: CARLA SCHWENGBER TEN CATEN Tópicos desta aula Cartas de Cotrole para Variáveis Tipo 1: Tipo 2: Tipo 3: X X X ~
Leia maisSumário. 2 Índice Remissivo 17
i Sumário 1 Itrodução à Iferêcia Estatística 1 1.1 Defiições Básicas................................... 1 1.2 Amostragem....................................... 2 1.2.1 Tipos de Amostragem.............................
Leia mais2.2. Séries de potências
Capítulo 2 Séries de Potêcias 2.. Itrodução Série de potêcias é uma série ifiita de termos variáveis. Assim, a teoria desevolvida para séries ifiitas de termos costates pode ser estedida para a aálise
Leia maisRevisão de Alguns Conceitos Básicos da Física Experimental
Revião de Algun Conceito Báico da Fíica Experimental Marcelo Gameiro Munhoz munhoz@if.up.br Lab. Pelletron, ala 245, r. 6940 O que é uma medida? Medir ignifica quantificar uma grandeza com relação a algum
Leia maisMODELOS DE REGRESSÃO NÃO LINEARES
M. Mede de Olvera Excerto da ota peoa obre: MODELOS DE REGRESSÃO NÃO LINEARES Obervação No modelo de regreão dto leare, a varável depedete é exprea como fução lear do coefcete de regreão. É rrelevate,
Leia maisMétodos iterativos. Métodos Iterativos para Sistemas Lineares
Métodos iterativos Métodos Iterativos para Sistemas Lieares Muitos sistemas lieares Ax = b são demasiado grades para serem resolvidos por métodos directos (por exemplo, se A é da ordem de 10000) á que
Leia maisValquíria Claudete Machado Borba - UFAL. 0 Introdução
949 O PAPEL DA INTERAÇÃO ENTRE A INSTRUÇÃO IMPLÍCITA E EPLÍCITA E DO CONHECIMENTO DO GÊNERO TETUAL CONTO DE ASSOMBRAÇÃO NO DESENVOLVIMENTO DA PRODUÇÃO TETUAL DE CONTOS DE ASSOMBRAÇÃO Valquíria Claudete
Leia maisProblemas Matemáticos para o Século XXI
Problema Matemático para o Século XXI Lita com problema matemático em aberto alguma veze aparecem, pricipalmete para marcar alguma data epecial. Foi ete o cao da lita de problema propota por Hilbert []
Leia maisUnidade curricular - Meteorologia Sinóptica MS
Uidade curricular - Meteorologia Sióptica 45580 -MS 28-02-2011 Coordeada aturai (CN) Coideraçõe gerai. Equação do movimeto. Divergêcia e covergêcia. orticidade. Exemplo: A ifluêcia de vorticidade ciclóica
Leia mais