UNIDADE VIII ENSAIOS FATORIAIS

Tamanho: px
Começar a partir da página:

Download "UNIDADE VIII ENSAIOS FATORIAIS"

Transcrição

1 UNIDADE VIII ENSAIOS FATORIAIS CUIABÁ, MT 015/ PROF.: RÔMULO MÔRA 1. INTRODUÇÃO Ensaos fatoras são aqueles em que se estudam smultaneamente dos ou mas fatores, cada um deles com dos ou mas níves. O fatoral é um tpo de esquema, ou sea, uma das maneras de organzar os tratamentos e não um tpo de delneamento, que representa a manera pela qual os tratamentos são dstruídos às undades expermentas. Na verdade, os expermentos fatoras são montados segundo um tpo de delneamento expermental, como por exemplo: o DIC e o DBC. Nos expermentos fatoras, os tratamentos são otdos pelas comnações dos níves dos fatores. A smologa comumente utlzada, para expermentos fatoras é ndcar o produto dos níves dos fatores em teste. Por exemplo: Expermento Fatoral xx6. O produto xx6 nforma que no expermento foram testados smultaneamente 3 fatores. O prmero possu níves, o segundo níves e o tercero 6 níves. Quando o número de níves é gual para todos os fatores, pode-se utlzar a segunte smologa: n F, em que F é o número de fatores n é o número de níves de cada fator. Por exemplo: Expermento Fatoral 3. A potênca 3 nforma que o expermento tem 3 fatores com níves cada um.. EFEITOS AVALIADOS NUM EXPERIMENTO EM FATORIAL EFEITO PRINCIPAL - é o efeto de cada fator, ndependente do efeto dos outros fatores; EFEITO DE INTERAÇÃO - é o efeto smultâneo dos fatores sore a varável em estudo. Dzemos que ocorre nteração entre os fatores quando os efetos dos níves de um fator são modfcados pelos níves do outro fator. Consdere o segunte Fatoral 3x com 3 varedades (V) e espaçamentos (E). V1E1 VE1 V3E1 V1E VE V3E Suponha os seguntes resultados fctícos, para a varável altura de plantas (cm), deste expermento, nas seguntes stuações: Com Interação Sem Interação 1

2 3. QUADRO DE TABULAÇÃO DE DADOS Uma manera de ular os dados de um expermento fatoral, com dos fatores A e B, com I e J níves, respectvamente, nstalados segundo o DIC, com K repetções, é fornecda a segur: Deste quando pode-se retrar algumas nformações de nteresse: - Número de undades expermentas: N = IJK Total Geral: G I, J, K Y k k J, K A Y k 1, k 1 I A J 1 Total do -ésmo nível do fator A : Total do -ésmo nível do fator B : I, K Y k 1, k1 B I, J 1 1 ( AB) Méda do -ésmo nível do fator A: Méda do -ésmo tratamento (AB) : A A JK B Méda do -ésmo nível do fator B: IK Méda Geral: G G N A AB K Pode-se montar um quadro auxlar contendo os totas de tratamentos, cuos valores são otdos pela soma de todas as repetções para o tratamento em questão. Este quadro faclta o cálculo das somas de quadrados devdo aos fatores A e B, e da nteração entre eles. Para a stuação ctada, o quadro de totas de tratamentos é do segunte tpo:. MODELO ESTATÍSTICO Consdere um expermento fatoral, com dos fatores: o fator A com I níves e o fator B com J níves, nstalados segundo o DIC, com K repetções. O modelo estatístco para um expermento como este é: Y k em que: m a a ek = 1,,..., I = 1,,..., J Y k = é o valor oservado para a varável em estudo referente a k-ésma repetção da comnação do -ésmo nível do fator A com o -ésmo nível do fator B; m = é a méda de todas as undades expermentas para a varável em estudo; a = é o efeto do -ésmo nível do fator A no valor oservado Y k ; = é o efeto do -ésmo nível do fator B no valor oservado Y k ; k = 1,,..., K a = o efeto da nteração do -ésmo nível do fator A com o -ésmo nível do fator B; e k = é o erro assocado a oservação Y (k) ou sea é o efeto dos fatores não controlados na parcela; Consdere um expermento fatoral, com dos fatores: o fator A com I níves e o fator B com J níves, nstalados segundo o DBC, com K repetções. O modelo estatístco para um expermento como este é: Y k em que: m l k a a ek l k = é o efeto do k-ésmo loco na oservação Y k Todas as outras varáves foram defndas anterormente = 1,,..., I = 1,,..., J k = 1,,..., K

3 5. ANÁLISE DE VARIÂNCIA A análse de varânca de um expermento fatoral é feta desdorando-se a soma de quadrados de tratamentos nas partes devdo aos efetos prncpas de cada fator e na parte devdo à nteração entre os fatores. O quadro a segur apresenta como sera a análse de um expermento fatoral, com fatores A e B, com I e J níves, respectvamente, e K repetções, nstalado segundo o DIC. F Fator A (I-1) SQA SQA/(I-1) QMA/ [(I-1);n ] Fator B (J-1) SQB SQB/(J-1) QMB/ Int(AxB) (I-1)(J-1) SQAxB SQAxB/ (I-1)(J-1) QMAxB/ [(J-1);n ] [(I-1)(J-1);n ] (Trat) (IJ-1) (SQTrat) Resíduo n =IJ(K-1) SQRes SQRes/ IJ(K-1) - - Total IJK-1 SQTotal Sendo: FV = Fonte de Varação; GL = Graus de Lerdade; SQ = Soma de Quadrados; QM = Quadrado Médo; F cal = Valor de F calculado; F = Valor de F elado. Com as seguntes fórmulas defndas: - Soma de Quadrados do Total SQTotal I, J, K Yk 1, 1, k 1 SQTrat SQ( AB) C - Soma de Quadrados do Tratamento K ( AB) k 1 K I A SQA C JK 1 C C I, J, K Y k 1, 1, k 1 IJK - Soma de Quadrados do Fator A - Soma de Quadrados do Fator B J B SQB C IK 1 - Soma de Quadrados da Interação AxB - Soma de Quadrados do Resíduo SQAxB SQTrat SQA SQB SQRe sduo SQTotal SQTrat O quadro aaxo apresenta como sera a análse de um expermento fatoral, com fatores A e B, com I e J níves, respectvamente, e K repetções (ou locos), nstalado segundo o DBC. F Fator A (I-1) SQA SQA/(I-1) QMA/ [(I-1);n ] Fator B (J-1) SQB SQB/(J-1) QMB/ Int(AxB) (I-1)(J-1) SQAxB SQAxB/ (I-1)(J-1) QMAxB/ [(J-1);n ] [(I-1)(J-1);n ] (Trat) (IJ-1) (SQTrat) Blocos (K-1) SQBloc Resíduo n =(IJ-1)(K-1) SQRes SQRes/ (IJ-1)(K-1) - - Total IJK-1 SQTotal Com as seguntes fórmulas defndas: - Soma de Quadrado de Blocos I, J SQBloc - Total de Blocos 1, 1 K Bloc k Bloc k k1 Bloc C IJ - Soma de Quadrado dos Resíduos para DBC SQRe sduo SQTotal STrat SQBloco Sendo: FV = Fonte de Varação; GL = Graus de Lerdade; SQ = Soma de Quadrados; QM = Quadrado Médo; F cal = Valor de F calculado; F = Valor de F elado. As hpóteses para realzar o teste F para os efetos prncpas são Fator A H 0 : m A1 = m A =... = m A = m A, ou sea, todos os possíves contrastes entre as médas dos níves do fator A, são estatstcamente nulos, ao nível de proaldade em que fo executado o teste. H a : não H 0, ou sea, exste pelo menos um contraste entre as médas dos níves do fator A, que é estatstcamente dferente de zero, ao nível de proaldade em que fo executado o teste. Fator B H 0 : m B1 = m B =... = m B = m B, ou sea, todos os possíves contrastes entre as médas dos níves do fator A, são estatstcamente nulos, ao nível de proaldade em que fo executado o teste. H a : não H 0, ou sea, exste pelo menos um contraste entre as médas dos níves do fator B, que é estatstcamente dferente de zero, ao nível de proaldade em que fo executado o teste. A regra decsóra para os efetos prncpas a partr do teste F é a segunte: - F cal F, reeta-se H 0 ao nível de α% de proaldade, ou sea, exste pelo menos um contraste entre as médas dos níves do fator A ou B estatstcamente dferente de zero. -F cal < F, não reeta-se H 0 ao nível de α% de proaldade, ou sea, todos os possíves contrastes entre as médas dos níves do fator A ou B são estatstcamente nulos. OBSERVAÇÃO: FAZ UMA REGRA PARA CADA FATOR PRINCIPAL, POIS PODEM TER CONCLUSÕES DIFERENTES 3

4 As hpóteses para realzar o teste F para a nteração AxB Interação AxB H 0 : os fatores atuam ndependentemente H a : os fatores não atuam ndependentemente A regra decsóra para a nteração AxB a partr do teste F é a segunte: - F cal F, reeta-se H 0 ao nível de α% de proaldade, ou sea, os fatores não atuam ndependentemente e há uma nteração entre eles. -F cal < F, não reeta-se H 0 ao nível de α% de proaldade, ou sea, os fatores autuam ndependentemente e não há nteração entre eles. 5.1 INTERAÇÃO NÃO SIGNIFICATIVA Se os fatores A e B forem qualtatvos, e o teste F para A e/ou B, for não sgnfcatvo, a aplcação do teste de médas é desnecessára. Se o teste F for sgnfcatvo, para A e/ou B, aplca-se um teste de médas para comparar os níves do fator. As estmatvas das médas dos níves dos fatores são otdas por Para realzar o teste de Tukey para comparar as medas dos níves dos fatores em teste temos que usar OBSERVAÇÃO: PRIMEIRO CONCLUI-SE PARA A INTERAÇÃO E SOMENTE SE NÃO REJEITAR H 0 ESTUDA-SE OS FATORES PRINCIPAIS, SE NÃO FAZ-SE O ESTUDO DE UM FATOR DENTRO DO OUTRO...CASO QUE SERÁ VISTO A ADIANTE 5. INTERAÇÃO SIGNIFICATIVA Este caso ocorre quando a hpótese H 0 para a nteração entre os fatores é reetada. Este resultado mplca que os efetos dos fatores atuam de forma dependente. Neste caso as comparações entre os níves de um fator levam em consderação o nível do outro fator, pos o resultado sgnfcatvo para a nteração ndca que o efeto de um fator depende do nível do outro fator. Portanto, não é recomendado realzar o teste F para cada fator soladamente tal como fo apresentado para o caso da nteração não sgnfcatva. O procedmento recomendado é realzar o desdoramento do efeto da nteração. Para realzar este desdoramento deve-se fazer uma nova análse de varânca em que os níves de um fator são comparados dentro de cada nível do outro fator, tal como apresentado nas elas a segur. Desdoramento para comparar os níves de A dentro de cada nível de B, ou sea, estudar A/B Desdoramento para comparar os níves de A dentro de cada nível de B, ou sea, estudar A/B F A/B 1 (I-1) SQA/B 1 SQA/B 1 QMA/B 1 [(I-1);n ] (I -1) QMRes A/B (I-1) SQA/B SQA/B QMA/B [(I-1);n ] (I -1) QMRes A/B n (I-1) SQA/B n SQA/B n QMA/B n [(I-1);n ] (I -1) QMRes Resíduo n =GLRes* SQRes* QMRes* - - *Valores retrados do quadro de análse de varânca prncpal Desdoramento para comparar os níves de B dentro de cada nível de A, ou sea, estudar B/A F B/A 1 (J-1) SQB/A 1 SQB/A 1 QMB/A 1 [(J-1);n ] (J - 1) QMRes B/A (J-1) SQB/A SQB/A QMB/A [(J-1);n ] (J -1) QMRes B/A n (J-1) SQB/A n SQB/A n QMB/A n [(J-1);n ] (J -1) QMRes Resíduo n =GLRes* SQRes* QMRes* - - *Valores retrados do quadro de análse de varânca prncpal Se os fatores forem qualtatvos, procede-se ao teste F para cada fonte de varação do desdoramento. Nas fontes de varação em que o teste F fo sgnfcatvo e o fator tem mas de dos níves, recomenda-se a aplcação de um teste de médas. As estmatvas das médas dos níves dos fatores são otdas por A B / B / A Fator A dentro B - ma Fator B dentro de A mb B K A K Para realzar o teste de Tukey para comparar as médas dos níves dos fatores em teste temos que usar H 0 : m m H0 : m m Ha : m A A m A A K Ha : A A m A B A

5 EXEMPLO INTERAÇÃO NÃO SIGNIFICATIVA Vamos consderar os dados de um expermento casualzado em locos, no esquema fatoral 3 x 3, em que foram estudados os efetos de 3 Peneras comercas, assocadas a 3 Densdades de planto, na produtvdade do amendom (Arachs hypogaea L.) varedade Tatu V53. (Adaptado e Banzatto e Kronka, 006). As Peneras comercas (P) e as Densdades de Planto (D) estudadas foram: P 1 = penera 18 P = penera 0 P 3 = penera D 1 = 10 plantas por metro lnear D = 15 plantas por metro lnear D 3 = 0 plantas por metro lnear Proceder a análse de varânca e realzar o teste de Tukey se necessáro. Para os cálculos utlze α=. Blocos Tratamentos 1 3 Totas 1 P 1 D 1 11,8 1,03 1,55 36,0 P 1 D 1,3 1,08 1,13 38,55 3 P 1 D 3 13,1 1,98 13,35 39,7 P D 1 6,97 10,6 9,0 6,5 5 P D 8,96 9,0 9,8 7,8 6 P D 3 8,8 9,66 8,50 6,6 7 P 3 D 1 7,53 7,67 7,81 3,01 8 P 3 D 6,71 7,87 9,9,07 9 P 3 D 3 7,8 9, 9,37 6,63 Totas 8,0 93,01 9,06 69,11 Resolução: Hpóteses Fator P Fator D H 0 : m P1 = m P = m P3 = m P H 0 : m D1 = m D = m D3 = m D H a : não H 0 H a : não H 0 Interação PxD H 0 : os fatores atuam ndependentemente H a : os fatores não atuam ndependentemente - Quadro Auxlar P/D D 1 D D 3 Totas P 1 36,0 (3) 38,55 (3) 39,7 (3) 11,69 (9) Totas 69,11 (7) P 6,5 (3) 7,8 (3) 6,6 (3) 80,71 (9) P 3 3,01 (3),07 (3) 6,63 (3) 73,71 (9) Totas 85,66 (9) 90, (9) 93,01 (9) 69,11 (7) Bloco Totas Bl 1 8,0 (9) Bl 93,01 (9) Bl 3 9,06 (9) - Quadro deanálse de Varânca Fator P 106, , ,98* Fator D 3,0917 1,559,5 ns Int PxD 1,5733 0,3933 0,6 ns (Trat) (8) (111,8) - - Bloco 5, Resíduo 16 9,803 0, Total 6 16, F F F F (;16) 3,63 (;16) 3,01 - Calculando Soma de Quadrados SQTotal 8,0 SQBloc 36,0 SQ( PD) 3 (69,11) (11,8... 9,37 ).3 93,01 9,06 6, , , ,11 7 5, ,8 11,69 SQP 85,66 SQD 80,71 90, 73,71 (69,11).3 93,01 (69,11).3 SQPxD 111,8106,77783,09171, ,7778 3,0917 SQRe s 16, ,8 5,3957 9,803 5

6 Fator P 106, , ,98* Fator D 3,0917 1,559,5 ns Int PxD 1,5733 0,3933 0,6 ns (Trat) (8) (111,8) - - Bloco 5, Resíduo 16 9,803 0, Total 6 16, F F F F (;16) 3,63 (;16) 3,01 - Conclusões - Interação F cal < F 0,6 < 3,01 não reeta-se H 0 ao nível de de proaldade, ou sea, os fatores atuam ndependentemente. - Fator P F cal > F 86,98 > 3,63 reeta-se H 0 ao nível de de proaldade, ou sea, exste pelo menos um contraste entre as médas dos níves do fator P estatstcamente dferente de zero. Teste de Tukey H 0 : m P = m P, p/ H a : m P m P 1,7g a P1 P P3 8,97g 8,19g q0 (3;16) 3,65,05 0,6138 3,65 0,95g 9 Conclusão: as médas dos níves do fator P segudas de pelo menos uma letra não dferem entre s, ao nível de de proaldade, pelo teste de Tukey. - Fator D F cal < F,5 < 3,63 não reeta-se H 0 ao nível de de proaldade, ou sea, todos os possíves contrastes entre médas dos níves do fator D são estatstcamente nulos. EXEMPLO INTERAÇÃO SIGNIFICATIVA Vamos consderar os dados de um expermento nteramente casualzado, com repetções, no esquema fatoral 3 x, para testar os efetos de 3 Recpentes (R 1, R e R 3 ) para produção de mudas e espéces de eucalptos (E 1 e E ) quanto ao desenvolvmento das mudas. (Adaptado e Banzatto e Kronka, 006). Os Recpentes e as Espéces testados foram: R 1 = saco plástco pequeno R = saco plástco grande R 3 = lamnado E 1 = Eucalyptus ctrodora E = Eucalyptus grands Proceder a análse de varânca e realzar o teste de Tukey se necessáro. Para os cálculos utlze α=. As alturas médas das mudas, em cm, aos 80 das de dade são apresentados no quadro segunte. Repetções Tratamentos 1 3 Totas 1 R 1 E 1 6, 6,0 5,0 5, 10,6 R 1 E,8,6 6,7 5, 101,3 3 R E 1 5,7 6,3 5,1 6, 103,5 R E 19,6 1,1 19,0 18,6 78,3 5 R 3 E 1,8 19, 18,8 19, 80, 6 R 3 E 19,8 1,,8 1,3 85,3 R/E E 1 E Totas R 1 10,6 () 101,3 () 03,9 (8) R 103,5 () 78,3 () 181,8 (8) R 3 80, () 85,3 () 165,5 (8) Totas 86,3 (1) 6,9 (1) 551, () Resolução: Hpóteses Fator R Fator E H 0 : m R1 = m R = m R3 = m P H 0 : m E1 = m E =m E H a : não H 0 H a : não H 0 Interação PxD H 0 : os fatores atuam ndependentemente H a : os fatores não atuam ndependentemente Fator R 9,86 6,3 36,7 Fator E 1 19,08 19,08 1,91 Int RxE 63,76 31,88,91 * (Trat) (5) (175,70) - - Resíduo 18 3,09 1,8 - Total 3 198, F F (1;18),1 F F (;18) 3,55 6

7 (551,) SQTotal (6,... 1,3 ) 198, ,6 85,3 551, SQ( RE) ,70 SQRe s 198,79175,70 3,09 03,9 SQR. 86,3 SQE ,8. 165,5. 6,9 3. (551,) (551,) 9,86 19,08 Fator R 9,86 6,3 36,7 Fator E 1 19,08 19,08 1,91 Int RxE 63,76 31,88,91 * (Trat) (5) (175,70) - - Resíduo 18 3,09 1,8 - Total 3 198, F F F F (1;18),1 (;18) 3,55 - Conclusões - Interação F cal > F,91 < 3,55, reeta-se H 0 ao nível de de proaldade, ou sea, os fatores não atuam ndependentemente. SQRxE 175,709,8619,08 63,76 Estudo do fator R dentro dos níves do fator E R/E 1 87,1 3,56 3,03* R/E 69,50 3,50 7,15* Resíduo 18 3,09 1,8 - F 10,6 103,5 80, (86,3) 1 1 / E 87, 1 SQ R 101,3 78,3 85,3 (6,9) 1 / E 69, 50 SQ R F (;18) 5 % 3,55 - Conclusão Dentro dos níves E 1 e E, exste pelo menos um contraste entre as médas dos níves do fator R estatstcamente dferente de zero. Teste de Tukey H 0 : mr m R para = 1,, 3 E E Ha : m R E R E1 R1 E1 R3 E1 m 5,9 a 5,7 a q0 (3;18) 3,61,05 1,8 3,61, R E 0,1 = 1, R1 E R3 E R E 5,3 1,3 19,6 a Conclusão: Dentro dos níves E 1 e E, as médas dos níves do fator R segudas de pelo menos uma letra não dferem entre s, ao nível de de proaldade, pelo teste de Tukey. Estudo do fator E dentro dos níves do fator R E/R 1 1 0,1 0,1 0,16 ns E/R 1 79,38 79,38 6,0* E/R 3 1 3,5 3,5,5 ns Resíduo 18 3,09 1,8 - F F (1;18) 5 %,1 SQ E 10,6 101,3 (03,9) 8 SQ E / R 103,5 78,3 (181,8) 8 SQ E / R 80, 85,3 (165,5) 8 / R 0, , 38 3, Conclusões Dentro dos níves R 1 e R 3, todos os possíves contrastes entre níves do fator E são estatstcamente nulos ao nível de 5 % de proaldade. Dentro do nível R, todos os possíves contrastes entre as médas dos níves do fator E são estatstcamente dferente de zero ao nível de de proaldade. 7

8 FIM 8

UNIDADE IV DELINEAMENTO INTEIRAMENTE CASUALIZADO (DIC)

UNIDADE IV DELINEAMENTO INTEIRAMENTE CASUALIZADO (DIC) UNDADE V DELNEAMENTO NTERAMENTE CASUALZADO (DC) CUABÁ, MT 015/ PROF.: RÔMULO MÔRA romulomora.webnode.com 1. NTRODUÇÃO Este delneamento apresenta como característca prncpal a necessdade de homogenedade

Leia mais

UNIDADE V EXPERIMENTOS FATORIAIS (RC)

UNIDADE V EXPERIMENTOS FATORIAIS (RC) MINISTÉRIO DA EDUCAÇÃO UNIVERSIDADE FEDERAL DE CAMPINA GRANDE CENTRO DE CIENCIAS E TECNOLOGIA AGROALIMENTAR UNIDADE V EXPERIMENTOS FATORIAIS (RC) Profª Railene Hérica Carlos Rocha Pombal, PB. 1. Conceitos

Leia mais

Variação ao acaso. É toda variação devida a fatores não controláveis, denominadas erro.

Variação ao acaso. É toda variação devida a fatores não controláveis, denominadas erro. Aplcação Por exemplo, se prepararmos uma área expermental com todo cudado possível e fzermos, manualmente, o planto de 100 sementes seleconadas de um mlho híbrdo, cudando para que as sementes fquem na

Leia mais

Esquema de distribuição dos tratamentos: Fatorial; Parcelas subdivididas.

Esquema de distribuição dos tratamentos: Fatorial; Parcelas subdivididas. Esquema de distribuição dos tratamentos: Fatorial; Parcelas subdivididas. 1 Experimento em esquema de parcelas subdivididas Prof. a Dr. a Simone Daniela Sartorio de Medeiros DTAiSeR-Ar Experimentos em

Leia mais

8.16. Experimentos Fatoriais e o Fatorial Fracionado

8.16. Experimentos Fatoriais e o Fatorial Fracionado 8.6. Expermentos Fatoras e o Fatoral Fraconado Segundo Kng (995) os arranos fatoras e fatoral fraconado estão dentre os arranos mas usados em expermentos ndustras. Veremos aqu alguns casos mas geras e

Leia mais

DELINEAMENTOS EXPERIMENTAIS

DELINEAMENTOS EXPERIMENTAIS SUMÁRIO 1 Delneamentos Expermentas 2 1.1 Delneamento Interamente Casualzado..................... 2 1.2 Delneamento Blocos Casualzados (DBC).................... 3 1.3 Delneamento Quadrado Latno (DQL)......................

Leia mais

Experimentos em parcelas subdivididas e procedimentos para a aplicação dos testes de comparação de médias

Experimentos em parcelas subdivididas e procedimentos para a aplicação dos testes de comparação de médias MINISTÉRIO DA EDUCAÇÃO UNIVERSIDADE FEDERAL DE CAMPINA GRANDE UNIDADE ACADÊMICA DE CIÊNCIAS AGRÁRIAS DISCIPLINA: ESTATÍSTICA EXPERIMENTAL Experimentos em parcelas subdivididas e procedimentos para a aplicação

Leia mais

a média populacional do i-ésimo tratamento; o efeito do i-ésimo tratamento na variável dependente Y e mede o afastamento da média µ

a média populacional do i-ésimo tratamento; o efeito do i-ésimo tratamento na variável dependente Y e mede o afastamento da média µ UNIVERSIDADE ESTADUAL PAULISTA FACULDADE DE CIÊNCIAS AGRÁRIAS E VETERINÁRIAS CAMPUS DE JABOTICABAL ª PROVA DE ESTATÍSTICA EXPERIMENTAL - MEDICINA VETERINÁRIA NOME: DATA / / ª QUESTÃO (5,5): Vnte e cnco

Leia mais

A redução na pressão sangüínea (mm Hg) em um período de quatro semanas observadas em cães experimentais está tabulada abaixo:

A redução na pressão sangüínea (mm Hg) em um período de quatro semanas observadas em cães experimentais está tabulada abaixo: UNIVERSIDADE ESTADUAL PAULISTA FACULDADE DE CIÊNCIAS AGRÁRIAS E VETERINÁRIAS CAMPUS DE JABOTICABAL ª PROVA DE ESTATÍSTICA EXPERIMENTAL - MEDICINA VETERINÁRIA NOME: DATA / / ª QUESTÃO (5,5): A redução da

Leia mais

1ª PROVA DE ESTATÍSTICA EXPERIMENTAL

1ª PROVA DE ESTATÍSTICA EXPERIMENTAL UNIVERSIAE ESTAUAL PAULISTA FACULAE E CIÊNCIAS AGRÁRIAS E VETERINÁRIAS CAMPUS E JABOTICABAL ª PROVA E ESTATÍSTICA EXPERIMENTAL - MEICINA VETERINÁRIA NOME: ATA / / ª QUESTÃO (5,5): Vnte suínos foram dstrbuídos

Leia mais

A redução na pressão sangüínea (mm Hg) em um período de quatro semanas observadas em cães experimentais está tabulada abaixo:

A redução na pressão sangüínea (mm Hg) em um período de quatro semanas observadas em cães experimentais está tabulada abaixo: UNIVERSIDADE ESTADUAL PAULISTA FACULDADE DE CIÊNCIAS AGRÁRIAS E VETERINÁRIAS CAMPUS DE JABOTICABAL ª PROVA DE ESTATÍSTICA EXPERIMENTAL - MEDICINA VETERINÁRIA NOME: DATA / / ª QUESTÃO (,): A redução da

Leia mais

ESTATÍSTICA EXPERIMENTAL

ESTATÍSTICA EXPERIMENTAL ESTATÍSTICA EXPERIMENTAL Delineamento Inteiramente Casualizado - DIC Prof. Miguel Toledo del Pino, Dr. INTRODUÇÃO No DIC a distribuição dos tratamentos às unidades experimentais é feita inteiramente ao

Leia mais

Delineamento e Análise Experimental Aula 7. Anderson Castro Soares de Oliveira

Delineamento e Análise Experimental Aula 7. Anderson Castro Soares de Oliveira Aula 7 Castro Soares de Oliveira Experimentos Fatoriais Nos experimentos mais simples comparamos tratamentos de apenas um tipo ou fator. Em algumas situações existem vários fatores envolvidos em um experimento,

Leia mais

Experimentos em Parcelas Subdivididas

Experimentos em Parcelas Subdivididas Experimentos em Lucas Santana da Cunha http://www.uel.br/pessoal/lscunha 08 de novembro de 2018 Londrina Tal como no caso de fatorial, o termo parcelas subdivididas não se refere a um tipo de delineamento

Leia mais

Regressão Múltipla. Parte I: Modelo Geral e Estimação

Regressão Múltipla. Parte I: Modelo Geral e Estimação Regressão Múltpla Parte I: Modelo Geral e Estmação Regressão lnear múltpla Exemplos: Num estudo sobre a produtvdade de trabalhadores ( em aeronave, navos) o pesqusador deseja controlar o número desses

Leia mais

Esquema de distribuição dos tratamentos: Fatorial; Parcelas subdivididas.

Esquema de distribuição dos tratamentos: Fatorial; Parcelas subdivididas. Esquema de distribuição dos tratamentos: Fatorial; Parcelas subdivididas. 1 Experimentos em esquema Fatorial Prof. a Dr. a Simone Daniela Sartorio de Medeiros DTAiSeR-Ar 2 Experimentos em esquema fatorial

Leia mais

EXPERIMENTOS EM PARCELAS SUBDIVIDIDAS

EXPERIMENTOS EM PARCELAS SUBDIVIDIDAS EXPERIMENTOS EM PARCELAS SUBDIVIDIDAS Lucas Santana da Cunha http://www.uel.br/pessoal/lscunha Universidade Estadual de Londrina Departamento de Estatística 29 de julho de 2017 Parcelas Subdivididas Tal

Leia mais

Éder David Borges da Silva Renato Gonçalves de Oliveira

Éder David Borges da Silva Renato Gonçalves de Oliveira Éder David Borges da Silva Renato Gonçalves de Oliveira Página do curso: http://www.leg.ufpr.br/ragronomia Vamos a um exemplo... Um experimento foi realizado para avaliar de que forma se distribuía uma

Leia mais

UNIVERSIDADE FEDERAL DE LAVRAS DEPATAMENTO DE CIÊNCIAS EXATAS GABARITO

UNIVERSIDADE FEDERAL DE LAVRAS DEPATAMENTO DE CIÊNCIAS EXATAS GABARITO UNIVERSIDADE FEDERAL DE LAVRAS DEPATAMENTO DE CIÊNCIAS EXATAS Programa de Pós-Graduação em Estatística e Experimentação Agropecuária Prova do Processo Seletivo para Mestrado 16- GABARITO N o de inscrição

Leia mais

Universidade de São Paulo Escola Superior de Agricultura Luiz de Queiroz Departamento de Ciências Exatas

Universidade de São Paulo Escola Superior de Agricultura Luiz de Queiroz Departamento de Ciências Exatas Unversdade de São Paulo Escola Superor de Agrcultura Luz de Queroz Departamento de Cêncas Exatas Prova escrta de seleção para DOUTORADO em Estatístca e Expermentação Agronômca Nome do canddato (a): Questão

Leia mais

Métodos Avançados em Epidemiologia

Métodos Avançados em Epidemiologia Unversdade Federal de Mnas Geras Insttuto de Cêncas Exatas Departamento de Estatístca Métodos Avançados em Epdemologa Aula 5-1 Regressão Lnear Smples: Estmação e Interpretação da Reta Tabela ANOVA e R

Leia mais

Experimentos Fatoriais

Experimentos Fatoriais Experimentos Fatoriais Lucas Santana da Cunha http://www.uel.br/pessoal/lscunha 14 de março de 2019 Londrina Nos experimentos mais simples comparamos níveis (tratamentos) de apenas um fator; Nos experimentos

Leia mais

ANÁLISE DA VARIÂNCIA DA REGRESSÃO

ANÁLISE DA VARIÂNCIA DA REGRESSÃO ANÁLISE DA VARIÂNCIA DA REGRESSÃO PROCEDIMENTO GERAL DE REGRESSÃO Em um modelo de análse de varânca, como no DIA, o fator em estudo pode ser quanttatvo ou qualtatvo. FATOR QUANTITATIVO: é aquele cujos

Leia mais

Questão 1: Questão 2: Defina tratamentos, fator, nível, parcela, subparcela, coeficiente de variação e interação entre fatores.

Questão 1: Questão 2: Defina tratamentos, fator, nível, parcela, subparcela, coeficiente de variação e interação entre fatores. MINISTÉRIO DA EDUCAÇÃO CENTRO DE CIÊNCIAS E TECNOLOGIA AGROALIMENTAR DISCIPLINA: ESTATÍSTICA EXPERIMENTAL LISTA DE EXERCÍCIOS 3 a AVALIAÇÃO PROFESSOR: ROBERTO QUEIROGA Questão 1: Faça um croqui (disposição

Leia mais

REGRESSÃO APLICADA À DADOS FLORESTAIS

REGRESSÃO APLICADA À DADOS FLORESTAIS 3/6/8 REGRESSÃO APLICADA À DADOS FLORESTAIS INTRODUÇÃO SOFTWARE R IRATI, PR 8 HISTÓRICO O R é uma lnguagem orentada a objetos, crada em 996 por Ross Ihaka e Robert Gentleman, que alada a um ambente ntegrado,

Leia mais

REGRESSÃO LINEAR ANÁLISE DE REGRESSÃO LINEAR MÚLTIPLA REGRESSÃO CURVILÍNEA FUNÇÃO QUADRÁTICA

REGRESSÃO LINEAR ANÁLISE DE REGRESSÃO LINEAR MÚLTIPLA REGRESSÃO CURVILÍNEA FUNÇÃO QUADRÁTICA ANÁLISE DE REGRESSÃO LINEAR MÚLTIPLA REGRESSÃO LINEAR Verfcado, pelo valor de r, que ocorre uma sgnfcante correlação lnear entre duas varáves há necessdade de quantfcar tal relação, o que é feto pela análse

Leia mais

19/09/2018 EXPERIMENTAÇÃO PARA DADOS FLORESTAIS COM O USO DO SOFTWARE R INTRODUÇÃO SOFTWARE R 1 HISTÓRICO

19/09/2018 EXPERIMENTAÇÃO PARA DADOS FLORESTAIS COM O USO DO SOFTWARE R INTRODUÇÃO SOFTWARE R 1 HISTÓRICO EXPERIMENTAÇÃO PARA DADOS FLORESTAIS COM O USO DO SOFTWARE R INTRODUÇÃO SOFTWARE R CURITIBA, PR PROF.: RÔMULO MÔRA romulomef@yahoo.com.br 1 HISTÓRICO O R é uma linguagem orientada a objetos, criada em

Leia mais

MOQ-14 PROJETO e ANÁLISE de EXPERIMENTOS. Professor: Rodrigo A. Scarpel

MOQ-14 PROJETO e ANÁLISE de EXPERIMENTOS. Professor: Rodrigo A. Scarpel MOQ-4 PROJETO e ANÁLISE de EPERIMENTOS Professor: Rodrgo A. Scarpel rodrgo@ta.br www.mec.ta.br/~rodrgo Programa do curso: Semana Conteúdo Apresentação da dscplna. Prncípos de modelos lneares de regressão.

Leia mais

Capítulo 1. Exercício 5. Capítulo 2 Exercício

Capítulo 1. Exercício 5. Capítulo 2 Exercício UNIVERSIDADE FEDERAL DE GOIÁS CIÊNCIAS ECONÔMICAS ECONOMETRIA (04-II) PRIMEIRA LISTA DE EXERCÍCIOS Exercícos do Gujarat Exercíco 5 Capítulo Capítulo Exercíco 3 4 5 7 0 5 Capítulo 3 As duas prmeras demonstrações

Leia mais

EXPERIMENTAÇÃO AGRÁRIA

EXPERIMENTAÇÃO AGRÁRIA EXPERIMENTAÇÃO AGRÁRIA Tema 4: Experimentos factoriais Definição Experimentos factoriais são aqueles que incluem todas as combinações possíveis de vários conjuntos de factores. Ex : Um experimento com

Leia mais

EXPERIMENTOS COM INTERAÇÕES

EXPERIMENTOS COM INTERAÇÕES EXPERIMENTOS COM INTERAÇÕES Na maioria dos experimentos, os tratamentos são de efeitos fixos. Mas também são realizados experimentos em que os efeitos dos tratamentos são aleatórios. 1 Para saber se, em

Leia mais

ESQUEMA FATORIAL. Lucas Santana da Cunha Universidade Estadual de Londrina Departamento de Estatística

ESQUEMA FATORIAL. Lucas Santana da Cunha   Universidade Estadual de Londrina Departamento de Estatística ESQUEMA FATORIAL Lucas Santana da Cunha http://www.uel.br/pessoal/lscunha Universidade Estadual de Londrina Departamento de Estatística 22 de julho de 2017 Esquema Fatorial Nos experimentos mais simples

Leia mais

PRESSUPOSTOS DO MODELO DE REGRESSÃO

PRESSUPOSTOS DO MODELO DE REGRESSÃO PREUPOTO DO MODELO DE REGREÃO A aplcação do modelo de regressão lnear múltpla (bem como da smples) pressupõe a verfcação de alguns pressupostos que condensamos segudamente.. Os erros E são varáves aleatóras

Leia mais

EXPERIMENTOS EM PARCELAS SUBDIVIDIDAS

EXPERIMENTOS EM PARCELAS SUBDIVIDIDAS EXPERIMENTOS EM PARCELAS SUBDIVIDIDAS Lucas Santana da Cunha email: lscunha@uel.br http://www.uel.br/pessoal/lscunha/ Universidade Estadual de Londrina 06 de julho de 2016 Nos experimentos fatoriais, todas

Leia mais

Esquema Fatorial. Esquema Fatorial. Lucas Santana da Cunha 06 de outubro de 2018 Londrina

Esquema Fatorial. Esquema Fatorial. Lucas Santana da Cunha   06 de outubro de 2018 Londrina Lucas Santana da Cunha http://www.uel.br/pessoal/lscunha 06 de outubro de 2018 Londrina Nos experimentos mais simples comparamos níveis (tratamentos) de apenas um fator; Nos experimentos mais simples comparamos

Leia mais

Análise de Variância. Comparação de duas ou mais médias

Análise de Variância. Comparação de duas ou mais médias Análse de Varânca Comparação de duas ou mas médas Análse de varânca com um fator Exemplo Um expermento fo realzado para se estudar dabetes gestaconal. Desejava-se avalar o comportamento da hemoglobna (HbA)

Leia mais

MOQ-14 PROJETO e ANÁLISE de EXPERIMENTOS. Professor: Rodrigo A. Scarpel

MOQ-14 PROJETO e ANÁLISE de EXPERIMENTOS. Professor: Rodrigo A. Scarpel MOQ-4 PROJETO e ANÁLISE de EPERIMENTOS Professor: Rodrgo A. Scarpel rodrgo@ta.br www.mec.ta.br/~rodrgo Programa do curso: Semana Conteúdo Apresentação da dscplna. Prncípos de modelos lneares de regressão.

Leia mais

Análise Exploratória de Dados

Análise Exploratória de Dados Análse Exploratóra de Dados Objetvos Análse de duas varáves quanttatvas: traçar dagramas de dspersão, para avalar possíves relações entre as duas varáves; calcular o coefcente de correlação entre as duas

Leia mais

Identidade dos parâmetros de modelos segmentados

Identidade dos parâmetros de modelos segmentados Identdade dos parâmetros de modelos segmentados Dana Campos de Olvera Antono Polcarpo Souza Carnero Joel Augusto Munz Fabyano Fonseca e Slva 4 Introdução No Brasl, dentre os anmas de médo porte, os ovnos

Leia mais

É o grau de associação entre duas ou mais variáveis. Pode ser: correlacional ou experimental.

É o grau de associação entre duas ou mais variáveis. Pode ser: correlacional ou experimental. Prof. Lorí Val, Dr. val@mat.ufrgs.br http://www.mat.ufrgs.br/~val/ É o grau de assocação entre duas ou mas varáves. Pode ser: correlaconal ou expermental. Numa relação expermental os valores de uma das

Leia mais

4 Critérios para Avaliação dos Cenários

4 Critérios para Avaliação dos Cenários Crtéros para Avalação dos Cenáros É desejável que um modelo de geração de séres sntétcas preserve as prncpas característcas da sére hstórca. Isto quer dzer que a utldade de um modelo pode ser verfcada

Leia mais

(B) Considere X = antes e Y = depois e realize um teste t para dados pareados e um teste da ANOVA de um DBC com 5 blocos. Compare os resultados.

(B) Considere X = antes e Y = depois e realize um teste t para dados pareados e um teste da ANOVA de um DBC com 5 blocos. Compare os resultados. INF 6 Notas de aula sujeto a correções Prof. Luz Alexandre Peternell (B) Consdere X antes e Y depos e realze um teste t para dados pareados e um teste da ANOVA de um DBC com 5 blocos. Compare os resultados.

Leia mais

Os modelos de regressão paramétricos vistos anteriormente exigem que se suponha uma distribuição estatística para o tempo de sobrevivência.

Os modelos de regressão paramétricos vistos anteriormente exigem que se suponha uma distribuição estatística para o tempo de sobrevivência. MODELO DE REGRESSÃO DE COX Os modelos de regressão paramétrcos vstos anterormente exgem que se suponha uma dstrbução estatístca para o tempo de sobrevvênca. Contudo esta suposção, caso não sea adequada,

Leia mais

Algarismos Significativos Propagação de Erros ou Desvios

Algarismos Significativos Propagação de Erros ou Desvios Algarsmos Sgnfcatvos Propagação de Erros ou Desvos L1 = 1,35 cm; L = 1,3 cm; L3 = 1,30 cm L4 = 1,4 cm; L5 = 1,7 cm. Qual destas meddas está correta? Qual apresenta algarsmos com sgnfcado? O nstrumento

Leia mais

Prof. Lorí Viali, Dr.

Prof. Lorí Viali, Dr. Prof. Lorí Val, Dr. vall@mat.ufrgs.br http://www.mat.ufrgs.br/~val/ Em mutas stuações duas ou mas varáves estão relaconadas e surge então a necessdade de determnar a natureza deste relaconamento. A análse

Leia mais

Delineamento Aleatorizado em Blocos Completos (DABC)

Delineamento Aleatorizado em Blocos Completos (DABC) Delneamento Aleatorzado em Blocos Completos (DABC) Motvação Por que planear um expermento? Como dmnur o efeto resdual? Como controlar o efeto de fontes de varação conhecdas mas que não são de nteresse

Leia mais

SEEC UNIVERSIDADE DO ESTADO DO RIO GRANDE DO NORTE UERN FACULDADE DE CIÊNCIAS EXATAS E NATURAIS FANAT DEPARTAMENTO DE CIÊNCIAS BIOLÓGICAS DECB

SEEC UNIVERSIDADE DO ESTADO DO RIO GRANDE DO NORTE UERN FACULDADE DE CIÊNCIAS EXATAS E NATURAIS FANAT DEPARTAMENTO DE CIÊNCIAS BIOLÓGICAS DECB DISCIPLINA BIOEXPERIMENTAÇÃO Exercício de experimento fatorial resolução passo-à-passo Os dados apresentados abaixo são uma adaptação do exemplo apresentado por Banzato e Kronka (199) Os dados são valores

Leia mais

3.6. Análise descritiva com dados agrupados Dados agrupados com variáveis discretas

3.6. Análise descritiva com dados agrupados Dados agrupados com variáveis discretas 3.6. Análse descrtva com dados agrupados Em algumas stuações, os dados podem ser apresentados dretamente nas tabelas de frequêncas. Netas stuações devemos utlzar estratégas específcas para obter as meddas

Leia mais

X = 1, se ocorre : VB ou BV (vermelha e branca ou branca e vermelha)

X = 1, se ocorre : VB ou BV (vermelha e branca ou branca e vermelha) Estatístca p/ Admnstração II - Profª Ana Cláuda Melo Undade : Probabldade Aula: 3 Varável Aleatóra. Varáves Aleatóras Ao descrever um espaço amostral de um expermento, não especfcamos que um resultado

Leia mais

Delineamento Inteiramente Casualizado (DIC) Delineamento Casualizado em Blocos (DBC) Delineamento em Quadrado Latino (DQL)

Delineamento Inteiramente Casualizado (DIC) Delineamento Casualizado em Blocos (DBC) Delineamento em Quadrado Latino (DQL) Principais delineamentos: Delineamento Inteiramente Casualizado (DIC) Delineamento Casualizado em Blocos (DBC) Delineamento em Quadrado Latino (DQL) Os delineamentos podem ser: Balanceados Não balanceados

Leia mais

O problema da superdispersão na análise de dados de contagens

O problema da superdispersão na análise de dados de contagens O problema da superdspersão na análse de dados de contagens 1 Uma das restrções mpostas pelas dstrbuções bnomal e Posson, aplcadas usualmente na análse de dados dscretos, é que o parâmetro de dspersão

Leia mais

ESQUEMA FATORIAL: DESDOBRAMENTO

ESQUEMA FATORIAL: DESDOBRAMENTO ESQUEMA FATORIAL: DESDOBRAMENTO Lucas Santana da Cunha http://wwwuelbr/pessoal/lscunha Universidade Estadual de Londrina Departamento de Estatística 22 de julho de 2017 Interação Significativa Quando a

Leia mais

Éder David Borges da Silva Renato Gonçalves de Oliveira

Éder David Borges da Silva Renato Gonçalves de Oliveira Éder David Borges da Silva Renato Gonçalves de Oliveira Conteúdo abordado: Revisão de Estatística Experimental Princípios básicos de experimentação Delineamento inteiramente casualizado (DIC) Delineamento

Leia mais

Análise de Regressão. Profa Alcione Miranda dos Santos Departamento de Saúde Pública UFMA

Análise de Regressão. Profa Alcione Miranda dos Santos Departamento de Saúde Pública UFMA Análse de Regressão Profa Alcone Mranda dos Santos Departamento de Saúde Públca UFMA Introdução Uma das preocupações estatístcas ao analsar dados, é a de crar modelos que explctem estruturas do fenômeno

Leia mais

MOQ-14 PROJETO e ANÁLISE de EXPERIMENTOS. Professor: Rodrigo A. Scarpel

MOQ-14 PROJETO e ANÁLISE de EXPERIMENTOS. Professor: Rodrigo A. Scarpel MOQ-14 PROJETO e ANÁLISE de EPERIMENTOS Professor: Rodrgo A. Scarpel rodrgo@ta.br www.mec.ta.br/~rodrgo Prncípos de cração de modelos empírcos: Modelos (matemátcos, lógcos, ) são comumente utlzados na

Leia mais

Eventos coletivamente exaustivos: A união dos eventos é o espaço amostral.

Eventos coletivamente exaustivos: A união dos eventos é o espaço amostral. DEFINIÇÕES ADICIONAIS: PROBABILIDADE Espaço amostral (Ω) é o conjunto de todos os possíves resultados de um expermento. Evento é qualquer subconjunto do espaço amostral. Evento combnado: Possu duas ou

Leia mais

Esquema Fatorial. Lucas Santana da Cunha Universidade Estadual de Londrina

Esquema Fatorial. Lucas Santana da Cunha    Universidade Estadual de Londrina Esquema Fatorial Lucas Santana da Cunha email: lscunha@uel.br http://www.uel.br/pessoal/lscunha/ Universidade Estadual de Londrina 22 de junho de 2016 Muitos experimentos envolvem o estudo dos efeitos

Leia mais

Análise de Regressão

Análise de Regressão Análse de Regressão método estatístco que utlza relação entre duas ou mas varáves de modo que uma varável pode ser estmada (ou predta) a partr da outra ou das outras Neter, J. et al. Appled Lnear Statstcal

Leia mais

ESTATÍSTICA APLICADA II ANO LECTIVO 2011/2012. Exame Final 26 de Julho de 2012

ESTATÍSTICA APLICADA II ANO LECTIVO 2011/2012. Exame Final 26 de Julho de 2012 ETATÍTICA APLICADA II ANO LECTIVO / Exame Fnal 6 de Julho de Duração : H 3 M Nota: Responder um grupo por folha (utlze frente e verso de cada folha) Em todas as questões apresentar os cálculos efectuados

Leia mais

Lucas Santana da Cunha de outubro de 2018 Londrina

Lucas Santana da Cunha de outubro de 2018 Londrina e Lucas Santana da Cunha email: lscunha@uel.br http://www.uel.br/pessoal/lscunha/ 22 de outubro de 2018 Londrina 1 / 24 Obtenção de uma amostra Princípios básicos da experimentação Há basicamente duas

Leia mais

ANÁLISE DE VARIÂNCIA DE DOIS CRITÉRIOS (DBC)

ANÁLISE DE VARIÂNCIA DE DOIS CRITÉRIOS (DBC) ANÁLISE DE VARIÂNCIA DE DOIS CRITÉRIOS (DBC) Lucas Santana da Cunha http://www.uel.br/pessoal/lscunha/ Universidade Estadual de Londrina 13 de dezembro de 2017 ANAVA dois critérios A análise de variância

Leia mais

9 a 14 de Setembro Pós-Graduação em Produção Vegetal UFPR. Éder David Borges da Silva Renato Gonçalves de Oliveira

9 a 14 de Setembro Pós-Graduação em Produção Vegetal UFPR. Éder David Borges da Silva Renato Gonçalves de Oliveira 9 a 14 de Setembro Pós-Graduação em Produção Vegetal UFPR Éder David Borges da Silva Renato Gonçalves de Oliveira Conteúdo abordado: Revisão de Estatística básica Princípios básicos de experimentação Delineamento

Leia mais

1. ANÁLISE EXPLORATÓRIA E ESTATÍSTICA DESCRITIVA

1. ANÁLISE EXPLORATÓRIA E ESTATÍSTICA DESCRITIVA 1. ANÁLISE EXPLORATÓRIA E ESTATÍSTICA DESCRITIVA 014 Estatístca Descrtva e Análse Exploratóra Etapas ncas. Utlzadas para descrever e resumr os dados. A dsponbldade de uma grande quantdade de dados e de

Leia mais

Prof. Lorí Viali, Dr.

Prof. Lorí Viali, Dr. Prof. Lorí Val, Dr. val@mat.ufrgs.br http://www.mat.ufrgs.br/~val/ 1 É o grau de assocação entre duas ou mas varáves. Pode ser: correlaconal ou expermental. Numa relação expermental os valores de uma das

Leia mais

MAE 317 Planejamento e Pesquisa I Profa. Júlia Maria Pavan Soler

MAE 317 Planejamento e Pesquisa I Profa. Júlia Maria Pavan Soler MAE 317 Planeamento e Pesqusa I Profa. Júla Mara Pavan Soler pavan@me.usp.br IME/USP 1º Semestre/019 Delneamento Aleatorzado em Blocos Completos (DABC) Motvação Por que planear um expermento? Como dmnur

Leia mais

3 Metodologia de Avaliação da Relação entre o Custo Operacional e o Preço do Óleo

3 Metodologia de Avaliação da Relação entre o Custo Operacional e o Preço do Óleo 3 Metodologa de Avalação da Relação entre o Custo Operaconal e o Preço do Óleo Este capítulo tem como objetvo apresentar a metodologa que será empregada nesta pesqusa para avalar a dependênca entre duas

Leia mais

REGRESSÃO NÃO LINEAR 27/06/2017

REGRESSÃO NÃO LINEAR 27/06/2017 7/06/07 REGRESSÃO NÃO LINEAR CUIABÁ, MT 07/ Os modelos de regressão não lnear dferencam-se dos modelos lneares, tanto smples como múltplos, pelo fato de suas varáves ndependentes não estarem separados

Leia mais

Experimentos Balanceados com Dois Fatores

Experimentos Balanceados com Dois Fatores Experimentos Balanceados com Dois Fatores Experimentos com dois fatores cruzados fixos Exemplo1. Objetivo. Investigar os efeitos do preço de venda e do tipo de campanha promocional nas vendas de certo

Leia mais

Curso de extensão, MMQ IFUSP, fevereiro/2014. Alguns exercício básicos

Curso de extensão, MMQ IFUSP, fevereiro/2014. Alguns exercício básicos Curso de extensão, MMQ IFUSP, feverero/4 Alguns exercíco báscos I Exercícos (MMQ) Uma grandeza cujo valor verdadero x é desconhecdo, fo medda três vezes, com procedmentos expermentas dêntcos e, portanto,

Leia mais

UM PROBLEMA ECONOMÉTRICO NO USO DE VARIÁVEIS CLIMÁTICAS EM FUNÇÕES DE PRODUÇÃO AJUSTADAS A DADOS EXPERIMENTAIS

UM PROBLEMA ECONOMÉTRICO NO USO DE VARIÁVEIS CLIMÁTICAS EM FUNÇÕES DE PRODUÇÃO AJUSTADAS A DADOS EXPERIMENTAIS UM PROBLEMA ECONOMÉTRICO NO USO DE VARIÁVEIS CLIMÁTICAS EM FUNÇÕES DE PRODUÇÃO AJUSTADAS A DADOS EXPERIMENTAIS Rodolfo Hoffmann * Vctor Hugo da Fonseca Porto ** SINOPSE Neste trabalho deduz-se qual é o

Leia mais

O problema da superdispersão na análise de dados de contagens

O problema da superdispersão na análise de dados de contagens O problema da superdspersão na análse de dados de contagens 1 Uma das restrções mpostas pelas dstrbuções bnomal e Posson, aplcadas usualmente na análse de dados dscretos, é que o parâmetro de dspersão

Leia mais

Ao se calcular a média, moda e mediana, temos: Quanto mais os dados variam, menos representativa é a média.

Ao se calcular a média, moda e mediana, temos: Quanto mais os dados variam, menos representativa é a média. Estatístca Dscplna de Estatístca 0/ Curso de Admnstração em Gestão Públca Profª. Me. Valéra Espíndola Lessa e-mal: lessavalera@gmal.com Meddas de Dspersão Indcam se os dados estão, ou não, prómos uns dos

Leia mais

Prof. Lorí Viali, Dr.

Prof. Lorí Viali, Dr. Prof. Lorí Val, Dr. val@mat.ufrgs.br http://www.mat.ufrgs.br/~val/ É o grau de assocação entre duas ou mas varáves. Pode ser: correlaconal ou expermental. Prof. Lorí Val, Dr. UFRG Insttuto de Matemátca

Leia mais

DELINEAMENTO EM BLOCOS CASUALIZADOS (DBC)

DELINEAMENTO EM BLOCOS CASUALIZADOS (DBC) DELINEAMENTO EM BLOCOS CASUALIZADOS (DBC) Lucas Santana da Cunha http://www.uel.br/pessoal/lscunha Universidade Estadual de Londrina Departamento de Estatística 08 de julho de 2017 DBC O delineamento em

Leia mais

2 Incerteza de medição

2 Incerteza de medição 2 Incerteza de medção Toda medção envolve ensaos, ajustes, condconamentos e a observação de ndcações em um nstrumento. Este conhecmento é utlzado para obter o valor de uma grandeza (mensurando) a partr

Leia mais

Ao se calcular a média, moda e mediana, temos: Quanto mais os dados variam, menos representativa é a média.

Ao se calcular a média, moda e mediana, temos: Quanto mais os dados variam, menos representativa é a média. Estatístca Dscplna de Estatístca 0/ Curso Superor de tecnólogo em Gestão Ambental Profª. Me. Valéra Espíndola Lessa e-mal: lessavalera@gmal.com Meddas de Dspersão Indcam se os dados estão, ou não, prómos

Leia mais

MODELOS DE REGRESSÃO PARAMÉTRICOS

MODELOS DE REGRESSÃO PARAMÉTRICOS MODELOS DE REGRESSÃO PARAMÉTRICOS Às vezes é de nteresse nclur na análse, característcas dos ndvíduos que podem estar relaconadas com o tempo de vda. Estudo de nsufcênca renal: verfcar qual o efeto da

Leia mais

REGRESSÃO LINEAR ANÁLISE DE REGRESSÃO LINEAR MÚLTIPLA REGRESSÃO CURVILÍNEA FUNÇÃO QUADRÁTICA VERIFICAÇÃO DO AJUSTE A UMA RETA PELO COEFICIENTE 3 X 3

REGRESSÃO LINEAR ANÁLISE DE REGRESSÃO LINEAR MÚLTIPLA REGRESSÃO CURVILÍNEA FUNÇÃO QUADRÁTICA VERIFICAÇÃO DO AJUSTE A UMA RETA PELO COEFICIENTE 3 X 3 ANÁLISE DE REGRESSÃO LINEAR MÚLTIPLA REGRESSÃO LINEAR Verfcado, pelo valor de r, que ocorre uma sgnfcante correlação lnear entre duas varáves há necessdade de quantfcar tal relação, o que é feto pela análse

Leia mais

Estatística Descritiva e Inferencial CE081. Prof. Dr. Jomar Camarinha

Estatística Descritiva e Inferencial CE081. Prof. Dr. Jomar Camarinha Estatística Descritiva e Inferencial CE081 Prof. Dr. Jomar Camarinha CONTEÚDO Estatística Descritiva e Exploratória Teoria dos Conjuntos Análise Combinatória Noções de Probabilidade Noções de Amostragem

Leia mais

ANÁLISE DE VARIÂNCIA DE UM CRITÉRIO (DIC)

ANÁLISE DE VARIÂNCIA DE UM CRITÉRIO (DIC) ANÁLISE DE VARIÂNCIA DE UM CRITÉRIO (DIC) Lucas Santana da Cunha http://www.uel.br/pessoal/lscunha/ Universidade Estadual de Londrina 11 de dezembro de 2017 Uma análise de variância expressa uma medida

Leia mais

MINISTÉRIO DA EDUCAÇÃO UNIVERSIDADE FEDERAL DE CAMPINA GRANDE CENTRO DE CIENCIAS E TECNOLOGIA AGROALIMENTAR UNIDADE V

MINISTÉRIO DA EDUCAÇÃO UNIVERSIDADE FEDERAL DE CAMPINA GRANDE CENTRO DE CIENCIAS E TECNOLOGIA AGROALIMENTAR UNIDADE V MINISTÉRIO DA EDUCAÇÃO UNIVERSIDADE FEDERAL DE CAMPINA GRANDE CENTRO DE CIENCIAS E TECNOLOGIA AGROALIMENTAR UNIDADE V DELINEAMENTO EM BLOCOS CASUALIZADOS (DBC) Profª Railene Hérica Carlos Rocha 1. Introdução

Leia mais

Prof. Cláudio Serra, Esp. 1. Produção de Leite x índice Pluviométrico y = 0.8x R 2 =

Prof. Cláudio Serra, Esp. 1. Produção de Leite x índice Pluviométrico y = 0.8x R 2 = Análse de Regressão Cap.. Introdução Análse de regressão é uma técnca de modelagem utlzada para analsar a relação entre uma varável dependente () e uma ou mas varáves ndependentes,, 3,..., n. O ojetvo

Leia mais

Lucas Santana da Cunha de outubro de 2018 Londrina

Lucas Santana da Cunha de outubro de 2018 Londrina e Lucas Santana da Cunha email: lscunha@uel.br http://www.uel.br/pessoal/lscunha/ 17 de outubro de 2018 Londrina 1 / 31 Obtenção de uma amostra Há basicamente duas formas de se obter dados para uma pesquisa

Leia mais

Análise de Regressão Linear Múltipla VII

Análise de Regressão Linear Múltipla VII Análse de Regressão Lnear Múltpla VII Aula 1 Hej et al., 4 Seções 3. e 3.4 Hpótese Lnear Geral Seja y = + 1 x 1 + x +... + k x k +, = 1,,..., n. um modelo de regressão lnear múltpla, que pode ser escrto

Leia mais

Gabarito da Lista de Exercícios de Econometria I

Gabarito da Lista de Exercícios de Econometria I Gabarto da sta de Exercícos de Econometra I Professor: Rogéro lva Mattos Montor: eonardo enrque A. lva Questão Y X y x xy x ŷ ˆ ˆ y ŷ (Y - Y ) (X - X ) (Ŷ - Y ) 360 00-76 -00 35.00 40.000 36-4 30.976 3076

Leia mais

3ª LISTA DE EXERCÍCIOS

3ª LISTA DE EXERCÍCIOS MINISTERIO DA EDUCAÇÃO SECRETARIA DE EDUCAÇÃO PROFISSIONAL E TECNOLOGICA INSTITUTO FEDERAL DE EDUCAÇÃO CIÊNCIA E TECNOLOGIA GOIANO CAMPUS URUTAÍ Estatística Experimental Prof. Anderson Rodrigo da Silva

Leia mais

Testes não-paramétricos

Testes não-paramétricos Testes não-paramétrcos Prof. Lorí Val, Dr. http://www.mat.ufrgs.br/val/ val@mat.ufrgs.br Um teste não paramétrco testa outras stuações que não parâmetros populaconas. Estas stuações podem ser relaconamentos,

Leia mais

Análise Descritiva com Dados Agrupados

Análise Descritiva com Dados Agrupados Análse Descrtva com Dados Agrupados Em algumas stuações, os dados podem ser apresentados dretamente nas tabelas de frequêncas. Netas stuações devemos utlzar estratégas específcas para obter as meddas descrtvas

Leia mais

RAD1507 Estatística Aplicada à Administração I Prof. Dr. Evandro Marcos Saidel Ribeiro

RAD1507 Estatística Aplicada à Administração I Prof. Dr. Evandro Marcos Saidel Ribeiro UNIVERIDADE DE ÃO PAULO FACULDADE DE ECONOMIA, ADMINITRAÇÃO E CONTABILIDADE DE RIBEIRÃO PRETO DEPARTAMENTO DE ADMINITRAÇÃO RAD1507 Estatístca Aplcada à Admnstração I Prof. Dr. Evandro Marcos adel Rbero

Leia mais

Programa do Curso. Sistemas Inteligentes Aplicados. Análise e Seleção de Variáveis. Análise e Seleção de Variáveis. Carlos Hall

Programa do Curso. Sistemas Inteligentes Aplicados. Análise e Seleção de Variáveis. Análise e Seleção de Variáveis. Carlos Hall Sstemas Intelgentes Aplcados Carlos Hall Programa do Curso Lmpeza/Integração de Dados Transformação de Dados Dscretzação de Varáves Contínuas Transformação de Varáves Dscretas em Contínuas Transformação

Leia mais

Contabilometria. Aula 8 Regressão Linear Simples

Contabilometria. Aula 8 Regressão Linear Simples Contalometra Aula 8 Regressão Lnear Smples Orgem hstórca do termo Regressão Le da Regressão Unversal de Galton 1885 Galton verfcou que, apesar da tendênca de que pas altos tvessem flhos altos e pas axos

Leia mais

NOÇÕES SOBRE CORRELAÇÃO E REGRESSÃO LINEAR SIMPLES

NOÇÕES SOBRE CORRELAÇÃO E REGRESSÃO LINEAR SIMPLES NOÇÕES SOBRE CORRELAÇÃO E REGRESSÃO LINEAR SIMPLES 1 O nosso objetvo é estudar a relação entre duas varáves quanttatvas. Eemplos:. Idade e altura das cranças.. v. Tempo de prátca de esportes e rtmo cardíaco

Leia mais

1. CORRELAÇÃO E REGRESSÃO LINEAR

1. CORRELAÇÃO E REGRESSÃO LINEAR 1 CORRELAÇÃO E REGREÃO LINEAR Quando deseja-se estudar se exste relação entre duas varáves quanttatvas, pode-se utlzar a ferramenta estatístca da Correlação Lnear mples de Pearson Quando essa correlação

Leia mais

DELINEAMENTO EM BLOCOS AO ACASO

DELINEAMENTO EM BLOCOS AO ACASO DELINEAMENTO EM BLOCOS AO ACASO Sempre que não houver condições experimentais homogêneas, devemos utilizar o principio do controle local, instalando Blocos, casualizando os tratamentos, igualmente repetidos.

Leia mais

Experimentos em Quadrados Latinos: Aspectos Teóricos com Aplicação

Experimentos em Quadrados Latinos: Aspectos Teóricos com Aplicação Unversdade Estadual da Paraíba Centro de Cêncas e Tecnologa Departamento de Estatístca Anderson Ferrera Arruda de Arauo Expermentos em Quadrados Latnos: Aspectos Teórcos com Aplcação Campna Grande Dezembro,

Leia mais

8.2. Tipos de Ações Gerenciais em Empresas que Valorizam o Controle de Qualidade

8.2. Tipos de Ações Gerenciais em Empresas que Valorizam o Controle de Qualidade 8. USO DA ANÁLISE DE VARIÂNCIA E DA REGRESSÃO 8.1. Introdução A estatístca é a cênca que lda com a coleta, o processamento e a dsposção de dados (nformação) atuando como ferramenta fundamental nos processos

Leia mais

Cap. 11 Correlação e Regressão

Cap. 11 Correlação e Regressão Estatístca para Cursos de Engenhara e Informátca Pedro Alberto Barbetta / Marcelo Menezes Res / Antono Cezar Borna São Paulo: Atlas, 2004 Cap. 11 Correlação e Regressão APOIO: Fundação de Apoo à Pesqusa

Leia mais

Delineamento e Análise Experimental Aula 5

Delineamento e Análise Experimental Aula 5 Aula 5 Castro Soares de Oliveira Delineamentos Experimentais Delineamento experimental ou desenhos experimentais é o plano utilizado para realizar o experimento. Esse plano implica na maneira como os diferentes

Leia mais