NORMAIS HOMOCEDÁSTICOS E HETEROCEDÁSTICOS

Tamanho: px
Começar a partir da página:

Download "NORMAIS HOMOCEDÁSTICOS E HETEROCEDÁSTICOS"

Transcrição

1 COMPARAÇÕES Comparaçõe MÚLTIPLAS múltpla bayeaa BAYESIANAS em modelo... EM MODELOS 845 NORMAIS HOMOCEDÁSTICOS E HETEROCEDÁSTICOS Bayea multple comparo omocedatc ad eterocedatc ormal model Paulo Céar de Reede Adrade, Dael Furtado Ferrera RESUMO Procedmeto de comparaçõe múltpla ão utlzado para comparar méda de íve de um fator, porém, o tete ma populare apreetam problema de ambgudade do reultado e de cotrole do erro tpo I, além de terem eu deempeo fluecado egatvamete o cao de eterogeedade de varâca e ão balaceameto. Obetvou-e, ete trabalo propor alteratva bayeaa para comparaçõe múltpla coderado o cao de omogeedade e eterogeedade de varâca. A metodologa utlzada ee trabalo fo baeada a dtrbução a poteror t multvarada. Foram gerada cadea de méda, utlzado o método de Mote Carlo. Fo obtda a ampltude padrozada ob H 0, obtda a dtrbução a poteror da méda, cotemplado a pobldade de e aalar tato o cao de varâca eterogêea como o cao de varâca omogêea. O procedmeto de comparaçõe múltpla bayeao foram propoto com uceo. Termo para dexação: Smulação, erro tpo I, poder, Mote Carlo, ão balaceameto. ABSTRACT Multple comparo procedure are ued to compare factor level mea, ce te mot popular tet ow problem related to ambguou reult ad to te cotrol of te type I error rate. Moreover, ter performace wort eterocedatc ad ubalaced cae. Te obectve of t wor to propoe a Bayea alteratve for multple comparo coderg te omocedatc ad eterocedatc ormal model. Te metodology adopted t paper wa baed o a poteror multvarate t dtrbuto. It wa ued Mote Carlo ca of te mea factor to mae ferece. Te tadardzed rage wa obtaed, uder H 0, from te poteror dtrbuto of te mea, for te aaly of omocedatc ad eterocedatc cae. Te bayea procedure of multple comparo were uccefully propoed. Idex term: Smulato, type I error rate, power, Mote Carlo, ubalaced. (Recebbo em 0 de abrl de 008 e aprovado em 3 de abrl de 00) INTRODUÇÃO Na expermetação, o pequador, geralmete, utlza a aále de varâca para avalar a gfcâca do efeto do tratameto, deparado-e com o problema de comparar méda de dferete íve do fator. Para verfcar dfereça etre méda de tratameto ão ugerdo váro procedmeto de comparaçõe múltpla. O grade problema dee tete é a ambgudade do reultado (Macado et al., 005). Um egudo problema, ão meo mportate, é o do cotrole do erro tpo I (Hocberg & Tamae, 987; Hu, 996). O problema da ambgudade pode er cotorado com método alteratvo de agrupameto, ma que apreetam a devatagem de erem váldo apea ob ormaldade. Em tuaçõe de eterogeedade de varâca podem er utlzado método de reamotragem boottrap. Uma alteratva é o uo de procedmeto bayeao. Uma quatdade razoável de artgo, a maora recete, leva em coderação o problema de comparaçõe múltpla do poto de vta bayeao. Duca (965) dá a prmera expoção completa de uma aproxmação bayeaa para o problema de comparação múltpla. Waller & Duca (969) amplaram o procedmeto orgal de Duca (965). Berry (988) e Berry & Hocberg (999) uaram o proceo Drclet como dtrbução a pror o cotexto de multplcdade. Gopala & Berry (998) deevolveram ea aproxmação, para obter probabldade a poteror para pótee de gualdade etre méda populacoa, com varâca gua. Saffer (999) modfcou o procedmeto de Waller & Duca (969), potulado pror ão formatva. Bratcer & Hamlto (005) apreetaram um procedmeto de comparaçõe múltpla bayeao para méda raqueada e obtda de populaçõe dtrbuída ormalmete. Co et al. (006) coderaram o problema epecífco de comparaçõe múltpla para populaçõe com dtrbução bomal egatva, aplcado a famíla Drclet, Uverdade Federal do Vale do Jequtoa e Mucur/UFVJM Ittuto de Cêca e Tecologa/ICT Campu II Rodova MGT 367 Km Alto da Jacuba Damata, MG paulo.adrade@ufvm.edu.br Uverdade Federal de Lavra/UFLA Departameto de Cêca Exata/DEX Lavra, MG Cêc. agrotec., Lavra, v. 34,. 4, p , ul./ago., 00

2 846 ANDRADE, P. C. de R. & FERREIRA, D. F. a forma de pror. Porém, eum dee procedmeto efoca o cao ormal omocedátco ou eterocedátco. Obetvou-e ete trabalo, propor alteratva bayeaa para comparaçõe múltpla coderado o cao de omogeedade e eterogeedade de varâca em modelo com dtrbução ormal, balaceado ou ão, lutrada em exemplo mulado. MATERIAL E METODOS Codere o cao epecal em que o elemeto do vetor de obervaçõe y ão amotra depedete y = (y,..., y ),..., y = (y,..., y K ), de tamao,...,, ( = ) de populaçõe com méda (,..., ), repectvamete, e varâca comum. Nee cao, a dtrbução a poteror de é a t multvarada, uma vez que foram uada pror cougada ormal multvarada para o vetor de méda e Wart vertda para a matrz de covarâca. Am, a dtrbução a poteror reultate é dada por y p( y),,,...,, () com y y e y y,, que fo uada para e realzar a comparaçõe de méda de populaçõe orma. Ea dtrbução a poteror é a dtrbução t multvarada de dmeão com grau de lberdade, cetrada a méda amotral y, coforme detalameto apreetado a equêca. A déa é, a partr da t multvarada, propor um procedmeto bayeao para e realzar a comparaçõe múltpla da méda. Geração de uma amotra de tamao da t multvarada Sea populaçõe com méda = (,,..., ) t. Obervaçõe Y = {Y, Y,,..., Y } ão obtda dea t populaçõe, em que Y = ( y, y,..., y ) é um vetor de obervaçõe x codcoalmete depedete o tratameto, =,,..., e. O problema de comparaçõe múltpla (PCM) é fazer ferêca obre a relaçõe etre o baeado em Y = {Y, Y,,..., Y }. Pela equação () pode-e obervar que a dtrbução a poteror do parâmetro fo utlzada para e realzar comparaçõe múltpla de méda orma. Coderado o modelo a forma y = + + e faz-e = = +. A dtrbução t multvarada, t (,,, v), pou parâmetro que podem er epecfcado por: 0 0 y y 0 0 y, S y, y 0 0 em que é o úmero de méda populacoa e é a matrz de covarâca da méda. O elemeto localzado fora da dagoal prcpal dcaram covarâca ula etre a populaçõe, edo coderado depedete, ao pao que o - émo elemeto da dagoal de repreeta a varâca da -éma população obre o úmero de elemeto da mema. Na equêca fo coderada a forma geral uada para gerar varáve aleatóra -dmeoa t multvarada com grau de lberdade e parâmetro e. Sea um vetor aleatóro X com dtrbução N (0, ) e a varável ecalar U com dtrbução qu-quadrado com grau de lberdade, etão o vetor aleatóro Y dado pela traformação X Y, pou dtrbução t multvarada com v U grau de lberdade. Fo aplcada a traformação ateror veze, a dferete vetore aleatóro X e a varáve ecalare U, tedo ao fal do proceo uma amotra de tamao da dtrbução t multvarada com grau de lberdade, utlzado o programa R (R Developmet Core Team, 006), como ambete de programação, em que todo o procedmeto foram mplemetado. Dtrbução ula da ampltude padrozada A partr da dtrbução a poteror t multvarada, t (,,, ), foram gerada cadea de méda, utlzado o método de Mote Carlo e aumdo méda cotate, vetor = (,,..., ) t, ou ea, todo o compoete gua. Am, em perda de geeraldade, fo aumdo = 0 (para todo o compoete), mpodo a pótee ula H 0 o método bayeao. No próxmo pao fo realzada a geração da ampltude padrozada da poteror, ob H 0, e obtda a dtrbução a poteror da méda da egute forma: Cêc. agrotec., Lavra, v. 34,. 4, p , ul./ago., 00

3 Comparaçõe múltpla bayeaa em modelo máx mí q () em que repreeta a méda armôca da varâca da méda, dada por: para cotemplar a pobldade de e aalar tato o cao de varâca eterogêea como o cao de varâca omogêea. O fato de e gerar a ampltude padrozada da poteror, ob H 0, obtda da dtrbução a poteror da méda da forma motrada a equação (3) tem um gfcado muto mportate, po poblta a aále ob eterogeedade de varâca e ob codçõe de ão balaceameto, dferetemete do tete de comparaçõe múltpla covecoa. Calcula-e a egur a dfereça míma gfcatva =., em que é o quatl uperor 00 % da a. a. dtrbução a poteror de q. Para qualquer ampltude maor que, a dfereça é gfcatvamete coderada dferete de zero. Para decrever o reultado fa da aále do método propoto ete trabalo foram coderado quatro exemplo mulado, ob dua tuaçõe. Na prmera tuação, foram mulado dado de expermeto ob H 0. Na eguda, foram mulado dado de expermeto ob H, edo que a dfereça etre a méda do íve do fator fo de do erro padrõe. Em ambo foram coderada tuaçõe balaceada e omocedátca e ão balaceada e eterocedátca. Foram obtda a dedade a poteror da dtrbução da ampltude padrozada q e o quat uperore 0%, 5% e % dea dtrbução, em cada um do quatro exemplo utlzado, utlzado-e um etmador de dedade Kerel do programa R (R Developmet Core Team, 006). Para realzar a ferêca a repeto da pótee H 0 : =, =,,...,, coderado todo o pare e todo o exemplo, fo obtdo (3) =. q., (4) para a = 0%, 5% e % edo obtdo a partr da expreão (3). Da mema forma fo obtda a méda a dtrbução a poteror de e am, para cada par (, ), fo obtdo o tervalo de cofaça bayeao ICB - ( - ): ', em que e ' ão a méda poteror da cadea de e. Todo o tervalo que cotverem zero dcarão que a pótee H 0 : = ão deve er, reetada; e o lmte do ICB - a forem potvo, dcarão que > ; e forem egatvo, <. Dua alteratva foram avalada. Na prmera, coderado todo o pare (, ), fo calculada a egute probabldade a poteror P ( > ). Eta probabldade ervu de forma decrtva como uma evdêca a favor ou cotra H 0. A eguda alteratva era obter uma ova cadea com o lmte feror (LI ) e uperor (LS ) de um tervalo a poteror para cada par de méda, da egute forma LI LS ' ' ' ' q q Como medda de evdêca a favor ou cotra H 0 : =, calculou-e a probabldade a poteror do tervalo coterem o valor zero - P ICB 0. Sea I (0 [LI, LS ]), a fução dcadora para verfcar e o valor 0 pertece ao tervalo a -éma udade amotral de Mote Carlo da cadea a poteror, logo, P ICB 0 I 0 LI ' Uma últma aále fo realzada utlzado o HPD a cadea a poteror da dtrbução da dfereça de dua méda. Para cada cadea -, fo obtdo o HPD utlzado um coefcete de credbldade de 95%, utlzado e para o o pacote BOA, um aplcatvo do programa R (R Developmet Core Team, 006). O reultado de todo o procedmeto foram comparado em expermeto mulado. Foram mulado do exemplo ob a pótee ula, ou ea, toda a méda do íve do fator foram coderada gua. No prmero cao, coderou-e uma, LS ' (5) (6) (7) (8) Cêc. agrotec., Lavra, v. 34,. 4, p , ul./ago., 00

4 848 ANDRADE, P. C. de R. & FERREIRA, D. F. tuação balaceada e omocedátca. Fo coderado o valor = 6 e r = 5, com =. Am, a obervaçõe y foram gerada de uma ormal N(0, ), para =,,..., e =,,..., r. No egudo cao, coderou-e que a amotra de cada população eram gerada de dtrbuçõe orma com méda 0 e varâca =, = 4, = 7, = 3 4 0, = 3 e = 6. Io fo realzado para que 5 6 ouvee uma eterogeedade de varâca máxma de = / = 6. Am, o valore y 6 foram gerado de N(0, ), coderado o valore da méda do dado por 3, 5, 4, 3, e 4, para =,, 3, 4, 5 e 6, repectvamete. Foram mulado do exemplo ob a pótee alteratva, edo o prmero balaceado e omocedátco e o egudo ão balaceado e eterocedátco. O valore de, r ou e ou foram o memo. A dfereça é que a amotra da populaçõe coderada pouíam dferete méda. A méda da população fo coderada gual a zero ( = 0) em perda de geeraldade. A dema méda foram defda por: + = +, (9) edo a raz quadrada da méda armôca da varâca da méda, dada por: RESULTADOS E DISCUSSÃO (0) Foram coderado H 0 e H em do cao, expermeto balaceado e omocedátco (comportado) e ão balaceado e eterocedátco (ão comportado). A dcuão é preudcada pela ecaez de artgo obre o problema. A méda orga e a poteror de expermeto mulado ob H 0 e H, comportado e ão comportado apreetaram reultado mlare, dcado que a mulação fo cotete. É coveete aletar que cada méda mulada dfere da outra por uma dfereça de do erro padrõe, ob H. Am, a dfereça podem er atrbuída apea ao erro de Mote Carlo, obtdo a mulaçõe realzada. A dedade a poteror permtem que e afrme que ouve uma grade flexbldade do método, dcado pelo aute ao couto de dado e a ua caracterítca. Am, dferetemete do cao cláco, o quat uperore da ampltude padrozada modfcam-e em fução do ão balaceameto e da eterogeedade de varâca que porvetura poam extr o couto de dado ubmetdo à aále. Na Tabela ão apreetado o quat uperore 0%, 5% e % da dtrbução da ampltude padrozada q. O valore do quat da ampltude padrozada ão muto mlare ao da ampltude etudetzada q do tete cláco de comparaçõe múltpla de Tuey para méda de 6 fatore com 4 grau de lberdade, cuo valore ão 3,90, 4,37 e 5,37 para 0%, 5% e %, repectvamete, prcpalmete com o do cao comportado. O valore obervado ob H comportado e ão comportado dcam uma pequea dfereça, edo um pouco maore ee últmo cao. Coderado a dfereça etre todo o pare de méda e comparado com o, obtdo a partr da equação (4), verfca-e que realmete ão á dfereça gfcatva etre a méda do fatore a tuaçõe ob H 0 comportado e ão comportado. Ee reultado é muto tereate, po amba a tuaçõe foram mulada ob a pótee ula em que a méda do fatore ão gua e com o ão e eperava detectar dfereça etre a méda. Verfca-e também que á dfereça gfcatva etre a méda do fatore a tuaçõe ob H comportado e ão comportado, ma que muta dfereça foram ão gfcatva, dcado que e cometeu o erro tpo II. A eterogeedade de varâca afetou coderavelmete o poder do tete. A dfereça míma gfcatva foram muto dcrepate, edo uma dela ma de Tabela Quat uperore da ampltude padrozada q da dtrbução a poteror. - Sob H 0 Sob H Comportado Não Comportado Comportado Não Comportado 90% 3, , , , % 4,3733 4,8493 4,4675 4, % 5, ,483 5, ,0368 Cêc. agrotec., Lavra, v. 34,. 4, p , ul./ago., 00

5 Comparaçõe múltpla bayeaa em modelo quatro veze uperor à outra. Io é um dcatvo que o tete quado aplcado em tuaçõe eterocedátca, deve er meo poderoo. Obervado o tervalo de cofaça bayeao do tete de comparaçõe múltpla, utlzado o quat 95% da dtrbução da ampltude padrozada a poteror q ob H 0 comportado e ão comportado, verfca-e que todo o tervalo eglobaram o zero, que é um dcatvo de que a pótee H 0 : =, ão deva er reetada. Ee procedmeto é alteratvo ao procedmeto ateror, coderado a ampltude padrozada a poteror. Outro fato tereate a er detacado é que o tervalo de cofaça bayeao para a tuação ão comportada ão ma amplo. Io é decorrete da maor dfereça míma bayeaa ee cao, em coequêca da maor varabldade o cao eterocedátco. Am, o procedmeto é adequado tato para tuaçõe comportada como para tuaçõe em que a codçõe ão eram favoráve à aplcação de um tete cláco de comparaçõe múltpla. Em ambo o cao, o etato, a upoção de ormaldade ão fo volada. Sob H comportado e ão comportado, tervalo cotveram o valor zero, que é um dcatvo de que etá e cometedo o erro tpo II. Cada méda populacoal, ee cao, dfere da ua vza por do erro padrõe. Méda vza de um alto gual a, pouem valore dtate em quatro erro padrõe e am ucevamete. Am, méda ma dtate tedem a er dferecada. A oclaçõe o valore da méda expermeta ão devda ao maore erro aocado à tuação deomada ão comportada. A probabldade a poteror P( > ), coderado todo o pare (, ) da dtrbução couta a poteror, ão apreetada a Tabela. Quado a probabldade P( > ) 0,05 ou P( > ) 0,975 tem-e uma evdêca cotra H, cao 0 0,05 < P( > ) < 0,975, tem-e uma evdêca a favor de H 0. Ea evdêca fo coderada ete etudo por meo da ecola de 95% de cofaça, para termo uma tuação comparável ao ormalmete aplcado ao tete cláco de comparaçõe múltpla. Verfca-e que, ob H 0 comportado, toda a probabldade evdecam que a pótee H 0 ão deve er reetada. Cotudo, ob H 0 ão comportado, á uma tuação de evdêca cotra H 0, parâmetro e, que dcam que o procedmeto é 4 6 ma lberal, com ma cace de cometer erro. Verfca-e também que, ob H comportado, á 4 (quatro) cao evdecado que a pótee H 0 ão deve er reetada, e que, ob H ão comportado, á 5 (cco) cao. Ee reultado, quado comparado com aquele que utlzaram Tabela Probabldade a poteror P( > ), em porcetagem, coderado todo o pare (, ) dtrbução couta a poteror. Parâmetro Sob H 0 Sob H Comportado Não Comportado Comportado Não Comportado e 68,77 58,56,9 3,50 e 3 80,4 75,5 6,4,89 e 4 40,65 9,84 0,00 0,03 e 5 55, 37,54 0,00 5,73 e 6 74,08,90 0,00 0,0 e 3 65, 70,4,88,35 e 4 3,79 9,3 0,06 0,00 e 5 36, 9,55 0,00 4, e 6 56,75 3,5 0,00 0,00 3 e 4 3,74 8,4 0,53 0,86 3 e 5 3,38 7,95 0,00 76,70 3 e 6 4,3 6,35 0,00 0, 4 e 5 64, 5,9,89 99,9 4 e 6 8,04,45 0,3 6,5 5 e 6 69,74 35,79 8,76 0,08 Cêc. agrotec., Lavra, v. 34,. 4, p , ul./ago., 00

6 850 ANDRADE, P. C. de R. & FERREIRA, D. F. a dtrbução a poteror da ampltude padrozada permtem que e fra que ete método é ma poderoo do que o ateror. No etato, ob a pótee ula, prcpalmete ob tuaçõe ão comportada, ee procedmeto fo coderado ma lberal. Am, a vatagem em relação ao maor poder deve er olada com realva. Ee procedmeto é o que o bayeao ormalmete fazem, ou ea, tomam ua decõe baeada a dtrbução a poteror couta do parâmetro e uma medda probablítca a favor de uma pótee ou de outra. Am, ete procedmeto, aplcado para f de comparação, ão é equvalete ao da propota de trabalo que codera a dtrbução a poteror da ampltude padrozada para cotrur o crtéro de decão. O tete de Tuey era a alteratva equvalete ao procedmeto bayeao que codera a ampltude a poteror padrozada e que cotrolara a taxa de erro por expermeto. Portato, a maor lberaldade dea alteratva era eperada, como acotece com o eu pare cláco. A probabldade a poteror do tervalo de cofaça coter o valor zero - P ICB 0, ão apreetada a Tabela 3. A dfereça etre ee método e o ateror é que a cadea da dfereça de méda coderam o valore de determado em cada poto amotral dea cadea. Am, epera-e uma maor proteção do erro tpo I quado e utlza tal procedmeto. Quado a probabldade for meor ou gual a 5% tem-e uma evdêca cotra H 0, cao cotráro, a favor de H 0. Verfca-e que, ob H 0, toda a probabldade cottuíram-e em uma forte evdêca a favor de H 0. Ee procedmeto é equvalete ao tervalo de cofaça bayeao uado o e a dfereça etre ele é que o tervalo bayeao é obtdo como um umáro da cadea da dfereça etre dua méda e a obteção da probabldade, evolve o cálculo do tervalo em cada poto mulado da cadea a poteror. Verfca-e também que, ob H extem probabldade que evdecam uma decão a favor de H 0, ou ea, dcatvo de e etar cometedo erro do tpo II. Ee procedmeto apreetou pore reultado do que o obtdo utlzado o tervalo baeado a méda a poteror da cadea da dfereça da méda e com a ampltude padrozada, po ouve ma erro do tpo II o preete cao. O HPD de 95% para cada cadea = ão apreetado a Tabela 4. Novamete é tereate que e alete que ee é um procedmeto que era geuamete adotado pelo etatítco bayeao. Ee procedmeto deve er melor do que o procedmeto que utlzam a dtrbução a poteror da dfereça de méda apreetado aterormete, ma ão cotora o problema do cotrole do erro tpo I global a dferete aále realzada multaeamete. Tabela 3 Probabldade, em porcetagem, do tervalo de cofaça bayeao (56) a poteror coter o valor zero. Parâmetro Sob H 0 Sob H Comportado Não Comportado Comportado Não Comportado e 84,8 87,9 78,90 86,9 e 3 77,63 8,9 58,3 44,6 e 4 86,40 57,03,89,8 e 5 86,74 80,7 0,0 67,3 e 6 8,35 78,5 0,00 0,88 e 3 85,6 86,83 79,4 59,60 e 4 79,95 63,98 8,74 4,33 e 5 85,43 80,44 0,6 78,00 e 6 86,53 76,48 0,0,34 3 e 4 7,73 76,06,49 8,68 3 e 5 79,8 70,60 0,9 76,40 3 e 6 86,39 6,4 0,0 3,74 4 e 5 85,6 45,6 38,68 4,6 4 e 6 76,87 33,07 8,77 8,5 5 e 6 83,76 80,9 64,70 6,85 Cêc. agrotec., Lavra, v. 34,. 4, p , ul./ago., 00

7 Tabela 4 HPD de 95% para cada cadea -. Parâmetro Comparaçõe múltpla bayeaa em modelo Sob H 0 Sob H Comportado Não Comportado Comportado Não Comportado LIC LSC LIC LSC LIC LSC LIC LSC e -0,8,34 -,78 3,3 -,36 0,60-4,56,97 e 3-0,57,55 -,95 4,09 -,7 0, -7,67 0,7 e 4 -,6 0,978-0,77 5,80-3,0 -,05 -,7-4,46 e 5-0,97,60-4,39 3,00-4,08 -, -7,0,58 e 6-0,77,387-4,7,954-4,75 -,80-3,8-6,05 e 3-0,87,49 -,9 3,497 -,36 0,58-6,54 0,330 e 4 -,43 0,673-0,86 5,39 -,63-0,65 -,5-4,0 e 5 -,6 0,889-4,9,559-3,66 -,73-5,7,99 e 6-0,9, -4,4,76-4,39 -,4 -,5-5,64 3 e 4 -,63 0,506 -,75 4,45 -,33-0,37-8,67-0,8 3 e 5 -,4 0,735-5,0,980-3,35 -,38 -,69 6,0 3 e 6 -,0 0,934-5,7 0,67-3,96 -,99-9,70 -,5 4 e 5-0,89,48-6,86 0,67 -,0-0,09,73,3 4 e 6-0,54,588-6,65-0,39 -,70-0,74-5,,546 5 e 6-0,80,334-4,6,96 -,6 0,98 -,8-3,09 Verfca-e que ee procedmeto fo equvalete ao da probabldade a poteror P( > ), ee cao. Epera-e que reultado mlare etre ee do procedmeto eam obervado com muta frequêca em tuaçõe prátca rea, ma ão á garata de equvalêca teórca etre ee do método. O que, o etato, fca claro é que ambo o método ão pouem garata de cotrole do erro tpo I multaeamete a múltpla ferêca realzada a cadea a poteror da dfereça etre méda. Am, obervado-e o erro tpo I o cao ão comportado, tem-e uma evdêca de que ee procedmeto ea ma lberal que o que utlzam a dtrbução a poteror da ampltude padrozada. CONCLUSÕES O procedmeto que ecotra o tervalo de cofaça ICB - ( - ) uado a ampltude padrozada é ma coervatvo e flexível a tuaçõe de eterocedatcdade. Apreeta reultado pratcamete equvalete ao método que calcula a probabldade do tervalo a poteror coter o zero - P ICB 0. O procedmeto que calcula a probabldade a poteror P( > ) e o HPD, foram equvalete etre. São também ma lbera, detfcado dfereça em tuaçõe em que ela ão extem. O procedmeto propoto apreetam a devatagem de ada ão etarem mplemetado. Em compeação apreetam vatage em relação ao tete covecoa, o etdo de ão aver ecedade de balaceameto do dado, que é muto gfcatvo do poto de vta prátco, e de poderem er utlzado em tuaçõe omo e eterocedátca. O procedmeto baeado a ampltude padrozada foram uperore ao dema procedmeto etudado por terem cotrolado, o exemplo mulado, o erro tpo I e detectada a maor parte da dfereça ob H. O procedmeto de comparaçõe múltpla bayeao foram propoto com uceo para tuaçõe de ormaldade, com ou em omogeedade de varâca e com ou em balaceameto. REFERÊNCIAS BIBLIOGRÁFICAS BERRY, D.A. Multple comparo, multple tet, ad data dredgg: a Bayea perpectve: wt dcuo. I: BERNARDO, J.M.; DEGROOT, M.H.; LINDLEY, D.V.; SMITH, A.F.M. Bayea tattc. Oxford: Oxford Uverty, 988. v.3, p BERRY, D.A.; HOCHBERG, Y. Bayea perpectve o multple comparo. Joural of Stattcal Plag ad Iferece, Amterdam, v.8, p.5-7, 999. Cêc. agrotec., Lavra, v. 34,. 4, p , ul./ago., 00

8 85 ANDRADE, P. C. de R. & FERREIRA, D. F. BRATCHER, T.; HAMILTON, C. A Bayea multple comparo procedure for rag te mea of ormally dtrbuted data. Joural of Stattcal Plag ad Iferece, Amterdam, v.33, p.3-3, 005. CHO, J.S.; MASOOM, M.A.; BEGUM, M. Bayea multple comparo wt oparametrc Drclet proce pror for egatve bomal populato. Pao Joural Stattcal, v.,., p.89-98, 006. DUNCAN, D.B. A Bayea approac to multple comparo. Tecometrc, Wagto, v.7, p.7-, 965. GOPALAN, R.; BERRY, D.A. Bayea multple comparo ug Drclet proce pror. Joural Amerca Stattcal Aocato, Wagto, v.93,.443, p.30-39, 998. HOCHBERG, Y.; TAMHANE, A.C.T. Multple comparo procedure. New Yor: J.Wley, 987. HSU, J.C. Multple comparo: teory ad metod. Lodo: CRC, 996. MACHADO, A.A.; DEMÉTRIO, C.G.B.; FERREIRA, D.F.; SILVA, J.G.C. Etatítca expermetal: uma abordagem fudametada o plaeameto e o uo de recuro computacoa. I: REUNIÃO ANUAL DA REGIÃO BRASILEIRA DA SOCIEDADE INTERNACIONAL DE BIOMETRIA, 50.; SIMPÓSIO DE ESTATÍSTICA APLICADA À EXPERIMENTAÇÃO AGRONÔMICA,., 005, Lodra. Aa... Lodra: ISBN, 005. R DEVELOPMENT CORE TEAM. R: a laguage ad evromet for tattcal computg. Vea: R Foudato for Stattcal Computg, 005. Dpoível em: <ttp:// Aceo em: 0 u SHAFFER, P.J. A em-bayea tudy of Duca Bayea multple comparo procedure. Joural of Stattcal Plag ad Iferece, Amterdam, v.8, p.97-3, 999. WALLER, R.A.; DUNCAN, D.B. A Baye rule for te ymmetrc multple comparo problem. Joural of te Amerca Stattcal Aocato, Wagto, v.64,.38, p , 969. Cêc. agrotec., Lavra, v. 34,. 4, p , ul./ago., 00

= n. Observando a fórmula para a variância, vemos que ela pode ser escrita como, i 2

= n. Observando a fórmula para a variância, vemos que ela pode ser escrita como, i 2 Etatítca II Atoo Roque Aula 4 O Coefcete de Correlação de Pearo O coefcete de correlação de Pearo é baeado a déa de varâca, dada o curo de Etatítca I Como vto aquele curo, quado temo uma amotra compota

Leia mais

MODELOS DE REGRESSÃO NÃO LINEARES

MODELOS 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 mais

Escola Secundária de Jácome Ratton

Escola Secundária de Jácome Ratton Ecola Secudára de Jácome Ratto Ao Lectvo / Matemátca Aplcada à Cêca Soca Na Ecola Secudára do Suceo aualmete é premado o aluo que tver melhor méda a ua clafcaçõe a dferete dcpla. No ao lectvo 9/, o do

Leia mais

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

RAD1507 Estatística Aplicada à Administração I Prof. Dr. Evandro Marcos Saidel Ribeiro RESUMO UNIVERSIDADE DE SÃO PAULO FACULDADE DE ECONOMIA, ADMINISTRAÇÃO E CONTABILIDADE DE RIBEIRÃO PRETO DEPARTAMENTO DE ADMINISTRAÇÃO RAD507 Etatítca Aplcada à Admtração I Prof. Dr. Evadro Marco Sadel Rbero RESUMO

Leia mais

13 ESTIMAÇÃO DE PARÂMETROS E DISTRIBUIÇÃO AMOSTRAL

13 ESTIMAÇÃO DE PARÂMETROS E DISTRIBUIÇÃO AMOSTRAL 3 ESTIMAÇÃO DE PARÂMETROS E DISTRIBUIÇÃO AMOSTRAL Como vto em amotragem o prmero bmetre, etem fatore que fazem com que a obervação de toda uma população em uma pequa eja mpratcável, muta veze em vrtude

Leia mais

1- Qual a diferença entre amostragem probabilística e não-probabilística? Qual é a mais recomendada?

1- Qual a diferença entre amostragem probabilística e não-probabilística? Qual é a mais recomendada? VIII-AMOSTRAGEM A Etatítca Iferecal ou Iferêca Etatítca tem como objetvo bucar cocluõe robablítca obre oulaçõe com bae o reultado obervado em amotra etraída dea oulaçõe Am, certo cudado báco devem er tomado

Leia mais

ESTATÍSTICA II FORMULÁRIO

ESTATÍSTICA II FORMULÁRIO Uverdade do Mho Ecola de Egehara ESTATÍSTICA II Ídce Metrado Itegrado em Egehara e Getão Idutral FORMULÁRIO Ao Lectvo 007-008 Itervalo de Cofaça (uma amotra / dua amotra depedete)... Tete de Hpótee (uma

Leia mais

i 2 i= = n Observando a fórmula para a variância, vemos que ela pode ser escrita como, i 2

i 2 i= = n Observando a fórmula para a variância, vemos que ela pode ser escrita como, i 2 O Coefcete de Correlação de Pearo O coefcete de correlação de Pearo é baeado a déa de varâca, dada a aula 6 Como vto aquela aula, quado temo uma amotra compota por dado, a varâca da amotra é dada por,

Leia mais

Capítulo III Medidas Estatísticas

Capítulo III Medidas Estatísticas 8 Capítulo III Medda Etatítca III. Medda de Tedêca Cetral A apreetação de dado em tabela e gráco motra a orma da dtrbução. A medda de tedêca cetral dcam o valor do poto em toro do qual o dado e dtrbuem.

Leia mais

sticas Estatística (divisão) População stica: uma definição Estatística:

sticas Estatística (divisão) População stica: uma definição Estatística: Coleção de úmero etatítca tca O úmero de carro veddo o paí aumetou em 30%. A taa de deemprego atge, ete mê, 7,5%. A açõe da Telebrá ubram R$,5, hoje. Reultado do Caraval o trâto: 45 morto, 430 ferdo. Etatítca:

Leia mais

Etapas para a construção de uma distribuição de frequências por ponto

Etapas para a construção de uma distribuição de frequências por ponto Dtrbuçõe de Frequêca Uma dtrbução de requêca é uma tabela que reúe o cojuto de dado, coorme a requêca ou a repetçõe de eu valore o capítulo ateror, vmo como ão eta ea tabela quado a varável é qualtatva

Leia mais

Grande Conjuntos de Dados. Organização; Resumo; Apresentação. Amostra ou População. Defeitos em uma linha de produção

Grande Conjuntos de Dados. Organização; Resumo; Apresentação. Amostra ou População. Defeitos em uma linha de produção Prof. Lorí Val, Dr. val@pucr.br http://www.pucr.br/~val/ Grade Cojuto de Dado Orgazação; Reumo; Apreetação. Amotra ou População Defeto em uma lha de produção Lacado Deeho Torto Deeho Torto Lacado Torto

Leia mais

Verificação, Validação e Experimentação com Modelos de Simulação

Verificação, Validação e Experimentação com Modelos de Simulação Boletm Técco: MS: 03/06 em 9/06/006 Verfcação, Valdação e Expermetação com Modelo de ulação Prof. Luí Céar da Slva Emal: lvalc@cca.ufe.br - Webte: www.aga.com A etruturação de modelo para a mulação de

Leia mais

EAD Métodos Estatísticos de Projeção

EAD Métodos Estatísticos de Projeção EAD 655 - Método Etatítco de Projeção Prof. Cear Aleadre de Souza 2º. Semetre - 207 Modelagem Quattatva em Admtração Na admtração, a matemátca e a etatítca cotrbuem para a cração de modelo para auílo a

Leia mais

Estatística - exestatmeddisper.doc 25/02/09

Estatística - exestatmeddisper.doc 25/02/09 Estatístca - exestatmeddsper.doc 5/0/09 Meddas de Dspersão Itrodução ão meddas estatístcas utlzadas para avalar o grau de varabldade, ou dspersão, dos valores em toro da méda. ervem para medr a represetatvdade

Leia mais

Estatística 15 - Comparação entre Duas Populações

Estatística 15 - Comparação entre Duas Populações Etatítca 5 - Comaração etre Da Polaçõe 5- Comaração de Méda de Da Polaçõe µ Méda da olação µ Méda da olação Tete µ - µ µ - µ > µ - µ µ - µ < µ - µ µ - µ. Dado Emarelhado EemloVte cobaa bmetda drate ma

Leia mais

Uma coleção de todos os possíveis elementos, objetos ou medidas de interesse.

Uma coleção de todos os possíveis elementos, objetos ou medidas de interesse. Prof. Lorí Val, Dr. val@mat.ufrg.br http://www.ufrg.br/~val/ Etatítca: uma defção Coleção de úmero etatítca O úmero de carro veddo o paí aumetou em %. A taa de deemprego atge, ete mê, 7,%. A açõe da Telebrá

Leia mais

MEDIDAS DE DISPERSÃO:

MEDIDAS DE DISPERSÃO: MEDID DE DIPERÃO: fução dessas meddas é avalar o quato estão dspersos os valores observados uma dstrbução de freqüêca ou de probabldades, ou seja, o grau de afastameto ou de cocetração etre os valores.

Leia mais

Prof. Lorí Viali, Dr. PUCRS FAMAT: Departamento de Estatística Prof. Lorí Viali, Dr. PUCRS FAMAT: Departamento de Estatística

Prof. Lorí Viali, Dr. PUCRS FAMAT: Departamento de Estatística Prof. Lorí Viali, Dr. PUCRS FAMAT: Departamento de Estatística Prof. Lorí Val, Dr. http://www.pucrs.br/famat/val/ val@pucrs.br Prof. Lorí Val, Dr. PUCRS FAMAT: Departameto de Estatístca Prof. Lorí Val, Dr. PUCRS FAMAT: Departameto de Estatístca Obetvos A Aálse de

Leia mais

MEDIDAS DE POSIÇÃO: X = soma dos valores observados. Onde: i 72 X = 12

MEDIDAS DE POSIÇÃO: X = soma dos valores observados. Onde: i 72 X = 12 MEDIDAS DE POSIÇÃO: São meddas que possbltam represetar resumdamete um cojuto de dados relatvos à observação de um determado feômeo, pos oretam quato à posção da dstrbução o exo dos, permtdo a comparação

Leia mais

Universidade Estadual de Londrina

Universidade Estadual de Londrina Uverdade Etadual de Lodra Programa de Metrado e Doutorado em Cêca Bológca Reumo da atvdade deevolvda em aula Profa. Dra. Aa Verga Lbo Meett LODRIA 06 SUMÁRIO. Aále exploratóra de dado...0. Itervalo de

Leia mais

ESTATÍSTICA Exame Final 1ª Época 3 de Junho de 2002 às 14 horas Duração : 3 horas

ESTATÍSTICA Exame Final 1ª Época 3 de Junho de 2002 às 14 horas Duração : 3 horas Faculdade de cooma Uversdade Nova de Lsboa STTÍSTIC xame Fal ª Época de Juho de 00 às horas Duração : horas teção:. Respoda a cada grupo em folhas separadas. Idetfque todas as folhas.. Todas as respostas

Leia mais

Avaliação da qualidade do ajuste

Avaliação da qualidade do ajuste Avalação da qualdade do ajuste 1 Alguma termologa: Modelo ulo: é o modelo mas smples que pode ser defdo, cotedo um úco parâmetro ( µ) comum a todos os dados; Modelo saturado: é o modelo mas complexo a

Leia mais

REGRESSÃO LINEAR 05/10/2016 REPRESENTAÇAO MATRICIAL. Y i = X 1i + 2 X 2i k X ni + i Y = X + INTRODUÇÃO SIMPLES MÚLTIPLA

REGRESSÃO LINEAR 05/10/2016 REPRESENTAÇAO MATRICIAL. Y i = X 1i + 2 X 2i k X ni + i Y = X + INTRODUÇÃO SIMPLES MÚLTIPLA REGRESSÃO LINEAR CUIABÁ, MT 6/ INTRODUÇÃO Relação dos valores da varável depedete (varável resposta) aos valores de regressoras ou exógeas). SIMPLES MÚLTIPLA (varáves depedetes,... =,,, K=,,, k em que:

Leia mais

NOTAS DE AULA DA DISCIPLINA CE076. ], T 2 = conhecido como T 2 de Hotelling

NOTAS DE AULA DA DISCIPLINA CE076. ], T 2 = conhecido como T 2 de Hotelling 4 INFERÊNCIA SOBRE O VETOR DE MÉDIAS 4. TESTE PARA UM VETOR DE MÉDIAS µ Lembrado o caso uvarado: H : µ = µ H : µ µ Nível de sgfcâca: α Estatístca do teste: X µ t = s/ ~ t Decsão: se t > t - (α/) rejeta-se

Leia mais

Distribuições Amostrais. Estatística. 8 - Distribuições Amostrais UNESP FEG DPD

Distribuições Amostrais. Estatística. 8 - Distribuições Amostrais UNESP FEG DPD Dstrbuções Amostras Estatístca 8 - Dstrbuções Amostras 08- Dstrbuções Amostras Dstrbução Amostral de Objetvo: Estudar a dstrbução da população costtuída de todos os valores que se pode obter para, em fução

Leia mais

Confiabilidade Estrutural

Confiabilidade Estrutural Professor Uversdade de Brasíla Departameto de Egehara Mecâca Programa de Pós graduação em Itegrdade Estrutural Algortmo para a Estmatva do Idce de Cofabldade de Hasofer-Ld Cofabldade Estrutural Jorge Luz

Leia mais

Cap. 5. Testes de Hipóteses

Cap. 5. Testes de Hipóteses Cap. 5. Testes de Hpóteses Neste capítulo será estudado o segudo problema da ferêca estatístca: o teste de hpóteses. Um teste de hpóteses cosste em verfcar, a partr das observações de uma amostra, se uma

Leia mais

CAPÍTULO 3 MEDIDAS DE TENDÊNCIA CENTRAL E VARIABILIDADE PPGEP Medidas de Tendência Central Média Aritmética para Dados Agrupados

CAPÍTULO 3 MEDIDAS DE TENDÊNCIA CENTRAL E VARIABILIDADE PPGEP Medidas de Tendência Central Média Aritmética para Dados Agrupados 3.1. Meddas de Tedêca Cetral CAPÍTULO 3 MEDIDA DE TENDÊNCIA CENTRAL E VARIABILIDADE UFRG 1 Há váras meddas de tedêca cetral. Etre elas ctamos a méda artmétca, a medaa, a méda harmôca, etc. Cada uma dessas

Leia mais

Estatística Descritiva. Medidas estatísticas: Localização, Dispersão

Estatística Descritiva. Medidas estatísticas: Localização, Dispersão Estatístca Descrtva Meddas estatístcas: Localzação, Dspersão Meddas estatístcas Localzação Dspersão Meddas estatístcas - localzação Méda artmétca Dados ão agrupados x x Dados dscretos agrupados x f r x

Leia mais

Média. Mediana. Ponto Médio. Moda. Itabira MEDIDAS DE CENTRO. Prof. Msc. Emerson José de Paiva 1 BAC011 - ESTATÍSTICA. BAC Estatística

Média. Mediana. Ponto Médio. Moda. Itabira MEDIDAS DE CENTRO. Prof. Msc. Emerson José de Paiva 1 BAC011 - ESTATÍSTICA. BAC Estatística BAC 0 - Estatístca Uversdade Federal de Itajubá - Campus Itabra BAC0 - ESTATÍSTICA ESTATÍSTICA DESCRITIVA MEDIDAS DE CENTRO Méda Medda de cetro ecotrada pela somatóra de todos os valores de um cojuto,

Leia mais

x n = n ESTATÍSTICA STICA DESCRITIVA Conjunto de dados: Organização; Amostra ou Resumo; Apresentação. População

x n = n ESTATÍSTICA STICA DESCRITIVA Conjunto de dados: Organização; Amostra ou Resumo; Apresentação. População ESTATÍSTICA STICA DESCRITIVA Prof. Lorí Val, Dr. val@mat.ufrgs.br http://.ufrgs.br/~val/ Orgazação; Resumo; Apresetação. Cojuto de dados: Amostra ou População Um cojuto de dados é resumdo de acordo com

Leia mais

Inferência Estatística e Aplicações I. Edson Zangiacomi Martinez Departamento de Medicina Social FMRP/USP

Inferência Estatística e Aplicações I. Edson Zangiacomi Martinez Departamento de Medicina Social FMRP/USP Iferêca Estatístca e Aplcações I Edso Zagacom Martez Departameto de Medca Socal FMRP/USP edso@fmrp.usp.br Rotero Parte I Escola frequetsta Defções: parâmetros, estmatvas Dstrbuções de probabldade Estmação

Leia mais

Macroeconometria Aula 3 Revisão de estatística e teste de hipótese

Macroeconometria Aula 3 Revisão de estatística e teste de hipótese Macroecoometra 008. Aula 3 Revsão de estatístca e teste de hpótese 3.5. Estmação No estudo das probabldades, o objetvo é calcular a probabldade de evetos préespecfcados. De agora em date o objetvo muda.

Leia mais

? Isso é, d i= ( x i. . Percebeu que

? Isso é, d i= ( x i. . Percebeu que Estatístca - Desvo Padrão e Varâca Preparado pelo Prof. Atoo Sales,00 Supoha que tehamos acompahado as otas de quatro aluos, com méda 6,0. Aluo A: 4,0; 6,0; 8,0; méda 6,0 Aluo B:,0; 8,0; 8,0; méda 6,0

Leia mais

ESTATÍSTICA Aula 7. Prof. Dr. Marco Antonio Leonel Caetano

ESTATÍSTICA Aula 7. Prof. Dr. Marco Antonio Leonel Caetano ESTATÍSTICA Aula 7 Prof. Dr. Marco Atoo Leoel Caetao Dstrbuções de Probabldade DISCRETAS CONTÍNUAS (Números teros) Bomal Posso Geométrca Hper-Geométrca Pascal (Números reas) Normal t-studet F-Sedecor Gama

Leia mais

Construção e Análise de Gráficos

Construção e Análise de Gráficos Costrução e Aálse de Gráfcos Por que fazer gráfcos? Facldade de vsualzação de cojutos de dados Faclta a terpretação de dados Exemplos: Egehara Físca Ecooma Bologa Estatístca Y(udade y) 5 15 1 5 Tabela

Leia mais

Estatística: Aplicação ao Sensoriamento Remoto SER ANO Estimação Pontual

Estatística: Aplicação ao Sensoriamento Remoto SER ANO Estimação Pontual Estatístca: Aplcação ao Sesorameto Remoto SER 04 - ANO 08 Estmação Potual Camlo Daleles Reó camlo@dp.pe.br http://www.dp.pe.br/~camlo/estatstca/ Iferêca Estatístca Cosdere o expermeto: retram-se 3 bolas

Leia mais

(1) no domínio : 0 x < 1 Sujeita às condições de contorno: (2-a) CC1: (2-b) CC2: x dx

(1) no domínio : 0 x < 1 Sujeita às condições de contorno: (2-a) CC1: (2-b) CC2: x dx EXEMPLO MOTIVADOR I Método da Aproxmação Polomal Aplcado a Problema Udrecoa com Smetra. Eqaçõe Dfereca Ordára Problema de Valor o Cotoro Etrtra Geral do Problema: d dy( x) x f x, yx x dx dx o domío : x

Leia mais

Gonçalo X. Silva Alda Carvalho

Gonçalo X. Silva Alda Carvalho Goçalo X. Slva Alda Carvalho ÍNDICE. ESTATÍSTICA DESCRITIVA..... INTRODUÇÃO..... DEFINIÇÕES..... CLASSIFICAÇÃO DOS DADOS.... CARACTERIZAÇÃO DOS DADOS....5 ESTATÍSTICAS AMOSTRAIS... 0.5.. Medda de localzação...

Leia mais

ANÁLISE ESTATÍSTICA DO USO DE UM FILTRO DE KALMAN A UM SISTEMA DE MEDIÇÃO COM RUÍDOS

ANÁLISE ESTATÍSTICA DO USO DE UM FILTRO DE KALMAN A UM SISTEMA DE MEDIÇÃO COM RUÍDOS V CONGRESSO RASILEIRO DE METROLOGIA Metrologa para a compettvdade em área etratégca 9 a 3 de ovembro de 9. Salvador, aha ral. ANÁLISE ESTATÍSTICA DO USO DE UM ILTRO DE KALMAN A UM SISTEMA DE MEDIÇÃO COM

Leia mais

ESTATÍSTICA APLICADA À ZOOTECNIA

ESTATÍSTICA APLICADA À ZOOTECNIA ESTATÍSTICA APLICADA À ZOOTECNIA Eucldes Braga MALHEIROS *. INTRODUÇÃO.a) Somatóras e Produtóros Sejam,, 3,...,, valores umércos. A soma desses valores (somatóra) pode ser represetada por: = = = =. e o

Leia mais

MEDIDAS DE TENDÊNCIA CENTRAL I

MEDIDAS DE TENDÊNCIA CENTRAL I Núcleo das Cêcas Bológcas e da Saúde Cursos de Bomedca, Ed. Físca, Efermagem, Farmáca, Fsoterapa, Fooaudologa, edca Veterára, uscoterapa, Odotologa, Pscologa EDIDAS DE TENDÊNCIA CENTRAL I 7 7. EDIDAS DE

Leia mais

Estudo do intervalo de confiança da regressão inversa utilizando o software R

Estudo do intervalo de confiança da regressão inversa utilizando o software R Estudo do tervalo de cofaça da regressão versa utlzado o software R Llae Lopes Cordero João Domgos Scalo. Itrodução Na maora das aplcações evolvedo regressão, determa-se o valor de Y correspodete a um

Leia mais

Dados Experimentais. Isto é chamado de experimento controlado. Uma das vantagens

Dados Experimentais. Isto é chamado de experimento controlado. Uma das vantagens Dados xpermetas Para medr a produção de certa varedade de mlho, faremos um expermeto o qual a varedade de mlho semete é platada em váras parcelas homogêeas com o mesmo fertlzate, pestcda etc. Depos mede-se

Leia mais

Regressao Simples. Parte II: Anova, Estimação Intervalar e Predição

Regressao Simples. Parte II: Anova, Estimação Intervalar e Predição egressao Smples Parte II: Aova, Estmação Itervalar e Predção Aálse de Varâca Nem todos os valores das amostras estão cotdos a reta de regressão, e quato mas afastados estverem por, a reta represetará a

Leia mais

8 Programação linear 78

8 Programação linear 78 8 Programação lear 78 8 Programação lear A programação lear cosderou duas fuções objetvo: (a) maxmzação da comercalzação do gás e (b) mmzação das perdas (recetas e multas cotratuas). Foram dealzados dos

Leia mais

Revisão de Estatística X = X n

Revisão de Estatística X = X n Revsão de Estatístca MÉDIA É medda de tedêca cetral mas comumete usada ara descrever resumdamete uma dstrbução de freqüêca. MÉDIA ARIMÉTICA SIMPLES São utlzados os valores do cojuto com esos guas. + +...

Leia mais

( ) ( IV ) n ( ) Escolha a alternativa correta: A. III, II, I, IV. B. II, III, I, IV. C. IV, III, I, II. D. IV, II, I, III. E. Nenhuma das anteriores.

( ) ( IV ) n ( ) Escolha a alternativa correta: A. III, II, I, IV. B. II, III, I, IV. C. IV, III, I, II. D. IV, II, I, III. E. Nenhuma das anteriores. Prova de Estatístca Epermetal Istruções geras. Esta prova é composta de 0 questões de múltpla escolha a respeto dos cocetos báscos de estatístca epermetal, baseada os lvros BANZATTO, A.D. e KRONKA, S.N.

Leia mais

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

RAD1507 Estatística Aplicada à Administração I Prof. Dr. Evandro Marcos Saidel Ribeiro RESUMO UNIVERIDADE DE ÃO PAULO FACULDADE DE ECONOMIA, ADMINITRAÇÃO E CONTABILIDADE DE RIBEIRÃO PRETO DEPARTAMENTO DE ADMINITRAÇÃO RAD57 Etatítca Aplcaa à Amtração I Prof Dr Evaro Marco ael Rero REUMO REVIÃO DE

Leia mais

Tabela 1 Números de acidentes /mês no Cruzamento X em CG/07. N de acidentes / mês fi f

Tabela 1 Números de acidentes /mês no Cruzamento X em CG/07. N de acidentes / mês fi f Lsta de exercícos Gabarto e chave de respostas Estatístca Prof.: Nelse 1) Calcule 1, e para o segute cojuto de valores. A,1,8,0,11,,7,8,6,,9, 1 O úmero que correspode a 5% do rol é o valor. O úmero que

Leia mais

Controle Estatístico de Qualidade. Capítulo 6 (montgomery)

Controle Estatístico de Qualidade. Capítulo 6 (montgomery) Cotrole Estatístco de Qualdade Capítulo 6 (motgomery) Gráfcos de Cotrole para Atrbutos Itrodução Mutas característcas da qualdade ão podem ser represetadas umercamete. Nestes casos, classfcamos cada tem

Leia mais

MIEEC Supervisão e Controlo de Sistemas Eléctricos. Despacho Óptimo (incluindo limites de produção e perdas) Introdução

MIEEC Supervisão e Controlo de Sistemas Eléctricos. Despacho Óptimo (incluindo limites de produção e perdas) Introdução MIEEC Supervão e Cotrolo de Stema Eléctrco Depacho Óptmo (cludo lmte de produção e perda Itrodução Relembrado o problema de depacho óptmo: M cuto de produção M Z ΣC(g Suj. Σg load (ão havedo retrçõe de

Leia mais

CONHECIMENTOS ESPECÍFICOS

CONHECIMENTOS ESPECÍFICOS CONHECIMENTOS ESPECÍFICOS Uma uversdade oferece um curso para capactação profssoal de joves caretes. Ao fal do curso, cada jovem partcpate será avalado por meo de uma prova teórca e de uma prova prátca,

Leia mais

Regressão Simples. Parte III: Coeficiente de determinação, regressão na origem e método de máxima verossimilhança

Regressão Simples. Parte III: Coeficiente de determinação, regressão na origem e método de máxima verossimilhança Regressão Smples Parte III: Coefcete de determação, regressão a orgem e método de máxma verossmlhaça Coefcete de determação Proporção da varabldade explcada pelo regressor. R Varação explcada Varação total

Leia mais

Tópicos Extras 2ª parte. Análise de Correlação e Regressão

Tópicos Extras 2ª parte. Análise de Correlação e Regressão Tópcos Extras ª parte Aálse de Correlação e Regressão 1 Defções báscas ANÁLISE DE CORRELAÇÃO Mesurar a força da assocação etre as varáves (geralmete através do cálculo de algum coefcete). ANÁLISE DE REGRESSÃO

Leia mais

Relatório 2ª Atividade Formativa UC ECS

Relatório 2ª Atividade Formativa UC ECS Relatóro 2ª Atvdade Formatva Eercíco I. Quado a dstrbução de dados é smétrca ou apromadamete smétrca, as meddas de localzação méda e medaa, cocdem ou são muto semelhates. O mesmo ão acotece quado a dstrbução

Leia mais

Organização de dados -Dados não agrupados n. Mediana:

Organização de dados -Dados não agrupados n. Mediana: Orgazação de dado -Dado ão agruado Medaa: Poto de ocoameto: Méda: Moda: valor que ocorre com maor freqüêca Méda de Itervalo: + m max + Quartl: (ara j, ou ) j( +) Poto de ocoameto: 4 Méda da Juta: Q + Q

Leia mais

UMA ANÁLISE BAYESIANA DE PONTOS DE MUDANÇA NA VOLATILIDADE E RETORNO ESPERADO DE ÍNDICES DE MERCADOS LATINO AMERICANOS.

UMA ANÁLISE BAYESIANA DE PONTOS DE MUDANÇA NA VOLATILIDADE E RETORNO ESPERADO DE ÍNDICES DE MERCADOS LATINO AMERICANOS. A pequa Operacoa e o Recuro Reováve 4 a 7 de ovemro de 3 Nata-RN UMA ANÁLISE BAYESIANA DE PONTOS DE MUDANÇA NA VOLATILIDADE E RETORNO ESPERADO DE ÍNDICES DE MERCADOS LATINO AMERICANOS. Vícu Dz Mayrk Departameto

Leia mais

TESTES DE PROPORÇÕES TESTE DE UMA PROPORÇÃO POPULACIONAL

TESTES DE PROPORÇÕES TESTE DE UMA PROPORÇÃO POPULACIONAL TESTES DE PROPORÇÕES TESTE DE UMA PROPORÇÃO POPULACIONAL As hpóteses a serem testadas serão: H 0 : p p 0 H : p p 0 p > p 0 p < p 0 Estatístca do Teste: pˆ p0 z c p ( p ) 0 0 EXEMPLOS. Uma máqua está regulada

Leia mais

Exame 2ª ÉPoca h00 Parte Prática. GRUPO 1 (3,0 val.)

Exame 2ª ÉPoca h00 Parte Prática. GRUPO 1 (3,0 val.) Departameto de Egehara Cvl, Arqutetura e Georrecuro TRANSPORTES MEC - 3º Ao - 2º Semetre Prof. Repoável: Luí de Pcado Sato Ao Letvo 2013/2014 Duração máxma: 120 muto NOME: Exame 2ª ÉPoca 2014-07-01 08h00

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. É o grau de assocação etre duas ou mas varáves. Pode ser: correlacoal ou Prof. Lorí Val, Dr. val@mat.ufrgs.r http://www.mat.ufrgs.r/~val/ expermetal. Numa relação expermetal os valores de uma das varáves

Leia mais

7 Análise de covariância (ANCOVA)

7 Análise de covariância (ANCOVA) Plejameto de Expermetos II - Adlso dos Ajos 74 7 Aálse de covarâca (ANCOVA) 7.1 Itrodução Em algus expermetos, pode ser muto dfícl e até mpossível obter udades expermetas semelhtes. Por exemplo, pode-se

Leia mais

LCE2112 Estatística Aplicada às Ciências Sociais e Ambientais 2010/02. Exemplos de revisão

LCE2112 Estatística Aplicada às Ciências Sociais e Ambientais 2010/02. Exemplos de revisão LCE Etatítca Aplcada à Cêca Soca e Ambeta 00/0 Eemplo de revão Varável Aleatóra Cotíua Eemplo: Para e etudar o comportameto de uma plata típca de dua, a Hydrocotlle p., quato ao eu deevolvmeto, medu-e

Leia mais

Econometria: 3 - Regressão Múltipla

Econometria: 3 - Regressão Múltipla Ecoometra: 3 - Regressão Múltpla Prof. Marcelo C. Mederos mcm@eco.puc-ro.br Prof. Marco A.F.H. Cavalcat cavalcat@pea.gov.br Potfíca Uversdade Católca do Ro de Jaero PUC-Ro Sumáro O modelo de regressão

Leia mais

REGESD Prolic Matemática e Realidade- Profª Suzi Samá Pinto e Profº Alessandro da Silva Saadi

REGESD Prolic Matemática e Realidade- Profª Suzi Samá Pinto e Profº Alessandro da Silva Saadi REGESD Prolc Matemátca e Realdade- Profª Suz Samá Pto e Profº Alessadro da Slva Saad Meddas de Posção ou Tedêca Cetral As meddas de posção ou meddas de tedêca cetral dcam um valor que melhor represeta

Leia mais

DISTRIBUIÇÃO HIPERGEOMÉTRICA

DISTRIBUIÇÃO HIPERGEOMÉTRICA 7 DISTRIBUIÇÃO HIPERGEOMÉTRICA Cosdere-se uma população fta costtuída por N elemetos dstrbuídos por duas categoras eclusvas e eaustvas de dmesões M e N M, respectvamete. Os elemetos da prmera categora

Leia mais

Distribuições de Probabilidades

Distribuições de Probabilidades Estatístca - aulasestdstrnormal.doc 0/05/06 Dstrbuções de Probabldades Estudamos aterormete as dstrbuções de freqüêcas de amostras. Estudaremos, agora, as dstrbuções de probabldades de populações. A dstrbução

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 etre duas ou mas varáves. Pode ser: correlacoal ou expermetal. Numa relação expermetal os valores de uma das varáves

Leia mais

Métodos iterativos. Capítulo O Método de Jacobi

Métodos iterativos. Capítulo O Método de Jacobi Capítulo 4 Métodos teratvos 41 O Método de Jacob O Método de Jacob é um procedmeto teratvo para a resolução de sstemas leares Tem a vatagem de ser mas smples de se mplemetar o computador do que o Método

Leia mais

Interpolação. Exemplo de Interpolação Linear. Exemplo de Interpolação Polinomial de grau superior a 1.

Interpolação. Exemplo de Interpolação Linear. Exemplo de Interpolação Polinomial de grau superior a 1. Iterpolação Iterpolação é um método que permte costrur um ovo cojuto de dados a partr de um cojuto dscreto de dados potuas cohecdos. Em egehara e cêcas, dspõese habtualmete de dados potuas, obtdos a partr

Leia mais

Estatística: uma definição

Estatística: uma definição Prof. Lorí Val, Dr. - val@pucrs.br http://www.pucrs.br/famat/val/ Prof. Lorí Val, Dr. PUCRS FAMAT: Departameto de Estatístca Estatístca: uma defção Coleç Coleção de ú úmeros estatí estatístcas O ú ú mero

Leia mais

Organização de dados -Dados não agrupados n. Mediana:

Organização de dados -Dados não agrupados n. Mediana: Orgazação de dado -Dado ão agruado Medaa: Poto de ocoameto: Méda: Moda: valor que ocorre com maor freqüêca Méda de Itervalo: + m max + Quartl: (ara j, ou 3) j( +) Poto de ocoameto: 4 Méda da Juta: Q +

Leia mais

MAE0229 Introdução à Probabilidade e Estatística II

MAE0229 Introdução à Probabilidade e Estatística II Exercíco Cosdere a dstrbução expoecal com fução de desdade de probabldade dada por f (y; λ) = λe λy, em que y, λ > 0 e E(Y) = /λ Supor que o parâmetro λ pode ser expresso proporcoalmete aos valores de

Leia mais

50 Logo, Número de erros de impressão

50 Logo, Número de erros de impressão Capítulo 3 Problema. (a) Sedo o úmero médo de erros por pága, tem-se: 5 + + 3 + 3 + 4 33,66 5 5 Represetado o úmero medao de erros por md, tem-se, pela ordeação dos valores observados, que os valores de

Leia mais

3. TESTES DE QUALIDADE DE AJUSTAMENTO

3. TESTES DE QUALIDADE DE AJUSTAMENTO Testes da qualdade de ajustameto 3 TESTES DE QULIDDE DE JUSTMENTO 3 Itrodução formação sobre o modelo da população dode se extra uma amostra costtu, frequetemete, um problema estatístco forma da dstrbução

Leia mais

VERIFICAÇÃO E VALIDAÇÃO DE MÉTODOS ANALÍTICOS

VERIFICAÇÃO E VALIDAÇÃO DE MÉTODOS ANALÍTICOS 0 /9. CAMPO DE APLICAÇÃO.. Ete procedmeto e aplca ao Laboratóro Químco de Cotrole da Qualdade.. OBJETIVO.. Verfcar o método aalítco ormalzado, cuja aplcação permaeça detro do ecopo para o qual fo deevolvdo;..

Leia mais

a) 1,8 e 4,6. b) 2,0 e 2,2. c) 1,8 e 5,2. d) 2,0 e 4,6. e) 2,0 e 1,9.

a) 1,8 e 4,6. b) 2,0 e 2,2. c) 1,8 e 5,2. d) 2,0 e 4,6. e) 2,0 e 1,9. Questão : As otas de dez aluos, um exame, estão dadas a segur:, 5, 8, 3, 6, 5, 8, 7, 6, 0 O desvo médo e a varâca dessas otas podem ser expressos, respectvamete, por: a),8 e 4,6 b),0 e, c),8 e 5, d),0

Leia mais

16/03/2014. IV. Juros: taxa efetiva, equivalente e proporcional. IV.1 Taxa efetiva. IV.2 Taxas proporcionais. Definição:

16/03/2014. IV. Juros: taxa efetiva, equivalente e proporcional. IV.1 Taxa efetiva. IV.2 Taxas proporcionais. Definição: 6// IV. Juros: taxa efetva, equvalete e proporcoal Matemátca Facera Aplcada ao Mercado Facero e de Captas Professor Roaldo Távora IV. Taxa efetva Defção: É a taxa de juros em que a udade referecal de seu

Leia mais

16 - PROBLEMA DO TRANSPORTE

16 - PROBLEMA DO TRANSPORTE Prof. Volr Wlhel UFPR TP05 Pesqusa Operacoal 6 - PROBLEMA DO TRANSPORTE Vsa zar o custo total do trasporte ecessáro para abastecer cetros cosudores (destos) a partr de cetros forecedores (orges) a, a,...,

Leia mais

ANÁLISE DE ERROS. Todas as medidas das grandezas físicas deverão estar sempre acompanhadas da sua dimensão (unidades)! ERROS

ANÁLISE DE ERROS. Todas as medidas das grandezas físicas deverão estar sempre acompanhadas da sua dimensão (unidades)! ERROS ANÁLISE DE ERROS A oservação de um feómeo físco ão é completa se ão pudermos quatfcá-lo. Para é sso é ecessáro medr uma propredade físca. O processo de medda cosste em atrur um úmero a uma propredade físca;

Leia mais

Modelo de Regressão Simples

Modelo de Regressão Simples Modelo de Regressão Smples Hstora Hstóra Termo regressão fo troduzdo por Fracs Galto (8-9). Estudo sobre altura de pas e flhos. Karl Pearso coletou mas de ml regstros e verfcou a le de regressão uversal

Leia mais

NOTAS DE AULA DA DISCIPLINA CE076 = 2. ], T 2 = conhecido como T 2 de Hotelling

NOTAS DE AULA DA DISCIPLINA CE076 = 2. ], T 2 = conhecido como T 2 de Hotelling NOTAS DE AULA DA DISCIPLINA CE76 4 INFERÊNCIA SOBRE O VETOR DE MÉDIAS 4. TESTE PARA UM VETOR DE MÉDIAS µ Lembrado o caso uvarado: H : µ µ H : µ µ Nível de sfcâca: α Estatístca do teste: t X µ s/ ~ t Decsão:

Leia mais

CAPÍTULO 7 - Intervalos de confiança

CAPÍTULO 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 mais

Estatística Básica - Continuação

Estatística Básica - Continuação Professora Adraa Borsso http://www.cp.utfpr.edu.br/borsso adraaborsso@utfpr.edu.br COEME - Grupo de Matemátca Meddas de Varabldade ou Dspersão Estatístca Básca - Cotuação As meddas de tedêca cetral, descrtas

Leia mais

HIDROLOGIA E RECURSOS HÍDRICOS. Análise estatística aplicada à hidrologia

HIDROLOGIA E RECURSOS HÍDRICOS. Análise estatística aplicada à hidrologia Aálse estatístca aplcada à hdrologa. Séres hdrológcas oções complemetares HIDROLOGIA E RECURSOS HÍDRICOS Aálse estatístca aplcada à hdrologa O Egehero HIDRÁULICO Echerá? Que população pode abastecer e

Leia mais

6.1 - PROCEDIMENTO DE AVALIAÇÃO DE INCERTEZA EM MEDIÇÕES DIRETAS

6.1 - PROCEDIMENTO DE AVALIAÇÃO DE INCERTEZA EM MEDIÇÕES DIRETAS 7 6 - PROCEDIMENTO DE AVALIAÇÃO DE INCERTEZA EM MEDIÇÕES DIRETAS A medção dreta é aquela cuja dcação resulta aturalmete da aplcação do sstema de medção sobre o mesurado Há apeas uma gradeza de etrada evolvda

Leia mais

1) Planejamento da Produção - Modelos de dimensionamento de lotes (lot sizing)

1) Planejamento da Produção - Modelos de dimensionamento de lotes (lot sizing) Departameto de Egehara de Produção UFPR 28 1) Plaeameto da Produção - Modelos de dmesoameto de lotes (lot szg) É cohecdo horzote de plaeameto T, dvddo em períodos; demada (geralmete varável) de cada tem

Leia mais

RACIOCÍNIO LÓGICO / ESTATÍSTICA LISTA 2 RESUMO TEÓRICO

RACIOCÍNIO LÓGICO / ESTATÍSTICA LISTA 2 RESUMO TEÓRICO RACIOCÍIO LÓGICO - Zé Carlos RACIOCÍIO LÓGICO / ESTATÍSTICA LISTA RESUMO TEÓRICO I. Cocetos Icas. O desvo médo (DM), é a méda artmétca dos desvos de cada dado da amostra em toro do valor médo, sto é x

Leia mais

PROBABILIDADE E ESTATÍSTICA UNIDADE IV - MEDIDAS DE DISPERSÃO OU VARIAÇÃO

PROBABILIDADE E ESTATÍSTICA UNIDADE IV - MEDIDAS DE DISPERSÃO OU VARIAÇÃO PROBABILIDADE E ESTATÍSTICA UNIDADE IV - MEDIDAS DE DISPERSÃO OU VARIAÇÃO 0 INTRODUÇÃO A medda de varação ou dperão, avalam a dperão ou a varabldade da eqüênca numérca em anále, ão medda que fornecem nformaçõe

Leia mais

Ecologia Geral Riqueza e Diversidade de Espécies

Ecologia Geral Riqueza e Diversidade de Espécies Ecologa Geral Rqueza e Dverdade de Epéce Prof. Wllam Cota Rodrgue Pó-Doutor em Entomologa/Ecologa Unverdade Severno Sombra Tranparênca Extra I 1 Conceto A dverdade de epéce refere-e à varedade de epéce

Leia mais

CAPÍTULO 9 - Regressão linear e correlação

CAPÍTULO 9 - Regressão linear e correlação INF 6 Prof. Luz Alexadre Peterell CAPÍTULO 9 - Regressão lear e correlação Veremos esse capítulo os segutes assutos essa ordem: Correlação amostral Regressão Lear Smples Regressão Lear Múltpla Correlação

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

Para quantificar a variabilidade de um conjunto de dados ou medidas é que se usam medidas de dispersão. Vamos estudar algumas delas nesta aula.

Para quantificar a variabilidade de um conjunto de dados ou medidas é que se usam medidas de dispersão. Vamos estudar algumas delas nesta aula. Etatítca Aplcada à Educação Antono Roque Aula 5 Medda de Dperão A medda de tendênca central não ão ufcente para e caracterzar um conjunto de dado. O motvo é que ete varação na natureza, to é, dado que

Leia mais

Requisitos metrológicos de instrumentos de pesagem de funcionamento não automático

Requisitos metrológicos de instrumentos de pesagem de funcionamento não automático Requstos metrológcos de strumetos de pesagem de fucoameto ão automátco 1. Geeraldades As balaças estão assocadas de uma forma drecta à produção do betão e ao cotrolo da qualdade do mesmo. Se são as balaças

Leia mais

Organização; Resumo; Apresentação.

Organização; Resumo; Apresentação. Prof. Lorí Val, Dr. val@ufrgs.br http://www.ufrgs.br/~val/ Grade Cojutos de Dados Orgazação; Resumo; Apresetação. Amostra ou População Defetos em uma lha de produção Lascado Deseho Torto Deseho Torto Lascado

Leia mais

1. Conceito de variável aleatória Podemos estudar, por exemplo, algumas características dos alunos do Curso de estatística.

1. Conceito de variável aleatória Podemos estudar, por exemplo, algumas características dos alunos do Curso de estatística. CAPÍTULO 7 VARIÁVEL ALEATÓRIA A probabldade teve íco com os jogos de azar (século XVII) com Cavalero de Nere, Fermat e Pascal, porém, coube a Beroull (73) laçar as bases da probabldade e a segur Laplace

Leia mais

Sumário. Mecânica. Sistemas de partículas

Sumário. Mecânica. Sistemas de partículas umáro Udade I MECÂNICA 2- Cetro de massa e mometo lear de um sstema de partículas - stemas de partículas e corpo rígdo. - Cetro de massa. - Como determar o cetro de massa dum sstema de partículas. - Vetor

Leia mais

Noções Básicas de Medidas e Algarismos Significativos

Noções Básicas de Medidas e Algarismos Significativos Noções Báscas de Meddas e Algarsmos Sgfcatvos Prof. Theo Z. Pava Departameto de Físca - Faculdade de Flosofa, Cêcas e Letras de Rberão Preto-USP Físca Acústca Motvações Quas são os padrões de meddas? Podemos

Leia mais

Reconhecimento de Padrões. Reconhecimento de Padrões

Reconhecimento de Padrões. Reconhecimento de Padrões Recohecmeto de Padrões 0.9 0.8 0.7 0.6 0.5 0.4 0.3 0.2 0.1 0.1 0.2 0.3 0.4 0.5 0.6 0.7 0.8 0.9 Escola Superor de Tecologa Egehara Iformátca Recohecmeto de Padrões Prof. João Asceso e Prof. Aa Fred Sumáro:

Leia mais