Análise de Regressão

Save this PDF as:
 WORD  PNG  TXT  JPG

Tamanho: px
Começar a partir da página:

Download "Análise de Regressão"

Transcrição

1 Aálse de Regressão Prof. Paulo Rcardo B. Gumarães. Itrodução Os modelos de regressão são largamete utlzados em dversas áreas do cohecmeto, tas como: computação, admstração, egeharas, bologa, agrooma, saúde, socologa, etc. O prcpal objetvo desta técca é obter uma equação que explque satsfatoramete a relação etre uma varável resposta e uma ou mas varáves explcatvas, possbltado fazer predção de valores da varável de teresse. Este relacoameto pode ser por uma equação lear ou uma fução ão lear, coforme fgura abaxo: Fgura : formas leares e ão leares de relação etre pares de varáves LINEAR NÃO LINEAR. Regressão lear smples Se uma relação lear é válda para sumarzar a depedêca observada etre duas varáves quattatvas, etão a equação que descreve esta relação é dada por: Y a + b X Esta relação lear etre X e Y é determístca, ou seja, ela afrma que todos os potos caem exatamete em cma da reta de regressão. No etato este fato raramete rá ocorrer, ou seja, os valores observados ão caem todos exatamete sobre esta lha reta. Exste uma dfereça etre o valor observado e o valor forecdo pela equação. Esta dfereça é deomada erro e é represetada por ε, é uma varável aleatóra que quatfca a falha do modelo em ajustar-se aos dados exatamete. Tal erro pode ser devdo ao efeto, detre outros, de varáves ão cosderadas e de erros de medção. Icorporado esse erro à equação acma temos: Y a + bx +ε

2 que é deomado modelo de regressão lear smples. a e b são os parâmetros do modelo. A varável X, deomada varável regressora, explcatva ou depedete, é cosderada uma varável cotrolada pelo pesqusador e medda com erro desprezível. Já Y, deomada varável resposta ou depedete, é cosderada uma varável aleatóra, sto é, exste uma dstrbução de probabldade para Y em cada valor possível de X. É muto freqüete, a prátca, ecotrarmos stuações em que Y teha dstrbução Normal. Este é um dos prcpas pressupostos para aplcação desta técca. Exemplo : O preço de aluguel de automóves de uma agêca é defdo pela segute equação: Y X, ode Y Taxa de aluguel (R$); X dstâca percorrda (km). Assm, a taxa de aluguel ca com o preço de R$ 8,00 e va aumetado à medda que a dstâca percorrda aumeta. Assm, se fosse percorrda uma dstâca de 00 km, a taxa de aluguel sera de 8 + 0,5 x 00 R$ 3,00. No etato, como essa equação fo obtda baseada em dados de automóves de dversas marcas certamete haverá uma varação o preço, por causa de dversos outros fatores. Assm, essa equação terá uma margem de erro, que é devda a esses úmeros fatores que ão foram cotrolados. Exemplo : Um pscólogo vestgado a relação etre o tempo que um dvíduo leva para reagr a um certo estímulo e sua dade obteve os segutes resultados: Tabela : Idade (em aos) e tempo de reação a um certo estímulo (em segudos) Y - Tempo de reação (segudos) X - Idade (em aos)

3 Fgura : dagrama de dspersão etre a dade (X) e o tempo de reação (Y) TEMPO IDADE A partr da represetação gráfca desses dados, mostrada a fgura acma, é possível vsualzar uma relação lear postva etre a dade e o tempo de reação. O coefcete de correlação de Pearso para esses dados resultou em r 0,768, bem como seu respectvo teste de sgfcâca em t cal 5,09, que comparado ao valor tabelado t tab, 5%,, forece evdêcas de relação lear etre essas duas varáves, ou seja, há evdêcas de cosderável relação lear postva etre dade e tempo de reação. Podemos, etão, usar um modelo de regressão lear smples para descrever essa relação. Para sso, é ecessáro estmar, com base a amostra observada, os parâmetros descohecdos a e b deste modelo. O método de estmação deomado Mímos Quadrados Ordáros (MQO) é freqüetemete utlzado em regressão lear para esta faldade e será apresetado mas adate. Cotuado a aálse dos dados do exemplo, é possível obter o segute modelo de regressão lear smples ajustado: Y 80,5 + 0,9X Fgura 3: reta de regressão ajustada aos dados

4 TEMPO IDADE Como a varação dos dados em X ão clu x 0, ão há terpretação prátca do coefcete a 80,5. Por outro lado, b 0,9 sgfca que a cada aumeto de ao a dade das pessoas, o tempo de reação médo (esperado) aumeta em 0,9 segudos. Assm, se: x 0 aos, teremos y 98,5 seg. Para x aos, y 99,4 seg. x aos, y 00,3 seg. Assm, de ao para ao, o aumeto o tempo de reação esperado é de 0,9 segudos. Exemplo 3: Uma certa peça é maufaturada por uma compaha, uma vez por mês, em lotes que varam de tamaho de acordo com as flutuações a demada. A tabela abaxo cotém dados sobre tamaho do lote e úmero de horas gastas a produção de 0 recetes lotes produzdos sob codções smlares. Estes dados são apresetados grafcamete a fgura 4, tomado-se horas-homem como varável depedete ou varável resposta (Y) e o tamaho do lote como varável depedete ou predtora (X). Tabela - Tamaho de lote e úmero de horas gastas a produção de cada lote. Lote () Horas (Y ) Tamaho do lote (X ) Fgura 4 - Relação estatístca etre Y e X, referete aos dados da tabela.

5 DIAGRAMA DE DISPERSÃO ENTRE TAMANHO DO LOTE (X) E HORAS(Y) HORAS TAMANHO DO LOTE A fgura sugere claramete que há uma relação lear postva etre o tamaho do lote e o úmero de horas, de modo que, maores lotes tedem a correspoder a maores úmeros de horas-homem cosumdas. Porém, a relação ão é perfeta, ou seja, há uma dspersão de potos sugerdo que alguma varação o úmero de horas ão é depedete do tamaho do lote. Por exemplo, dos lotes de 30 udades ( e 8) demadaram quatdades um pouco dferetes de horas. Na fgura fo traçada uma lha (reta) de relacoameto descrevedo a relação estatístca etre horas e tamaho do lote. Ela dca a tedêca geral da varação em horas-homem quado há trocas o tamaho do lote. Observa-se que grade parte dos potos da fgura ão ca dretamete sobre a lha de relacoameto estatístco. A dspersão dos potos em toro da lha de relacoameto represeta a varação em horas que ão é assocada ao tamaho do lote, e que é usualmete cosderada aleatóra. Relações estatístcas são geralmete útes, mesmo ão tedo uma relação fucoal exata. 3. Método dos mímos quadrados ordáros (MQO) Para estmar os parâmetros do modelo é ecessáro um método de estmação. O método estatístco utlzado e recomedado pela sua precsão, é o método dos mímos quadrados que ajusta a melhor equação possível aos dados observados. Com base os pares de observações (y,x ), (y,x ),..., ( y, x ), o método de estmação por MQO cosste em escolher a e b de modo que a soma dos quadrados dos erros, ε (,..., ), seja míma. Para mmzar esta soma, que é expressa por: SQ ε ( y a bx ) I devemos, calmete, dferecar a expressão com respeto a a e b e, em seguda, gualar a zero as expressões resultates. Feto sso, e após algumas operações algébrcas, os estmadores resultates são:

6 b x y yx x x a y bx ode y é a méda amostral dos y s e x a méda amostral dos x s. Logo, E(Y x) a + bx é o modelo de regressão lear smples ajustado, em que E(Y x), deotado também Yˆ por smplcdade, é o valor médo predto de Y para qualquer valor X x que esteja a varação observada de X. No exemplo, as estmatvas dos parâmetros resultaram em a 80,5 e b 0,9. Veja como esses valores foram obtdos: X 600 Y 50 0 X Y X 30 Y 07, 5 X 9000 b x y yx ,5.30 x x (30) ,9 a y bx 07,5 0, ,5 No exemplo 3 as estmatvas dos parâmetros a e b são: X 500 Y 00 0 X Y 6800 X 50 Y 0 X 8400 b x y yx x x (50) 3400 a y β x 0.50 ˆ 0

7 Assm, a equação de regressão lear etre X e Y será dada por: Y 0 + X + ε Iterpretado o modelo acma, poderemos observar que, aumetado o tamaho do lote em uma udade, o úmero de horas gastas a produção será aumetado de horas. Obtedo a reta de regressão com ajuda da plalha Excel, teremos que selecoar a opção REGRESSÃO o módulo de Aálse de dados (em ferrametas): A saída forecda pela plalha é a segute:

8 Observe que o Excel forece, além dos coefcetes de correlação, a Aova da regressão para testar a sua sgfcâca e os coefcetes estmados com seus respectvos testes de sgfcâca. 4. Aálse de Varâca da Regressão Para verfcar a adequação do modelo aos dados, algumas téccas podem ser utlzadas. A aálse de varâca da Regressão é uma das téccas mas usadas. Assm, podemos aalsar a adequação do modelo pela ANOVA da regressão a qual é geralmete apresetada como a tabela abaxo: Fote de Varação g.l. S.Q. Q.M. F p-valor Regressão p- SQreg SQreg/p- QMreg/QMres Resíduos -p SQres SQres/-p Total - SQtotal Sqtotal/- Ode: - SQreg soma dos quadrado devdo à regressão: SQreg ( Y ) y) - SQres soma dos quadrado devdo aos erros:

9 ) SQres SQtotal Sqreg ( y Y ) - SQtotal soma dos quadrados totas: - p úmero de varáves do modelo - umero de observações. SQtotal ( y y) Caso o p-valor seja feror ao ível de sgfcâca estabelecdo etão cosderamos a regressão como sgfcatva. Uma maera auxlar de medr o gaho relatvo troduzdo pelo modelo é usar o coefcete de determação o qual é defdo por R que é calculado por SQreg/SQtotal. Exemplo : Para os exemplos e 3, a tabela da ANOVA sera costruída de segute forma: SQreg ( Y ) y) (80,5 + 0,9x 07,5) 80 Para obter a soma de quadrados acma, deveremos substtur em x todos os valores de Idade da tabela. SQtotal ( y y) ( y 07,5) 373 Para obter a soma de quadrados acma, deveremos substtur em y todos os valores de tempo de reação da tabela. SQres Fote de Varação g.l. S.Q. Q.M. F p-valor Regressão ,90 <0,0 Resíduos ,7 Total O que dca que a regressão etre X e Y é sgfcatva. O modelo Y 80,5 +0,9 X pode ser cosderado adequado para realzar predções de Y. O coefcete r de determação para esse modelo é de 0,59 o que represeta um poder apeas razoável de explcação dos valores de tempo de reação pela Idade. Muto provavelmete outras varáves estejam fluecado o tempo de reação. Exemplo 3:

10 SQreg ( Y ) y) (0 + x 0) 3600 Para obter a soma de quadrados acma, deveremos substtur em x todos os valores do tamaho do lote da tabela. SQtotal ( y y) ( y 07,5) 3660 Para obter a soma de quadrados acma, deveremos substtur em y todos os valores de úmero de horas gastas da tabela. SQres Fote de Varação g.l. S.Q. Q.M. F p-valor Regressão ,33 <0,0 Resíduos ,5 Total O que dca que a regressão etre X e Y é sgfcatva. O modelo Y 0 + X pode ser cosderado de boa qualdade para realzar predções de Y. O coefcete r de determação para esse modelo é de 0, Erro padrão de estmação e tervalos de predção O erro padrão da estmação é um desvo padrão codcoal, a medda em que dca o desvo padrão da varável depedete Y, dado um valor específco da varável depedete X. O erro padrão baseado em dados amostras é dado por: σ ˆ u ( y Yˆ ) Para fs de cálculo, é mas coveete uma versão alteratva da fórmula: ode S y ( y y ) σ ˆ u S y ( r ) O erro padrão pode ser usado para estabelecer um tervalo de predção para a varável depedete, dado um valor específco da varável depedete.

11 Uma vez que o erro padrão de estmação está baseado em dados de amostra, é aproprado o uso da dstrbução t de Studet com - graus de lberdade. Assm, um tervalo de predção para a varável depedete Y, em aálse de regressão smples é: ^ [ Y ± ˆ. σ t ; α / u ] Para os dados do exemplo teríamos o erro padrão da estmação dado por: Dado que S y 68,65 e r 0,59 etão ˆ σ r u S y ( ) 68,65( 0,59 ) 6, 683 E o tervalo de predção, com 95% de cofaça, para um valor de Y sera: ^ [ Y ± t. ˆ ; α / σ u ] [ ±,0. 6, 68 ] [ 97,96 ; 6, 03 ] Ou seja, para uma pessoa com 35 aos, o tempo de reação predto estara etre 97,96 e 6,03 segudos, com 95% de cofaça. Para os dados do exemplo 3 teríamos o erro padrão da estmação dado por: Dado que S y 366 e r 0,996 etão ˆ σ u S y r ( ) 366( 0,996 ) 3, 3 E o tervalo de predção, com 95% de cofaça, para um valor predto de Y 0 sera: ^ ± t ; α / u [ Y. ˆ σ ] [0 ±,3.3,3] [ 0,37 ; 7,6 ] Ou seja, para um lote de tamaho 50, seram ecessáras de 0,37 a 7,6 horas, com 95% de cofaça. 6. Aálse de Resíduos Os desvos e y - ŷ (,..., ) são deomados resíduos e são cosderados uma amostra aleatóra dos erros. Por este fato, uma aálse gráfca dos resíduos é, em geral, realzada para verfcar as suposções assumdas para os erros ε.

12 Para verfcação dos pressupostos ecessáros para ajuste de um modelo de regressão é ecessáro realzar uma Aálse de Resíduos. Os 3 tpos de resíduos mas comumete utlzados são: Resíduos brutos; Resíduos padrozados; Resíduos estudetzados. 7. Amplado seus cohecmetos Aálse de Regressão Múltpla A regressão múltpla evolve três ou mas varáves, ou seja, uma úca varável depedete, porém duas ou mas varáves depedetes (explcatvas). A faldade das varáves depedetes adcoas é melhorar a capacdade de predção em cofroto com a regressão lear smples. Mesmo quado estamos teressados o efeto de apeas uma das varáves, é acoselhável clur as outras capazes de afetar Y, efetuado uma aálse de regressão múltpla, por razões: a) Para reduzr os resíduos. Reduzdo-se a varâca resdual (erro padrão da estmatva), aumeta a força dos testes de sgfcâca; b) Para elmar a tedecosdade que podera resultar se smplesmete gorássemos uma varável que afeta Y substacalmete. Uma estmatva é tedecosa quado, por exemplo, uma pesqusa em que se deseja vestgar a relação etre a aplcação de fertlzate e o volume de safra, atrbuímos erroeamete ao fertlzate os efetos do fertlzate mas a precptação pluvométrca. O deal é obter o mas alto relacoameto explaatóro com o mímo de varáves depedetes, sobretudo em vrtude do custo a obteção de dados para mutas varáves e também pela ecessdade de observações adcoas para compesar a perda de graus de lberdade decorrete da trodução de mas varáves depedetes. A equação da regressão múltpla tem a forma segute: Y a + b x + b x + +b k x k + e, ode: a tercepto do exo y; b coefcete agular da -ésma varável; k úmero de varáves depedetes. Equato uma regressão smples de duas varáves resulta a equação de uma reta, um problema de três varáves resulta um plao, e um problema de k varáves resulta um hperplao. Também a regressão múltpla, as estmatvas dos mímos quadrados são obtdas pela escolha dos estmadores que mmzam a soma dos quadrados dos desvos etre os valores observados Y e os valores ajustados Yˆ.

13 Na regressão smples: b aumeto em Y, decorrete de um aumeto utáro em X. Na regressão múltpla: b aumeto em Y se X for aumetado de udade, matedo-se costates todas as demas varáves X j. extraído de 8. Atvdades de Aplcação. Os ecargos dáros com o cosumo de gás propao (Y) de uma empresa depedem da temperatura ambete (X). A tabela segute apreseta o valor desses ecargos em fução da temperatura exteror: Temperatura ( o C) Ecargos (dólares) Seja Y β 0 + β X +ε o correspodete modelo de regressão lear. (a) Determe, usado o método dos mímos quadrados, a respectva reta de regressão e represete-a o dagrama de dspersão. (b) Quatfque a qualdade do ajuste obtdo e terprete. (c) Determe um tervalo de cofaça a 95% para os ecargos médos com gás propao um da em que a temperatura ambete é de 7 o C.. Supoha que um aalsta toma uma amostra aleatóra de 9 carregametos fetos recetemete por camhões de uma compaha. Para cada carregameto regstra-se a dstâca percorrda em Km (X) e o respectvo tempo de etrega (Y). Obteve-se: (a) Estme, usado o modelo de regressão lear, o tempo esperado de etrega para uma dstâca de 050 Km. (b) Comete a afrmação o tempo de etrega é explcado em aproxmadamete 94% pela dstâca percorrda. 3. Seja Y o úmero de chamadas telefôcas ateddas um determado servço de atedmeto a cletes decorrdos X mutos após as 8h30. Em determado da da semaa observaram-se os segutes pares de valores: Tempo após 8h30 (m) Número de chamadas ateddas 5 0

14 Seja Y β 0 + β X +ε o correspodete modelo de regressão lear. (a) Estme β 0 e β usado o método dos mímos quadrados e represete a correspodete reta de regressão o dagrama de dspersão. (b) Determe o correspodete coefcete de determação, bem como o coefcete de correlação; como terpreta os valores obtdos? (c) Estme a varâca do erro. (d) Seja E [Y ()] E [Y x ]. Estme E [Y ()]; determe um tervalo de cofaça para E [Y ()] com 95% de cofaça.

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

Estudo das relações entre peso e altura de estudantes de estatística através da análise de regressão simples.

Estudo das relações entre peso e altura de estudantes de estatística através da análise de regressão simples. Estudo das relações etre peso e altura de estudates de estatístca através da aálse de regressão smples. Waessa Luaa de Brto COSTA 1, Adraa de Souza COSTA 1. Tago Almeda de OLIVEIRA 1 1 Departameto de Estatístca,

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: Prof. Lorí Val, Dr. val@pucrs.br http://www.pucrs.br/famat/val www.pucrs.br/famat/val/ correlacoal ou expermetal. Numa relação expermetal os valores

Leia mais

IND 1115 Inferência Estatística Aula 9

IND 1115 Inferência Estatística Aula 9 Coteúdo IND 5 Iferêca Estatístca Aula 9 Outubro 2004 Môca Barros Dfereça etre Probabldade e Estatístca Amostra Aleatóra Objetvos da Estatístca Dstrbução Amostral Estmação Potual Estmação Bayesaa Clássca

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

A REGRESSÃO LINEAR EM EVENTOS HIDROLÓGICOS EXTREMOS: enchentes

A REGRESSÃO LINEAR EM EVENTOS HIDROLÓGICOS EXTREMOS: enchentes Mostra Nacoal de Icação Cetífca e Tecológca Iterdscplar VI MICTI Isttuto Federal Catarese Câmpus Camború 30 a 3 de outubro de 03 A REGRESSÃO LINEAR EM EVENTOS HIDROLÓGICOS EXTREMOS: echetes Ester Hasse

Leia mais

Faculdade de Economia, Administração e Contabilidade de Ribeirão Preto

Faculdade de Economia, Administração e Contabilidade de Ribeirão Preto Faculdade de Ecooma, Admstração e Cotabldade de Rberão Preto Ecooma Moetára Curso de Ecooma / º. Semestre de 014 Profa. Dra. Rosel da Slva Nota de aula CAPM Itrodução Há dos modelos bastate utlzados para

Leia mais

CAPÍTULO 2 - Estatística Descritiva

CAPÍTULO 2 - Estatística Descritiva INF 6 Prof. Luz Alexadre Peterell CAPÍTULO - Estatístca Descrtva Podemos dvdr a Estatístca em duas áreas: estatístca dutva (ferêca estatístca) e estatístca descrtva. Estatístca Idutva: (Iferêca Estatístca)

Leia mais

FINANCIAMENTOS UTILIZANDO O EXCEL

FINANCIAMENTOS UTILIZANDO O EXCEL rofessores Ealdo Vergasta, Glóra Márca e Jodála Arlego ENCONTRO RM 0 FINANCIAMENTOS UTILIZANDO O EXCEL INTRODUÇÃO Numa operação de empréstmo, é comum o pagameto ser efetuado em parcelas peródcas, as quas

Leia mais

MAE116 Noções de Estatística

MAE116 Noções de Estatística Grupo C - º semestre de 004 Exercíco 0 (3,5 potos) Uma pesqusa com usuáros de trasporte coletvo a cdade de São Paulo dagou sobre os dferetes tpos usados as suas locomoções dáras. Detre ôbus, metrô e trem,

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

INTRODUÇÃO ÀS PROBABILIDADES E ESTATÍSTICA

INTRODUÇÃO ÀS PROBABILIDADES E ESTATÍSTICA INTRODUÇÃO ÀS PROBABILIDADES E ESTATÍSTICA 003 Iformações: relembra-se os aluos teressados que a realzação de acções presecas só é possível medate solctação vossa, por escrto, à assstete da cadera. A realzação

Leia mais

Capítulo 1: Erros em cálculo numérico

Capítulo 1: Erros em cálculo numérico Capítulo : Erros em cálculo umérco. Itrodução Um método umérco é um método ão aalítco, que tem como objectvo determar um ou mas valores umércos, que são soluções de um certo problema. Ao cotráro das metodologas

Leia mais

2 Estrutura a Termo de Taxa de Juros

2 Estrutura a Termo de Taxa de Juros Estrutura a Termo de Taxa de Juros 20 2 Estrutura a Termo de Taxa de Juros A Estrutura a termo de taxa de juros (também cohecda como Yeld Curve ou Curva de Retabldade) é a relação, em dado mometo, etre

Leia mais

APOSTILA DE ESTATÍSTICA APLICADA A ADMINISTRAÇÃO, ECONOMIA, MATEMÁTICA INDUSTRIAL E ENGENHARIA

APOSTILA DE ESTATÍSTICA APLICADA A ADMINISTRAÇÃO, ECONOMIA, MATEMÁTICA INDUSTRIAL E ENGENHARIA UNIVERSIDADE FEDERAL DO PARANÁ SETOR DE CIÊNCIAS EATAS DEPARTAMENTO DE ESTATÍSTICA APOSTILA DE ESTATÍSTICA APLICADA A ADMINISTRAÇÃO, ECONOMIA, MATEMÁTICA INDUSTRIAL E ENGENHARIA SONIA ISOLDI MARTY GAMA

Leia mais

SUMÁRIO GOVERNO DO ESTADO DO CEARÁ. Cid Ferreira Gomes Governador. 1. Introdução... 2. Domingos Gomes de Aguiar Filho Vice Governador

SUMÁRIO GOVERNO DO ESTADO DO CEARÁ. Cid Ferreira Gomes Governador. 1. Introdução... 2. Domingos Gomes de Aguiar Filho Vice Governador INSTITUTO DE PESQUISA E ESTRATÉGIA ECONÔMICA DO CEARÁ - IPECE GOVERNO DO ESTADO DO CEARÁ Cd Ferrera Gomes Goverador Domgos Gomes de Aguar Flho Vce Goverador SECRETARIA DO PLANEJAMENTO E GES- TÃO (SEPLAG)

Leia mais

PROCEDIMENTOS DE CÁLCULO DE INCERTEZA DE MEDIÇÃO EM MEDIÇÕES DIRETAS E INDIRETAS

PROCEDIMENTOS DE CÁLCULO DE INCERTEZA DE MEDIÇÃO EM MEDIÇÕES DIRETAS E INDIRETAS PROCEDIMENTOS DE CÁLCULO DE INCERTEZA DE MEDIÇÃO EM MEDIÇÕES DIRETAS E INDIRETAS Prof José Leoardo Noroha M Eg Departameto de Egehara de Prodção Escola Federal de Egehara de Itabá EFEI RESUMO: Neste trabalho

Leia mais

Estatística Notas de Aulas ESTATÍSTICA. Notas de Aulas. Professor Inácio Andruski Guimarães, DSc. Professor Inácio Andruski Guimarães, DSc.

Estatística Notas de Aulas ESTATÍSTICA. Notas de Aulas. Professor Inácio Andruski Guimarães, DSc. Professor Inácio Andruski Guimarães, DSc. Estatístca Notas de Aulas ESTATÍSTICA Notas de Aulas Professor Iáco Adrus Gumarães, DSc. Professor Iáco Adrus Gumarães, DSc. Estatístca Notas de Aulas SUMÁRIO CONCEITOS BÁSICOS 5. Estatístca. Estatístca

Leia mais

Professor Mauricio Lutz REGRESSÃO LINEAR SIMPLES. Vamos, então, calcular os valores dos parâmetros a e b com a ajuda das formulas: ö ; ø.

Professor Mauricio Lutz REGRESSÃO LINEAR SIMPLES. Vamos, então, calcular os valores dos parâmetros a e b com a ajuda das formulas: ö ; ø. Professor Maurco Lutz 1 EGESSÃO LINEA SIMPLES A correlação lear é uma correlação etre duas varáves, cujo gráfco aproma-se de uma lha. O gráfco cartesao que represeta essa lha é deomado dagrama de dspersão.

Leia mais

Em muitas situações duas ou mais variáveis estão relacionadas e surge então a necessidade de determinar a natureza deste relacionamento.

Em muitas situações duas ou mais variáveis estão relacionadas e surge então a necessidade de determinar a natureza deste relacionamento. Prof. Lorí Val, Dr. val@pucrs.r http://www.pucrs.r/famat/val/ Em mutas stuações duas ou mas varáves estão relacoadas e surge etão a ecessdade de determar a atureza deste relacoameto. A aálse de regressão

Leia mais

APLICAÇÕES DE MÉTODOS DE ENERGIA A PROBLEMAS DE INSTABILIDADE DE ESTRUTURAS

APLICAÇÕES DE MÉTODOS DE ENERGIA A PROBLEMAS DE INSTABILIDADE DE ESTRUTURAS PONTIFÍCI UNIVERSIDDE CTÓLIC DO RIO DE JNEIRO DEPRTMENTO DE ENGENHRI CIVIL PLICÇÕES DE MÉTODOS DE ENERGI PROBLEMS DE INSTBILIDDE DE ESTRUTURS Julaa Bragh Ramalho Raul Rosas e Slva lua de graduação do curso

Leia mais

Projeto de rede na cadeia de suprimentos

Projeto de rede na cadeia de suprimentos Projeto de rede a cadea de suprmetos Prof. Ph.D. Cláudo F. Rosso Egehara Logístca II Esboço O papel do projeto de rede a cadea de suprmetos Fatores que fluecam decsões de projeto de rede Modelo para decsões

Leia mais

Perguntas Freqüentes - Bandeiras

Perguntas Freqüentes - Bandeiras Pergutas Freqüetes - Baderas Como devo proceder para prestar as formações de quatdade e valor das trasações com cartões de pagameto, os casos em que o portador opte por lqudar a obrgação de forma parcelada

Leia mais

MA12 - Unidade 4 Somatórios e Binômio de Newton Semana de 11/04 a 17/04

MA12 - Unidade 4 Somatórios e Binômio de Newton Semana de 11/04 a 17/04 MA1 - Udade 4 Somatóros e Bômo de Newto Semaa de 11/04 a 17/04 Nesta udade troduzremos a otação de somatóro, mostrado como a sua mapulação pode sstematzar e facltar o cálculo de somas Dada a mportâca de

Leia mais

Regressão e Correlação

Regressão e Correlação Regressão e Correlação Júlo Osóro Regressão & Correlação: geeraldades Em mutas stuações de pesqusa cetífca, dspomos de uma amostra aleatóra de pares de dados (x, ), resultates da medda cocomtate de duas

Leia mais

Regressão e Correlação Linear

Regressão e Correlação Linear Probabldade e Estatístca I Antono Roque Aula 5 Regressão e Correlação Lnear Até o momento, vmos técncas estatístcas em que se estuda uma varável de cada vez, estabelecendo-se sua dstrbução de freqüêncas,

Leia mais

Notas de aula da disciplina Probabilidade e Estatística

Notas de aula da disciplina Probabilidade e Estatística otas de aula da dscpla Probabldade e Estatístca Proessor M Sc Adré Luz DAMAT - UTFPR Esta apostla apreseta os tópcos prcpas abordados em sala de aula, cotedo deções, teoremas, eemplos Sua letura ão é obrgatóra,

Leia mais

Econometria: 4 - Regressão Múltipla em Notação Matricial

Econometria: 4 - Regressão Múltipla em Notação Matricial Ecoometra: 4 - Regressão últpla em Notação atrcal Prof. arcelo C. ederos mcm@eco.puc-ro.br Prof. arco A.F.H. Cavalcat cavalcat@pea.gov.br Potfíca Uversdade Católca do Ro de Jaero PUC-Ro Sumáro O modelo

Leia mais

12.2.2 CVT: Coeficiente de Variação de Thorndike...45 12.2.3 CVQ: Coeficiente Quartílico de Variação...45 13 MEDIDAS DE ASSIMETRIA...46 13.

12.2.2 CVT: Coeficiente de Variação de Thorndike...45 12.2.3 CVQ: Coeficiente Quartílico de Variação...45 13 MEDIDAS DE ASSIMETRIA...46 13. SUMARIO 2 MÉTODO ESTATÍSTICO...3 2. A ESTATÍSTICA...3 2.2 FASES DO MÉTODO ESTATÍSTICO...4 3 FERRAMENTAS DE CÁLCULO PARA O ESTUDO DA ESTATÍSTICA...5 3. FRAÇÃO...5 3.. Adção e subtração...5 3..2 Multplcação

Leia mais

Matemática. Resolução das atividades complementares. M18 Noções de Estatística

Matemática. Resolução das atividades complementares. M18 Noções de Estatística Resolução das atvdades complemetares Matemátca M8 Noções de Estatístca p. 3 (UFRJ) Dos estados do país, um certo ao, produzem os mesmos tpos de grãos. Os grácos de setores lustram a relação etre a produção

Leia mais

Unidade II ESTATÍSTICA

Unidade II ESTATÍSTICA ESTATÍSTICA Udade II 3 MEDIDAS OU PARÂMETROS ESTATÍSTICOS 1 O estudo que fzemos aterormete dz respeto ao agrupameto de dados coletados e à represetação gráfca de algus deles. Cumpre agora estudarmos as

Leia mais

1 SISTEMA FRANCÊS DE AMORTIZAÇÃO

1 SISTEMA FRANCÊS DE AMORTIZAÇÃO scpla de Matemátca Facera 212/1 Curso de Admstração em Gestão Públca Professora Ms. Valéra Espídola Lessa EMPRÉSTIMOS Um empréstmo ou facameto pode ser feto a curto, médo ou logo prazo. zemos que um empréstmo

Leia mais

TEORIA DE ERROS * ERRO é a diferença entre um valor obtido ao se medir uma grandeza e o valor real ou correto da mesma.

TEORIA DE ERROS * ERRO é a diferença entre um valor obtido ao se medir uma grandeza e o valor real ou correto da mesma. UNIVERSIDADE FEDERAL DO ESPÍRITO SANTO CENTRO DE CIÊNCIAS EXATAS DEPARTAMENTO DE FÍSICA AV. FERNANDO FERRARI, 514 - GOIABEIRAS 29075-910 VITÓRIA - ES PROF. ANDERSON COSER GAUDIO FONE: 4009.7820 FAX: 4009.2823

Leia mais

ÍNDICE DE TERMOS: MOTOR DEDICADO, PADRONIZAÇÃO;

ÍNDICE DE TERMOS: MOTOR DEDICADO, PADRONIZAÇÃO; Aplcação de Motores de Méda esão dedcados acoados por versor de frequêca e utlzação de um úco projeto em dferetes solctações de carga. Gleuber Helder Perera Rodrgues Esp. Eg. WEG Brasl gleuber@weg.et Alex

Leia mais

APOSTILA DA DISCIPLINA INFERÊNCIA ESTATÍSTICA I

APOSTILA DA DISCIPLINA INFERÊNCIA ESTATÍSTICA I UNIVERSIDADE FEDERAL DO PARANÁ SETOR DE CIÊNCIAS EXATAS DEPARTAMENTO DE ESTATÍSTICA APOSTILA DA DISCIPLINA INFERÊNCIA ESTATÍSTICA I CURSO DE ESTATÍSTICA Prof. Paulo Rcardo Bttecourt Gumarães O SEMETRE

Leia mais

Matemática Financeira

Matemática Financeira Cocetos Báscos de Matemátca Facera Uversdade do Porto Faculdade de Egehara Mestrado Itegrado em Egehara Electrotécca e de Computadores Ecooma e Gestão Na prátca As decsões faceras evolvem frequetemete

Leia mais

Educação e Pesquisa ISSN: 1517-9702 revedu@usp.br Universidade de São Paulo Brasil

Educação e Pesquisa ISSN: 1517-9702 revedu@usp.br Universidade de São Paulo Brasil Educação e Pesqusa ISS: 1517-972 revedu@usp.br Uversdade de São Paulo Brasl Helee, Otavao Evolução da escolardade esperada o Brasl ao logo do século XX Educação e Pesqusa, vol. 38, úm. 1, marzo, 212, pp.

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

Orientadora: Profª Drª Maria Adélia Oliveira M. da Cruz Co-Orientadores: Prof Dr. Paulo de Paula Mendes Prof Dr. Manoel da Cunha Costa

Orientadora: Profª Drª Maria Adélia Oliveira M. da Cruz Co-Orientadores: Prof Dr. Paulo de Paula Mendes Prof Dr. Manoel da Cunha Costa UNIVERSIDADE FEDERAL RURAL DE PERNAMBUCO - UFRPE PRÓ-REITORIA DE PESQUISA E PÓS-GRADUAÇÃO - PRPPG PROGRAMA DE PÓS-GRADUAÇÃO EM BIOMETRIA (NÍVEL: MESTRADO) Dssertação apresetada ao Programa de Pós-Graduação

Leia mais

Em atendimento à solicitação de V.Sa., apresentamos, na seqüência, os resultados do estudo referenciado.

Em atendimento à solicitação de V.Sa., apresentamos, na seqüência, os resultados do estudo referenciado. 1 Belo Horzote, 14 de abrl de 2007. À UNAFISCO SAÚDE AT.: Glso Bezerra REF: AVALIAÇÃO ATUARIAL Prezado Sehor, Em atedmeto à solctação de V.Sa., apresetamos, a seqüêca, os resultados do estudo referecado.

Leia mais

2 Avaliação da segurança dinâmica de sistemas de energia elétrica: Teoria

2 Avaliação da segurança dinâmica de sistemas de energia elétrica: Teoria Avalação da seguraça dâmca de sstemas de eerga elétrca: Teora. Itrodução A avalação da seguraça dâmca é realzada através de estudos de establdade trastóra. Nesses estudos, aalsa-se o comportameto dos geradores

Leia mais

Cálculo de média a posteriori através de métodos de integração numérica e simulação monte carlo: estudo comparativo

Cálculo de média a posteriori através de métodos de integração numérica e simulação monte carlo: estudo comparativo INGEPRO Iovação, Gestão e Produção Jaero de 010, vol. 0, o. 01 www.gepro.com.br Cálculo de méda a posteror através de métodos de tegração umérca e smulação mote carlo: estudo comparatvo Helto Adre Lopes

Leia mais

Marília Brasil Xavier REITORA. Prof. Rubens Vilhena Fonseca COORDENADOR GERAL DOS CURSOS DE MATEMÁTICA

Marília Brasil Xavier REITORA. Prof. Rubens Vilhena Fonseca COORDENADOR GERAL DOS CURSOS DE MATEMÁTICA Maríla Brasl Xaver REITORA Prof. Rubes Vlhea Foseca COORDENADOR GERAL DOS CURSOS DE MATEMÁTICA MATERIAL DIDÁTICO EDITORAÇÃO ELETRONICA Odvaldo Texera Lopes ARTE FINAL DA CAPA Odvaldo Texera Lopes REALIZAÇÃO

Leia mais

RESUMO DE MATEMÁTICA FINANCEIRA. Juro Bom Investimento C valor aplicado M saldo ao fim da aplicação J rendimento (= M C)

RESUMO DE MATEMÁTICA FINANCEIRA. Juro Bom Investimento C valor aplicado M saldo ao fim da aplicação J rendimento (= M C) RESUMO DE MATEMÁTICA FINANCEIRA I. JUROS SIMPLES ) Elemetos de uma operação de Juros Smples: Captal (C); Motate (M); Juros (J); Taxa (); Tempo (). ) Relação etre Juros, Motate e Captal: J = M C ) Defção

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

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

Prof. Dr. Marco Antonio Leonel Caetano Projeção de Cenários Aplicados ao Orçamento Empresarial Com revisão das Ferramentas de Estatística

Prof. Dr. Marco Antonio Leonel Caetano Projeção de Cenários Aplicados ao Orçamento Empresarial Com revisão das Ferramentas de Estatística Projeção de Ceáros Aplcados ao Orçameto Empresaral Com revsão das Ferrametas de Estatístca Prof. Dr. Marco Atoo Leoel Caetao TÓPICO Tratameto, Quatfcação e Vsualzação de Dados Faceros. Itrodução Na dvulgação

Leia mais

Capítulo 1 PORCENTAGEM

Capítulo 1 PORCENTAGEM Professor Joselas Satos da Slva Matemátca Facera Capítulo PORCETAGEM. PORCETAGEM A porcetagem ada mas é do que uma otação ( % ) usada para represetar uma parte de cem partes. Isto é, 20% lê-se 20 por ceto,

Leia mais

Objetivos da aula. Essa aula objetiva fornecer algumas ferramentas descritivas úteis para

Objetivos da aula. Essa aula objetiva fornecer algumas ferramentas descritivas úteis para Objetvos da aula Essa aula objetva fornecer algumas ferramentas descrtvas útes para escolha de uma forma funconal adequada. Por exemplo, qual sera a forma funconal adequada para estudar a relação entre

Leia mais

Monitoramento ou Inventário Florestal Contínuo

Monitoramento ou Inventário Florestal Contínuo C:\Documets ad Settgs\DISCO_F\MEUS-DOCS\LIVRO_EF_44\ef44_PDF\CAP XIV_IFCOTIUO.doc 6 Motorameto ou Ivetáro Florestal Cotíuo Agosto Lopes de Souza. ITRODUÇÃO Parcelas permaetes de vetáro florestal cotíuo

Leia mais

Faculdade de Tecnologia de Catanduva CURSO SUPERIOR DE TECNOLOGIA EM AUTOMAÇÃO INDUSTRIAL

Faculdade de Tecnologia de Catanduva CURSO SUPERIOR DE TECNOLOGIA EM AUTOMAÇÃO INDUSTRIAL Faculdade de Tecologa de Cataduva CURSO SUPERIOR DE TECNOLOGIA EM AUTOMAÇÃO INDUSTRIAL 5. Meddas de Posção cetral ou Meddas de Tedêca Cetral Meddas de posção cetral preocupam-se com a caracterzação e a

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

EVAPOTRANSPIRAÇÃO DE REFERÊNCIA UTILIZANDO MÉTODOS DE TANQUE CLASSE A PROPOSTOS PELA FAO, NA REGIÃO DE MOSSORÓ, RN

EVAPOTRANSPIRAÇÃO DE REFERÊNCIA UTILIZANDO MÉTODOS DE TANQUE CLASSE A PROPOSTOS PELA FAO, NA REGIÃO DE MOSSORÓ, RN EVAPOTRANSPIRAÇÃO DE REFERÊNCIA UTILIZANDO MÉTODOS DE TANQUE CLASSE A PROPOSTOS PELA FAO, NA REGIÃO DE MOSSORÓ, RN Tayd Dayvso Custódo Pexoto ; Sérgo Luz Agular Leve ; Adre Herma Frere Bezerra 3 ; José

Leia mais

Apostla Básca de Estatístca Slvo Alves de Souza ÍNDICE Itrodução... 3 Software R... 4 Software SPSS... 5 Dstrbução ormal de probabldade... 6 Testes de Hpótese paramêtrco... Testes Não-Paramétrco...5 Dstrbução

Leia mais

ESCOLA SUPERIOR DE TECNOLOGIA E GESTÃO

ESCOLA SUPERIOR DE TECNOLOGIA E GESTÃO Área Cetífca Matemátca Udade Curso Egehara do Ambete Ao º Semestre º Folha Nº 8: Aálse de Regressão e de Correlação Probabldades e Estatístca Ao 00/0. Pretede-se testar um strumeto que mede a cocetração

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

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

OTIMIZAÇÃO DE UMA COLUNA DE DESTILAÇÃO V-104 STABILIZER DE PRODUÇÃO DE LPG - GÁS LIQUEFEITO DE PETRÓLEO CAMPO PETROLÍFERO DO MALONGO/CABINDA/ANGOLA

OTIMIZAÇÃO DE UMA COLUNA DE DESTILAÇÃO V-104 STABILIZER DE PRODUÇÃO DE LPG - GÁS LIQUEFEITO DE PETRÓLEO CAMPO PETROLÍFERO DO MALONGO/CABINDA/ANGOLA OTIMIZAÇÃO DE UMA COLUNA DE DESTILAÇÃO V-104 STABILIZER DE PRODUÇÃO DE LPG - GÁS LIQUEFEITO DE PETRÓLEO CAMPO PETROLÍFERO DO MALONGO/CABINDA/ANGOLA KÁTIA MARIANA SILIVELI EPALANGA - Egehera Químca Dssertação

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

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

JUROS SIMPLES. i 100 i 100. TAXA PROPORCIONAL: É aquela que aplicada ao mesmo capital, no mesmo prazo, produze o mesmo juros.

JUROS SIMPLES. i 100 i 100. TAXA PROPORCIONAL: É aquela que aplicada ao mesmo capital, no mesmo prazo, produze o mesmo juros. JUROS MONTANTE JUROS SIMPLES J = C 0 * * t 00 M = C * + * t 00 TAXA PROPORCIONAL: É aquela que aplcada ao mesmo captal, o mesmo prazo, produze o mesmo juros. * = * JUROS COMPOSTOS MONTANTE M = C * + 00

Leia mais

Medidas Numéricas Descritivas:

Medidas Numéricas Descritivas: Meddas Numércas Descrtvas: Meddas de dspersão Meddas de Varação Varação Ampltude Ampltude Iterquartl Varâca Desvo absoluto Coefcete de Varação Desvo Padrão Ampltude Medda de varação mas smples Dfereça

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

MÉTODO COMPUTACIONAL AUTOMÁTICO TICO PARA PRÉ-PROCESSAMENTO PROCESSAMENTO DE IMAGENS RADIOGRÁFICAS. M. Z. Nascimento, A. F. Frère e L. A.

MÉTODO COMPUTACIONAL AUTOMÁTICO TICO PARA PRÉ-PROCESSAMENTO PROCESSAMENTO DE IMAGENS RADIOGRÁFICAS. M. Z. Nascimento, A. F. Frère e L. A. MÉTODO COMPUTACIONAL AUTOMÁTICO TICO PARA PRÉ-PROCESSAMENTO PROCESSAMENTO DE IMAGENS RADIOGRÁFICAS M. Z. Nascmeto, A. F. Frère e L. A. Neves INTRODUÇÃO O cotraste as radografas vara ao logo do campo de

Leia mais

UNIVERSIDADE FEDERAL FLUMINENSE CENTRO DE ESTUDOS GERAIS INSTITUTO DE MATEMÁTICA DEPARTAMENTO DE ESTATÍSTICA NÚMEROS ÍNDICES

UNIVERSIDADE FEDERAL FLUMINENSE CENTRO DE ESTUDOS GERAIS INSTITUTO DE MATEMÁTICA DEPARTAMENTO DE ESTATÍSTICA NÚMEROS ÍNDICES UNIVERSIDADE FEDERAL FLUMINENSE CENTRO DE ESTUDOS GERAIS INSTITUTO DE MATEMÁTICA DEPARTAMENTO DE ESTATÍSTICA NÚMEROS ÍNDICES Aa Mara Lma de Faras Luz da Costa Laurecel Com a colaboração dos motores Maracajaro

Leia mais

PUCRS FAMAT DEPTº DE ESTATÍSTICA ESTATÍSTICA DESCRITIVA SÉRGIO KATO

PUCRS FAMAT DEPTº DE ESTATÍSTICA ESTATÍSTICA DESCRITIVA SÉRGIO KATO PUCRS FAMAT DEPTº DE ESTATÍSTICA ESTATÍSTICA DESCRITIVA SÉRGIO KATO A expressão dados, será ctada dversas vezes esta dscpla, em lguagem ormal, dados são ormações (úmeros ou ão) sobre um dvíduo (pessoa,

Leia mais

Previsão de demanda quantitativa Regressão linear Regressão múltiplas Exemplos Exercícios

Previsão de demanda quantitativa Regressão linear Regressão múltiplas Exemplos Exercícios Objetvos desta apresetação Plaejameto de produção: de Demada Aula parte Mauro Osak TES/ESALQ-USP Pesqusador do Cetro de Estudos Avaçados em Ecooma Aplcada Cepea/ESALQ/USP de demada quattatva Regressão

Leia mais

Universidade do Estado do Rio de Janeiro Instituto de Matemática e Estatística Econometria

Universidade do Estado do Rio de Janeiro Instituto de Matemática e Estatística Econometria Unversdade do Estado do Ro de Janero Insttuto de Matemátca e Estatístca Econometra Revsão de modelos de regressão lnear Prof. José Francsco Morera Pessanha professorjfmp@hotmal.com Regressão Objetvo: Estabelecer

Leia mais

Nota Técnica n o 037/2013-SRG/ANEEL. Em 17 de maio de 2013. Processo: 48500.002907/2010-89

Nota Técnica n o 037/2013-SRG/ANEEL. Em 17 de maio de 2013. Processo: 48500.002907/2010-89 Nota Técca o 037/2013-SRG/ANEEL Em 17 de mao de 2013. Processo: 48500.002907/2010-89 Assuto: Cosoldação de todas as regulametações referetes à apuração de dspobldades de empreedmetos de geração de eerga

Leia mais

Notas em Matemática Aplicada 9

Notas em Matemática Aplicada 9 Notas em atemátca Aplcada 9 Edtado por Elaa XL de Adrade Uversdade Estadual aulsta - UNES São José do Ro reto, S, Brasl Rubes Sampao otfíca Uversdade Católca do Ro de Jaero Ro de Jaero, RJ, Brasl Geraldo

Leia mais

UERJ CTC IME Departamento de Informática e Ciência da Computação 2 Cálculo Numérico Professora Mariluci Ferreira Portes

UERJ CTC IME Departamento de Informática e Ciência da Computação 2 Cálculo Numérico Professora Mariluci Ferreira Portes UERJ CTC IE Departameto de Iormátca e Cêca da Computação Udade I - Erros as apromações umércas. I. - Cosderações geras. Há váras stuações em dversos campos da cêca em que operações umércas são utlzadas

Leia mais

Relatório Final da disciplina de Probabilidades e Estatística. Economia Gestão Informática e Gestão

Relatório Final da disciplina de Probabilidades e Estatística. Economia Gestão Informática e Gestão Relatóro Fal da dscpla de Probabldades e Estatístca Ecooma Gestão Iformátca e Gestão Docetes: Paulo Ifate (resposável) Iês Sousa Das Ao Lectvo 007/008 Ídce Relatóro Crítco de Leccoação Programa detalhado

Leia mais

ANÁLISE DE REGRESSÃO E CORRELAÇÃO

ANÁLISE DE REGRESSÃO E CORRELAÇÃO ANÁLISE DE REGRESSÃO E CORRELAÇÃO Quado se cosderam oservações de ou mas varáves surge um poto ovo: O estudo das relações porvetura estetes etre as varáves A aálse de regressão e correlação compreedem

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

n. A densidade de corrente associada a esta espécie iônica é J n. O modelo está ilustrado na figura abaixo.

n. A densidade de corrente associada a esta espécie iônica é J n. O modelo está ilustrado na figura abaixo. Equlíbro e o Potecal de Nerst 5910187 Bofísca II FFCLRP USP Prof. Atôo Roque Aula 11 Nesta aula, vamos utlzar a equação para o modelo de eletrodfusão o equlíbro obtda a aula passada para estudar o trasporte

Leia mais

Olá, amigos concursandos de todo o Brasil!

Olá, amigos concursandos de todo o Brasil! Matemátca Facera ICMS-RJ/008, com gabarto cometado Prof. Wager Carvalho Olá, amgos cocursados de todo o Brasl! Veremos, hoje, a prova do ICMS-RJ/008, com o gabarto cometado. - O artgo º da Le.948 de 8

Leia mais

Técnicas de Estimação no Âmbito da Pós-estratificação

Técnicas de Estimação no Âmbito da Pós-estratificação Téccas de Estmação o Âmbto da Pós-estratfcação por Aa Crsta Maro da Costa Dssertação apresetada como requsto parcal para a obteção do grau de Mestre em Estatístca e Gestão de Iformação pelo Isttuto Superor

Leia mais

CAPÍTULO 5 - INTRODUÇÃO À INFERÊNCIA ESTATÍSTICA

CAPÍTULO 5 - INTRODUÇÃO À INFERÊNCIA ESTATÍSTICA CAPÍTULO 5 - INTRODUÇÃO À INFERÊNCIA ESTATÍSTICA 5. INTRODUÇÃO É freqüete ecotrarmos problemas estatísticos do seguite tipo : temos um grade úmero de objetos (população) tais que se fossem tomadas as medidas

Leia mais

Lealdade à Marca e Sensibilidade ao Preço: Um Estudo da Escolha da Marca pelo Consumidor. Autoria: Delane Botelho, André Torrres Urdan.

Lealdade à Marca e Sensibilidade ao Preço: Um Estudo da Escolha da Marca pelo Consumidor. Autoria: Delane Botelho, André Torrres Urdan. Lealdade à Marca e Sesbldade ao Preço: Um Estudo da Escolha da Marca pelo Cosumdor Autora: Delae Botelho, Adré Torrres Urda Resumo Este artgo usa dados em pael do tpo escaeados, desagregados ao ível de

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

MODELAGEM DE DADOS POR REGRESSÃO LINEAR MÚLTIPLA PARA AVALIAÇÃO DE IMÓVEIS RURAIS DO SUBMÉDIO SÃO FRANCISCO

MODELAGEM DE DADOS POR REGRESSÃO LINEAR MÚLTIPLA PARA AVALIAÇÃO DE IMÓVEIS RURAIS DO SUBMÉDIO SÃO FRANCISCO ODEAGE DE DADOS POR REGRESSÃO INEAR ÚTIPA PARA AVAIAÇÃO DE IÓVEIS RURAIS DO SUBÉDIO SÃO FRANCISCO JOSÉ ANTONIO OURA E SIVA Isttuto Nacoal de Colozação e Reforma Agrára - INCRA UIZ RONADO NAI 3 Isttuto

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

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

CENTRO: GESTÃO ORGANIZACIONAL MATEMÁTICA FINANCEIRA

CENTRO: GESTÃO ORGANIZACIONAL MATEMÁTICA FINANCEIRA CENTRO: GESTÃO ORGANIZACIONAL CÁLCULOS DE FINANÇAS MATEMÁTICA FINANCEIRA Semestre: A/2008 PROFESSOR: IRANI LASSEN CURSO: ALUNO: SUMÁRIO CÁLCULOS DE FINANÇAS INTRODUÇÃO...3. OBJETIVO:...3.2 FLUXO DE CAIXA...4.3

Leia mais

MATERIAL DE ESTATÍSTICA II PROF. MÁRIO ROBERTO

MATERIAL DE ESTATÍSTICA II PROF. MÁRIO ROBERTO 1 VARIÁVEIS ALEATÓRIAS O que se etede por varável aleatóra? Até agora ossos estudos estavam pratcamete voltados mas para defrmos osso Espaço Amostral U, sem assocarmos suas respectvas probabldades aos

Leia mais

Capitulo 8 Resolução de Exercícios

Capitulo 8 Resolução de Exercícios FORMULÁRIO Audades Peródcas, Crescetes e Postecpadas, com Termos em P. A. G 1 1 1 1 G SPAC R R s s 1 1 1 1 1 G G C R a R a 1 1 PAC Audades Gradetes Postecpadas S GP G 1 1 ; C GP G 1 1 1 Audades Gradetes

Leia mais

MODELO DE ISING BIDIMENSIONAL SEGUNDO A TÉCNICA DE MATRIZ DE TRANSFERÊNCIA

MODELO DE ISING BIDIMENSIONAL SEGUNDO A TÉCNICA DE MATRIZ DE TRANSFERÊNCIA UIVERSIDADE ESTADUAL DO CEARÁ RAFAEL DE LIMA BARBOSA MODELO DE ISIG BIDIMESIOAL SEGUDO A TÉCICA DE MATRIZ DE TRASFERÊCIA FORTALEZA CEARÁ 4 RAFAEL DE LIMA BARBOSA MODELO DE ISIG BIDIMESIOAL SEGUDO A TÉCICA

Leia mais

Teoria da Amostragem

Teoria da Amostragem Teora da Amostragem I- oções fudametas sobre amostragem. Amostragem é todo o processo de recolha de uma parte, geralmete pequea, dos elemetos que costtuem um dado couto. Da aálse dessa parte pretede obter-se

Leia mais

AMOSTRAGEM EM DOIS ESTÁGIOS COM UNIDADES PRIMÁRIAS DE TAMANHOS DIFERENTES SUBSAMPLING TO TWO PROBATION WITH PRIMARY UNITS OF UNEQUAL SIZES

AMOSTRAGEM EM DOIS ESTÁGIOS COM UNIDADES PRIMÁRIAS DE TAMANHOS DIFERENTES SUBSAMPLING TO TWO PROBATION WITH PRIMARY UNITS OF UNEQUAL SIZES Cêca Florestal, v.6,., p.47-55 47 ISS 003-9954 AMOSTRAGEM EM DOIS ESTÁGIOS COM UIDADES PRIMÁRIAS DE TAMAHOS DIFERETES SUBSAMPLIG TO TWO PROBATIO WITH PRIMARY UITS OF UEQUAL SIZES Sylvo Péllco etto RESUMO

Leia mais

3 Precificação de resseguro

3 Precificação de resseguro Precfcação de Resseguro 35 3 Precfcação de resseguro Este capítulo traz prmeramete uma oção ampla das aplcações das metodologas de precfcação de resseguro para melhor compreesão do mesmo Da seção 3 até

Leia mais

Algoritmos de Interseções de Curvas de Bézier com Uma Aplicação à Localização de Raízes de Equações

Algoritmos de Interseções de Curvas de Bézier com Uma Aplicação à Localização de Raízes de Equações Algortmos de Iterseções de Curvas de Bézer com Uma Aplcação à Localzação de Raízes de Equações Rodrgo L.R. Madurera Programa de Pós-Graduação em Iformátca, PPGI, UFRJ 21941-59, Cdade Uverstára, Ilha do

Leia mais

UNIVERSIDADE ESTADUAL PAULISTA ESTIMAÇÃO DE RIGIDEZES DE MANCAIS DE ROTORES POR ANÁLISE DE SENSIBILIDADE. Leonardo Caldiron

UNIVERSIDADE ESTADUAL PAULISTA ESTIMAÇÃO DE RIGIDEZES DE MANCAIS DE ROTORES POR ANÁLISE DE SENSIBILIDADE. Leonardo Caldiron uesp UNIVERIDADE ETADUA PAUITA FACUDADE DE ENGENHARIA DE IHA OTEIRA PROGRAA DE PÓ-GRADUAÇÃO E ENGENHARIA ECÂNICA ETIAÇÃO DE RIGIDEZE DE ANCAI DE ROTORE POR ANÁIE DE ENIBIIDADE eoardo Cadro Dssertação apresetada

Leia mais

LEASING UMA OBSERVAÇÃO Economista Antonio Pereira da Silva

LEASING UMA OBSERVAÇÃO Economista Antonio Pereira da Silva LEASING UMA OBSERVAÇÃO Ecoomsta Atoo Perera da Slva AMOR POR DINHEIRO TITÃS Composção: Sérgo Brtto e To Bellotto Acma dos homes, a le E acma da le dos homes A le de Deus Acma dos homes, o céu E acma do

Leia mais

Ana Clara P. Campos 1 Denise Nunes Viola 1 Moacyr Cunha Filho 2 Guilherme Vilar 2 Vanessa Van Der Linden 3

Ana Clara P. Campos 1 Denise Nunes Viola 1 Moacyr Cunha Filho 2 Guilherme Vilar 2 Vanessa Van Der Linden 3 Idetfcação da exstêca de padrão espacal aleatóro a dstrbução dos pacetes portadores de doeça geétca rara com defcêca físca da Assocação de Assstêca à Craça Defcete (AACD) de Perambuco Aa Clara P. Campos

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

Influência dos Procedimentos de Ensaios e Tratamento de Dados em Análise Probabilística de Estrutura de Contenção

Influência dos Procedimentos de Ensaios e Tratamento de Dados em Análise Probabilística de Estrutura de Contenção Influênca dos Procedmentos de Ensaos e Tratamento de Dados em Análse Probablístca de Estrutura de Contenção Mara Fatma Mranda UENF, Campos dos Goytacazes, RJ, Brasl. Paulo César de Almeda Maa UENF, Campos

Leia mais

Regressão Linear - Introdução

Regressão Linear - Introdução Regressão Lear - Itrodução Na aálse de regressão lear pretede-se estudar e modelar a relação (lear) etre duas ou mas varáves. Na regressão lear smples relacoam-se duas varáves, x e Y, através do modelo

Leia mais

Introdução e Organização de Dados Estatísticos

Introdução e Organização de Dados Estatísticos II INTRODUÇÃO E ORGANIZAÇÃO DE DADOS ESTATÍSTICOS 2.1 Defnção de Estatístca Uma coleção de métodos para planejar expermentos, obter dados e organzá-los, resum-los, analsá-los, nterpretá-los e deles extrar

Leia mais

UNIVERSIDADE DO ESTADO DA BAHIA - UNEB DEPARTAMENTO DE CIÊNCIAS EXATAS E DA TERRA COLEGIADO DO CURSO DE DESENHO INDUSTRIAL CAMPUS I - SALVADOR

UNIVERSIDADE DO ESTADO DA BAHIA - UNEB DEPARTAMENTO DE CIÊNCIAS EXATAS E DA TERRA COLEGIADO DO CURSO DE DESENHO INDUSTRIAL CAMPUS I - SALVADOR Matéra / Dscplna: Introdução à Informátca Sstema de Numeração Defnção Um sstema de numeração pode ser defndo como o conjunto dos dígtos utlzados para representar quantdades e as regras que defnem a forma

Leia mais

Parte 3 - Regressão linear simples

Parte 3 - Regressão linear simples Parte 3 - Regressão lear smples Defção do modelo Modelo de regressão empregado para eplcar a relação lear etre duas varáves (ajuste de uma reta). O modelo de regressão lear smples pode ser epresso a forma:

Leia mais