Estimação bayesiana em modelos lineares generalizados mistos: MCMC versus INLA
|
|
- Jónatas Macedo Ventura
- 8 Há anos
- Visualizações:
Transcrição
1 Estimação bayesiana em modelos lineares generalizados mistos: MCMC versus INLA Everton Batista da Rocha Roseli Aparecida Leandro 2 Paulo Justiniano Ribeiro Jr 4 1 Introdução Na experimentação agronômica é muito comum a ocorrência de variáveis respostas cujas distribuições de probabilidade pertencem à família exponencial de distribuições. Esta família de distribuições teve destaque quando Nelder e Weddeburn (1972) definiram os modelos lineares generalizados. O modelo linear generalizado fica definido considerando-se um componente aleatório, um componente sistemático (ou preditor linear) e uma função de ligação. Considerando a inclusão de um efeito aleatório no preditor linear tem-se o modelo linear generalizado misto (MLGM). Para o MLGM, o ajuste baseado na verossimilhança pode apresentar problemas, especialmente no caso de pequenas amostras, visto que este processo de estimação baseia-se na distribuição assintótica dos estimadores de máxima verossimilhança. Para solucionar este problema, propõe-se a utilização da abordagem bayesiana. A amostragem bayesiana baseada em amostras necessita de programação computacional intensiva. Os métodos computacionais intensivos mais difundidos e utilizados para a obtenção de uma amostra da distribuição a posteriori conjunta são os Métodos de Monte Carlo via Cadeias de Markov (MCMC), especialmente o algoritmo de Metropolis-Hasting e o amostrador de Gibbs. Esses métodos em problemas mais complexos podem ser demorados na sua execução. Neste trabalho, propõe-se o uso da estimação bayesiana INLA(Integrated Nested Laplace Approximation) para o ajuste do MLGM. Pretende-se mostrar que o ganho computacional utilizando a estimação INLA é superior ao MCMC. Um exemplo ilustrativo com dados simulados será apresentado. 2 Material e métodos Para exemplificação do método INLA e sua comparação com o MCMC, será considerado o ajuste de um modelo de regressão de Poisson, com intercepto aleatório. Os dados foram simulados, considerando-se que Y i j Poisson(λ i j ) e log(λ i j ) = α + βx j + b i, fixando α = 3, 1 e.batista.rocha@usp.br 2 LCE - ESALQ/USP 3 Agradecimento a CAPES pelo apoio financeiro. 4 LEG-UFPR 1
2 β = 2 e b i N(,1). Aqui, x j refere-se a uma variável controlada quantitativa com j = 1,,3 e b i refere-se ao efeito aleatório associado à i-ésima unidade, com i = 1,,16. Sob estas especificações, o objetivo é ajustar o seguinte modelo hierárquico bayesiano, Y i j Poisson(λ i j ) (1) log(λ i j ) = α + βx j + b i b i N(,σ 2 α) α N(a 1,b 1 ), β N(a 2,b 2 ), τ b = 1/σ 2 α G(a,b) em que a 1 e a 2 são constantes reais e conhecidas e b 1, b 2, a e b são constantes reais, positivas e conhecidas. O MLGM é uma extensão do modelo proposto por Nelder e Weddeburn (1972) e encontrase definido detalhadamente em McCullagh e Nelder (1989) pela adição de efeitos aleatórios normalmente distribuídos no preditor linear do modelo. Considere a parametrização apresentada por Fong et al. (29): suponha que Y i j pertence a família exponencial de distribuições - Y i j θ i j,φ 1 p(.), em que p(.) é um membro da família exponencial, aqui parametrizada por, { } yi j θ i j b(θ i j ) p(y i j θ i j,φ 1 ) = exp + c(y i j,φ 1 ), (2) a(φ 1 ) em que i = 1,,m unidades; j = 1,,n i medidas por unidade e θ i j é o parâmetro canônico (escalar). Seja ainda µ i j = E[Y i j β,b i,φ 1 ] = b (θ i j ) com g(µ i j ) = η i j = x i j β+z i j b i, em que g(.) é uma função de ligação monótona, x i j é 1 p, z i j é 1 q, com β um vetor p 1 de efeitos fixos e b i um vetor q 1 de efeitos aleatórios, então θ i j = θ i j (β,b i ). Assuma que b i Q N(,Q 1 ), em que a matriz de precisão Q = Q(φ 2 ) depende dos parâmetros em φ 2. Assuma, além disso, que para β é considerada uma distribuição a priori normal, e tome γ = (β,b) denotando um vetor G 1 de parâmetros com distribuições a priori normais a serem estimatos e efeitos aleatórios a serem preditos. No caso em que φ 1 não for uma constante conhecida, deve-se também considerar uma priori para este parâmetro de perturbarção e para φ 2. Assim, φ = (φ 1,φ 2 ) será o vetor de componentes de variância com distribuições a priori não normais, com V = dim(φ). O uso de MCMC para a análise bayesiana é algo muito popular, entretanto, segundo Fong et al. (29), para o ajuste de MLGM, este método é particularmente interessante somente nos casos em que as independências condicionais do modelo possam ser exploradas. Além disso, o uso de MCMC exige uma sobrecarga computacional para a programação dos algoritmos. Para contornar essa dificuldade, considera-se o uso da abordagem computacional INLA, proposta por Rue et al. (29) e discutida por Fong et al. (29), no contexto dos MLGM. Para o MLGM descrito em (2), a distribuição a posteriori é expressa por, π(γ,φ y) π(φ)π(β) Q(φ 2 ) 1/2 exp { 1 2 bt Q(φ 2 )b + m i=1 log p(y i γ,φ 1 ) }, (3) 2
3 em que y i = (y i1,,y ini ) é o vetor de observações na unidade i. Deseja-se obter as marginais a posteriori π(γ g y), g = 1,,G, e π(φ υ y), υ = 1,,V. Assim, tem-se π(γ g y) = π(γ g φ,y) π(φ y)dφ, (4) que pode ser calculada pela aproximação π(γ g y) = π(γ g φ,y) π(φ y)dφ K π(γ g φ k,y) π(φ k y) k, (5) k=1 em que a aproximação de Laplace (ou outra aproximação analítica) é aplicada para o cálculo de π(γ g φ,y). O output do INLA consiste das distribuições a posteriori marginais dos parâmetros, que podem ser exploradas para a obtenção dos resumos a posteriori. Sob as especificações em (2), considerando os dados a serem simulados conforme a descrição no início desta seção, tem-se que γ = (α,β,b 1,b 2,,b 16 ) e φ = τ α. Para descrever a incerteza relativa aos parâmetros α, β e τ α, adotou-se independência entre eles, e para refletir o conhecimento vago no ajuste via MCMC, tomou-se a 1 = a 2 =, b 1 = b 2 = 1 e a = b = 1,E 3. O Teste de Raftery e Lewis e o período de adaptação do algoritmo foram considerados para determinar o tamanho efetivo da cadeia a ser monitorada no ajuste MCMC. Para verificar a convergência das cadeias de MCMC, aplicou-se o Teste de Gelman e Rubin. As análises bayesianas utilizando a estimação INLA foram realizadas no programa R considerando o pacote INLA, e os ajustes utilizando o MCMC foram obtidos com a interface entre os programas R e OpenBUGS, através do pacote BRugs. 3 Resultados e discussões Considere os dados gerados conforme descrito na seção 2. Na Figura 1 (a) e Figura 1 (b), tem -se os perfis das i unidades geradas avaliadas no j-ésimo nível de x j, para a variável y i j em análise. Aparentemente existe a necessidade da inclusão de um efeito aleatório de intercepto no modelo, segundo as especificações em (1). Para o ajuste do modelo hierárquico bayesiano (1) foram considerados dois métodos de estimação: INLA e MCMC. Para a obtenção dos resultados via MCMC foram geradas três cadeias com descarte das 5 primeiras observações (burn-in) e monitoramento de cadeias de tamanho efetivo 1, com espaçamento de 25 unidades entre cada observação (thin), baseado no teste de Raftery e Lewis. A convergência das cadeias para os parâmetros monitorados foi verificada através do teste de Gelman e Rubin. O ajuste considerando o método de estimação INLA, foi realizado com a função inla(), do pacote INLA, disponível no programa R. As medidas resumo a posteriori considerando os métodos MCMC e INLA são apresentadas na Tabela 1. Observa-se que não há discrepância entre os valores obtidos via estimação MCMC e INLA, e que ambos são próximos do valor real, para cada um dos parâmetros estimados. 3
4 13 (a) (b) y_ij 5 y_ij x_j x_j Figura 1: (a)gráfico de perfis individuais da i-ésima unidade avaliada no j-ésimo nível de x j. (b)gráfico de perfis da i-ésima unidade avaliada no j-ésimo nível de x j. Tabela 1: Medidas resumo a posteriori, considerando a estimação INLA e MCMC. Parâmetro Estimativas Valor real MCMC INLA Média(DP ) P 2,5% P 97,5% Média(DP ) P 2,5% P 97,5% α 3,131(,262) 2,615 3,655 3,128 (,238) 2,658 3,597 3, β -2,37(,44) -2,124-1,952-2,36(,44) -2,123-1,949-2, σ α 1,34(,27),723 1,519 1,176(,48),544 2,126 1, DP - Desvio padrão Na Figura 2 (a) tem-se o box plot dos valores preditos a posteriori para os efeitos aleatórios, utilizando a estimação INLA. Note que o valor pertence a todos os intervalos do box plot, de forma que com 95% de credibilidade, verifica-se que b i =, i = 1,,16, o que reflete a especificação da simulação dos dados, b i N(,1). Na Figura 2(b), tem-se as densidades marginais a posteriori dos parâmetros, obtidas via MCMC e INLA, e nota-se que elas são similares. Em termos de tempo computacional, utilizando a função system.time() do R, verifica-se que o tempo total de execução do algoritmo MCMC é de 219,95 segundos, enquanto o período para execução do algoritmo INLA é de,72 segundos, para a obtenção das estimativas, em um processador Intel R Core(TM) 2.4GHz, havendo portanto uma redução de tempo computacional em 99,67% (o tempo de execução do INLA representa aproximadamente,33% do tempo de execução do MCMC). 4
5 (a) (b) P 2.5 % P 5 % P 97.5 % α β σ α INLA MCMC b i Figura 2: (a)box plot a posteriori para os valores preditos dos efeitos aleatórios. (b)densidade marginal a posteriori dos parâmetros estimados. 4 Conclusões O ajuste do modelo bayesiano hierárquico Poisson com intercepto aleatório realizado pelo método MCMC e INLA levaram a resultados similares, os quais são muito próximos do verdadeiro valor do parâmetro. Em termos de tempo de execução dos algoritmos, o método INLA mostrou-se mais eficiente que o método MCMC, tornando assim a inferência bayesiana por meio da estimação INLA uma alternativa viável e atraente para o usuário. Referências [1] FONG, Y.; RUE, H., WAKEFIELD, J. Bayesian inference for generalized linear mixed models. Biostatistics. v.11, n. 3, p , 29. [2] McCULLAGH, P.; NELDER, J.A. Generalized Linear Models. London: Chapman and Hall, 1989, 511 p. [3] NELDER, J.A.; WEDDERBURN, R.W.M. Generalized Linear Models. Journal of the Royal Statistical Society, Series A (General), v.135, n.3, p , [4] RUE, H.; MARTINO, S.; CHOPIN, N. Approximate Bayesian inference for latent Gaussian models by using integrated nested Laplace aproximations (with discussion). Journal of the Royal Statistical Society - Series B, v.71, Part 2, p , 29. 5
Então, O que é Inferência Bayesiana?
Aluno: Fernando G. Moro Supervisor: Henrique A. Laureano 2 de novembro de 2015 Teorema de Bayes Thomas Bayes( 1702-1761) Estudou Teologia na Universidade de Edimburgo(Escócia). Único livro publicado The
Leia maisModelos bayesianos sem MCMC com aplicações na epidemiologia
Modelos bayesianos sem MCMC com aplicações na epidemiologia Leo Bastos, PROCC/Fiocruz lsbastos@fiocruz.br Outline Introdução à inferência bayesiana Estimando uma proporção Ajustando uma regressão Métodos
Leia maisde Piracicaba-SP: uma abordagem comparativa por meio de modelos probabilísticos
Descrição da precipitação pluviométrica no munícipio de Piracicaba-SP: uma abordagem comparativa por meio de modelos probabilísticos Idemauro Antonio Rodrigues de Lara 1 Renata Alcarde 2 Sônia Maria De
Leia maisIntrodução a Inferência Bayesiana. Ricardo S. Ehlers
Introdução a Inferência Bayesiana Ricardo S. Ehlers Versão Revisada em junho de 2003 Sumário 1 Introdução 2 1.1 Teorema de Bayes.......................... 2 1.2 Princípio da Verossimilhança....................
Leia maisUso do modelo logito generalizado na análise de dados da criminalidade em Santarém-PA.
Uso do modelo logito generalizado na análise de dados da criminalidade em Santarém-PA. Edilan de Sant Ana Quaresma 1 Carlos Tadeu dos Santos Dias 2 Renata Alcarde 3 Ezequiel Abraham López Bautista 4 Jarsen
Leia maisDistribuição Exponencial Exponenciada na Presença de Fração de Cura: Modelos de Mistura e Não-Mistura
Distribuição Exponencial Exponenciada na Presença de Fração de Cura: Modelos de Mistura e Não-Mistura Emílio Augusto Coelho-Barros 1,2 Jorge Alberto Achcar 2 Josmar Mazucheli 3 1 Introdução Em análise
Leia maisAnálise de Diagnóstico no Modelo de Regressão Bivariado com Fração de Cura
Análise de Diagnóstico no Modelo de Regressão Bivariado com Fração de Cura Juliana B. Fachini Universidade de São Paulo Edwin M. M. Ortega Universidade de São Paulo 1 Introdução Dados de sobrevivência
Leia mais4 Avaliação Econômica
4 Avaliação Econômica Este capítulo tem o objetivo de descrever a segunda etapa da metodologia, correspondente a avaliação econômica das entidades de reservas. A avaliação econômica é realizada a partir
Leia maisVariabilidade do processo
Variabilidade do processo Em todo processo é natural encontrar certa quantidade de variabilidade. Processo sob controle estatístico: variabilidade natural por causas aleatórias Processo fora de controle:
Leia maisAnálise Bayesiana do Sistema de Cotas da UFBA
Análise Bayesiana do Sistema de Cotas da UFBA Lilia Carolina C. da Costa Universidade Federal da Bahia Marina Silva Paez Universidade Federal do Rio de Janeiro Antonio Guimarães, Nadya Araujo Guimarães
Leia maisRoteiro SENAC. Análise de Riscos. Planejamento do Gerenciamento de Riscos. Planejamento do Gerenciamento de Riscos
SENAC Pós-Graduação em Segurança da Informação: Análise de Riscos Parte 2 Leandro Loss, Dr. Eng. loss@gsigma.ufsc.br http://www.gsigma.ufsc.br/~loss Roteiro Introdução Conceitos básicos Riscos Tipos de
Leia maisCAP5: Amostragem e Distribuição Amostral
CAP5: Amostragem e Distribuição Amostral O que é uma amostra? É um subconjunto de um universo (população). Ex: Amostra de sangue; amostra de pessoas, amostra de objetos, etc O que se espera de uma amostra?
Leia mais3 Previsão da demanda
42 3 Previsão da demanda Este capítulo estuda o processo de previsão da demanda através de métodos quantitativos, assim como estuda algumas medidas de erro de previsão. Num processo de previsão de demanda,
Leia maisFunção bayesiana em R para o problema de Behrens-Fisher multivariado
Função bayesiana em R para o problema de Behrens-Fisher multivariado Patrícia de Siqueira Ramos 1 2 Daniel Furtado Ferreira 3 1 Introdução Um dos problemas mais comuns na Estatística aplicada é o de comparar
Leia maisPrincipais tipos de resíduos utilizados na análise de diagnóstico em MLG com aplicações para os modelos: Poisson, ZIP e ZINB
Francisco William Pereira Marciano Principais tipos de resíduos utilizados na análise de diagnóstico em MLG com aplicações para os modelos: Poisson, ZIP e ZINB Fortaleza CE Setembro / 2009 Francisco William
Leia maisAnálise de componentes independentes aplicada à avaliação de imagens radiográficas de sementes
Análise de componentes independentes aplicada à avaliação de imagens radiográficas de sementes Isabel Cristina Costa Leite 1 2 3 Thelma Sáfadi 2 Maria Laene Moreira de Carvalho 4 1 Introdução A análise
Leia mais5 Um simulador estocástico para o fluxo de caixa
5 Um simulador estocástico para o fluxo de caixa O objetivo desse capítulo é o de apresentar um simulador estocástico para o fluxo de caixa de um plano de previdência do tipo PGBL de um único indivíduo.
Leia maisExemplo Regressão Linear Simples
Exemplo Regressão Linear Simples Gilberto A. Paula Departamento de Estatística IME-USP, Brasil giapaula@ime.usp.br 1 o Semestre 2013 G. A. Paula (IME-USP) Área e Preço de Imóveis 1 o Semestre 2013 1 /
Leia maisPredição em Modelos de Tempo de Falha Acelerado com Efeito Aleatório para Avaliação de Riscos de Falha em Poços Petrolíferos
1 Predição em Modelos de Tempo de Falha Acelerado com Efeito Aleatório para Avaliação de Riscos de Falha em Poços Petrolíferos João Batista Carvalho Programa de Pós-Graduação em Matemática Aplicada e Estatística,
Leia mais5 Considerações Finais e Recomendações
Considerações Finais e Recomendações 132 5 Considerações Finais e Recomendações O controle estatístico de processos compõe-se essencialmente do monitoramento on line dos processos por gráficos de controle
Leia mais4 Resultados. 4.1 Dados Empíricos de Alta Freqüência do IBOVESPA
4 Resultados Neste capítulo, vamos analisar o comportamento dos retornos de preços intradiários do IBOVESPA e obter modelagem para as distribuições baseadas em distribuições q-gaussianas. Lembramos que
Leia maisRegressão Logística. Daniel Araújo Melo - dam2@cin.ufpe.br. Graduação
Regressão Logística Daniel Araújo Melo - dam2@cin.ufpe.br Graduação 1 Introdução Objetivo Encontrar o melhor modelo para descrever a relação entre variável de saída (variável dependente) e variáveis independentes
Leia mais2 Estudo dos Acoplamentos
24 2 Estudo dos Acoplamentos Um problema acoplado é aquele em que dois ou mais sistemas físicos interagem entre si e cujo acoplamento pode ocorrer através de diferentes graus de interação (Zienkiewicz
Leia maisP. P. G. em Agricultura de Precisão DPADP0803: Geoestatística (Prof. Dr. Elódio Sebem)
Considerações Iniciais É impossível saber, antes de amostrar, de que maneira os valores das variáveis irão se comportar: se dependente ou independente uma da outra. Devido as limitações da estatística
Leia maisDESENVOLVIMENTO DE UMA PLATAFORMA PARA SIMULAÇÃO DE SATÉLITES. Angelo dos Santos Lunardi 1 ; Rodrigo Alvite Romano 2.
DESENVOLVIMENTO DE UMA PLATAFORMA PARA SIMULAÇÃO DE SATÉLITES Angelo dos Santos Lunardi 1 ; Rodrigo Alvite Romano 2. 1 Aluno de Iniciação Científica da Escola de Engenharia Mauá (EEM/CEUN-IMT); 2 Professor
Leia maisIA344 - Dinâmica Caótica em Sistemas de Engenharia
IA344 - Dinâmica Caótica em Sistemas de Engenharia (FEEC/Unicamp - Primeiro Semestre de 2005) 1 Transformações (Mapas) de Poincaré Um sistema dinâmico é usualmente definido como um fluxo contínuo, que
Leia maisDatas Importantes 2013/01
INSTRUMENTAÇÃO CARACTERÍSTICAS DE UM SISTEMA DE MEDIÇÃO PROBABILIDADE PROPAGAÇÃO DE INCERTEZA MÍNIMOS QUADRADOS Instrumentação - Profs. Isaac Silva - Filipi Vianna - Felipe Dalla Vecchia 2013 Datas Importantes
Leia maisO mercado de bens CAPÍTULO 3. Olivier Blanchard Pearson Education. 2006 Pearson Education Macroeconomia, 4/e Olivier Blanchard
O mercado de bens Olivier Blanchard Pearson Education CAPÍTULO 3 3.1 A composição do PIB A composição do PIB Consumo (C) são os bens e serviços adquiridos pelos consumidores. Investimento (I), às vezes
Leia maisAnálise operacional do terminal público do porto do Rio Grande usando teoria de filas
Análise operacional do terminal público do porto do Rio Grande usando teoria de filas Karina Pires Duarte 1, Milton Luiz Paiva de Lima 2 1 Mestranda do curso de Engenharia Oceânica- FURG, Rio Grande, RS
Leia mais6. Programação Inteira
Pesquisa Operacional II 6. Programação Inteira Faculdade de Engenharia Eng. Celso Daniel Engenharia de Produção Programação Inteira São problemas de programação matemática em que a função objetivo, bem
Leia maisModelos Pioneiros de Aprendizado
Modelos Pioneiros de Aprendizado Conteúdo 1. Hebb... 2 2. Perceptron... 5 2.1. Perceptron Simples para Classificaçãod e Padrões... 6 2.2. Exemplo de Aplicação e Motivação Geométrica... 9 2.3. Perceptron
Leia maisITA - 2004 3º DIA MATEMÁTICA BERNOULLI COLÉGIO E PRÉ-VESTIBULAR
ITA - 2004 3º DIA MATEMÁTICA BERNOULLI COLÉGIO E PRÉ-VESTIBULAR Matemática Questão 01 Considere as seguintes afirmações sobre o conjunto U = {0, 1, 2, 3, 4, 5, 6, 7, 8, 9} I. U e n(u) = 10 III. 5 U e {5}
Leia mais[3] VSL, Sistema VSL de Proteção de LAJES, Sistemas VSL de Engenharia S.A., Rio de Janeiro, Brasil.
A análise aqui executada permite, com base nos exemplos aqui apresentados, recomendar que o dimensionamento das lajes lisas de concreto, com índice de esbeltez usuais, obedeça aos seguintes critérios:
Leia maisObjetivos. Teoria de Filas. Teoria de Filas
Objetivos Teoria de Filas Michel J. Anzanello, PhD anzanello@producao.ufrgs.br 2 Teoria de Filas Filas estão presentes em toda a parte; Exemplos evidentes de fila podem ser verificados em bancos, lanchonetes,
Leia mais1. Os métodos Não-Paramétricos podem ser aplicados a uma ampla diversidade de situações, porque não exigem populações distribuídas normalmente.
TESTES NÃO - PARAMÉTRICOS As técnicas da Estatística Não-Paramétrica são, particularmente, adaptáveis aos dados das ciências do comportamento. A aplicação dessas técnicas não exige suposições quanto à
Leia maisDúvidas e Sugestões Sobre a Regulação do Capital Adicional de Risco de Crédito
Dúvidas e Sugestões Sobre a Regulação do Capital Adicional de Risco de Crédito Atendendo ao convite desta Autarquia, no intuito de comentar o Relatório Inicial sobre Risco de Crédito, que nos foi apresentado
Leia maisUniversidade de São Paulo. Escola Politécnica
Universidade de São Paulo Escola Politécnica Engenharia Química Vitor Gazzaneo Modelagem do Equilíbrio Líquido-Líquido para o sistema Água- Ácido Acético-Acetato de Butila Prof. Orientador José Luis Pires
Leia mais5 A Metodologia de Estudo de Eventos
57 5 A Metodologia de Estudo de Eventos 5.1. Principais Conceitos Introduzido em 1969 pelo estudo de Fama, Fisher, Jensen e Roll, o estudo de evento consiste na análise quanto à existência ou não de uma
Leia maisDistribuição Gaussiana. Modelo Probabilístico para Variáveis Contínuas
Distribuição Gaussiana Modelo Probabilístico para Variáveis Contínuas Distribuição de Frequências do Peso, em gramas, de 10000 recém-nascidos Frequencia 0 500 1000 1500 2000 2500 3000 3500 1000 2000 3000
Leia maisBoletim. Contabilidade Internacional. Manual de Procedimentos
Boletim Manual de Procedimentos Contabilidade Internacional Custos de transação e prêmios na emissão de títulos e valores mobiliários - Tratamento em face do Pronunciamento Técnico CPC 08 - Exemplos SUMÁRIO
Leia maisTestes (Não) Paramétricos
Armando B. Mendes, DM, UAç 09--006 ANOVA: Objectivos Verificar as condições de aplicabilidade de testes de comparação de médias; Utilizar ANOVA a um factor, a dois factores e mais de dois factores e interpretar
Leia mais4 Aplicação: Modelo LOGIT para Avaliar o Risco de Crédito
4 Aplicação: Modelo LOGIT para Avaliar o Risco de Crédito 4.1 Preparação de Dados Foi utilizada uma base de dados de 156 clientes que tiveram o vencimento de seus títulos compreendidos no período de abril
Leia mais3 Método de Monte Carlo
25 3 Método de Monte Carlo 3.1 Definição Em 1946 o matemático Stanislaw Ulam durante um jogo de paciência tentou calcular as probabilidades de sucesso de uma determinada jogada utilizando a tradicional
Leia mais4. Metodologia. Capítulo 4 - Metodologia
Capítulo 4 - Metodologia 4. Metodologia Neste capítulo é apresentada a metodologia utilizada na modelagem, estando dividida em duas seções: uma referente às tábuas de múltiplos decrementos, e outra referente
Leia maisCAPÍTULO 6 TRANSFORMAÇÃO LINEAR
INODUÇÃO AO ESUDO DA ÁLGEBA LINEA CAPÍULO 6 ANSFOMAÇÃO LINEA Introdução Muitos problemas de Matemática Aplicada envolvem o estudo de transformações, ou seja, a maneira como certos dados de entrada são
Leia mais2 Sistema de Lajes com Forma de Aço Incorporado
2 Sistema de Lajes com Forma de Aço Incorporado 2.1. Generalidades As vantagens de utilização de sistemas construtivos em aço são associadas à: redução do tempo de construção, racionalização no uso de
Leia maisAritmética de Ponto Flutuante e Noções de Erro. Ana Paula
Aritmética de Ponto Flutuante e Noções de Erro Sumário 1 Introdução 2 Sistemas de Numeração 3 Representação de Números Inteiros no Computador 4 Representação de Números Reais no Computador 5 Operações
Leia maisCapítulo III Comparações entre algoritmos para análise dos resultados de SFRA Por Marcelo Eduardo de Carvalho Paulino*
44 Capítulo III Comparações entre algoritmos para análise dos resultados de SFRA Por Marcelo Eduardo de Carvalho Paulino* Os diferentes algoritmos para análise de resposta em frequência e comparação dos
Leia maisFaculdade Sagrada Família
AULA 12 - AJUSTAMENTO DE CURVAS E O MÉTODO DOS MÍNIMOS QUADRADOS Ajustamento de Curvas Sempre que desejamos estudar determinada variável em função de outra, fazemos uma análise de regressão. Podemos dizer
Leia maisDistribuição de probabilidades
Luiz Carlos Terra Para que você possa compreender a parte da estatística que trata de estimação de valores, é necessário que tenha uma boa noção sobre o conceito de distribuição de probabilidades e curva
Leia maisResolução de sistemas lineares
Resolução de sistemas lineares J M Martínez A Friedlander 1 Alguns exemplos Comecemos mostrando alguns exemplos de sistemas lineares: 3x + 2y = 5 x 2y = 1 (1) 045x 1 2x 2 + 6x 3 x 4 = 10 x 2 x 5 = 0 (2)
Leia maisAMOSTRAGEM ESTATÍSTICA EM AUDITORIA PARTE ll
AMOSTRAGEM ESTATÍSTICA EM AUDITORIA PARTE ll! Os parâmetros para decisão do auditor.! Tipos de planos de amostragem estatística em auditoria. Francisco Cavalcante(f_c_a@uol.com.br) Administrador de Empresas
Leia maisEstudaremos métodos numéricos para resolução de sistemas lineares com n equações e n incógnitas. Estes podem ser:
1 UNIVERSIDADE FEDERAL DE VIÇOSA Departamento de Matemática - CCE Cálculo Numérico - MAT 271 Prof.: Valéria Mattos da Rosa As notas de aula que se seguem são uma compilação dos textos relacionados na bibliografia
Leia maisESTUDO DO TEMPO ATÉ APOSENTADORIA DOS SERVIDORES TÉCNICO-ADMINISTRATIVOS DA UFLA VIA MODELO DE COX
ESTUDO DO TEMPO ATÉ APOSENTADORIA DOS SERVIDORES TÉCNICO-ADMINISTRATIVOS DA UFLA VIA MODELO DE COX Patrícia de Siqueira Ramos 1, Mário Javier Ferrua Vivanco 2 INTRODUÇÃO O servidor técnico-administrativo
Leia mais6 Construção de Cenários
6 Construção de Cenários Neste capítulo será mostrada a metodologia utilizada para mensuração dos parâmetros estocásticos (ou incertos) e construção dos cenários com respectivas probabilidades de ocorrência.
Leia maisCapítulo 7 Medidas de dispersão
Capítulo 7 Medidas de dispersão Introdução Para a compreensão deste capítulo, é necessário que você tenha entendido os conceitos apresentados nos capítulos 4 (ponto médio, classes e frequência) e 6 (média).
Leia maisCapítulo 8 - Testes de hipóteses. 8.1 Introdução
Capítulo 8 - Testes de hipóteses 8.1 Introdução Nos capítulos anteriores vimos como estimar um parâmetro desconhecido a partir de uma amostra (obtendo estimativas pontuais e intervalos de confiança para
Leia maisRoteiro SENAC. Análise de Riscos. Análise Quantitativa de Riscos. Análise Quantitativa de Riscos. Análise Quantitativa de Riscos
SENAC Pós-Graduação em Segurança da Informação: Análise de Riscos Parte 5 Leandro Loss, Dr. Eng. loss@gsigma.ufsc.br http://www.gsigma.ufsc.br/~loss Roteiro Análise de Qualitativa Quantitativa Medidas
Leia maisO comportamento conjunto de duas variáveis quantitativas pode ser observado por meio de um gráfico, denominado diagrama de dispersão.
ESTATÍSTICA INDUTIVA 1. CORRELAÇÃO LINEAR 1.1 Diagrama de dispersão O comportamento conjunto de duas variáveis quantitativas pode ser observado por meio de um gráfico, denominado diagrama de dispersão.
Leia maisAluno do Curso de Lic. em Matemática da UFMS; e mail: tmviana2000@gmail.com;
Encontro de Ensino, Pesquisa e Extensão, Presidente Prudente, 22 a 25 de outubro, 2012 26 GRUPOS DE PERMUTAÇÕES E ALGUMAS DE PROPOSIÇÕES Thiago Mariano Viana 1, Marco Antônio Travasso 2 & Antônio Carlos
Leia maisEA616B Análise Linear de Sistemas Resposta em Frequência
EA616B Análise Linear de Sistemas Resposta em Frequência Prof. Pedro L. D. Peres Faculdade de Engenharia Elétrica e de Computação Universidade Estadual de Campinas 2 o Semestre 2013 Resposta em Frequência
Leia maisDistribuição hipergeométrica confluente Pareto com uma
Distribuição hipergeométrica confluente Pareto com uma aplicação em Análise de Sobrevivência Jailson de Araujo Rodrigues 3 Ana Paula Coelho Madeira Silva 2 Jaime dos Santos Filho 3 Introdução Nos últimos
Leia maisESPAÇOS MUNIDOS DE PRODUTO INTERNO
ESPAÇOS MUNIDOS DE PRODUTO INTERNO Angelo Fernando Fiori 1 Bruna Larissa Cecco 2 Grazielli Vassoler 3 Resumo: O presente trabalho apresenta um estudo sobre os espaços vetoriais munidos de produto interno.
Leia maisFatores que Determinam a Ocorrência de Investimentos Estrangeiros na Indústria de Transformação Brasileira
Fatores que Determinam a Ocorrência de Investimentos Estrangeiros na Indústria de Transformação Brasileira Autoria: Nádia Campos Pereira, Cristina Lelis Leal Calegário, Ricardo Pereira Reis Resumo O principal
Leia maisO teste de McNemar. A tabela 2x2. Depois
Prof. Lorí Viali, Dr. http://www.pucrs.br/famat/viali/ viali@pucrs.br O teste de McNemar O teste de McNemar para a significância de mudanças é particularmente aplicável aos experimentos do tipo "antes
Leia maisUNIVERSIDADE FEDERAL DE JUIZ DE FORA INSTITUTO DE CIÊNCIAS EXATAS DEPARTAMENTO DE ESTATÍSTICA Programa de Graduação em Estatística. Samuel de Oliveira
UNIVERSIDADE FEDERAL DE JUIZ DE FORA INSTITUTO DE CIÊNCIAS EXATAS DEPARTAMENTO DE ESTATÍSTICA Programa de Graduação em Estatística Samuel de Oliveira INFERÊNCIA E ANÁLISE DE RESÍDUOS E DE DIAGNÓSTICO EM
Leia maisRede de Elementos Caóticos Acoplados Globalmente
Rede de Elementos Caóticos Acoplados Globalmente Rosagela Follmann 1, Elbert E. N. Macau 2 1 Programa de Pós-graduação em Computação Aplicada - CAP Instituto Nacional de Pesquisas Espaciais - INPE 2 Laboratório
Leia maisDesenvolvimento de uma Etapa
Desenvolvimento de uma Etapa A Fase Evolutiva do desenvolvimento de um sistema compreende uma sucessão de etapas de trabalho. Cada etapa configura-se na forma de um mini-ciclo que abrange as atividades
Leia maisMÓDULO 1. I - Estatística Básica
MÓDULO 1 I - 1 - Conceito de Estatística Estatística Técnicas destinadas ao estudo quantitativo de fenômenos coletivos e empíricamente observáveis. Unidade Estatística nome dado a cada observação de um
Leia maisAjuste de Curvas. Ajuste de Curvas
Ajuste de Curvas 2 AJUSTE DE CURVAS Em matemática e estatística aplicada existem muitas situações em que conhecemos uma tabela de pontos (x; y). Nessa tabela os valores de y são obtidos experimentalmente
Leia maisUNIVERSIDADE LUSÍADA DE LISBOA. Programa da Unidade Curricular ESTATÍSTICA INFERENCIAL Ano Lectivo 2014/2015
Programa da Unidade Curricular ESTATÍSTICA INFERENCIAL Ano Lectivo 2014/2015 1. Unidade Orgânica Ciências da Economia e da Empresa (1º Ciclo) 2. Curso Gestão de Recursos Humanos 3. Ciclo de Estudos 1º
Leia mais3 Procedimento experimental
3 Procedimento experimental O trabalho experimental foi realizado utilizando-se os equipamentos disponíveis na PUC-Rio, juntamente com aqueles que foram cedidos pelo Instituto Militar de Engenharia (IME).
Leia maisFONTES E FORMAS DE ENERGIA
FORMAÇÃO CONTINUADA PARA PROFESSORES DE CIÊNCIAS BIOLÓGICAS FUNDAÇÃO CECIERJ / CONSÓRCIO CEDERJ PROFESSOR/CURSISTA: DAVID SOUZA DE MELO COLÉGIO: TUTOR (A): SÉRIE: 9º ANO 3º BIMESTRE / 2012 FONTES E FORMAS
Leia maisProjecto de Programação por Objectos 2007/08 Escalonamento em Multi-processador por Programação Evolutiva MEBiom/MEEC 1 Problema
Projecto de Programação por Objectos 2007/08 Escalonamento em Multi-processador por Programação Evolutiva MEBiom/MEEC 1 Problema Considere-se um sistema com um conjunto finito de processadores P = {p1,...,
Leia maisTécnicas Multivariadas em Saúde. Comparações de Médias Multivariadas. Métodos Multivariados em Saúde - 2015. Roteiro. Testes de Significância
Roteiro Técnicas Multivariadas em Saúde Lupércio França Bessegato Dep. Estatística/UFJF 1. Introdução 2. Distribuições de Probabilidade Multivariadas 3. Representação de Dados Multivariados 4. Testes de
Leia maisExemplo Demanda de TV a Cabo
Exemplo Demanda de TV a Cabo Gilberto A. Paula Departamento de Estatística IME-USP, Brasil giapaula@ime.usp.br 2 o Semestre 2015 G. A. Paula (IME-USP) Demanda de TV a Cabo 2 o Semestre 2015 1 / 21 Demanda
Leia maisAvaliação de Desempenho de Sistemas
Avaliação de Desempenho de Sistemas Modelo de Filas M/M/1 e M/M/m Prof. Othon Batista othonb@yahoo.com Modelo de Filas Nas aulas anteriores vimos a necessidade de se utilizar uma distribuição para representar
Leia maisIntrodução às equações diferenciais
Introdução às equações diferenciais Professor Leonardo Crochik Notas de aula 1 O que é 1. é uma equação:... =... 2. a incógnita não é um número x R, mas uma função x(t) : R R 3. na equação estão presentes,
Leia maisTestedegeradoresde. Parte X. 38 Testes de Ajuste à Distribuição. 38.1 Teste Chi-Quadrado
Parte X Testedegeradoresde números aleatórios Os usuários de uma simulação devem se certificar de que os números fornecidos pelo gerador de números aleatórios são suficientemente aleatórios. O primeiro
Leia maisEncontro de Ensino, Pesquisa e Extensão, Presidente Prudente, 17 a 20 de outubro, 2011 35 RESUMOS SIMPLES...36 RESUMO DE PROJETOS...
Encontro de Ensino, Pesquisa e Extensão, Presidente Prudente, 17 a 20 de outubro, 2011 35 RESUMOS SIMPLES...36 RESUMO DE PROJETOS...39 Encontro de Ensino, Pesquisa e Extensão, Presidente Prudente, 17 a
Leia maisExemplos de Testes de Hipóteses para Médias Populacionais
Exemplos de Testes de Hipóteses para Médias Populacionais Vamos considerar exemplos de testes de hipóteses para a média de uma população para os dois casos mais importantes na prática: O tamanho da amostra
Leia maisAvaliação Econômica. Relação entre Desempenho Escolar e os Salários no Brasil
Avaliação Econômica Relação entre Desempenho Escolar e os Salários no Brasil Objetivo da avaliação: identificar o impacto do desempenho dos brasileiros na Educação Básica em sua renda futura. Dimensões
Leia maisaplicada a problemas de poluição do ar
Biomatemática 17 (2007), 21 34 ISSN 1679-365X Uma Publicação do Grupo de Biomatemática IMECC UNICAMP Programação matemática fuzzy aplicada a problemas de poluição do ar Luiza A. Pinto Cantão 1, Depto.
Leia maisDelineamento em Blocos ao Acaso
Costa, S.C. 1 Universidade Estadual de Londrina Departamento de Estatística Delineamento em Blocos ao Acaso Silvano Cesar da Costa Londrina - Paraná Costa, S.C. 2 Delineamento em Blocos Casualizados Experimento
Leia maisEquações Diferenciais Ordinárias
Capítulo 8 Equações Diferenciais Ordinárias Vários modelos utilizados nas ciências naturais e exatas envolvem equações diferenciais. Essas equações descrevem a relação entre uma função, o seu argumento
Leia maisProcessos Estocásticos
Processos Estocásticos Terceira Lista de Exercícios 22 de julho de 20 Seja X uma VA contínua com função densidade de probabilidade f dada por Calcule P ( < X < 2. f(x = 2 e x x R. A fdp dada tem o seguinte
Leia maisAula 1: Introdução à Probabilidade
Aula 1: Introdução à Probabilidade Prof. Leandro Chaves Rêgo Programa de Pós-Graduação em Engenharia de Produção - UFPE Recife, 07 de Março de 2012 Experimento Aleatório Um experimento é qualquer processo
Leia maisCAP4: Controle Estatístico do Processo (CEP)
CAP4: Controle Estatístico do Processo (CEP) O principal objetivo do CEP é detectar rapidamente a ocorrência de causas evitáveis que produzam defeitos nas unidades produzidas pelo processo, de modo que
Leia maisFÍSICA CADERNO DE QUESTÕES
CONCURSO DE ADMISSÃO AO CURSO DE FORMAÇÃO E GRADUAÇÃO FÍSICA CADERNO DE QUESTÕES 2015 1 a QUESTÃO Valor: 1,00 Uma mola comprimida por uma deformação x está em contato com um corpo de massa m, que se encontra
Leia maisAnálise de Sobrevivência Aplicada à Saúde
Roteiro Análise de Sobrevivência Aplicada à Saúde Lupércio França Bessegato Dep. Estatística/UFJF 1. Conceitos Básicos 2. Técnicas Não Paramétricas 3. Modelos Probabilísticos e Inferência 4. Modelos de
Leia mais4. RESULTADOS E DISCUSSÃO
4. RESULTADOS E DISCUSSÃO 4.1. Energia cinética das precipitações Na Figura 9 estão apresentadas as curvas de caracterização da energia cinética aplicada pelo simulador de chuvas e calculada para a chuva
Leia mais36 a Olimpíada Brasileira de Matemática Nível Universitário Primeira Fase
36 a Olimpíada Brasileira de Matemática Nível Universitário Primeira Fase Problema 1 Turbo, o caracol, está participando de uma corrida Nos últimos 1000 mm, Turbo, que está a 1 mm por hora, se motiva e
Leia mais2 Ferramentas Utilizadas
2 Ferramentas Utilizadas Esta dissertação utiliza vários outros trabalhos para implementar os mecanismos de adaptação abordados. Essas ferramentas são descritas nas seções seguintes. 2.1 Lua Lua [7, 8]
Leia maisPROCEDIMENTO DE CÁLCULO DE INCERTEZA NA MEDIÇÃO DE ALTA TENSÃO
PROCEDIMENTO DE CÁLCULO DE INCERTEZA NA MEDIÇÃO DE ALTA TENSÃO Cláudio R. S. Silva,Thiago P. S. Azevedo, Ewerton R. Granhen 3, Ivan S. S. Silva 4 Universidade Federal do Pará, Belém, Brasil, claudiorui75@yahoo.com.br
Leia maisTRABALHO: CONTROLE DE UM SISTEMA PÊNDULO-CARRO
TRABALHO: CONTROLE DE UM SISTEMA PÊNDULO-CARRO Professor: Tiago Dezuo 1 Objetivos Desenvolver técnicas de controle por variáveis de estado clássicas e ótimas, realizando comparações de desempenho entre
Leia mais1. Introdução. Avaliação de Usabilidade Página 1
1. Introdução Avaliação de Usabilidade Página 1 Os procedimentos da Avaliação Heurística correspondem às quatro fases abaixo e no final é apresentado como resultado, uma lista de problemas de usabilidade,
Leia maisUniversidade Federal de Ouro Preto - UFOP Instituto de Ciências Exatas e Biológicas ICEB
Universidade Federal de Ouro Preto - UFOP Instituto de Ciências Exatas e Biológicas ICEB PROBLEMA DE PROGRAMAÇÃO DE VEÍCULOS 1 (Vehicle Scheduling Problem) Cássio Roberto de Araújo cassio@em.ufop.br Elva
Leia maisLista 1 para a P2. Operações com subespaços
Lista 1 para a P2 Observação 1: Estes exercícios são um complemento àqueles apresentados no livro. Eles foram elaborados com o objetivo de oferecer aos alunos exercícios de cunho mais teórico. Nós sugerimos
Leia maisUM ESTUDO DA VARIAÇÃO DE PREÇOS NA ÁREA DE SAÚDE E CUIDADOS PESSOAIS
UM ESTUDO DA VARIAÇÃO DE PREÇOS NA ÁREA DE SAÚDE E CUIDADOS PESSOAIS Tania Miranda Nepomucena ; Ana Paula Coelho Madeira 2 ; Thelma Sáfadi 3 INTRODUÇÃO Atualmente, diversas áreas do conhecimento utilizam-se
Leia maisLógica Proposicional
Lógica Proposicional Prof. Dr. Silvio do Lago Pereira slago@ime.usp.br 1 Introdução A lógica proposicional é um formalismo matemático através do qual podemos abstrair a estrutura de um argumento, eliminado
Leia mais