Análise de Variância. Introdução. Rejane Sobrino Pinheiro Tania Guillén de Torres

Tamanho: px
Começar a partir da página:

Download "Análise de Variância. Introdução. Rejane Sobrino Pinheiro Tania Guillén de Torres"

Transcrição

1 Análse de Varânca Rejane Sobrno Pnhero Tana Gullén de Torres Análse de Varânca Introdução Modelos de análse de varânca consttuem uma classe de modelos que relaconam uma varável resposta contínua com varáves ndependentes categórcas nomnas. Na verdade, os modelos focam a análse das médas e a varabldade entre estas médas. As covaráves nos modelos ANOVA desgnam pertnênca a grupo, por exemplo raça, gênero, stuação de resdênca, tpo de tratamento, stuação empregatíca etc. Tas covaráves são denomnadas fatores ou varáves de classe. Determnados valores assumdos por um fator são chamados de níves deste fator. Exemplo: Stuação de resdênca: 1 rural; subúrbo; 3 urbana Genero: Femnno 1 Masculno Introdução Covaráves deste tpo são especas, pos a atrbução de valores numércos é arbtrára, representam códgos apenas. Na regressão, dversos são os tpos das varáves ndependentes (nomnas, ordnas e contínuas. Na ANOVA, os fatores são todos varáves nomnas pode ser pensada como caso especal da análse de regressão. Porém, permte análse sob uma ótca dferente. Número de Fatores A abordagem usada nos modelos de análse de varânca são dêntcos à abordagem usada em análse de regressão: Descrção dos dados Formulação do Modelo Ajuste do modelo e estmatva dos parâmetros Análse de varânca (devance e nferênca Análse de resíduos Modelos ANOVA são classfcados segundo o número de fatores: 1 fator one-way ANOVA fatores two-way ANOVA 3 fatores three-way ANOVA

2 Exstem dferenças de foco nos modelos ANOVA devdos a dferenças entre fatores e covaráves numércas: 1. Avalação de dferenças entre grupos e não a assocação entre varável resposta e covaráves generalzação de um teste-t de Student para amostras.. Nos modelos two-way ANOVA (e maores, o foco é na nteração entre os fatores: O efeto de um fator na varável resposta muda para dferentes níves de outro fator? fator A nível da droga X (1 controle, tratamento fator B gênero (1 masculno, femnno. (tratamento - controle masculno (tratamento - controle femnno 3. Uma vez que a atrbução dos valores aos níves de um fator (categoras é arbtrára, a nterpretação das estmatvas dfere da nterpretação obtda na análse de regressão. O uso de varáves dummy unfcam metodologcamente. 4. Em ANOVA, são realzados mutos testes de sgnfcânca para o mesmo conjunto de dados. Este fato leva ao problema de múltplas comparações e é smlar ao problema de obtenção de ntervalos de confança para um grande número de parâmetros numa análse de regressão. O Teste T e aproprado para comparar médas de dos grupos, quando a varável resposta é contnua. Comparação de médas de três grupos ou mas é mas dfícl. A tendênca natural é realzar testes T pares de grupos. Por exemplo a comparação de médas de 4 grupos nos levara a realzar 6 testes T ( vs. G, vs. G3, vs. G4, G vs. G3, G vs. G4, G3 vs. G4. Com a análse de varânca de um fator é possível calcular um únco valorp que responda a pergunta: as médas dos grupos são guas? O valor-p é determnado pela varação entre as médas, o desvo padrão dentro dos grupos e o tamanho das amostras. One Way ANOVA Suponha que temos p grupos e n observações para a varável resposta Y no grupo. Onde: Y é a j-ésma observação do grupo. Análse exploratóra prelmnar nclu méda dos grupos e box plot para cada grupo. Isto auxla na vsualzação a grosso modo sobre a gualdade dos grupos e uma avalação grossera sobre a varabldade ntra grupo e entre grupos.

3 No Stata - banco: ascorbc.dta Summares, tables & test Tables Tables of summary statstcs (table No Stata - banco: ascorbc.dta Graphcs Tables Tables of summary statstcs (table aac pm table pm, contents( medan aac mean aac sd aac pm med(aac mean(aac sd(aac Graphs by pm 1 3 Modelo Assume-se que as observações y são: representatvos da população ndependentes, normalmente dstrbuídas com varânca constante σ. A parte sstemátca do modelo é a méda µ (população Y méda da amostra. O prncpal nteresse é a análse da dferença entre as médas dos grupos. Analsa-se se a varabldade nterna a cada grupo é muto dferente da varabldade entre as médas dos dferentes grupos. Estmatvas do modelo ajustado µ méda global, todos os valores em conjunto [ ] α dferença entre a méda do grupo e a méda global [ Y ] e termo de erro de cada observação ndvdualmente Ou: Y ˆ Y Y µ + e Y Y ˆ + e Y µ + α + e e ~ N (, σ (resposta observada ajuste + resíduo Escolhe-se a estmatva que mnmza os mínmos quadrados dos resíduos: SSE k n 1 j 1 ( Y Yˆ Y G Y G

4 Teste de Hpótese da ANOVA: H : µ 1 µ... µ k H 1 : nem todos os µ são guas Ou: H : α 1 α... α k H 1 : pelo menos 1 α Utlza-se o teste F. Onde o desvo de cada observação Y para a méda global pode ser representada por: Y G Y Y G ( Y Y + ( Y YG desvo entre observação e a méda global desvo entre observação e a méda do seu grupo + desvo entre a méda de cada grupos e a méda global varabldade ntra - grupo varabldade entre - grupos Soma dos quadrados dos desvos: k n ( Y YG 1 j 1 k 1 ( Y Y k n + 1 j 1 ( Y SST SSE + SSR Se a varabldade entre grupos é grande e a varabldade ntragrupos é pequena, a hpótese H pode ser rejetada médas dos grupos são dferentes. Se a varabldade entre grupos for pequena e a varabldade ntragrupos for grande, então H pode ser aceta médas dos grupos são as mesmas. G Y Teste F MSR F F SSR k 1 MSR MSE ( Y SSR ( k 1 SSE /( N k Y k 1 G MSE SSE N k ( SST SSE ( k 1 SSE /( N k Rejeta-se H se n k ( Y Y 1 j 1 N k F F k-1,n-k,1-α

5 Tabela ANOVA Análse dos resíduos e Y Yˆ Y Y e Se resíduo padronzado S e Hstograma e boxplot geral dos resíduos padronzados, permtem avalar pressuposto de normaldade e avalar presença de possíves outlers Boxplots dos resíduos por grupos ajudam a avalar pressuposto de gualdade de varânca nos grupos. No Stata Análse de Varânca de um Fator: Banco ascorbc.dta" Lnear Models and related ANOVA ONE-WAY ANOVA No Stata Análse de Varânca de um Fator: Banco ascorbc.dta". oneway aac pm, tabulate Summary of aac pm Mean Std. Dev. Freq Total Analyss of Varance Source SS df MS F Prob > F Between groups Wthn groups Total Bartlett's test for equal varances: ch( Prob>ch.11

6 Problema da comparação múltpla Na análse de varânca, quando encontramos uma estatístca F sgnfcante para um fator (tratamento, por exemplo, é natural que queramos saber que níves (quas tratamentos são dferentes. Este problema é conhecdo como o problema das múltplas comparações. Não exste uma alternatva consensual. Exstem dversas formas de tratar este problema. Consderemos o teste F: H : µ 1 µ... µ k H 1 : nem todos os µ são guas Se H é rejetada, podemos conclur que há dferenças entre as médas. k Poderíamos ter dversas hpóteses. Para testá-las, teríamos hpóteses : H 1 µ 1 µ ; H 13 µ 1 µ 3 ;... ; H 1k µ 1 µ k H 3 µ µ 3 ;... ; H k µ µ k H k-1,k µ k-1 µ k Testar todas estas hpóteses pode levar à nflaconar os níves de sgnfcânca. Suponha que temos k hpóteses a serem testadas. Então: P(rejetar pelo menos 1 de todas as k verdaderas 1 - P (rejetar nenhuma das k verdaderas Se as hpóteses são baseadas em testes estatístcos ndependentes, temos: P(rejetar nenhuma das k verdaderas P (de não rejetar H H verdadera 1 [1 - P(rejetar H H é verdadera] Se cada hpótese é testada a um nível de sgnfcânca α, o nível de sgnfcânca global é: P (rejetar pelo menos 1 de todas as k verdaderas 1 - (1 - α k Para α. e α.1, temos os resultados: k k 1 No. de testes α. α Probabldades de obter pelo menos um valor-p sgnfcante e níves de sgnfcânca corrgdos nas Comparações Múltplas N de Hpóteses Nulas ndependentes P* α* P* - Probabldade de obter pelo menos um (p-valores. pelo acaso. α* - Nível de sgnfcânca das comparações das comparações múltplas para obter um nível de sgnfcânca global de α. Nota-se o rápdo aumento da probabldade de erro Tpo I à medda que o nº. de testes aumenta. Realzando um grande número de testes, aumenta grandemente a probabldade de erro Tpo I.

7 Desgualdade de Bonferron Para k hpóteses H 1, H,..., H k : P(rejetar pelo menos 1 P (rejetar H 1 H... H k P(rejetar H 1 + P(rejetar H P(rejetar H k Caso seja desejado um erro α, é sufcente escolher uma taxa de erro para comparação de α/k. P(rejetar pelo menos 1 de H 1, H,..., H k α α α α k k k. oneway aac pm, tabulate bonf Summary of aac pm Mean Std. Dev. Freq Total Analyss of Varance Source SS df MS F Prob > F Between groups Wthn groups Total Bartlett's test for equal varances: ch( Prob>ch.11 Comparson of aac by pm (Bonferron Row Mean- Col Mean Mean aac by pm level pm. regress aac pm pm3 Source SS df MS Number of obs F(, Model Prob > F. Resdual R-squared Adj R-squared.6981 Total Root MSE aac Coef. Std. Err. t P>t [9% Conf. Interval] pm pm _cons Hstograma dos resíduos e boxplots por grupos 4 resd Interpretação dos coefcentes α e β do modelo quando a varável ndependente é categórca. Ajuste o modelo: altura α + β * escola + ε. regress altura escola Source SS df MS Number of obs F( 1, Model Prob > F.98 Resdual R-squared Adj R-squared.39 Total Root MSE altura Coef. Std. Err. t P>t [9% Conf. Interval] escola _cons Fracton. No caso da varável ndependente ser categórca o α representa a méda da altura dos alunos da escola tpo Prvada e representa a dferença da meda da altura da escola rural em relação a prvada (.e. a méda da altura dos alunos da escola rural é.87cm menor que a méda da altura dos alunos da escola prvada resd Total

8 Análse de Covarânca ANCOVA O nteresse nesta técnca é pela análse da relação de uma varável resposta contínua e fatores (varáves nomnas, controlados por covaráves (que podem ser varáves de qualquer tpo. As razões para a aplcação da ANCOVA são avalar possíves nterações, confundmento e melhorar a precsão das estmatvas da assocação de nteresse. O foco é determnar o efeto de fatores de nteresse na varável resposta, ajustada por varáves de controle. A ANCOVA permte levar em conta as dferenças na dstrbução das covaráves dentro dos grupos. Análse de Covarânca ANCOVA Descrção dos dados: Temos observações (Y, X 1, X,..., X k, onde: Y é o j-ésmo valor da varável resposta no grupo. X é o j-ésmo valor da covarável no grupo. Exstem k grupos ( 1,...,k O número de observações no grupo é n. A tabela apresenta as observações para o grupo, no caso de ter uma únca covarável X. school school1 Pobre Rca 17 1 Note que dentro de cada grupo, temos uma regressão lnear smples O prmero passo na análse exploratóra sera um gráfco para cada grupo da relação varável resposta vs covarável. Se tver na análse mas de uma covarável faça o grafco delas para nvestgar colneardade Construa tabelas das medas da varável resposta por níves da varável categórca Se as nclnações parecem dferentes, sto complcará as análses e será abordado mas na frente. Altura (cm Idade (meses Graphs by Tpo de Escola. tabulate school, summ(heght Total Tpo de Summary of Altura (cm Escola Mean Std. Dev. Freq. Rural Partcul Total Altura (cm altura (cm Total 1 3 Idade (anos Graphs by Conteudo de protena na deta 1. tabulate proten, summ(heght Conteudo de Summary of altura (cm protena na deta Mean Std. Dev. Freq Pobre Rca Total altura (cm Rural Partcul 4 Pobre Rca

9 Modelo As varáves aleatóras Y são ndependentes com dstrbução normal, varânca comum σ e E(Y µ ou Y µ +ε, onde µ α + β x representa a parte sstemátca do modelo. O caso trval sera quando não há dferença entre os grupos e o modelo sera representado como: µ α + β x Os outros dos casos mportante ocorrem quando: As nclnações são guas : µ α + β x As nclnações são dferentes : µ α + β x Inclnações Iguas Neste caso temos que β 1 β... β p Logo o componente sstemátco do modelo sera: µ α + β x Obs. A verdadera dferença entre os grupos é medda por G α 1 - α Inclnações Dferentes Neste caso espera-se que: β β j para algum par j A componente sstemátca do modelo sera expressa como: µ α + β x Neste caso o valor da dferença esperada entre os grupos depende do valor da covarável no qual os dos grupos estão sendo comparados G Obs. - nteração entre uma covarável numérca e um fator sgnfca que a nclnação da covarável muda entre os níves do fator. G Modelo... Cont Este tpo de análse pode ser abordado como um problema de regressão múltpla no qual os fatores de nteresse em estudo são consderados como varáves nomnas e as covaráves poder ser meddas em qualquer escala. Y β + β 1 X + β Z +β 3 XZ + ε Onde Y representa a varável resposta, X a covarável, Z o fator e XZ o termo de nteração entre a covarável e o fator. Duas questões de nteresse neste tpo de análse são: 1. A relação lnear entre Y e X é a mesma para cada categora do fator Z? (Supondo que a regressão lnear é um modelo aproprado.. São os níves médos da varável Y dferentes para cada categora da varável Z, depos de levar em conta o possível efeto confunddor da varável X? (X pode ter dstrbução dferente nas categoras da varável Z

10 Ajustando o modelo de regressão lnear: Y β + β 1 X + β Z +β 3 XZ + ε Podemos chegar a uma das as seguntes conclusões: a As lnhas concdem (.é., β β 3 b As lnhas são paralelas (.é., β e β 3, ou c As lnhas não são paralelas (.é., β 3 Estas conclusões nfluencam a resposta a segunda questão. Se a for aproprada dremos que os grupos da varável Z não dferem no nível médo da varável Y, quando controlada pelo efeto da varável X G Se b for aproprada dremos que o grupo assocado com à maor reta tem os maores níves médos de Y para qualquer valor de X Se c for aproprada e as retas não cruzam, na faxa de valores observados, dremos que o grupo assocado com a reta que apresenta a maor nclnação, tem os maores níves médos de Y para qualquer valor de X, mas a dferença va mudando conforme os valores de X mudam. Se as retas cruzam dremos que um grupo tem as maores médas de Y para valores pequenos de X e um outro grupo tem as maores médas para valores grandes de X G G G Tabela de análse de Varânca Inclnações Dferentes Fonte de Varação g.l. Soma de Quadrados Quadrado Médo Teste F Covarável 1 SSX MSX MSX / MSE Fator: Grupos p - 1 SS(GRUPOS MS(GRUPOS MS(GRUPOS / MSE Interação p - 1 SS(INTERAÇÃO MS(INTERAÇÃO MS(INTERAÇÃO / MSE Resduo n - p SSE MSE ToTal n-1 SST Tabela de análse de Varânca Inclnações Iguas Fonte de Varação g.l. Soma de Quadrados Quadrado Médo Teste F Covarável 1 SSX MSX MSX / MSE Fator: Grupos p - 1 SS(GRUPOS MS(GRUPOS MS(GRUPOS / MSE Resduo n - p SSE MSE ToTal n-1 SST. anova heght proten age age*proten, cat( proten Number of obs 7 R-squared.97 Root MSE.7863 Adj R-squared.9686 Source Partal SS df MS F Prob > F Model proten age age*proten Resdual Total anova heght school age age*school, cat( school Number of obs 3 R-squared.963 Root MSE Adj R-squared.9 Source Partal SS df MS F Prob > F Model school age age*school Resdual Total

11 . test school*age Source Partal SS df MS F Prob > F school*age Resdual anova heght school age, cat( school Number of obs 3 R-squared.88 Root MSE Adj R-squared.77 Source Partal SS df MS F Prob > F Model school age Resdual Total

O que heterocedasticidade? Heterocedasticidade. Por que se preocupar com heterocedasticidade? Exemplo de heterocedasticidade.

O que heterocedasticidade? Heterocedasticidade. Por que se preocupar com heterocedasticidade? Exemplo de heterocedasticidade. Heterocedastcdade y = β 0 + β + β + β k k + u O que heterocedastcdade? Lembre-se da hpótese de homocedastcdade: condconal às varáves eplcatvas, a varânca do erro, u, é constante Se sso não for verdade,

Leia mais

AULA 19 Análise de Variância

AULA 19 Análise de Variância 1 AULA 19 Análise de Variância Ernesto F. L. Amaral 18 de outubro de 2012 Metodologia de Pesquisa (DCP 854B) Fonte: Triola, Mario F. 2008. Introdução à estatística. 10 ª ed. Rio de Janeiro: LTC. Capítulo

Leia mais

Métodos Avançados em Epidemiologia

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

Leia mais

Análise de Variância. Comparação de duas ou mais médias

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

Leia mais

Regressão Múltipla. Parte I: Modelo Geral e Estimação

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

Leia mais

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

Introdução Experimentos Aleatórios Propensity Score Matching Variável Instrumental Diferença-em-Diferença Regressões com Designe Descontínuo

Introdução Experimentos Aleatórios Propensity Score Matching Variável Instrumental Diferença-em-Diferença Regressões com Designe Descontínuo Avalação de Programas: Aplcações com o Software Stata Leandro Costa Vtor Mro Fortaleza, Janero de 2011 Sumáro Introdução Expermentos Aleatóros Propensty Score Matchng Varável Instrumental Dferença-em-Dferença

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

Capítulo 1. Exercício 5. Capítulo 2 Exercício

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

Leia mais

Aula Prática: Regressão Linear Simples

Aula Prática: Regressão Linear Simples Universidade Federal do Rio de Janeiro Faculdade de Medicina Departamento de Medicina Preventiva Núcleo de Estudos de Saúde Coletiva Disciplina: Modelos de Regressão em saúde Aula Prática: Regressão Linear

Leia mais

MOQ-14 Projeto e Análise de Experimentos

MOQ-14 Projeto e Análise de Experimentos Instituto Tecnológico de Aeronáutica Divisão de Engenharia Mecânica-Aeronáutica MOQ-14 Projeto e Análise de Experimentos Profa. Denise Beatriz Ferrari www.mec.ita.br/ denise denise@ita.br Regressão Linear

Leia mais

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

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

Leia mais

Tabela 1. Porcentagem de crianças imunizadas contra DPT e taxa de mortalidade de menores de 5 anos para 20 países, 1992.

Tabela 1. Porcentagem de crianças imunizadas contra DPT e taxa de mortalidade de menores de 5 anos para 20 países, 1992. Regressão Lnear Algumas vezes estamos nteressados não apenas se exste assocação entre duas varáves quanttatvas x e y, mas nós temos também uma hpótese a respeto de uma provável relação de causa e efeto

Leia mais

MOQ-14 PROJETO E ANÁLISE DE EXPERIMENTOS LISTA DE EXERCÍCIOS 1 REGRESSÃO LINEAR SIMPLES

MOQ-14 PROJETO E ANÁLISE DE EXPERIMENTOS LISTA DE EXERCÍCIOS 1 REGRESSÃO LINEAR SIMPLES MOQ-14 PROJETO E ANÁLISE DE EXPERIMENTOS LISTA DE EXERCÍCIOS 1 REGRESSÃO LINEAR SIMPLES 1. Obtenha os estmadores dos coefcentes lnear e angular de um modelo de regressão lnear smples utlzando o método

Leia mais

1ª PROVA DE ESTATÍSTICA EXPERIMENTAL

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

Leia mais

UNIDADE IV DELINEAMENTO INTEIRAMENTE CASUALIZADO (DIC)

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

Leia mais

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

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

Leia mais

DELINEAMENTOS EXPERIMENTAIS

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

Leia mais

MODELOS DE REGRESSÃO PARAMÉTRICOS

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

Leia mais

RISCO. Investimento inicial $ $ Taxa de retorno anual Pessimista 13% 7% Mais provável 15% 15% Otimista 17% 23% Faixa 4% 16%

RISCO. Investimento inicial $ $ Taxa de retorno anual Pessimista 13% 7% Mais provável 15% 15% Otimista 17% 23% Faixa 4% 16% Análse de Rsco 1 RISCO Rsco possbldade de perda. Quanto maor a possbldade, maor o rsco. Exemplo: Empresa X va receber $ 1.000 de uros em 30 das com títulos do governo. A empresa Y pode receber entre $

Leia mais

Análise de Variância (ANOVA) de 1 via

Análise de Variância (ANOVA) de 1 via varâncas guas guas? populaconas conhecdas? varâncas dferentes Teste Z varâncas guas guas? Amostras pequenas? (n

Leia mais

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

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

Leia mais

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

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

Leia mais

REGRESSÃO NÃO LINEAR 27/06/2017

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

Leia mais

REGRESSÃO E CORRELAÇÃO

REGRESSÃO E CORRELAÇÃO Relaconamento entre varáves : - requer conhecmento REGRESSÃO E CORRELAÇÃO Y = f ( ) + ε Ex: 1. Y = Lucro de uma Empresa = Investmento em Publcdade Y(v.aleatóra) em função de (v.determnístca), onde Y é

Leia mais

ESCOLA SECUNDÁRIA COM 3º CICLO D. DINIS 10º ANO DE MATEMÁTICA A Tema III Estatística. Aula 1 do plano de trabalho nº 2

ESCOLA SECUNDÁRIA COM 3º CICLO D. DINIS 10º ANO DE MATEMÁTICA A Tema III Estatística. Aula 1 do plano de trabalho nº 2 Aula 1 do plano de trabalho nº 2 Medram-se as alturas dos 40 alunos do prossegumento de estudos do 10º ano de uma escola e as alturas dos 40 alunos do 10º ano dos cursos tecnológcos dessa escola e obtveram-se

Leia mais

Métodos Estatísticos Avançados em Epidemiologia

Métodos Estatísticos Avançados em Epidemiologia Métodos Estatísticos Avançados em Epidemiologia Análise de Variância - ANOVA Cap. 12 - Pagano e Gauvreau (2004) - p.254 Enrico A. Colosimo/UFMG Depto. Estatística - ICEx - UFMG 1 / 39 Introdução Existem

Leia mais

Análise Exploratória de Dados

Análise Exploratória de Dados Análse Exploratóra de Dados Objetvos Análse de duas varáves quanttatvas: obter uma reta que se ajuste aos dados segundo o crtéro de mínmos quadrados; apresentar outros crtéros para a determnação de uma

Leia mais

Delineamento Aleatorizado em Blocos Completos (DABC)

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

Leia mais

FICHA de AVALIAÇÃO de MATEMÁTICA A 10.º Ano Versão 2

FICHA de AVALIAÇÃO de MATEMÁTICA A 10.º Ano Versão 2 FICHA de AVALIAÇÃO de MATEMÁTICA A 10.º Ano Versão 2 Nome Nº Turma: Data: / / Professor 10.º Ano Classfcação Apresente o seu racocíno de forma clara, ndcando todos os cálculos que tver de efetuar e todas

Leia mais

FICHA de AVALIAÇÃO de MATEMÁTICA A 10.º Ano Versão 4

FICHA de AVALIAÇÃO de MATEMÁTICA A 10.º Ano Versão 4 FICHA de AVALIAÇÃO de MATEMÁTICA A 10.º Ano Versão 4 Nome Nº Turma: Data: / / Professor 10.º Ano Classfcação Apresente o seu racocíno de forma clara, ndcando todos os cálculos que tver de efetuar e todas

Leia mais

Teste de Hipóteses = 0 = 0

Teste de Hipóteses = 0 = 0 Teste de Hipóteses Nos estudos analíticos, além da descrição estatística, às vezes é necessário tomar uma decisão. O teste de hipóteses é um procedimento estatístico que tem por objetivo ajudar o pesquisador,

Leia mais

FICHA de AVALIAÇÃO de MATEMÁTICA A 10.º Ano Versão 1

FICHA de AVALIAÇÃO de MATEMÁTICA A 10.º Ano Versão 1 FICHA de AVALIAÇÃO de MATEMÁTICA A 10.º Ano Versão 1 Nome Nº Turma: Data: / / Professor 10.º Ano Classfcação Apresente o seu racocíno de forma clara, ndcando todos os cálculos que tver de efetuar e todas

Leia mais

Neste capítulo abordam-se os principais conceitos relacionados com os cálculos de estatísticas, histogramas e correlação entre imagens digitais.

Neste capítulo abordam-se os principais conceitos relacionados com os cálculos de estatísticas, histogramas e correlação entre imagens digitais. 1 1Imagem Dgtal: Estatístcas INTRODUÇÃO Neste capítulo abordam-se os prncpas concetos relaconados com os cálculos de estatístcas, hstogramas e correlação entre magens dgtas. 4.1. VALOR MÉDIO, VARIÂNCIA,

Leia mais

Programa de Certificação de Medidas de um laboratório

Programa de Certificação de Medidas de um laboratório Programa de Certfcação de Meddas de um laboratóro Tratamento de dados Elmnação de dervas Programa de calbração entre laboratóros Programa nterno de calbração justes de meddas a curvas Tratamento dos resultados

Leia mais

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

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

Leia mais

1. ANÁLISE EXPLORATÓRIA E ESTATÍSTICA DESCRITIVA

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

Leia mais

O problema da superdispersão na análise de dados de contagens

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

Leia mais

Associação entre duas variáveis quantitativas

Associação entre duas variáveis quantitativas Exemplo O departamento de RH de uma empresa deseja avalar a efcáca dos testes aplcados para a seleção de funconáros. Para tanto, fo sorteada uma amostra aleatóra de 50 funconáros que fazem parte da empresa

Leia mais

Análise de Regressão Linear Múltipla IV

Análise de Regressão Linear Múltipla IV Análse de Regressão Lnear Múltpla IV Aula 7 Guarat e Porter, 11 Capítulos 7 e 8 He et al., 4 Capítulo 3 Exemplo Tomando por base o modelo salaro 1educ anosemp exp prev log 3 a senhorta Jole, gerente do

Leia mais

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

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

Leia mais

Análise Exploratória de Dados

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

Leia mais

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

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

Leia mais

Covariância na Propagação de Erros

Covariância na Propagação de Erros Técncas Laboratoras de Físca Lc. Físca e Eng. omédca 007/08 Capítulo VII Covarânca e Correlação Covarânca na propagação de erros Coefcente de Correlação Lnear 35 Covarânca na Propagação de Erros Suponhamos

Leia mais

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

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

Leia mais

2 Incerteza de medição

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

Leia mais

Gráficos de Controle para Processos Autocorrelacionados

Gráficos de Controle para Processos Autocorrelacionados Gráfcos de Controle para Processos Autocorrelaconados Gráfco de controle de Shewhart: observações ndependentes e normalmente dstrbuídas. Shewhart ao crar os gráfcos de controle não exgu que os dados fossem

Leia mais

DIAGNÓSTICO EM MODELOS LINEARES GENERALIZADOS

DIAGNÓSTICO EM MODELOS LINEARES GENERALIZADOS DIAGNÓSTICO EM MODELOS LINEARES GENERALIZADOS 1 A análse de dagnóstco (ou dagnóstco do ajuste) confgura uma etapa fundamental no ajuste de modelos de regressão. O objetvo prncpal da análse de dagnóstco

Leia mais

FICHA de AVALIAÇÃO de MATEMÁTICA A 10.º Ano Versão 3

FICHA de AVALIAÇÃO de MATEMÁTICA A 10.º Ano Versão 3 FICHA de AVALIAÇÃO de MATEMÁTICA A 10.º Ano Versão 3 Nome Nº Turma: Data: / / Professor 10.º Ano Classfcação Apresente o seu racocíno de forma clara, ndcando todos os cálculos que tver de efetuar e todas

Leia mais

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

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

Leia mais

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

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

Leia mais

Prof. Lorí Viali, Dr.

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

Leia mais

ESTATÍSTICA MULTIVARIADA 2º SEMESTRE 2010 / 11. EXERCÍCIOS PRÁTICOS - CADERNO 1 Revisões de Estatística

ESTATÍSTICA MULTIVARIADA 2º SEMESTRE 2010 / 11. EXERCÍCIOS PRÁTICOS - CADERNO 1 Revisões de Estatística ESTATÍSTICA MULTIVARIADA º SEMESTRE 010 / 11 EXERCÍCIOS PRÁTICOS - CADERNO 1 Revsões de Estatístca -0-11 1.1 1.1. (Varáves aleatóras: função de densdade e de dstrbução; Méda e Varânca enquanto expectatvas

Leia mais

Algarismos Significativos Propagação de Erros ou Desvios

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

Leia mais

Estatística I Licenciatura MAEG 2006/07

Estatística I Licenciatura MAEG 2006/07 Estatístca I Lcencatura MAEG 006/07 AMOSTRAGEM. DISTRIBUIÇÕES POR AMOSTRAGEM.. Em determnada unversdade verfca-se que 30% dos alunos têm carro. Seleccona-se uma amostra casual smples de 0 alunos. a) Qual

Leia mais

3 A técnica de computação intensiva Bootstrap

3 A técnica de computação intensiva Bootstrap A técnca de computação ntensva ootstrap O termo ootstrap tem orgem na expressão de língua nglesa lft oneself by pullng hs/her bootstrap, ou seja, alguém levantar-se puxando seu própro cadarço de bota.

Leia mais

Nome: Nº: Estatística para Economia e Gestão Licenciaturas em Economia e Gestão. 2.º Semestre de 2008/2009

Nome: Nº: Estatística para Economia e Gestão Licenciaturas em Economia e Gestão. 2.º Semestre de 2008/2009 Estatístca para Economa e Gestão Lcencaturas em Economa e Gestão.º Semestre de 008/009 Exame Fnal (.ª Época) 16 de Junho de 009; 17h30m Duração: 10 mnutos INSTRUÇÕES Escreva o nome e número de aluno em

Leia mais

CAPÍTULO 2 - Estatística Descritiva

CAPÍTULO 2 - Estatística Descritiva INF 16 Prof. Luz Alexandre Peternell CAPÍTULO - Estatístca Descrtva Exercícos Propostos 1) Consderando os dados amostras abaxo, calcular: méda artmétca, varânca, desvo padrão, erro padrão da méda e coefcente

Leia mais

O problema da superdispersão na análise de dados de contagens

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

Leia mais

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

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

Leia mais

Análise de Regressão

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

Leia mais

DEFINIÇÃO - MODELO LINEAR GENERALIZADO

DEFINIÇÃO - MODELO LINEAR GENERALIZADO DEFINIÇÃO - MODELO LINEAR GENERALIZADO 1 Um modelo lnear generalzado é defndo pelos seguntes três componentes: Componente aleatóro; Componente sstemátco; Função de lgação; Componente aleatóro: Um conjunto

Leia mais

PRESSUPOSTOS DO MODELO DE REGRESSÃO

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

Leia mais

TABELAS E GRÁFICOS PARA VARIÁVEIS ALEATÓRIAS QUANTITATIVAS CONTÍNUAS

TABELAS E GRÁFICOS PARA VARIÁVEIS ALEATÓRIAS QUANTITATIVAS CONTÍNUAS TABELAS E GRÁFICOS PARA VARIÁVEIS ALEATÓRIAS QUANTITATIVAS CONTÍNUAS Varável Qualquer característca assocada a uma população Classfcação de varáves Qualtatva { Nomnal sexo, cor dos olhos Ordnal Classe

Leia mais

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

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

Leia mais

PROVA 2 Cálculo Numérico. Q1. (2.0) (20 min)

PROVA 2 Cálculo Numérico. Q1. (2.0) (20 min) PROVA Cálculo Numérco Q. (.0) (0 mn) Seja f a função dada pelo gráfco abaxo. Para claro entendmento da fgura, foram marcados todos os pontos que são: () raízes; () pontos crítcos; () pontos de nflexão.

Leia mais

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

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

Leia mais

1. ANÁLISE EXPLORATÓRIA E ESTATÍSTICA DESCRITIVA

1. ANÁLISE EXPLORATÓRIA E ESTATÍSTICA DESCRITIVA 1. ANÁLISE EXPLORATÓRIA E ESTATÍSTICA DESCRITIVA 011 Estatístca Descrtva e Análse Exploratóra Etapas ncas. Utlzadas para descrever e resumr os dados. A dsponbldade de uma grande quantdade de dados e de

Leia mais

Estatística II Antonio Roque Aula 18. Regressão Linear

Estatística II Antonio Roque Aula 18. Regressão Linear Estatístca II Antono Roque Aula 18 Regressão Lnear Quando se consderam duas varáves aleatóras ao mesmo tempo, X e Y, as técncas estatístcas aplcadas são as de regressão e correlação. As duas técncas estão

Leia mais

Capítulo 2. Modelos de Regressão

Capítulo 2. Modelos de Regressão Capítulo 2 Modelos de regressão 39 Capítulo 2 Modelos de Regressão Objetvos do Capítulo Todos os modelos são errados, mas alguns são útes George E P Box Algumas vezes fcamos assustados quando vemos engenheros

Leia mais

1. CORRELAÇÃO E REGRESSÃO LINEAR

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

Leia mais

AULA 4. Segundo Quartil ( Q observações são menores que ele e 50% são maiores.

AULA 4. Segundo Quartil ( Q observações são menores que ele e 50% são maiores. Estatístca Aplcada à Engenhara AULA 4 UNAMA - Unversdade da Amazôna.8 MEDIDA EPARATRIZE ão valores que separam o rol (os dados ordenados) em quatro (quarts), dez (decs) ou em cem (percents) partes guas.

Leia mais

Prof. Lorí Viali, Dr.

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

Leia mais

2. VARIÁVEIS ALEATÓRIAS

2. VARIÁVEIS ALEATÓRIAS VARIÁVEIS ALEATÓRIAS 0 Varável aleatóra Ω é o espaço amostral de um epermento aleatóro Uma varável aleatóra é uma função que atrbu um número real a cada resultado em Ω Eemplo Retra- ao acaso um tem produzdo

Leia mais

Teoria Elementar da Probabilidade

Teoria Elementar da Probabilidade 10 Teora Elementar da Probabldade MODELOS MATEMÁTICOS DETERMINÍSTICOS PROBABILÍSTICOS PROCESSO (FENÓMENO) ALEATÓRIO - Quando o acaso nterfere na ocorrênca de um ou mas dos resultados nos quas tal processo

Leia mais

Avaliação do Modelo. Avaliação de Modelos. Métricas para avaliação de desempenho. Métricas para avaliação de desempenho 31/05/2017

Avaliação do Modelo. Avaliação de Modelos. Métricas para avaliação de desempenho. Métricas para avaliação de desempenho 31/05/2017 3/05/07 Avalação do Modelo Avalação de Modelos Métrcas para avalação de desempenho Como avalar o desempenho do modelo? Métodos para avalação de desempenho Como obter estmatvas confáves? Métodos para comparação

Leia mais

Contabilometria. Aula 8 Regressão Linear Simples

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

Leia mais

FAAP APRESENTAÇÃO (1)

FAAP APRESENTAÇÃO (1) ARESENTAÇÃO A Estatístca é uma cênca que organza, resume e smplfca nformações, além de analsá-las e nterpretá-las. odemos dvdr a Estatístca em três grandes campos:. Estatístca Descrtva- organza, resume,

Leia mais

Redução dos Dados. Júlio Osório. Medidas Características da Distribuição. Tendência Central (Localização) Variação (Dispersão) Forma

Redução dos Dados. Júlio Osório. Medidas Características da Distribuição. Tendência Central (Localização) Variação (Dispersão) Forma Redução dos Dados Júlo Osóro Meddas Característcas da Dstrbução Tendênca Central (Localzação) Varação (Dspersão) Forma 1 Meddas Característcas da Dstrbução Meddas Estatístcas Tendênca Central Dspersão

Leia mais

CORRELAÇÃO E REGRESSÃO

CORRELAÇÃO E REGRESSÃO CORRELAÇÃO E REGRESSÃO Constata-se, freqüentemente, a estênca de uma relação entre duas (ou mas) varáves. Se tal relação é de natureza quanttatva, a correlação é o nstrumento adequado para descobrr e medr

Leia mais

Prof. Lorí Viali, Dr.

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

Leia mais

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

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

Leia mais

Departamento de Informática. Modelagem Analítica do Desempenho de Sistemas de Computação. Modelagem Analítica. Disciplina: Variável Aleatória

Departamento de Informática. Modelagem Analítica do Desempenho de Sistemas de Computação. Modelagem Analítica. Disciplina: Variável Aleatória Departamento de Informátca Dscplna: do Desempenho de Sstemas de Computação Varável leatóra Prof. Sérgo Colcher colcher@nf.puc-ro.br Varável leatóra eal O espaço de amostras Ω fo defndo como o conjunto

Leia mais

ANÁLISE EXPLORATÓRIA E ESTATÍSTICA DESCRITIVA

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

Leia mais

Termo-Estatística Licenciatura: 4ª Aula (08/03/2013)

Termo-Estatística Licenciatura: 4ª Aula (08/03/2013) Termo-Estatístca Lcencatura: 4ª Aula (08/03/013) Prof. Alvaro Vannucc RELEMBRADO Dstrbução dscreta (hstogramas) x contínua (curvas de dstrbução): Dada uma Função de Dstrbução de Densdade de Probabldade,

Leia mais

2ª Atividade Formativa UC ECS

2ª Atividade Formativa UC ECS I. Explque quando é que a méda conduz a melhores resultados que a medana. Dê um exemplo para a melhor utlzação de cada uma das meddas de localzação (Exame 01/09/2009). II. Suponha que um professor fez

Leia mais

AULA EXTRA Análise de Regressão Logística

AULA EXTRA Análise de Regressão Logística 1 AULA EXTRA Análse de Regressão Logístca Ernesto F. L. Amaral 13 de dezembro de 2012 Metodologa de Pesqusa (DCP 854B) VARIÁVEL DEPENDENTE BINÁRIA 2 O modelo de regressão logístco é utlzado quando a varável

Leia mais

AULA Espaços Vectoriais Estruturas Algébricas.

AULA Espaços Vectoriais Estruturas Algébricas. Note bem: a letura destes apontamentos não dspensa de modo algum a letura atenta da bblografa prncpal da cadera Chama-se a atenção para a mportânca do trabalho pessoal a realzar pelo aluno resolvendo os

Leia mais

Medidas de Tendência Central. Prof.: Ademilson Teixeira

Medidas de Tendência Central. Prof.: Ademilson Teixeira Meddas de Tendênca Central Prof.: Ademlson Texera ademlson.texera@fsc.edu.br 1 Servem para descrever característcas báscas de um estudo com dados quanttatvos e comparar resultados. Meddas de Tendênca Central

Leia mais

Testes não-paramétricos

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

Leia mais

Análise dos resíduos e Outlier, Alavancagem e Influência

Análise dos resíduos e Outlier, Alavancagem e Influência Análse dos resíduos e Outler, Alavancagem e Influênca Dagnóstco na análse de regressão Usadas para detectar problemas com o ajuste do modelo de regressão. Presença de observações mal ajustadas (pontos

Leia mais

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

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

Leia mais

x Ex: A tabela abaixo refere-se às notas finais de três turmas de estudantes. Calcular a média de cada turma:

x Ex: A tabela abaixo refere-se às notas finais de três turmas de estudantes. Calcular a média de cada turma: Professora Janete Perera Amador 1 8 Meddas Descrtvas Vmos anterormente que um conjunto de dados pode ser resumdo através de uma dstrbução de freqüêncas, e que esta pode ser representada através de uma

Leia mais

REGRESSÃO LINEAR ANÁLISE DE REGRESSÃO LINEAR MÚLTIPLA REGRESSÃO CURVILÍNEA FUNÇÃO QUADRÁTICA

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

Leia mais

Análise de Regressão Linear Simples III

Análise de Regressão Linear Simples III Análise de Regressão Linear Simples III Aula 03 Gujarati e Porter Capítulos 4 e 5 Wooldridge Seção.5 Suposições, Propriedades e Teste t Suposições e Propriedades RLS.1 O modelo de regressão é linear nos

Leia mais

4.1. Medidas de Posição da amostra: média, mediana e moda

4.1. Medidas de Posição da amostra: média, mediana e moda 4. Meddas descrtva para dados quanttatvos 4.1. Meddas de Posção da amostra: méda, medana e moda Consdere uma amostra com n observações: x 1, x,..., x n. a) Méda: (ou méda artmétca) é representada por x

Leia mais

Representação e Descrição de Regiões

Representação e Descrição de Regiões Depos de uma magem ter sdo segmentada em regões é necessáro representar e descrever cada regão para posteror processamento A escolha da representação de uma regão envolve a escolha dos elementos que são

Leia mais

Ajuste de Curvas Regressão. Computação 2º Semestre 2016/2017

Ajuste de Curvas Regressão. Computação 2º Semestre 2016/2017 Ajuste de Curvas Regressão Computação 2º Semestre 2016/2017 Ajuste de Curvas Quando apenas sabemos alguns valores de uma função contínua e queremos estmar outros valores ntermédos Quando queremos obter

Leia mais