Estatística: Aplicação ao Sensoriamento Remoto SER ANO Análise de Variância (ANOVA)
|
|
- Geraldo Álvaro Mascarenhas
- 7 Há anos
- Visualizações:
Transcrição
1 Estatística: Aplicação ao Sensoiamento Remoto SER 0 - ANO 016 Análise de Vaiância (ANOVA) Camilo Daleles Rennó camilo@dpi.inpe.b
2 Compaando-se médias de duas populações n 1 n X 1 1 X EX ( ) 1 1 E( X) Hipóteses H 0 : 1 - = 0 ( 1 = ) H 1 : 1-0 Teste z ou teste t
3 Compaando-se médias de váias populações Compaando-se as médias de populações ou tatamentos... n 1 n n X 1 X EX ( ) E( X) X EX ( ) H 0 : 1 = =... = Mesmo não se conhecendo as médias i, seia possível veifica se elas são iguais a pati de seus valoes amostais? Análise de Vaiância (ANOVA) (ANOVA de 1 fato) 3
4 Análise de Vaiância (ANOVA) Compaando-se as médias de populações ou tatamentos... EX ( ) E( X) X 1 ~ N( 1, ) X ~ N(, ) N ( 1, ) EX ( ) N (, ) N (, ) X ~ N(, ) Pessuposições: Todas v.a. (X 1,..., X ) são nomalmente distibuídas e têm a mesma vaiância!!! 4
5 Análise de Vaiância (ANOVA) Compaando-se as médias de populações ou tatamentos... EX ( ) E( X) EX ( ) X 1 ~ N( 1, ) X ~ N(, ) 1 = X 1-1 = X - j ~ N(0, ) N(0, ) X ~ N(, ) = X Desvio, esíduo ou eo 5
6 Análise de Vaiância (ANOVA) Compaando-se as médias de populações ou tatamentos... EX ( ) X j = j + j E( X) eo em tono de cada média EX ( ) N ( 1, ) N (, ) N (, ) j = T + j eo de cada média em tono da média global X j = T + j + j T = média global j = efeito do tatamento j j = efeito aleatóio T 6
7 Análise de Vaiância (ANOVA) Compaando-se as médias de populações ou tatamentos... n 1 n n X 1 X 1 X EX ( ) 1 1 E( X) EX ( ) X ij é o i-ésimo elemento da amosta etiada do tatamento j j é a média populacional do tatamento j, estimado po X j i = 1,..., n j j = 1,..., 7
8 Análise de Vaiância (ANOVA) X X X X n T * j j ** T n j X i1 X n j1 * j j n j n j ij j1 i1 X n ** T X ij T1 T T3 T Total Total Média n j T1 T T3 T4 X 11 X 1 X 13 X 14 X 1 X X 3 X 4 X 3 X 33 Total Total X *1 X * X *3 X *4 X ** Média X1 X X3 X4 n j n 1 n n 3 n 4 n T XT 8
9 Paticionamento do Eo T1 T T3 T Total Total Média n j eo em elação à média global 0 X ij X T 15 X X T 3 5 X T 10 T1 T T3 T4 9
10 Paticionamento do Eo T1 T T3 T Total Total Média n j eo em elação à média do tatamento 5 0 X 14 X4 3 X 3 X 4 X ij X j 15 X 1 10 X T1 T T3 T4 10
11 Paticionamento do Eo T1 T T3 T Total Total Média n j X 4 eo da média de cada tatamento em elação à média global 0 15 X 1 X X T 4 9 X 3 X T X j X T X 10 T1 T T3 T4 11
12 Paticionamento do Eo T1 T T3 T Total Total Média n j X ij XT X j XT X ij X j n n j j X ij XT n j X j XT X ij X j j1 i1 j1 j1 i1 SQTO = SQT + SQE SQTO = Soma dos Quadados Total SQT = Soma dos Quadados dos Tatamentos SQE = Soma dos Quadados dos Eos ou dos Resíduos 1
13 Análise de Vaiância (ANOVA) Fonte de Vaiação Tatamentos Eo Total Soma dos Quadados j1 n j ij j SQE X X j1 i1 SQT n X X j j T n j Gaus de Libedade ij n T T - 1 SQTO X X j1 i1-1 n T - Quadado Médio SQT QMT 1 QME SQE n T E QME QME é um estimado não-tendencioso de E QMT E QMT j1 j1 n 1 ( ) j j T n j 1 j QMT é um estimado tendencioso de a menos que todos j = T, ou seja, j = 0 13
14 Análise de Vaiância (ANOVA) Fonte de Vaiação Tatamentos Eo Soma dos Quadados j1 n j ij j SQE X X j1 i1 SQT n X X j j T n j ij T Gaus de Libedade - 1 n T - Total SQTO X X n T - 1 j1 i1 Quadado Médio SQT QMT 1 QME SQE n T H 0 : 1 = =... = H 1 : nem todos j são iguais H 0 : j = 0 H 1 : nem todos j = 0 Se H 0 fo vedadeio: QMT ~? F 1, n QME T Fcalc QMT QME? 1 F 1, n T Se H 0 fo falso: QMT QME ~? F calc QMT QME 1 1 H 0 ved. H 0 falso
15 Análise de Vaiância (ANOVA) Fonte de Vaiação Tatamentos Eo Soma dos Quadados j1 n j ij j SQE X X j1 i1 SQT n X X j j T n j ij T Gaus de Libedade - 1 n T - Total SQTO X X n T - 1 j1 i1 Quadado Médio SQT QMT 1 QME SQE n T H 0 : 1 = =... = H 1 : nem todos j são iguais H 0 : j = 0 H 1 : nem todos j = 0 Se H 0 fo vedadeio: QMT ~? F 1, n QME T Fcalc Se H 0 fo falso: QMT QME ~? F calc QMT QME QMT QME 1? 1 F 1, n T 0 + F cít ac. H 0 ej. H 0 ANOVA é sempe um teste unilateal a dieita 15
16 Fómulas Altenativas j1 SQT n X X j j T X n * j X ** n j1 j T n j ij j SQE X X j1 i1 SQTO SQT n j ij T SQTO X X j1 i1 n j X ** X ij j1 i1 nt 16
17 Análise de Vaiância (ANOVA) Fonte de Vaiação Soma dos Quadados Gaus de Libedade Quadado Médio F calculado Valo - P Tatamentos Eo Total 304 SQTO n j X ** X ij j1 i1 nt T1 T T3 T Total Total Média n j
18 Análise de Vaiância (ANOVA) Fonte de Vaiação Soma dos Quadados Gaus de Libedade Quadado Médio F calculado Valo - P Tatamentos 58 Eo Total 304 SQT X n * j X ** n j1 j T T1 T T3 T Total Total Média n j
19 Análise de Vaiância (ANOVA) Fonte de Vaiação Soma dos Quadados Gaus de Libedade Quadado Médio F calculado Valo - P Tatamentos 58 Eo 46 Total 304 T1 T T3 T4 SQE = SQTO - SQT Total Total Média n j
20 Análise de Vaiância (ANOVA) Fonte de Vaiação Soma dos Quadados Gaus de Libedade Quadado Médio F calculado Valo - P Tatamentos 58 Eo 46 Total GL Total = n T - 1 T1 T T3 T Total Total Média n j
21 Análise de Vaiância (ANOVA) Fonte de Vaiação Soma dos Quadados Gaus de Libedade Quadado Médio F calculado Valo - P Tatamentos 58 3 Eo 46 Total GL Total = n T - 1 GL Tat = - 1 T1 T T3 T Total Total Média n j
22 Análise de Vaiância (ANOVA) Fonte de Vaiação Soma dos Quadados Gaus de Libedade Quadado Médio F calculado Valo - P Tatamentos 58 Eo 46 Total GL Total = n T - 1 T1 T T3 T4 GL Tat = GL eo = GL Total - GL Tat Total Total Média n j
23 Análise de Vaiância (ANOVA) Fonte de Vaiação Soma dos Quadados Gaus de Libedade Quadado Médio F calculado Valo-P Tatamentos 58 Eo 46 Total , 0,0071 7,67 QMT SQT 1 QME SQE n T F calc QMT QME Valo-P ( ) P F3,6 F calc 3
24 Análise de Vaiância (ANOVA) Fonte de Vaiação Soma dos Quadados Gaus de Libedade Quadado Médio F calculado Valo-P Tatamentos 58 Eo 46 Total , 0,0071 7,67 F 3,6 H 0 : 1 = =... = H 1 : nem todos j são iguais Valo-P = 0,71% 0 11, + Adotando = 5%, o que se pode conclui? Rejeito H 0, ou seja, pelo menos uma das médias é difeente das demais 4
25 Análise de Vaiância (ANOVA) OBSERVAÇÕES: A ANOVA não considea que os tatamentos tenham algum odenamento específico Paa agega esta infomação, usa-se a Análise de Regessão ANOVA com tatamentos ( = ) não deve se ealizada, uma vez que coesponde a um teste t homocedástico bilateal ANOVA pode te mais do que fatoes avaliados (ANOVA multivaiada) TA1 TA TA3 TA TB TB
26 Análise de Vaiância (ANOVA) PRESSUPOSIÇÕES: Cada obsevação deve se independente das demais; condição gaantida pelo pocesso de amostagem Cada tatamento deve te distibuição nomal; o teste F paa ANOVA de 1 fato é pouco afetado pela falta de nomalidade dos dados (neste caso, em geal, o nível de significância eal é ligeiamente difeente que o especificado) Todos os tatamentos devem te a mesma vaiância; se todos tatamentos possuíem o mesmo tamanho de amosta (n j = n), o teste F seá pouco afetado pelo fato das vaiâncias dos tatamentos não seem iguais (também, neste caso, o nível de significância eal é apenas ligeiamente difeente que o especificado) Teste altenativo: Kuskal-Wallis (teste não paamético) 6
27 Testes de Nomalidade D Agostino K, Jaque-Bea e Shapio-Wilk testam se a cutose e a assimetia amostal podem se obtidas a pati de uma distibuição nomal Andeson Daling, Camé-von Mises, Lilliefos, Kolmogoov-Sminov compaam a distibuição acumulada empíica (obtida a pati de uma amosta) com uma distibuição acumulada teóica qualque de Peason (teste de adeência) compaa a distibuição empíica e uma distibuição teóica qualque divididas em um númeo deteminada de classes estatística não-paamética Paa a ANOVA, veifica-se se e X X ij ij j ij ~ N 0, atavés dos eos amostais 7
28 Testes de Igualdade de Vaiâncias Batlett baseia-se na compaação ente a média pondeada e a média geomética das vaiâncias amostais Hatley baseia-se na compaação ente os valoes máximo e mínimo das vaiâncias amostais Cochan baseia-se na compaação ente o máximo e a soma das vaiâncias amostais Levene modificado compaa os desvios médios absolutos ente e dento de cada gupo 8
29 Teste de Batlett Se,..., são as vaiâncias amostais de populações com s 1 s distibuição nomal, então QME j1 ( n 1) s n T j j epesenta a média aitmética pondeada GQME 1 n 1 T j n s j j1 epesenta a média geomética pondeada GQME QME (GQME = QME se todas vaiâncias amostais são idênticas) B,30585 ( n ) log log T 10 QME 10 GQME C onde C ( 1) j1 n j 1 nt,30585 B ( n )log QME ( n 1)log s C T 10 j 10 j j1 9
30 Teste de Batlett,30585 B ( n )log QME ( n 1)log s C T 10 j 10 j j1 onde H 0 : 1 H 1 : nem todas são iguais j Se H 0 fo vedadeio: C ( 1) j1 n j 1 nt 1 B 0 + ~ 1 (idealmente n j 5) H 0 ved. H 0 falso 30
31 Teste de Batlett,30585 B ( n )log QME ( n 1)log s C T 10 j 10 j j1 onde H 0 : 1 H 1 : nem todas são iguais j Se H 0 fo vedadeio: C ( 1) j1 n j 1 nt 1 0 X cít + B ~ 1 ac. H 0 ej. H 0 (sempe teste unilateal a dieita) 31
32 Usando-se o exemplo da ANOVA: ( 1) C 1 1, j1 n j1 1 6 n T Teste de Batlett T1 T T3 T B, ,3076 ( n )log 3,7147 QME,7897 ( n 1)log s 1,3148 C T 10 j 10 j j Total s n j H 0 : H 1 : nem todas são iguais j 3 0, Conclusão: aceito H 0 a 5%, ou seja, as vaiâncias dos tatamentos podem se as mesmas 7,81 X cít 3
33 Análise de Vaiância / EXCEL ANOVA: fato único T1 T T3 T
34 Análise de Vaiância / EXCEL ANOVA: fato único T1 T T3 T H 0 : 1 = =... = H 1 : nem todos j são iguais RESUMO Gupo Contagem Soma Média Vaiância T T T T ANOVA Fonte da vaiação SQ gl MQ F valo-p Ente gupos ,1739 0, Dento dos gupos ,667 Total Adotando = 5%, o que se pode conclui? Rejeito H 0, ou seja, pelo menos uma das médias é difeente das demais 34
35 Análise de Vaiância / R ANOVA: fato único T1 T T3 T H 0 : 1 = =... = H 1 : nem todos j são iguais > dados<-c(1,18,14,1,13,19,17,1,4,30) > tat<-facto(c("t1","t1","t","t","t","t3","t3","t3","t4","t4")) > esultado<-aov(dados~tat) #analise de vaiancia > anova(esultado) # tabela ANOVA Analysis of Vaiance Table Response: dados Df Sum Sq Mean Sq F value P(>F) tat ** Residuals Signif. codes: 0 *** ** 0.01 * Adotando = 5%, o que se pode conclui? Rejeito H 0, ou seja, pelo menos uma das médias é difeente das demais 35
36 Teste de Shapio-Wilk / R ANOVA: fato único T1 T T3 T H 0 : H 1 : ij ~ N(0, ) ij ~? > dados<-c(1,18,14,1,13,19,17,1,4,30) > tat<-facto(c("t1","t1","t","t","t","t3","t3","t3","t4","t4")) > esultado<-aov(dados~tat) #analise de vaiancia > shapio.test(esiduals(esultado)) #teste de Shapio-Wilk Shapio-Wilk nomality test data: esiduals(esultado) W = , p-value = Adotando = 5%, o que se pode conclui? Aceito H 0, ou seja, os eos povém de uma distibuição nomal 36
37 Teste de Batlett / R ANOVA: fato único T1 T T3 T > dados<-c(1,18,14,1,13,19,17,1,4,30) > tat<-facto(c("t1","t1","t","t","t","t3","t3","t3","t4","t4")) > batlett.test(dados~tat) #teste de Batlett Batlett test of homogeneity of vaiances data: dados by tat Batlett's K-squaed =.7897, df = 3, p-value = 0.45 H 0 : H 1 : nem todas são iguais j Adotando = 5%, o que se pode conclui? Aceito H 0, ou seja, as vaiâncias dos tatamentos podem se as mesmas 37
38 Análise de Vaiância Quando a ANOVA indica a aceitação de H 0, conclui-se que todas as médias dos tatamentos são iguais ente si, ou melho, que não há difeenças significativas ente as médias dos tatamentos. Neste caso, encea-se a análise. No entanto, quando H 0 é ejeitada, a ANOVA não é capaz de identifica quais as médias são difeentes ente si. Basta que apenas uma média seja difeente paa que a ANOVA indique a ejeição da H 0. Como descobi quais médias são difeentes? Atavés de um Teste de Compaação Múltipla Exemplos: Teste de Tukey Teste de Duncan Teste de Dunnet Teste de Scheffe Teste de Bonfeoni Teste de Fishe 38
39 Teste de Tukey (teste de compaação múltipla) Utilizado quando se deseja compaa todos os paes de médias de populações, adotando-se um único nível de significância. H 0 : a b 0 H 1 : a b 0 a b a, b 1,, O teste consiste em calcula um valo (D cít ), acima do qual, a difeença ente duas médias amostais (em absoluto) é significativamente difeente de zeo. q 1 1, nt Dcít ( a, b) QME n a n b onde q, n T epesenta o valo tabelado (vindo de uma distibuição da amplitude studentizada "studentized ange") associado ao nível de significância adotado. 39
40 Distibuição da Amplitude Studentizada P( q q ) 0,01, g tab g ,04 135, ,58 185,575 0,10 15,769 7,166 36,966 45,54 53,151 59,979 66,165 71,81 77,003 81,803 86,63 90,46 94,38 97,997 14,036 19,019,94 4,717 6,69 8,01 9,530 30,679 31,689 3,589 33,398 34,134 34,806 35,46 36,000 36,534 37,034 37,50 37, ,60 10,619 1,170 13,34 14,41 14,998 15,641 16,199 16,691 17,130 17,56 17,887 18,17 18,5 18,805 19,068 19,315 19,546 19, ,511 8,10 9,173 9,958 10,583 11,101 11,54 11,95 1,64 1,567 1,840 13,090 13,318 13,530 13,76 13,909 14,081 14,4 14, ,70 6,976 7,804 8,41 8,913 9,31 9,669 9,971 10,39 10,479 10,696 10,894 11,076 11,44 11,400 11,545 11,68 11,811 11,93 6 5,43 6,331 7,033 7,556 7,97 8,318 8,61 8,869 9,097 9,300 9,485 9,653 9,808 9,951 10,084 10,08 10,35 10,434 10, ,949 5,919 6,54 7,005 7,373 7,678 7,939 8,166 8,367 8,548 8,711 8,860 8,997 9,14 9,4 9,353 9,456 9,553 9, ,745 5,635 6,04 6,65 6,959 7,37 7,474 7,680 7,863 8,07 8,176 8,311 8,436 8,55 8,659 8,760 8,854 8,943 9,07 9 4,596 5,48 5,957 6,347 6,657 6,915 7,134 7,35 7,494 7,646 7,784 7,910 8,05 8,13 8,3 8,35 8,41 8,495 8, ,48 5,70 5,769 6,136 6,48 6,669 6,875 7,054 7,13 7,356 7,485 7,603 7,71 7,81 7,906 7,993 8,075 8,153 8,6 11 4,39 5,146 5,61 5,970 6,47 6,476 6,671 6,841 6,99 7,17 7,50 7,36 7,464 7,560 7,648 7,731 7,809 7,883 7,95 1 4,30 5,046 5,50 5,836 6,101 6,30 6,507 6,670 6,814 6,943 7,060 7,166 7,65 7,356 7,441 7,50 7,594 7,664 7, ,60 4,964 5,404 5,76 5,981 6,19 6,37 6,58 6,666 6,791 6,903 7,006 7,100 7,188 7,69 7,345 7,417 7,484 7, ,10 4,895 5,3 5,634 5,881 6,085 6,58 6,409 6,543 6,663 6,77 6,871 6,96 7,047 7,15 7,199 7,68 7,333 7, ,167 4,836 5,5 5,556 5,796 5,994 6,16 6,309 6,438 6,555 6,660 6,756 6,845 6,97 7,003 7,074 7,141 7,04 7, ,131 4,786 5,19 5,489 5,7 5,915 6,079 6, 6,348 6,461 6,564 6,658 6,744 6,83 6,897 6,967 7,03 7,093 7, ,099 4,74 5,140 5,430 5,659 5,847 6,007 6,147 6,70 6,380 6,480 6,57 6,656 6,733 6,806 6,873 6,937 6,997 7, ,071 4,703 5,094 5,379 5,603 5,787 5,944 6,081 6,01 6,309 6,407 6,496 6,579 6,655 6,75 6,791 6,854 6,91 6, ,046 4,669 5,054 5,334 5,553 5,735 5,889 6,0 6,141 6,46 6,34 6,430 6,510 6,585 6,654 6,719 6,780 6,837 6, ,04 4,639 5,018 5,93 5,510 5,688 5,839 5,970 6,086 6,190 6,85 6,370 6,449 6,53 6,591 6,654 6,714 6,770 6,83 5 3,94 4,57 4,885 5,144 5,347 5,513 5,655 5,778 5,886 5,983 6,070 6,150 6,4 6,9 6,355 6,414 6,469 6,5 6, ,889 4,455 4,799 5,048 5,4 5,401 5,536 5,653 5,756 5,848 5,93 6,008 6,078 6,14 6,0 6,58 6,311 6,361 6, ,85 4,367 4,695 4,931 5,114 5,65 5,39 5,50 5,599 5,685 5,764 5,835 5,900 5,961 6,017 6,069 6,118 6,165 6, ,76 4,8 4,594 4,818 4,991 5,133 5,53 5,356 5,447 5,58 5,601 5,667 5,78 5,784 5,837 5,886 5,931 5,974 6, ,70 4,00 4,497 4,709 4,87 5,005 5,118 5,14 5,99 5,375 5,443 5,505 5,561 5,614 5,66 5,708 5,750 5,790 5,87 3,643 4,10 4,403 4,603 4,757 4,88 4,987 5,078 5,157 5,7 5,90 5,348 5,400 5,448 5,493 5,535 5,574 5,611 5,645 40
41 Distibuição da Amplitude Studentizada P( q q ) 0,05, g tab g ,969 6,976 3,819 37,08 40,408 43,119 45,397 47,357 49,071 50,59 51,957 53,194 54,33 55,361 56,30 57,1 58,044 58,84 59,558 6,085 8,331 9,798 10,881 11,734 1,435 13,07 13,539 13,988 14,389 14,749 15,076 15,375 15,650 15,905 16,143 16,365 16,573 16, ,501 5,910 6,85 7,50 8,037 8,478 8,85 9,177 9,46 9,717 9,946 10,155 10,346 10,5 10,686 10,838 10,980 11,114 11,40 4 3,96 5,040 5,757 6,87 6,706 7,053 7,347 7,60 7,86 8,07 8,08 8,373 8,54 8,664 8,793 8,914 9,07 9,133 9,33 5 3,635 4,60 5,18 5,673 6,033 6,330 6,58 6,801 6,995 7,167 7,33 7,466 7,596 7,716 7,88 7,93 8,030 8,1 8,08 6 3,460 4,339 4,896 5,305 5,68 5,895 6,1 6,319 6,493 6,649 6,789 6,917 7,034 7,143 7,44 7,338 7,46 7,508 7, ,344 4,165 4,681 5,060 5,359 5,606 5,815 5,997 6,158 6,30 6,431 6,550 6,658 6,759 6,85 6,939 7,00 7,097 7, ,61 4,041 4,59 4,886 5,167 5,399 5,596 5,767 5,918 6,053 6,175 6,87 6,389 6,483 6,571 6,653 6,79 6,801 6, ,199 3,948 4,415 4,755 5,04 5,44 5,43 5,595 5,738 5,867 5,983 6,089 6,186 6,76 6,359 6,437 6,510 6,579 6, ,151 3,877 4,37 4,654 4,91 5,14 5,304 5,460 5,598 5,7 5,833 5,935 6,08 6,114 6,194 6,69 6,339 6,405 6, ,113 3,80 4,56 4,574 4,83 5,08 5,0 5,353 5,486 5,605 5,713 5,811 5,901 5,984 6,06 6,134 6,0 6,65 6,35 1 3,081 3,773 4,199 4,508 4,750 4,950 5,119 5,65 5,395 5,510 5,615 5,710 5,797 5,878 5,953 6,03 6,089 6,151 6, ,055 3,734 4,151 4,453 4,690 4,884 5,049 5,19 5,318 5,431 5,533 5,65 5,711 5,789 5,86 5,931 5,995 6,055 6, ,033 3,701 4,111 4,407 4,639 4,89 4,990 5,130 5,53 5,364 5,463 5,554 5,637 5,714 5,785 5,85 5,915 5,973 6, ,014 3,673 4,076 4,367 4,595 4,78 4,940 5,077 5,198 5,306 5,403 5,49 5,574 5,649 5,719 5,785 5,846 5,904 5,958 16,998 3,649 4,046 4,333 4,557 4,741 4,896 5,031 5,150 5,56 5,35 5,439 5,519 5,593 5,66 5,76 5,786 5,843 5,896 17,984 3,68 4,00 4,303 4,54 4,705 4,858 4,991 5,108 5,1 5,306 5,39 5,471 5,544 5,61 5,675 5,734 5,790 5,84 18,971 3,609 3,997 4,76 4,494 4,673 4,84 4,955 5,071 5,173 5,66 5,351 5,49 5,501 5,567 5,69 5,688 5,743 5,794 19,960 3,593 3,977 4,53 4,468 4,645 4,794 4,94 5,037 5,139 5,31 5,314 5,391 5,46 5,58 5,589 5,647 5,701 5,75 0,950 3,578 3,958 4,3 4,445 4,60 4,768 4,895 5,008 5,108 5,199 5,8 5,357 5,47 5,49 5,553 5,610 5,663 5,714 5,913 3,53 3,890 4,153 4,358 4,56 4,667 4,789 4,897 4,993 5,079 5,158 5,30 5,97 5,359 5,417 5,471 5,5 5,570 30,888 3,486 3,845 4,10 4,301 4,464 4,601 4,70 4,84 4,917 5,001 5,077 5,147 5,11 5,71 5,37 5,379 5,49 5,475 40,858 3,44 3,791 4,039 4,3 4,388 4,51 4,634 4,735 4,84 4,904 4,977 5,044 5,106 5,163 5,16 5,66 5,313 5,358 60,89 3,399 3,737 3,977 4,163 4,314 4,441 4,550 4,646 4,73 4,808 4,878 4,94 5,001 5,056 5,107 5,154 5,199 5,41 10,800 3,356 3,685 3,917 4,096 4,41 4,363 4,468 4,560 4,641 4,714 4,781 4,84 4,898 4,950 4,998 5,043 5,086 5,16,77 3,314 3,633 3,858 4,030 4,170 4,86 4,387 4,474 4,55 4,6 4,685 4,743 4,796 4,845 4,891 4,934 4,974 5,01 41
42 Teste de Tukey (teste de compaação múltipla) Usando-se o exemplo da ANOVA: T1 T T3 T Total Total Média n j q 1 1 4,6 Dcít ( a, b) QME n a n b q4,6 4,90 ( 5%) X j D cít D (,1) 4, ,67 8,76 3 4
43 Teste de Tukey (teste de compaação múltipla) Usando-se o exemplo da ANOVA: T1 T T3 T Total Total Média n j q 1 1 4,6 Dcít ( a, b) QME n a n b q4,6 4,90 a a X j D D cít (,3) 4, , 67 7,
44 Teste de Tukey (teste de compaação múltipla) Usando-se o exemplo da ANOVA: T1 T T3 T Total Total Média n j q 1 1 4,6 Dcít ( a, b) QME n a n b q4,6 4,90 a a a X j D D cít (,4) 4, ,67 8,
45 Teste de Tukey (teste de compaação múltipla) Usando-se o exemplo da ANOVA: T1 T T3 T Total Total Média n j q 1 1 4,6 Dcít ( a, b) QME n a n b q4,6 4,90 a a a b X j D (mesma leta não pecisa testa) 45
46 Teste de Tukey (teste de compaação múltipla) Usando-se o exemplo da ANOVA: T1 T T3 T Total Total Média n j q 1 1 4,6 Dcít ( a, b) QME n a n b q4,6 4,90 a a a b X j D D cít (1,4) 4, ,67 9,60 46
47 Teste de Tukey (teste de compaação múltipla) Usando-se o exemplo da ANOVA: T1 T T3 T Total Total Média n j q 1 1 4,6 Dcít ( a, b) QME n a n b q4,6 4,90 a a ab a b X j D D cít (3,4) 4, ,67 8,
48 Teste de Tukey (teste de compaação múltipla) Usando-se o exemplo da ANOVA: T1 T T3 T Total Total Média n j T T1 T3 T4 X j 13 a 15 a 19 ab 7 b b ab a a T1 A T B T3 C T4 D T T1 T3 T
49 Teste de Tukey / R ANOVA: fato único T1 T T3 T > dados<-c(1,18,14,1,13,19,17,1,4,30) > tat<-facto(c("t1","t1","t","t","t","t3","t3","t3","t4","t4")) > esultado<-aov(dados~tat) #analise de vaiancia > tukey<-tukeyhsd(esultado,odeed=true, conf.level=0.95) > plot(tukey) T T1 T3 T4 X j a a a ab b 49
EXPERIMENTAÇÃO AGRÁRIA
EXPERIMENTAÇÃO AGRÁRIA Tema 3: Testes de Compaações Múltiplas Testes de Compaações Múltiplas (TCM) Os TCM são subdivididos em: i. Compaação de paes planeados os paes específicos de tatamentos são identificados
Leia maisTUKEY Para obtenção da d.m.s. pelo Teste de TUKEY, basta calcular:
Compaação de Médias Quando a análise de vaiância de um expeimento nos mosta que as médias dos tatamentos avaliados não são estatisticamente iguais, passamos a ejeita a hipótese da nulidade h=0, e aceitamos
Leia maisDelineamento de talhões subdivididos
Delineamento de talhões subdivididos Exemplo: Um ensaio de viveio foi conduzido no qual a estutua de espécies de ávoes em tipos de cobetua de solo (a 1 e a ) foi examinada. O facto cobetua do solo foi
Leia maisANÁLISE DE VARIÂNCIA MULTIVARIADA Carlos Alberto Alves Varella 1
ANÁLISE MULTIVARIADA APLICADA AS CIÊNCIAS AGRÁRIAS PÓS-GRADUAÇÃO EM AGRONOMIA CIÊNCIA DO SOLO: CPGA-CS ANÁLISE DE VARIÂNCIA MULTIVARIADA Calos Albeto Alves Vaella ÍNDICE INTRODUÇÃO... MODELO ESTATÍSTICO...
Leia maisModelos de Regressão Linear Simples - Erro Puro e Falta de Ajuste
Modelos de Regressão Linear Simples - Erro Puro e Falta de Ajuste Erica Castilho Rodrigues 2 de Setembro de 2014 Erro Puro 3 Existem dois motivos pelos quais os pontos observados podem não cair na reta
Leia maisARITMÉTICA DE PONTO FLUTUANTE/ERROS EM OPERAÇÕES NUMÉRICAS
ARITMÉTICA DE PONTO FLUTUANTE/ERROS EM OPERAÇÕES NUMÉRICAS. Intodução O conjunto dos númeos epesentáveis em uma máquina (computadoes, calculadoas,...) é finito, e potanto disceto, ou seja não é possível
Leia maisRegression and Clinical prediction models
Regression and Clinical prediction models Session 4 Introducing statistical modeling Part 1 (Analysis of variance) Pedro E A A do Brasil pedro.brasil@ini.fiocruz.br 2018 Objetivos Introduzir a ideia de
Leia maisProjeto de Experimentos
Projeto de Experimentos O uso de Projeto de Experimentos conduz a uma seqüência estruturada de ensaios, que assegura o máximo de informação com um gasto mínimo de tempo/dinheiro. Entrada Processo Saída
Leia maisRelação Risco Retorno em uma série histórica
Relação Risco Retono em uma séie históica E ( j ) R j Retono espeado é a expectativa que se constói paa o esultado de um ativo a pati da média históica de esultado. E( j ) R j j,1 + j, + L+ n j, n n i
Leia maisDisciplina Metodologia Analítica QUI102 II semestre AULA 01 (parte B) Profa. Maria Auxiliadora Costa Matos
Metodologia nalítica II sem/018 Pofa Ma uxiliadoa - 1 Univesidade Fedeal de Juiz de Foa Instituto de Ciências Exatas Depatamento de Química Disciplina Metodologia nalítica QUI10 II semeste 018 UL 01 (pate
Leia maisFísica Experimental: Mecânica. Aula 1. Introdução ao laboratório
Física Expeimental: Mecânica Aula 1 Intodução ao laboatóio 1 Conteúdo desta aula: -Objetivos... slides 3 6 -Divisão de gupos... slides 6 8 -Uso de equipamentos... slides 9 11 -Unidades Intenacionais...
Leia maisDELINEAMENTO COMPLETAMENTE CASUALIZADO. Prof. Dra. Janete Pereira Amador
DELINEAMENTO COMPLETAMENTE CASUALIZADO Prof. Dra. Janete Pereira Amador Análise de Variância Considerando esquematicamente um experimento, tem-se: Tratamentos Unidade Experimental Efeito onde ij são as
Leia maisFísica Experimental: Eletromagnetismo. Aula 1. Introdução ao laboratório
Física Expeimental: Eletomagnetismo Aula 1 Intodução ao laboatóio 1 Conteúdo desta aula: -Objetivos... slides 3 4 -Divisão de gupos... slides 5 7 -Uso de equipamentos... slide 8 9 -Unidades Intenacionais...
Leia maisFísica Experimental: Mecânica. Aula 1. Introdução ao laboratório
Física Expeimental: Mecânica Aula 1 Intodução ao laboatóio 1 Conteúdo desta aula: -Objetivos... slides 3 6 -Divisão de gupos... slides 6 8 -Uso de equipamentos... slides 9 11 -Unidades Intenacionais...
Leia maisEstatística de Teste: Decisão: p α Rejeita-se H 0. Hipóteses: Ǝ i,j σ 1 σ 2 i,j=1,,k. Estatística de Teste: Decisão: p >α Não se rejeita H 0
Normalidade: H 0: Y i~n(µ i, σ i) H 1: Y i N(µ i, σ i) (i=1,,k) Estatística de Teste: (p=valor p-value) Se n < 50 Teste Shapiro-Wild Se n > 50 Teste Kolmogorov-Smirnov Homogeneidade p α Rejeita-se H 0
Leia maisInvestigação Aplicada I
Investigação Aplicada I Aula 7 1º Semestre 2016/17 Licenciatura em Ciências Biomédicas Laboratoriais igrodrigues@ualg.pt; ESSUAlg: gabinete 2.06 Prof. Inês Rodrigues Inferência esta-s.ca Inferir dados
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 maisEstatística II. Aula 7. Prof. Patricia Maria Bortolon, D. Sc.
Estatística II Aula 7 Prof. Patricia Maria Bortolon, D. Sc. Análise da Variância Objetivos do Aprendizado Nesta aula você aprenderá: A utilizar a análise de variância de fator único para testar diferenças
Leia maisAULA 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 maisCapítulo 11 Análise da Variância. Statistics for Managers Using Microsoft Excel, 5e 2008 Prentice-Hall, Inc. Chap 11-1
Capítulo 11 Análise da Variância Statistics for Managers Using Microsoft Excel, 5e 2008 Prentice-Hall, Inc. Chap 11-1 Objetivos do Aprendizado Neste capítulo você aprenderá: Os conceitos básicos da modelagem
Leia maisEscola Secundária com 3º Ciclo do E. B. de Pinhal Novo Física e Química A 10ºAno MEDIÇÃO EM QUÍMICA
Escola Secundáia com 3º Ciclo do E. B. de Pinhal Novo Física e Química A 10ºAno MEDIÇÃO EM QUÍMICA Medi - é compaa uma gandeza com outa da mesma espécie, que se toma paa unidade. Medição de uma gandeza
Leia maisExperimento 2 Espectro de potência e banda essencial de um sinal. Exercício preliminar. o gráfico de X(f).
UnB - FT ENE Epeimento Especto de potência e banda essencial de um sinal Eecício pelimina O eecício deve se manuscito ou impesso em papel A4. As epessões matemáticas básicas e os passos pincipais do desenvolvimento
Leia mais78
0 As medianas taçadas dos ângulos agudos de um tiângulo etângulo medem medida da mediana taçada do ângulo eto é : (A) 5 cm (B) cm (C) cm (D) cm (E) cm 7 cm e cm. A 0 Os lados de um tiângulo medem AB 0,
Leia maisPARTE IV COORDENADAS POLARES
PARTE IV CRDENADAS PLARES Existem váios sistemas de coodenadas planas e espaciais que, dependendo da áea de aplicação, podem ajuda a simplifica e esolve impotantes poblemas geométicos ou físicos. Nesta
Leia maisEscola Superior de Agricultura Luiz de Queiroz Universidade de São Paulo. Testes de Comparações Múltiplas
Escola Superior de Agricultura Luiz de Queiroz Universidade de São Paulo Testes de Comparações Múltiplas Professora Renata Alcarde Sermarini Piracicaba Agosto 2016 Renata Alcarde Sermarini Estatística
Leia maisEstatística Frequentista
Estatística Frequentista Analise de Variância Alexandre Adalardo de Oliveira PlanECO 2017 1 of 32 03/24/2017 09:03 AM Conteúdo histórico conceituação básica exemplo Testes Clásssicos 2 of 32 03/24/2017
Leia maisAnálise de Correlação e medidas de associação
Análise de Coelação e medidas de associação Pof. Paulo Ricado B. Guimaães 1. Intodução Muitas vezes pecisamos avalia o gau de elacionamento ente duas ou mais vaiáveis. É possível descobi com pecisão, o
Leia maisDepartamento de Física - Universidade do Algarve FORÇA CENTRÍFUGA
FORÇA CENTRÍFUGA 1. Resumo Um copo desceve um movimento cicula unifome. Faz-se vaia a sua velocidade de otação e a distância ao eixo de otação, medindo-se a foça centífuga em função destes dois paâmetos..
Leia maisMINISTÉRIO DA EDUCAÇÃO UNIVERSIDADE FEDERAL DE CAMPINA GRANDE CENTRO DE CIENCIAS E TECNOLOGIA AGROALIMENTAR UNIDADE V
MINISTÉRIO DA EDUCAÇÃO UNIVERSIDADE FEDERAL DE CAMPINA GRANDE CENTRO DE CIENCIAS E TECNOLOGIA AGROALIMENTAR UNIDADE V DELINEAMENTO EM BLOCOS CASUALIZADOS (DBC) Profª Railene Hérica Carlos Rocha 1. Introdução
Leia 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 maisUnidade 13 Noções de Matemática Financeira. Taxas equivalentes Descontos simples e compostos Desconto racional ou real Desconto comercial ou bancário
Unidade 13 Noções de atemática Financeia Taxas equivalentes Descontos simples e compostos Desconto acional ou eal Desconto comecial ou bancáio Intodução A atemática Financeia teve seu início exatamente
Leia maisLicenciatura em Engenharia Civil MECÂNICA II
Licenciatua em Engenhaia Civil MECÂNICA II Exame (época nomal) 17/01/2003 NOME: Não esqueça 1) (4 AL.) de esceve o nome a) Uma patícula desceve um movimento no espaço definido pelas seguintes tajectóia
Leia maisTestes para comparação de médias
7 /03/018 Rtei de Aula Aula 5 Expeimentaçã Ztécnica Pfa. Da. Amanda Liz Pacífic Manfim Peticaai Tete paa cmpaaçã de média Cntate de média: Y = c 1 m 1 + c m + + c I m I e i=1 c i = c 1 + c + +c I = 0 I
Leia maisCarga Elétrica e Campo Elétrico
Aula 1_ Caga lética e Campo lético Física Geal e peimental III Pof. Cláudio Gaça Capítulo 1 Pincípios fundamentais da letostática 1. Consevação da caga elética. Quantização da caga elética 3. Lei de Coulomb
Leia mais( ) 10 2 = = 505. = n3 + n P1 - MA Questão 1. Considere a sequência (a n ) n 1 definida como indicado abaixo:
P1 - MA 1-011 Questão 1 Considee a sequência (a n ) n 1 definida como indicado abaixo: a 1 = 1 a = + 3 a 3 = + 5 + 6 a = 7 + 8 + 9 + 10 (05) (a) O temo a 10 é a soma de 10 inteios consecutivos Qual é o
Leia maisAnálise da Variância (ANOVA)
Análise da Variância (ANOVA) ANOVA Análise da Variância (ANOVA) é um método para testar a igualdade de três ou mais médias populacionais, baseado na análise das variâncias amostrais Os dados amostrais
Leia maisDelineamento Inteiramente Casualizado (DIC) Delineamento Casualizado em Blocos (DBC) Delineamento em Quadrado Latino (DQL)
Principais delineamentos: Delineamento Inteiramente Casualizado (DIC) Delineamento Casualizado em Blocos (DBC) Delineamento em Quadrado Latino (DQL) Os delineamentos podem ser: Balanceados Não balanceados
Leia maisESCOAMENTO POTENCIAL. rot. Escoamento de fluido não viscoso, 0. Equação de Euler: Escoamento de fluido incompressível cte. Equação da continuidade:
ESCOAMENTO POTENCIAL Escoamento de fluido não viso, Equação de Eule: DV ρ ρg gad P Dt Escoamento de fluido incompessível cte Equação da continuidade: divv Escoamento Iotacional ot V V Se o escoamento fo
Leia maisPROVA COMENTADA E RESOLVIDA PELOS PROFESSORES DO CURSO POSITIVO
Vestibula AFA 010 Pova de Matemática COMENTÁRIO GERAL DOS PROFESSORES DO CURSO POSITIVO A pova de Matemática da AFA em 010 apesentou-se excessivamente algébica. Paa o equílibio que se espea nesta seleção,
Leia maisEXPERIMENTAÇÃO AGRÁRIA
EXPERIMENTAÇÃO AGRÁRIA Tema : Delineamentos experimentais básicos (DCC/DBCC/DQL) Delineamento Completamente 1. Quando usar? Casualizado (DCC) Este delineamento é usado quando as unidades experimentais
Leia maisANOVA com modelos encaixados
ANOVA com modelos encaixados Motivação 1 Testar a significância de β j ( j = 0, 1,, p na presença das demais regressoras, usando o teste t, é trabalho, pois precisa de: ^β e ^Var (^β j = ^σ 2 j c ( j+1(
Leia mais1. EXPERIMENTOS FATORIAIS.
Expeimentos Fatoiais 89. EXPERIMENTOS FTORIIS. Nos expeimentos mais simples compaamos tatamentos ou níveis de um único fato, consideando que todos os demais fatoes que possam intefei nos esultados obtidos
Leia maisb) Teste a hipótese de efeito significante do tamanho da população sobre a venda do produto, na presença de renda per capita
Exemplo 1 (continuação a Estime por intervalo de 95% de confiança, o aumento do número médio de lotes vendidos devido a 1000 pessoas a mais na população, mantendo a renda per capita fixa b Teste a hipótese
Leia maisENGENHARIA DA QUALIDADE A ENG AULA 8 PROJETOS DE EXPERIMENTOS - ANOVA
ENGENHARIA DA QUALIDADE A ENG 09008 AULA 8 PROJETOS DE EXPERIMENTOS - ANOVA PROFESSORES: CARLA SCHWENGBER TEN CATEN Tópicos desta aula Projetos de Experimentos Terminologia Passos de implementação Princípios
Leia mais19 - Potencial Elétrico
PROBLEMAS RESOLVIDOS DE FÍSICA Pof. Andeson Cose Gaudio Depatamento de Física Cento de Ciências Exatas Univesidade Fedeal do Espíito Santo http://www.cce.ufes.b/andeson andeson@npd.ufes.b Última atualização:
Leia maisEXPERIÊNCIA 5 - RESPOSTA EM FREQUENCIA EM UM CIRCUITO RLC - RESSONÂNCIA
UM/AET Eng. Elética sem 0 - ab. icuitos Eléticos I Pof. Athemio A.P.Feaa/Wilson Yamaguti(edição) EPEIÊNIA 5 - ESPOSTA EM FEQUENIA EM UM IUITO - ESSONÂNIA INTODUÇÃO. icuito séie onsideando o cicuito da
Leia maisRELATÓRIO DA ANÁLISE DE REGRESSÃO (Ex1 - Reg. Linear Simples) ****************************** PASSO 1 *******************************
RELATÓRIO DA ANÁLISE DE REGRESSÃO (Ex1 - Reg. Linear Simples) ****************************** PASSO 1 ******************************* O grau do polinomio é 1 (Linear) Tem um outlier *TESTE DA HOMOCEDASTICIDADE
Leia mais3- Projetos Fatoriais
3- Projetos Fatoriais Exemplo do que se faz na indústria: Uma empresa estava interessada em aumentar o teor de pureza de uma substância química. Os dois fatores mais importantes que influenciavam o teor
Leia maisPROPRIEDADES DAS EQUAÇÕES POLINOMIAIS RECÍPROCAS
RAÍZES RECÍPROCAS Pof. Macelo Renato Equação Polinomial Recípoca, ou simplesmente "Equação ecípoca", é aquela que, se possui "x " como aiz, então seu ecípoco ("/x ") também seá aiz da equação. Exemplo:
Leia maisProbabilidade e Estatística
Probabilidade e Estatística Prof. Dr. Narciso Gonçalves da Silva http://paginapessoal.utfpr.edu.br/ngsilva Introdução A análise de variância (Anova) é utilizada para comparar médias de três ou mais populações.
Leia mais1ª Aula do Cap. 6 Forças e Movimento II
ATRITO 1ª Aula do Cap. 6 Foças e Movimento II Foça de Atito e Foça Nomal. Atito e históia. Coeficientes de atito. Atito Dinâmico e Estático. Exemplos e Execícios. O efeito do atito ente duas supefícies
Leia maisDPS1037 SISTEMAS DA QUALIDADE II ENGENHARIA DE PRODUÇÃO CT/UFSM
Morgana Pizzolato, Dr a. Aula 20 Introdução à otimização experimental e experimentos de um fator DPS1037 SISTEMAS DA QUALIDADE II ENGENHARIA DE PRODUÇÃO CT/UFSM TÓPICOS DESTA AULA Projetos de Experimentos
Leia maisé igual a f c f x f c f c h f c 2.1. Como g é derivável em tem um máximo relativo em x 1, então Resposta: A
Pepaa o Eame 03 07 Matemática A Página 84. A taa de vaiação instantânea da função f em c é igual a f c e é dada po: c f f c f c h f c f lim lim c c ch h0 h Resposta: D... Como g é deivável em tem um máimo
Leia maisEstatística aplicada ao Melhoramento animal
Qual é a herdabilidade para uma característica? Qual é a variabilidade de desempenho para essa característica? Selecionando para a característica X, característica Y será afetada? Como predizer os valores
Leia maisDELINEAMENTO EM BLOCOS CASUALIZADOS COM REPETIÇÕES. Profª. Sheila Regina Oro
DELINEAMENTO EM BLOCOS CASUALIZADOS COM REPETIÇÕES Profª. Sheila Regina Oro Delineamento em Blocos Casualizados com Repetições (DBCr) Utilizado quando temos mais de uma repetição de cada tratamento dentro
Leia maisFigura 6.6. Superfícies fechadas de várias formas englobando uma carga q. O fluxo eléctrico resultante através de cada superfície é o mesmo.
foma dessa supefície. (Pode-se pova ue este é o caso poue E 1/ 2 ) De fato, o fluxo esultante atavés de ualue supefície fechada ue envolve uma caga pontual é dado po. Figua 6.6. Supefícies fechadas de
Leia maisO perímetro da circunferência
Univesidade de Basília Depatamento de Matemática Cálculo 1 O peímeto da cicunfeência O peímeto de um polígono de n lados é a soma do compimento dos seus lados. Dado um polígono qualque, você pode sempe
Leia maisTécnicas Experimentais Aplicadas
Técnicas Experimentais Aplicadas em Ciência do Solo Mario de Andrade Lira Junior lira.pro.br/wordpress 7/4/010 1 Principais delineamentos Inteiramente casualizado Segundo mais comum Blocos completos Normalmente
Leia maisELETRICIDADE CAPÍTULO 3 LEIS DE CIRCUITOS ELÉTRICOS
ELETICIDADE CAPÍTULO 3 LEIS DE CICUITOS ELÉTICOS - CONSIDEE A SEGUINTE ELAÇÃO: 3. LEI DE OHM - QUALQUE POCESSO DE CONVESÃO DE ENEGIA PODE SE ELACIONADO A ESTA EQUAÇÃO. - EM CICUITOS ELÉTICOS : - POTANTO,
Leia maisAntenas. Antena = transição entre propagação guiada (circuitos) e propagação não-guiada (espaço). Antena Isotrópica
Antenas Antena tansição ente popagação guiada (cicuitos) e popagação não-guiada (espaço). Antena tansmissoa: Antena eceptoa: tansfoma elétons em fótons; tansfoma fótons em elétons. Antena sotópica Fonte
Leia maisDELINEAMENTO EM BLOCOS AO ACASO
DELINEAMENTO EM BLOCOS AO ACASO Sempre que não houver condições experimentais homogêneas, devemos utilizar o principio do controle local, instalando Blocos, casualizando os tratamentos, igualmente repetidos.
Leia maisAnova Univariada e Multivariada
UNIVERSIDADE FEDERAL DO PARÁ INSTITUTO DE CIÊNCIAS EXATAS E NATURAIS FACULDADE DE ESTATÍSTICA Anova Univariada e Multivariada Curso: Bacharelado em Estatística Disciplina: Estatística Aplicada Nome: Denis
Leia maisTÉCNICAS EXPERIMENTAIS APLICADAS EM CIÊNCIA DO SOLO
1 TÉCNICAS EXPERIMENTAIS APLICADAS EM CIÊNCIA DO SOLO Mario de Andrade Lira Junior lira.pro.br/wordpress os direitos autorais. ANÁLISE DA VARIÂNCIA Desdobramento da variância total em seus componentes
Leia maisEstimação parâmetros e teste de hipóteses. Prof. Dr. Alberto Franke (48)
Estimação parâmetros e teste de hipóteses Prof. Dr. Alberto Franke (48) 91471041 Intervalo de confiança para média É um intervalo em que haja probabilidade do verdadeiro valor desconhecido do parâmetro
Leia mais4 Modelo para Extração de Regras Fuzzy a partir de Máquinas de Vetores Suporte FREx_SVM 4.1 Introdução
4 Modelo paa Extação de Regas Fuzzy a pati de Máquinas de Vetoes Supote FREx_SVM 4.1 Intodução Como já mencionado, em máquinas de vetoes supote não se pode explica a maneia como sua saída é obtida. No
Leia maisCPV O cursinho que mais aprova na GV
RJ_MATEMATICA_9_0_08 FGV-RJ A dministação Economia Dieito C Administação 26 26 das 200 vagas da GV têm ficado paa os alunos do CPV CPV O cusinho que mais apova na GV Ciências Sociais ociais GV CPV. ociais
Leia maisANÁLISE DE VARIÂNCIA - ANOVA. Prof. Adriano Mendonça Souza, Dr. Departamento de Estatística - PPGEMQ / PPGEP - UFSM
ANÁLISE DE VARIÂNCIA - ANOVA Prof. Adriano Mendonça Souza, Dr. Departamento de Estatística - PPGEMQ / PPGEP - UFSM UM EXEMPLO DE APLICAÇÃO Digamos que temos 6 métodos de ensino aplicados a 30 crianças
Leia maisREGRESSÃO LINEAR MÚLTIPLA Correlação múltipla
REGRESSÃO LINEAR MÚLTIPLA Coelação múltipla Coeficiente de coelação múltipla: indicado de quanto da vaiação total da vaiável dependente é explicado pelo conjunto das vaiáveis independentes (explicativas)
Leia mais4 r. Hcc. ligante. íon central. Modelo Simples de Recobrimento (Chem. Phys. Lett. 87, 27 e 88, 353 (1982) )
Modelo Simples de ecobimento (Chem. Phys. ett. 87, 7 e 88, 353 (98) ) tópico III i) A enegia potencial dos elétons d e f, devido à peença de um ambiente uímico, é poduzida po cagas unifomemente distibuídas
Leia maisEXPERIMENTAÇÃO ZOOTÉCNICA. Profa. Dra. Amanda Liz Pacífico Manfrim Perticarrari
EXPERIMENTAÇÃO ZOOTÉCNICA Profa. Dra. Amanda Liz Pacífico Manfrim Perticarrari amanda@fcav.unesp.br TESTES PARA COMPARAÇÃO DE MÉDIAS O teste F permite tirar conclusões muito gerais relacionadas com os
Leia maisTeste de hipótese em modelos normais lineares: ANOVA
Teste de hipótese em modelos normais lineares: ANOVA Prof Caio Azevedo Prof Caio Azevedo Exemplo 1 No primeiro modelo, o interesse primário, de certa forma, é testar se a carga não contribui para explicar
Leia maisPROVA COMENTADA. Figura 1 Diagrama de corpo livre: sistema de um grau de liberdade (1gdl) F F F P 0. k c i t
? Equilíbio da estutua PROVA COMENTADA a) Diagama de copo live (DCL): Paa monta o diagama de copo live deve-se inclui todas as foças atuando no bloco de massa m. Obseve que o bloco pode movimenta-se somente
Leia maisEXPERIMENTAÇÃO AGRÁRIA
EXPERIMENTAÇÃO AGRÁRIA Tema : Delineamentos experimentais básicos (DCC/DBCC/DQL) Delineamento de Blocos Completos Casualizados (DBCC) Quando usar? Quando as unidades experimentais não apresentam características
Leia maisESCOLA SECUNDÁRIA JOSÉ SARAMAGO
ESCOLA SECUNDÁRIA JOSÉ SARAMAGO FÍSICA e QUÍMICA A 11º ano /1.º Ano 3º este de Avaliação Sumativa Feveeio 007 vesão Nome nº uma Data / / Duação: 90 minutos Pof. I Paa que se possa entende a lei descobeta
Leia maisMecânica. Conceito de campo Gravitação 2ª Parte Prof. Luís Perna 2010/11
Mecânica Gavitação 2ª Pate Pof. Luís Pena 2010/11 Conceito de campo O conceito de campo foi intoduzido, pela pimeia vez po Faaday no estudo das inteacções elécticas e magnéticas. Michael Faaday (1791-1867)
Leia maisTópicos Extras 1ª parte. Testes Não Paramétricos, Análise Multivariada, Outras Técnicas
Tópicos Extras 1ª parte Testes Não Paramétricos, Análise Multivariada, Outras Técnicas 1 2 Técnicas de dependência 3 4 Situações Comparar 3 tipos de rede de computadores, C1, C2 e C3, em termos do tempo
Leia maisLei de Gauss II Revisão: Aula 2_2 Física Geral e Experimental III Prof. Cláudio Graça
Lei de Gauss II Revisão: Aula 2_2 Física Geal e Expeimental III Pof. Cláudio Gaça Revisão Cálculo vetoial 1. Poduto de um escala po um veto 2. Poduto escala de dois vetoes 3. Lei de Gauss, fluxo atavés
Leia maisCRITÉRIOS GERAIS DE CLASSIFICAÇÃO
CRITÉRIOS GERAIS DE CLASSIFICAÇÃO Dado a pova apesenta duas vesões, o examinando teá de indica na sua folha de espostas a vesão a que está a esponde. A ausência dessa indicação implica a atibuição de zeo
Leia maisUFABC - Física Quântica - Curso Prof. Germán Lugones. Aula 14. A equação de Schrödinger em 3D: átomo de hidrogénio (parte 2)
UFABC - Física Quântica - Cuso 2017.3 Pof. Gemán Lugones Aula 14 A equação de Schödinge em 3D: átomo de hidogénio (pate 2) 1 Equação paa a função adial R() A equação paa a pate adial da função de onda
Leia maisProva Escrita de Matemática B
EXAME FINAL NACIONAL DO ENSINO SECUNDÁRIO Pova Escita de Matemática B 11.º Ano de Escolaidade Deceto-Lei n.º 139/01, de 5 de julho Pova 735/.ª Fase Citéios de Classificação 1 Páginas 016 Pova 735/.ª F.
Leia maisPlanejamento de Experimentos
Planejamento de Experimentos Analise de Variância (ANOVA) com um Fator Planejamento de Experimentos Muitas vezes é necessário obter informações sobre produtos e processos empiricamente. Trabalho assemelha-se
Leia mais. Essa força é a soma vectorial das forças individuais exercidas em q 0 pelas várias cargas que produzem o campo E r. Segue que a força q E
7. Potencial Eléctico Tópicos do Capítulo 7.1. Difeença de Potencial e Potencial Eléctico 7.2. Difeenças de Potencial num Campo Eléctico Unifome 7.3. Potencial Eléctico e Enegia Potencial Eléctica de Cagas
Leia maisANOVA. (Analysis of Variance) Prof. Dr. Guanis de Barros Vilela Junior
ANOVA (Analysis of Variance) Prof. Dr. Guanis de Barros Vilela Junior Para que serve a ANOVA? Para comparar três ou mais variáveis ou amostras. Por exemplo, queremos testar os efeitos cardiorrespiratórios
Leia maisBioexperimentação. Prof. Dr. Iron Macêdo Dantas
Governo do Estado do Rio Grande do Norte Secretaria de Estado da Educação e da Cultura - SEEC UNIVERSIDADE DO ESTADO DO RIO GRANDE DO NORTE UERN FACULDADE DE CIÊNCIAS EXATAS E NATURAIS FANAT DEPARTAMENTO
Leia mais4.4 Mais da geometria analítica de retas e planos
07 4.4 Mais da geometia analítica de etas e planos Equações da eta na foma simética Lembemos que uma eta, no planos casos acima, a foma simética é um caso paticula da equação na eta na foma geal ou no
Leia maisEXPERIMENTAÇÃO AGRÁRIA
EXPERIMENTAÇÃO AGRÁRIA Tema 4: Experimentos factoriais Definição Experimentos factoriais são aqueles que incluem todas as combinações possíveis de vários conjuntos de factores. Ex : Um experimento com
Leia maisAnálise da Variância. Prof. Dr. Alberto Franke (48)
Análise da Variância Prof. Dr. Alberto Franke (48) 91471041 Análise da variância Até aqui, a metodologia do teste de hipóteses foi utilizada para tirar conclusões sobre possíveis diferenças entre os parâmetros
Leia maisExame Final Nacional de Matemática A Prova 635 Época Especial Ensino Secundário º Ano de Escolaridade. Critérios de Classificação.
Exame Final Nacional de Matemática A Pova 635 Época Especial Ensino Secundáio 07.º Ano de Escolaidade Deceto-Lei n.º 39/0, de 5 de julho Citéios de Classificação 0 Páginas Pova 635/E. Especial CC Página
Leia maisAPÊNDICE. Revisão de Trigonometria
E APÊNDICE Revisão de Tigonometia FUNÇÕES E IDENTIDADES TRIGONOMÉTRICAS ÂNGULOS Os ângulos em um plano podem se geados pela otação de um aio (semi-eta) em tono de sua etemidade. A posição inicial do aio
Leia maisBIE5782. Unidade 7: INTRODUÇÃO AOS MODELOS LINEARES
BIE5782 Unidade 7: INTRODUÇÃO AOS MODELOS LINEARES ROTEIRO 1.Motivação 2. Método dos mínimos quadrados 3. Ajuste no R: função lm 4. Resultado no R: objeto lm 5. Premissas, interpretação e diagnóstico 6.
Leia maisMOVIMENTO DE SÓLIDOS EM CONTACTO PERMANENTE
1 1 Genealidades Consideemos o caso epesentado na figua, em que o copo 2 contacta com o copo 1, num ponto Q. Teemos então, sobepostos neste instante, um ponto Q 2 e um ponto Q 1, petencentes, espectivamente
Leia maisTeste F-parcial 1 / 16
Teste F-parcial Ingredientes A hipótese nula, H 0, define o modelo restrito. A hipótese alternativa, H a : H 0 é falsa, define o modelo irrestrito. SQR r : soma de quadrado dos resíduos associada à estimação
Leia maisProva Escrita de Matemática A
EXAME FINAL NACIONAL DO ENSINO SECUNDÁRIO Pova Escita de Matemática A.º Ano de Escolaidade Deceto-Lei n.º 9/0, de 5 de julho Pova 65/Época Especial Citéios de Classificação Páginas 05 Pova 65/ E. Especial
Leia maisEnergia no movimento de uma carga em campo elétrico
O potencial elético Imagine dois objetos eletizados, com cagas de mesmo sinal, inicialmente afastados. Paa apoximá-los, é necessáia a ação de uma foça extena, capaz de vence a epulsão elética ente eles.
Leia maisTeste F-parcial 1 / 16
Teste F-parcial A hipótese nula, H 0, define o modelo restrito. Ingredientes SQR r : soma de quadrado dos resíduos sob H 0. R 2 r: coeficiente de determinação sob H 0. g: número de restrições a serem testadas
Leia maisArranjo fatorial de tratamentos
Matéria Seca de Nódulos (mg/planta) Mario Andrade Lira Junior Estatística Aplicada à Agricultura 01- Exemplo gráfico com fator quantitativo Arranjo fatorial de tratamentos Características básicas Utilizável
Leia maisUNIVERSIDADE DE SÃO PAULO
UNIVERSIDADE DE SÃO PAULO ESCOLA SUPERIOR DE AGRICULTURA "LUIZ DE QUEIROZ" DEPARTAMENTO DE CIÊNCIAS EXATAS RELATÓRIO DE ATIVIDADE PRÁTICA Relatório da aula prática nº 2, da disciplina LCE602 - Estatística
Leia mais