Método dos mínimos quadrados Wikipédia, a enciclopédia livre
|
|
- Ian Juan das Neves Desconhecida
- 7 Há anos
- Visualizações:
Transcrição
1 1 de 5 25/12/ :27 Método dos mínimos quadrados Origem: Wikipédia, a enciclopédia livre. O Método dos Mínimos Quadrados, ou Mínimos Quadrados Ordinários (MQO) ou OLS (do inglês Ordinary Least Squares) é uma técnica de otimização matemática que procura encontrar o melhor ajuste para um conjunto de dados tentando minimizar a soma dos quadrados das diferenças entre o valor estimado e os dados observados (tais diferenças são chamadas resíduos). [1] É a forma de estimação mais amplamente utilizada na econometria. Consiste em um estimador que minimiza a soma dos quadrados dos resíduos da regressão, de forma a maximizar o grau de ajuste do modelo aos dados observados. Um requisito para o método dos mínimos quadrados é que o fator imprevisível (erro) seja distribuído aleatoriamente, essa distribuição seja normal e independente. O Teorema Gauss-Markov garante (embora indiretamente) que o estimador de mínimos quadrados é o estimador não-enviesado de mínima variância linear na variável resposta. Outro requisito é que o modelo é linear nos parâmetros, ou seja, as variáveis apresentam uma relação linear entre si. Caso contrário, deveria ser usado um modelo de regressão não-linear. Credita-se Carl Friedrich Gauss como o desenvolvedor das bases fundamentais do método dos mínimos quadrados, em 1795, quando Gauss tinha apenas dezoito anos. Entretanto, Adrien-Marie Legendre foi o primeiro a publicar o método em 1805, em seu Nouvelles méthodes pour la détermination des orbites des comètes. Gauss publicou suas conclusões apenas em [2][3][4] Índice 1 Regressão simples 1.1 Exemplo de regressão simples 2 Regressão múltipla 2.1 Exemplo de regressão múltipla 3 Premissas 4 Coeficiente de determinação R² 4.1 Exemplo de R² e R² ajustado 5 Teste de significância dos coeficientes 5.1 Exemplo de teste de significância dos coeficientes 6 Referências 7 Ver também 8 Ligações externas Regressão simples Queremos estimar valores de determinada variável. Para isso, consideramos os valores de outra variável conforme a fórmula: que acreditamos ter poder de explicação sobre onde: : Parâmetro do modelo chamado de constante (porque não depende de ). : Parâmetro do modelo chamado de coeficiente da variável. : Erro - representa a variação de que não é explicada pelo modelo. Também temos uma base de dados com valores observados de e de. Perceba que, usando a base de dados, e são vetores, ou seja, representam uma lista de valores, um para cada observação da base de dados. O método dos mínimos quadrados ajuda a encontrar as estimativas de e. Como o nome diz, serão somente estimativas desses parâmetros, porque o valor real dos parâmetros são desconhecidos. Portanto, ao fazer a estimativa, mudamos a notação de algumas variáveis: Para ilustrar isso, Heij [5] menciona: We do not know Greek but we can compute Latin Não sabemos grego, mas podemos calcular em latim Desse modo, ao estimar o modelo usando a base de dados, estamos estimando, na verdade: onde indica cada uma das observações da base de dados e passa a ser chamado de resíduo, ao invés de erro. Em alguns livros, a notação para as estimativas dos parâmetros é um pouco diferente. Ao invés de substituir a letra, apenas adiciona-se o símbolo chapéu ( ).
2 2 de 5 25/12/ :27 O método dos mínimos quadrados minimiza a soma dos quadrado dos resíduos, ou seja, minimiza. A ideia por trás dessa técnica é que, minimizando a soma do quadrado dos resíduos, encontraremos e que trarão a menor diferença entre a previsão de e o realmente observado. Substituindo por, temos: A minimização se dá ao derivar em relação a e e igualar a zero: Distribuindo e dividindo a primeira expressão por temos: onde é a média amostral de e é a média amostral de. Substituindo esse resultado na segunda expressão temos: Alguns livros também usam uma fórmula diferente que gera o mesmo resultado: Exemplo de regressão simples Considere a seguinte base de dados: Consumo Renda
3 3 de 5 25/12/ :27 Aplicando as fórmulas acima, chega-se em: portanto, Interpretação: Tirando a parte do Consumo que não é influenciada pela Renda, o incremento de $ 1 na Renda causa um incremento esperado de $ 0,4954 no Consumo. Regressão múltipla A regressão múltipla apresenta um funcionamento parecido com o da regressão simples, porém, leva em consideração diversas variáveis explicativas influenciando ao mesmo tempo: Ao usar a base de dados com variáveis explicativas e observações, o modelo pode ser escrito na forma matricial:, onde representa o valor da -ésima variável da -ésima observação. A fórmula também pode ser escrita na forma resumida: A solução de mínimos quadrados continua sendo alcançada através da minimização da soma do quadrado dos erros, que pode ser reescrito como, onde o apóstrofe significa que a matriz foi transposta. Substituindo por, temos: A minimização se dá ao derivar em relação a e igualar a zero. O primeiro termo não depende de, os segundo e terceiro termos são iguais e o terceiro termo é uma forma quadrática dos elementos de. Exemplo de regressão múltipla Considere a base de dados usada no exemplo da regressão simples, porém, acrescente mais uma variável explicativa (taxa de juros): Consumo Renda Taxa de Juros ,5% ,0% ,5% ,0% ,0% ,0% ,5% ,0% ,0% ,5%
4 4 de 5 25/12/ :27 Aplicando a fórmula acima, chega-se em: portanto, Interpretação: Tirando a parte do Consumo que não é influenciada pela Taxa de Juros, o incremento de $ 1 na Renda causa um incremento esperado de $ 0,6136 no Consumo; além disso, o incremento de 1 ponto percentual (0,01) na Taxa de Juros causa um decréscimo esperado de $ 10,3441 no Consumo. Premissas Ao usar o método dos mínimos quadrados, assumimos algumas premissas a respeito das variáveis: Os regressores são fixos: As variáveis da matriz não são estocásticas. Erro é aleatório com média 0: O erro é aleatório e sua esperança. Homoscedasticidade: A variância do erro é constante. Ver também: heteroscedasticidade Sem correlação: Não existe correlação entre os erros das observações, ou seja, para qualquer. Parâmetros são constantes: e são valores fixos desconhecidos. Modelo é linear: Os dados da variável dependente foram gerados pelo processo linear. Erro tem distribuição normal: O erro é distribuído conforme a curva de distribuição normal. Caso alguma dessas premissas não seja verdadeira, o método pode gerar resultados sub-ótimos ou com viés. Coeficiente de determinação R² O Coeficiente de determinação, também chamado de R² é uma medida de qualidade do modelo em relação à sua habilidade de estimar corretamente os valores da variável resposta., sendo SQres o Somatório dos Quadrados dos Resíduos e SQtot o Somatório dos Quadrados Total ou R² ajustado: Exemplo de R² e R² ajustado Usando os dados do exemplo de regressão múltipla, podemos calcular: Isso significa que 88,729% da variância de é explicada pela variância de. Teste de significância dos coeficientes Se uma variável realmente possui poder explicativo sobre, seu coeficiente deve ser estatísticamente diferente de zero. Ou seja, deve ser suficientemente maior ou menor do que zero para que tenhamos confiança de que a variável realmente possui poder explicativo. Caso isso não seja verdade, a variável poderia ser retirada do modelo sem que exista grande perda da sua qualidade. Para verificar se os coeficientes são significantes, levamos em consideração que o estimador tem distribuição normal centrada em e com variância, onde é a variância do erro. Ou seja: Porém, como o erro não é observado, usamos a aproximação amostral :, onde representa o número de variáveis explicativas mais a constante. Considerando que a hipótese nula é a de que, então a estatística t para a variável j é:
5 5 de 5 25/12/ :27, onde é o j-ésimo elemento da diagonal de. Aplicando o valor de na curva acumulada da distribuição t de Student com graus de liberdade, pode-se obter o nível de confiança necessário para que a hipótese nula seja rejeitada. Ver também: Testes de hipóteses Exemplo de teste de significância dos coeficientes Usando os dados do exemplo de regressão múltipla, podemos calcular: Na distribuição t de Student com 7 (10-2-1) graus de liberdade, o valor de que garante um nível de confiança de 95% é 2,3646. Como é maior que 2,3646, a hipótese nula de que é rejeitada com, pelo menos 95% de confiança. O mesmo também ocorre para. Referências 1. Universidade de Berkeley, Econometrics Laboratory Software Archive. Regression Analysis ( (em Inglês). Página visitada em 18/05/ (em inglês) Indiana University Bloomington, Human Intelligence, Karl Friedrich Gauss ( ), German Mathematician [1] ( /gauss.shtml) 3. Memória, José M. P. (2004). Breve História da Estatística ( (em Inglês). Embrapa Informação Tecnológica. Página visitada em 11/05/ Stigler, S. M.. The History of Statistics: The Measurement of Uncertainty before [S.l.]: Harvard University Press, p. 5. HEIJ, Christiaan; DE BOER, Paul; FRANSES, Philip Hans; KLOEK, Teun; VAN DIJK, Herman K. Econometric Methods with Applications in Business and Economics. OXFORD, 2004 Ver também Mínimos quadrados generalizados - MQG Máxima verossimilhança Método dos momentos generalizados - MMG Regressão Econometria Decomposição em Valores Singulares - a técnica computacional moderna para regressão e projeção ortogonal. As funcoes Scilab: svd, sva e contra-barra (backslash) Ligações externas (em inglês) - (em inglês) - (em inglês) - (em inglês) - O operador contrabarra ou '\' no Scilab Obtida de " Categorias: Econometria Álgebra linear Estatística Menu de navegação Esta página foi modificada pela última vez à(s) 17h57min de 10 de outubro de Este texto é disponibilizado nos termos da licença Atribuição-Partilha nos Mesmos Termos 3.0 não Adaptada (CC BY-SA 3.0); pode estar sujeito a condições adicionais. Consulte as condições de uso para mais detalhes.
Regressão linear múltipla. Prof. Tatiele Lacerda
Regressão linear múltipla Prof Tatiele Lacerda Yi = B + Bx + B3X3 + u Plano de resposta E(Y i ) = 0,00 Y i i 0 (,33;,67) Y i 0 X i Xi X p i, p i 3 Modelo de regressão linear múltipla em termos matriciais,
Leia maisAnálise 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 maisCorrelação e Regressão linear simples
Metodologia de Diagnóstico e Elaboração de Relatório FASHT Correlação e Regressão linear simples Prof. Cesaltina Pires cpires@uevora.pt Plano da Apresentação Correlação linear Diagrama de dispersão Covariância
Leia maisPlano da Apresentação. Correlação e Regressão linear simples. Correlação linear. Associação entre hábitos leitura e escolaridade.
Metodologia de Diagnóstico e Elaboração de Relatório FASHT Correlação e Plano da Apresentação Correlação linear Diagrama de dispersão Covariância Coeficiente de correlação de Pearson Teste de correlação
Leia maisAnálise de Regressão. Notas de Aula
Análise de Regressão Notas de Aula 2 Modelos de Regressão Modelos de regressão são modelos matemáticos que relacionam o comportamento de uma variável Y com outra X. Quando a função f que relaciona duas
Leia maisRegressão Linear Múltipla
UNIVERSIDADE FEDERAL DO PARÁ INSTITUTO DE CIÊNCIAS EATAS E NATURAIS FACULDADE DE ESTATÍSTICA DISCIPLINA: Estatística Aplicada PROFESSORES: Heliton Tavares e Regina Madruga ALUNO: Wemenson avier Trabalho
Leia maisCapítulo 4 Inferência Estatística
Capítulo 4 Inferência Estatística Slide 1 Resenha Intervalo de Confiança para uma proporção Intervalo de Confiança para o valor médio de uma variável aleatória Intervalo de Confiança para a variância de
Leia maisComo rodar a regressão no gretl. Usando o Console para calcular elasticidade. Elasticidade. Usando o Console para calcular predição
Como rodar a regressão no gretl Alguns tópicos do gretl Usando o console: Comando: ols y const 3 Estima uma função linear usando o método de Mínimos Quadrados Ordinários. Elasticidade Intuição: resposta
Leia maisREGRESSÃO. Análise de Correlação
REGRESSÃO Linear, Não linear, simples e múltipla Análise de Correlação 2 Correlação Indica a força e a direção do relacionamento linear entre dois atributos Trata-se de uma medida da relação entre dois
Leia maisé 4. Portanto, o desvio padrão é 2. Neste caso 100% dos valores da população estão a um desvio padrão da média.
Desvio Padrão From Wikipedia, the free encyclopedia probabilidade e estatística, o desvio padrão de uma distribuição de probabilidade, de uma variável aleatória, ou população é uma medida do espalhamento
Leia maisIV Regressão e correlação IV.4. (cont.) Significância Estatística e Regressão Múltipla
IV Regressão e correlação IV.4. (cont.) Significância Estatística e Regressão Múltipla Significância Estatística Existe uma estatítica, o t-estatístico,associado a cada estimativa O t-estatístico mede
Leia maisModelos de Probabilidade e Inferência Estatística
Modelos de Probabilidade e Inferência Estatística Departamento de Estatística Universidade Federal da Paraíba Prof. Tarciana Liberal (UFPB) Aula Distribuições Qui-quadrado, t-student e F de Snedecor 04/14
Leia maisAula 8 Intervalos de confiança para proporções amostras grandes
Aula 8 Intervalos de confiança para proporções amostras grandes Objetivos Na aula anterior, foram apresentadas as idéias básicas da estimação por intervalos de confiança. Para ilustrar o princípio utilizado
Leia maisPara mais de duas variáveis independentes, em função de uma variável dependente.
MÉTODOS QUANTlTATlVOS APLlCADOS À CONTABlLlDADE Prof. Héber Lavor Moreira Plano de Aula TEMA: REGRESSÃO MÚLTlPLA - Caso Multiplan S/A lntrodução Em muitos casos uma variável pode estar relacionada com
Leia maisCapítulo 5. Inferência no Modelo de Regressão Simples: Estimação de Intervalos, Teste de Hipóteses e Previsão
Capítulo 5 Inferência no Modelo de Regressão Simples: Estimação de Intervalos, Teste de Hipóteses e Previsão Hipóteses do Modelo de Regressão Linear Simples RS1. y x e t 1 t t RS. RS3. RS4. RS5. RS6. Ee
Leia maisIND 1115 Inferência Estatística Aula 8
Conteúdo IND 5 Inferência Estatística Aula 8 Setembro 4 Mônica Barros O - aproximação da Binomial pela Este teorema é apenas um caso particular do teorema central do limite, pois uma variável aleatória
Leia maisME613 - Análise de Regressão
ME613 - Análise de Regressão Parte 12 Regressão Não-Linear Samara F. Kiihl - IMECC - UNICAMP file:///users/imac/documents/github/me613-unicamp/me613-unicamp.github.io/aulas/slides/parte13/parte13.html#1
Leia maisAula 6 Propagação de erros
Aula 6 Propagação de erros Conteúdo da aula: Como estimar incertezas de uma medida indireta Como realizar propagação de erros? Exemplo: medimos A e B e suas incertezas. Com calcular a incerteza de C, se
Leia maisME613 - Análise de Regressão
3222016 ME613 - Análise de Regressão 3222016 ME613 - Análise de Regressão ME613 - Análise de Regressão Parte 4 Transformações Samara F. Kiihl - IMECC - UNICAMP file:usersimacdocumentsgithubme613-unicampme613-unicamp.github.ioaulasslidesparte04parte04.html
Leia maisLinha Técnica Sessão IV Variáveis Instrumentais
Impact Evaluation Linha Técnica Sessão IV Variáveis Instrumentais Human Development Human Network Development Network Middle East and North Africa Region World Bank Institute Spanish Impact Evaluation
Leia maisCapacidade preditiva como critério para determinação do número de componentes principais em Seleção Genômica Ampla
Capacidade preditiva como critério para determinação do número de componentes principais em Seleção Genômica Ampla Filipe Ribeiro Formiga Teixeira 13 Mayra Marques Bandeira 13 Moysés Nascimento 1 Ana Carolina
Leia maisEstimação. Como definir um estimador. Como obter estimativas pontuais. Como construir intervalos de confiança
Estimação Como definir um estimador. Como obter estimativas pontuais. Como construir intervalos de confiança Motivação A partir da média de uma a amostra em uma colheita recente, o conselho de qualidade
Leia maisAULA 04 Estimativas e Tamanhos Amostrais
1 AULA 04 Estimativas e Tamanhos Amostrais Ernesto F. L. Amaral 27 de agosto de 2012 Faculdade de Filosofia e Ciências Humanas (FAFICH) Universidade Federal de Minas Gerais (UFMG) Fonte: Triola, Mario
Leia maisCAPÍTULO 8. de Variância - ANOVA ANOVA. Análise
CAPÍTULO 8 Análise de Variância - UFRGS Os testes de hipótese apresentados até aqui limitaram-se à comparação de duas médias ou duas variâncias. Contudo, há situações onde se deseja comparar várias médias,
Leia maisPLANO DE ENSINO CONTEÚDO PROGRAMÁTICO. Unidade 1: MEDIDAS E GRANDEZAS. 1.1.- Introdução. 1.2.- Padrões usados para avaliar grandezas físicas
PLANO DE ENSINO FACULDADE: CIÊNCIAS DA SAÚDE DE JUIZ DE FORA CURSO: FARMÁCIA Período: 2º DISCIPLINA: MATEMÁTICA E BIOESTATÍSTICA Ano: 2015 CARGA HORÁRIA: 40 H PRÉ-REQUISITO: - SEMANAL: 02 T TOTAL: 02 AULAS
Leia maisTeste de Hipótese e Intervalo de Confiança. Parte 2
Teste de Hipótese e Intervalo de Confiança Parte 2 Questões para discutirmos em sala: O que é uma hipótese estatística? O que é um teste de hipótese? Quem são as hipóteses nula e alternativa? Quando devemos
Leia mais3 Modelos de Simulação
43 3 Modelos de Simulação 3.1 Simulação de Monte Carlo O método de Monte Carlo foi concebido com este nome nos anos 40 por John Von Neumann, Stanislaw Ulam e Nicholas Metropolis durante o projeto de pesquisa
Leia maisINTRODUÇÃO À INFERÊNCIA ESTATÍSTICA. Prof. Anderson Rodrigo da Silva anderson.silva@ifgoiano.edu.br
INTRODUÇÃO À INFERÊNCIA ESTATÍSTICA Prof. Anderson Rodrigo da Silva anderson.silva@ifgoiano.edu.br Tipos de Pesquisa Censo: é o levantamento de toda população. Aqui não se faz inferência e sim uma descrição
Leia maisMatrizes. matriz de 2 linhas e 2 colunas. matriz de 3 linhas e 3 colunas. matriz de 3 linhas e 1 coluna. matriz de 1 linha e 4 colunas.
Definição Uma matriz do tipo m n (lê-se m por n), com m e n, sendo m e n números inteiros, é uma tabela formada por m n elementos dispostos em m linhas e n colunas. Estes elementos podem estar entre parênteses
Leia maisAnálise estatística. Aula de Bioestatística. 17/9/2008 (2.ª Parte) Paulo Nogueira
Análise estatística Aula de Bioestatística 17/9/2008 (2.ª Parte) Paulo Nogueira Testes de Hipóteses Hipótese Estatística de teste Distribuição da estatística de teste Decisão H 0 : Não existe efeito vs.
Leia maisDesvio Padrão ou Erro Padrão
NOTAS METODOLÓGICAS ISSN 0871-3413 ArquiMed, 2006 Desvio Padrão ou Erro Padrão Nuno Lunet, Milton Severo, Henrique Barros Serviço de Higiene e Epidemiologia da Faculdade de Medicina da Universidade do
Leia maisConteúdo. 1 Introdução. Histograma do Quinto Sorteio da Nota Fiscal Paraná 065/16. Quinto Sorteio Eletrônico da Nota Fiscal Paraná
Quinto Sorteio Eletrônico da Nota Fiscal Paraná Relatório parcial contendo resultados 1 da análise estatística dos bilhetes premiados Conteúdo 1 Introdução Este documento apresenta a análise dos resultados
Leia maisConteúdo. 1 Introdução. Histograma do 1o Sorteio da Nota Fiscal Paraná 152/15. 1º Sorteio Eletrônico da Nota Fiscal Paraná
1º Sorteio Eletrônico da Nota Fiscal Paraná Relatório parcial contendo resultados 1 da análise estatística dos bilhetes premiados Conteúdo 1 Introdução Este relatório apresenta uma análise estatística
Leia maisMatrizes e Sistemas Lineares. Professor: Juliano de Bem Francisco. Departamento de Matemática Universidade Federal de Santa Catarina.
e Aula Zero - Álgebra Linear Professor: Juliano de Bem Francisco Departamento de Matemática Universidade Federal de Santa Catarina agosto de 2011 Outline e e Part I - Definição: e Consideremos o conjunto
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 maisBIOESTATÍSTICA. Parte 1 - Estatística descritiva e análise exploratória dos dados
BIOESTATÍSTICA Parte 1 - Estatística descritiva e análise exploratória dos dados Aulas Teóricas de 17/02/2011 a 03/03/2011 1.1. População, amostra e dados estatísticos. Dados qualitativos e quantitativos
Leia maisPlanejamento e Análise Estatística de Experimentos Fatoriais em blocos completos
Planejamento e Análise Estatística de Experimentos Fatoriais em blocos completos Contexto Já vimos como analisar um experimento em blocos na presença de um único fator de interesse. Podemos ter experimentos
Leia maisRegressão, Interpolação e Extrapolação Numéricas
, e Extrapolação Numéricas Departamento de Física Universidade Federal da Paraíba 29 de Maio de 2009, e Extrapolação Numéricas O problema Introdução Quem é quem Um problema muito comum na física é o de
Leia maisContabilometria. Análise Discriminante
Contabilometria Análise Discriminante Fonte: Corrar, L. J.; Theóphilo, C. R. Pesquisa Operacional para Decisão em Contabilidade e Administração, Editora Atlas, São Paulo, 010 Cap. 3 Análise Discriminante
Leia maisMétodos Quantitativos Aplicados a Custos Análise Estatística como um auxiliar valioso nas decisões
Métodos Quantitativos Aplicados a Custos Análise Estatística como um auxiliar valioso nas decisões Que métodos estatísticos podem auxiliar as análises de custos? Qual a relação entre regressão e correlação?
Leia maisProbabilidade III. Ulisses U. dos Anjos. Departamento de Estatística Universidade Federal da Paraíba. Período 2014.1
Probabilidade III Ulisses U. dos Anjos Departamento de Estatística Universidade Federal da Paraíba Período 2014.1 Ulisses Umbelino (DE-UFPB) Probabilidade III Período 2014.1 1 / 42 Sumário 1 Apresentação
Leia maisÁlgebra Linear I - Aula 20
Álgebra Linear I - Aula 0 1 Matriz de Mudança de Base Bases Ortonormais 3 Matrizes Ortogonais 1 Matriz de Mudança de Base Os próximos problemas que estudaremos são os seguintes (na verdade são o mesmo
Leia maisSEEC UNIVERSIDADE DO ESTADO DO RIO GRANDE DO NORTE UERN FACULDADE DE CIÊNCIAS EXATAS E NATURAIS FANAT DEPARTAMENTO DE CIÊNCIAS BIOLÓGICAS DECB
Governo do Estado do Rio Grande do Norte Secretaria de Estado da Educação e da Cultura - SEEC UNVERSDADE DO ESTADO DO RO GRANDE DO NORTE UERN FACULDADE DE CÊNCAS EXATAS E NATURAS FANAT DEPARTAMENTO DE
Leia maisAvaliação e Desempenho Aula 1 - Simulação
Avaliação e Desempenho Aula 1 - Simulação Introdução à simulação Geração de números aleatórios Lei dos grandes números Geração de variáveis aleatórias O Ciclo de Modelagem Sistema real Criação do Modelo
Leia maisAULAS 19, 20, 21 E 22 Análise de Regressão Múltipla com Informações Qualitativas
1 AULAS 19, 20, 21 E 22 Análise de Regressão Múltipla com Informações Qualitativas Ernesto F. L. Amaral 13, 18, 20 e 25 de maio de 2010 Métodos Quantitativos de Avaliação de Políticas Públicas (DCP 030D)
Leia maisAula 1 Variáveis aleatórias contínuas
Aula 1 Variáveis aleatórias contínuas Objetivos: Nesta aula iremos estudar as variáveis aleatórias contínuas e você aprenderá os seguintes conceitos: função de densidade de probabilidade; função de distribuição
Leia maisAULA 11 Experimentos Multinomiais e Tabelas de Contingência
1 AULA 11 Experimentos Multinomiais e Tabelas de Contingência Ernesto F. L. Amaral 24 de setembro de 2012 Faculdade de Filosofia e Ciências Humanas (FAFICH) Universidade Federal de Minas Gerais (UFMG)
Leia maisMedidas de Localização
MATEMÁTICA APLICADA ÀS CIÊNCIAS SOCIAIS RESUMO Estatística 2 Medidas de Localização e Dispersão 10º ano Cláudia Henriques Medidas de Localização Estatísticas Medidas que se calculam a partir dos dados
Leia maisInversão de Matrizes
Inversão de Matrizes Prof. Márcio Nascimento Universidade Estadual Vale do Acaraú Centro de Ciências Exatas e Tecnologia Curso de Licenciatura em Matemática Disciplina: Álgebra Matricial - 2014.2 13 de
Leia maisProbabilidade e Estatística, 2009/2
Probabilidade e Estatística, 2009/2 CCT - UDESC Prof. Fernando Deeke Sasse Problemas Resolvidos - Testes de Hipóteses 1. Uma empresa de manufatura têxtil está testando rolos de fio que o fornecedor afirma
Leia maisTestes de variância e Análise de Variância (ANOVA)
Testes de variância e Análise de Variância (ANOVA) Introdução à Inferência Estatística Introdução à Inferência Estatística TESTE DE VARIÂNCIAS E DISTRIBUIÇÃO F Testes sobre variâncias Problema: queremos
Leia maisAnálise de Regressão Múltipla com informação qualitativa: variáveis binárias (dummy)
Análise de Regressão Múltipla com informação qualitativa: variáveis binárias (dummy) 1 Como descrever informações qualitativas? Fatores qualitativos podem ser incorporados a modelos de regressão. Neste
Leia maisDeterminantes. ALGA 2008/2009 Mest. Int. Eng. Electrotécnica Determinantes 1 / 17
Capítulo 4 Determinantes ALGA 2008/2009 Mest Int Eng Electrotécnica Determinantes 1 / 17 Definições Seja M n n o conjunto das matrizes quadradas reais (ou complexas) de ordem n Chama-se determinante de
Leia maisTeorema do Limite Central e Intervalo de Confiança
Probabilidade e Estatística Teorema do Limite Central e Intervalo de Confiança Teorema do Limite Central Teorema do Limite Central Um variável aleatória pode ter uma distribuição qualquer (normal, uniforme,...),
Leia maisCurso de Análise Estatística Comparação entre variáveis contínuas: correlação e regressão Linear
NÚCLEO DE ESTATÍSTICA E METODOLOGIA APLICADAS Desenvolvendo conhecimento para a excelência dos cuidados em saúde mental UNIVERSIDADE FEDERAL DE SÃO PAULO Curso de Análise Estatística Comparação entre variáveis
Leia maisTécnicas estatísticas para análise de dados e de resultados de modelos de simulação
Parte XIV Técnicas estatísticas para análise de dados e de resultados de modelos de simulação A saída de um modelo de simulação geralmente constitui-se de VA s, muitas das quais podem ter variância grande.
Leia maisAULA 32 Problemas Adicionais de Especificação e de Dados
1 AULA 32 Problemas Adicionais de Especificação e de Dados Ernesto F. L. Amaral Metodologia de Pesquisa (DCP 854B) Fonte: Wooldridge, Jeffrey M. Introdução à econometria: uma abordagem moderna. São Paulo:
Leia maisAula 12: Correlação e Regressão
Aula 12: Correlação e Regressão Sumário Aula 12: Correlação e Regressão... 1 12.l Correlação... 2 12.2 Diagrama de dispersão... 2 12.3 Correlação linear... 3 12.3.1 Coeficiente de correlação linear...
Leia maisAULA 12 Inferência a Partir de Duas Amostras
1 AULA 12 Inferência a Partir de Duas Amostras Ernesto F. L. Amaral 15 de setembro de 2011 Metodologia de Pesquisa (DCP 854B) Fonte: Triola, Mario F. 2008. Introdução à estatística. 10 ª ed. Rio de Janeiro:
Leia maisIntervalos Estatísticos para Uma Única Amostra
Intervalos Estatísticos para Uma Única Amostra OBJETIVOS DE APRENDIZAGEM Depois de um cuidadoso estudo deste capítulo, você deve ser capaz de: 1.Construir intervalos de confiança para a média de uma distribuição
Leia maisDistribuições Conjuntas (Tabelas de Contingência)
Cruzamento de Dados Distribuições Conjuntas (Tabelas de Contingência) Lorí Viali, Dr. DESTAT/FAMAT/PUCRS viali@pucrs.br http://www.pucrs.br/famat/viali Distribuição Conjunta Exemplo (tabela um) Suponha
Leia maisLição 5 Medidas Descritivas Medidas de Dispersão
99 Lição 5 Medidas Descritivas Medidas de Dispersão Após concluir o estudo desta lição, esperamos que você possa: identifi car o objetivo das medidas de dispersão; identifi car o conceito de variância;
Leia maisA Significância Estatística do Proger na Redução da Taxa de Desemprego por Haroldo Feitosa Tajra
A Significância Estatística do Proger na Redução da Taxa de Desemprego por Haroldo Feitosa Tajra 1. INTRODUÇÃO O objetivo desta análise é verificar a significância estatística das aplicações do Programa
Leia maisESCOLA SUPERIOR DE TECNOLOGIA DE VISEU
INSTITUTO POLITÉCNICO DE VISEU ESCOLA SUPERIOR DE TECNOLOGIA DE VISEU Departamento Matemática Disciplina Matemática I Curso Gestão de Empresas Ano 1 o Ano Lectivo 2007/2008 Semestre 1 o Apontamentos Teóricos:
Leia maisAULAS 14 E 15 Modelo de regressão simples
1 AULAS 14 E 15 Modelo de regressão simples Ernesto F. L. Amaral 18 e 23 de outubro de 2012 Avaliação de Políticas Públicas (DCP 046) Fonte: Wooldridge, Jeffrey M. Introdução à econometria: uma abordagem
Leia mais25 a 30 de novembro de 2013
LSD Introdução à Programa de Pós-Graduação em Estatística e Experimentação Agronômica ESALQ/USP 25 a 30 de novembro de 2013 LSD 1 2 3 LSD 4 Parte 2 - Conteúdo LSD Quando o F da ANOVA está sendo utilizado
Leia maisMOQ 13 PROBABILIDADE E ESTATÍSTICA. Professor: Rodrigo A. Scarpel
MOQ 13 PROBABILIDADE E ESTATÍSTICA Professor: Rodrigo A. Scarpel rodrigo@ita.br www.mec.ita.br/~rodrigo Probabilidade e Estatística The Science of collecting and analyzing data for the purpose of drawing
Leia maisIntrodução. Ou seja, de certo modo esperamos que haja uma certa
UNIVERSIDADE FEDERAL DA PARAÍBA Teste de Independência Luiz Medeiros de Araujo Lima Filho Departamento de Estatística Introdução Um dos principais objetivos de se construir uma tabela de contingência,
Leia maisErros e Incertezas. Rafael Alves Batista Instituto de Física Gleb Wataghin Universidade Estadual de Campinas (Dated: 10 de Julho de 2011.
Rafael Alves Batista Instituto de Física Gleb Wataghin Universidade Estadual de Campinas (Dated: 10 de Julho de 2011.) I. INTRODUÇÃO Quando se faz um experimento, deseja-se comparar o resultado obtido
Leia maisDIREÇÃO DO VENTO E SEU SIGMA- CALMARIAS
DIREÇÃO DO VENTO E SEU SIGMA- CALMARIAS No campo da Poluição do Ar, a direção do vento é muito importante, pois indica para onde está indo a massa de ar que leva consigo os poluentes. Em Poluição do Ar,
Leia maisPARTE I - EVOLUÇÃO DO PENSAMENTO. Curso Análise de Dados e Políticas Públicas. Ementa. Metodologia. Plano de Aula
Curso Análise de Dados e Políticas Públicas Professor: Pablo Cerdeira Ementa O que Matemática tem a ver com Direito? Muita coisa. Neste curso de Análise de Dados e Políticas Públicas abordaremos três importantes
Leia maisEntão, a distribuição de converge para a distribuição normal com média nμ e variância nσ 2
Aula 6 Distribuição amostral da proporção Nesta aula você verá uma importante aplicação do Teorema Central do Limite: iremos estudar a distribuição amostral de proporções. Assim, você verá os resultados
Leia maisTEORIA E PRÁTICA DO FILTRO DE KALMAN
Universidade Estadual do Oeste do Paraná Parque Tecnológico Itaipu Centro de Engenharias e Ciências Exatas Curso de Extensão TEORIA E PRÁTICA DO FILTRO DE KALMAN Prof. Carlos Henrique Farias dos Santos
Leia maisExemplo Turbinas de Avião
Exemplo Turbinas de Avião Gilberto A. Paula Departamento de Estatística IME-USP, Brasil giapaula@ime.usp.br 2 o Semestre 2015 G. A. Paula (IME-USP) Turbinas de Avião 2 o Semestre 2015 1 / 29 Turbinas de
Leia maiscuja distribuição é t de Student com n 1 graus de liberdade.
Aula 13 Teste de hipótese sobre a média de uma população normal σ 2 desconhecida Objetivos: Nesta aula você completará seu estudo básico sobre testes de hipóteses, analisando a situação relativa a uma
Leia maisFicha de Exercícios nº 2
Nova School of Business and Economics Álgebra Linear Ficha de Exercícios nº 2 Matrizes, Determinantes e Sistemas de Equações Lineares 1 O produto de duas matrizes, A e B, é a matriz nula (mxn). O que pode
Leia maisMedidas de dispersão e assimetria
Metodologia de Diagnóstico e Elaboração de Relatório FASHT Medidas de dispersão e assimetria Profª Cesaltina Pires cpires@uevora.pt Plano da Apresentação Medidas de dispersão Variância Desvio padrão Erro
Leia maisCONHECIMENTOS ESPECÍFICOS
CONHECIMENTOS ESPECÍFICOS Em junho de 2014, o Brasil registrou 275,71 milhões de linhas ativas na telefonia móvel e teledensidade de 136,06 acessos por 100 habitantes. Além disso, nesse mesmo mês, houve
Leia maisAULAS 06, 07, 08 E 09 Análise de Regressão Múltipla: Estimação e Inferência
1 AULAS 06, 07, 08 E 09 Análise de Regressão Múltipla: Estimação e Inferência Ernesto F. L. Amaral 18, 23, 25 e 30 de março de 2010 Métodos Quantitativos de Avaliação de Políticas Públicas (DCP 030D) Fonte:
Leia maisTeste de hipóteses para médias e proporções amostrais
Teste de hipóteses para médias e proporções amostrais Prof. Marcos Pó Métodos Quantitativos para Ciências Sociais Intervalo de confiança: outro entendimento É o intervalo que contém o parâmetro que queremos
Leia maisRelatório das Provas da 2ª. Fase - Vestibular 2016
Relatório das Provas da 2ª. Fase - Vestibular 2016 Resumo Executivo O presente relatório apresenta os resultados da segunda fase do Vestibular UNICAMP 2016 constituída por três provas. Esta etapa do vestibular
Leia maisExemplo de heterocedasticidade. Heterocedasticidade. Gráficos residuais. Gráficos residuais. Gráficos residuais. Gráficos residuais
Heterocedasticidade de heterocedasticidade f(y x) y = β 0 + β x + β x + β k x k + u Outras formas de detectar heterocedasticidade E(y x) = β0 + β x x x x 3 x usq versus yhat (com ajustamento por mínimos
Leia maisO MODELO CLÁSSICO DE REGRESSÃO LINEAR (MCRL), O TEOREMA DE GAUSS- MARKOV E A VIOLAÇÃO DOS PRESSUPOSTOS.
ECONOMETRIA II INTRODUÇÃO ESTADO DE MATO GROSSO O MODELO CLÁSSICO DE REGRESSÃO LINEAR (MCRL), O TEOREMA DE GAUSS- MARKOV E A VIOLAÇÃO DOS PRESSUPOSTOS. Lindomar Pegorini Daniel 1 1. O Modelo Clássico de
Leia maisDepartamento de Matemática da Universidade de Coimbra Álgebra Linear e Geometria Analítica Engenharia Civil Ano lectivo 2005/2006 Folha 1.
Departamento de Matemática da Universidade de Coimbra Álgebra Linear e Geometria Analítica Engenharia Civil Ano lectivo 2005/2006 Folha 1 Matrizes 1 Considere as matrizes A = 1 2 3 2 3 1 3 1 2 Calcule
Leia maisExercícios de Aprofundamento Mat Polinômios e Matrizes
. (Unicamp 05) Considere a matriz A A e A é invertível, então a) a e b. b) a e b 0. c) a 0 e b 0. d) a 0 e b. a 0 A, b onde a e b são números reais. Se. (Espcex (Aman) 05) O polinômio q(x) x x deixa resto
Leia maisAula 12 Teste de hipótese sobre proporções amostras grandes
Aula 12 Teste de hipótese sobre proporções amostras grandes Objetivos Na aula anterior, você aprendeu a construir testes de hipóteses sobre a média de uma população normal com variância σ 2 conhecida.
Leia maisOnde: A é a matriz do sistema linear, X, a matriz das incógnitas e B a matriz dos termos independentes da equação
Onde: A é a matriz do sistema linear, X, a matriz das incógnitas e B a matriz dos termos independentes da equação À seguir eemplificaremos e analisaremos cada uma dessas três situações. : A X B Podemos
Leia maisPLANEJAMENTO SIMPLIFICADO DE PROJETOS
PLANEJAMENTO SIMPLIFICADO DE PROJETOS Nestor Nogueira de Albuquerque, MsC. Gestão e Desenvolvimento Regional V Encontro de Pós-GraduaP Graduação UNITAU 2005 Necessidade de um processo de Gestão de Projetos
Leia maisMatrizes. Sumário. 1 pré-requisitos. 2 Tipos de matrizes. Sadao Massago 2011-05-05 a 2014-03-14. 1 pré-requisitos 1. 2 Tipos de matrizes.
Matrizes Sadao Massago 20-05-05 a 204-03-4 Sumário pré-requisitos 2 Tipos de matrizes 3 Operações com matrizes 3 4 Matriz inversa e transposta 4 5 Determinante e traço 5 Neste texto, faremos uma breve
Leia maisProbabilidade e Estatística - EST0003 Intervalos Estatísticos para uma única Amostra
Probabilidade e Estatística - EST0003 Intervalos Estatísticos para uma única Amostra Fernando Deeke Sasse 14 de maio de 2010 Introdução Quão boa é uma dada estimação de um parâmetro? Suponha que estimamos
Leia maisCritérios Norteadores para o Processo Seletivo ao Programa de Pós-Graduação em Matemática da UFCG, no Curso de Mestrado, Modalidade Acadêmico
Critérios Norteadores para o Processo Seletivo ao Programa de Pós-Graduação em Matemática da UFCG, no Curso de Mestrado, Modalidade Acadêmico A Seleção para o Curso de Mestrado Acadêmico do Programa de
Leia maisAula 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 maisCarga Horária: 80 horas (correspondem a aulas e atividades extra-classe)
Curso: Economia Disciplina: ECONOMETRIA Turma 4ECO Carga Horária: 80 horas (correspondem a aulas e atividades extra-classe) Período Letivo: 2014/1 Professor: Hedibert Freitas Lopes (www.hedibert.org) OBJETIVO:
Leia maisLista de Exercícios MMC e MDC
Nota: Os exercícios desta aula são referentes ao seguinte vídeo Matemática Zero 2.0 - Aula 11 MMC e MDC (parte 1 de 1) Endereço: https://www.youtube.com/watch?v=l2k66gp-sm4 Gabarito e Resolução nas últimas
Leia maisUniversidade Federal do Amazonas Instituto de Ciências Exatas Departamento de Estatística
PLANO DE ENSINO 1. IDENTIFICAÇÃO Disciplina: PROBABILIDADE E ESTATÍSTICA Código: IEE001 Pré-Requisito: IEM011 - CÁLCULO I N O de Créditos: 4 Número de Aulas Teóricas: 60 Práticas: 0 Semestre: 1 O Ano:
Leia maisAULAS 08 E 09 Distribuição de Probabilidade Normal
1 AULAS 08 E 09 Distribuição de Probabilidade Normal Ernesto F. L. Amaral 02 e 09 de setembro de 2010 Metodologia de Pesquisa (DCP 854B) Fonte: Triola, Mario F. 2008. Introdução à estatística. 10 ª ed.
Leia maisMANUAL DO USUÁRIO SIMPLEX. Prof. Erico Fagundes Anicet Lisboa, M. Sc.
MANUAL DO USUÁRIO SIMPLEX Prof. Erico Fagundes Anicet Lisboa, M. Sc. erico@ericolisboa.eng.br Versão digital disponível na internet http://www.ericolisboa.eng.br RIO DE JANEIRO, RJ - BRASIL DEZEMBRO DE
Leia maisMINISTÉRIO DA EDUCAÇÃO UNIVERSIDADE FEDERAL DE PELOTAS FACULDADE DE AGRONOMIA ELISEU MACIEL DEPARTAMENTO DE ZOOTECNIA MELHORAMENTO ANIMAL
MINISTÉRIO DA EDUCAÇÃO UNIVERSIDADE FEDERAL DE PELOTAS FACULDADE DE AGRONOMIA ELISEU MACIEL DEPARTAMENTO DE ZOOTECNIA MELHORAMENTO ANIMAL MÉTODOS de SELEÇÃO INTRODUÇÃO Objetivos do Melhoramento Animal;
Leia maisa 21 a 22... a 2n... a n1 a n2... a nn
Projeto TEIA DO SABER 2006 UNESP Campus de Guaratinguetá Secretaria de Estado da Educação, SP. Diretoria de Ensino da Região de Guaratinguetá Coordenador Prof. Dr. José Ricardo Zeni Metodologias de Ensino
Leia mais