Regressão Linear - Introdução

Tamanho: px
Começar a partir da página:

Download "Regressão Linear - Introdução"

Transcrição

1 Regressão Lear - Itrodução Na aálse de regressão lear pretede-se estudar e modelar a relação (lear) etre duas ou mas varáves. Na regressão lear smples relacoam-se duas varáves, x e Y, através do modelo lear À varável Y chama-se varável depedete e à varável x varável depedete ou explcatva. Exemplos: º) O úmero de horas de estudo poderá está relacoado com a ota obtda pelo aluo. As horas de estudo é a varável depedete (x) e a ota obtda será a varável depedete (Y). º) A relação etre o º de fogos florestas (Y) e a temperatura máxma mesal (x).

2 Regressão Lear - Itrodução Na regressão lear múltpla pretede-se relacoar uma varável depedete Y com dversas varáves depedetes x, x,, x k através do modelo lear Y = β + β x + β x β 0 k x k Exemplos: º) O peso de uma pessoa depede da sua altura, mas certamete também depederá da sua dade, desdade dos ossos e perímetro da ctura. º) O cosumo de eerga depederá da temperatura mas também depede do preço da electrcdade.

3 Regressão Lear Smples - Correlação O poto de partda da aálse da regressão lear deve ser o estudo da exstêca (ou ão) de uma relação lear etre as varáves. Para estudar a relação etre duas varáves exstem métodos: - gráfcos: dagramas de dspersão - umércos: coefcete de correlação de pearso Método gráfco: Os dagramas de dspersão cosstem a represetação gráfca dos pares ordeados (x ;Y ) um sstema de exos cartesaos, de modo a observamos uma uvem de potos correspodetes à amostra obtda. Quato mas os potos represetados se ajustarem a uma recta, melhor será a relação lear etre as varáves. 3

4 Regressão Lear Smples - Correlação Exemplo: Num estudo realzado a 0 pessoas regstaram-se as suas dades e os íves de colesterol, tedo-se obtdo: Idade Colesterol 30,60 60,50 40,0 0,40 50,70 30,80 40,0 0,50 70,80 60,60 Dagrama de dspersão: colesterol,80,40,00, dade De uma forma tutva podemos coclur que parece exstr uma relação lear etre as varáves, que matematcamete 4 se traduzrá através de uma recta.

5 Regressão Lear Smples - Correlação Através dos segutes gráfcos pode-se coclur que: Y Y Y x x x Há uma forte correlação lear postva. Há uma forte correlação lear egatva. Há uma fraca correlação lear. 5

6 Regressão Lear Smples - Correlação Método umérco: O coefcete de correlação (amostral), ou coefcete de correlação lear de Pearso, é uma medda habtual do grau de assocação lear das varáves: ( x x)( y y) = R = = ( x x) ( y y) YY = = Y ode Y, e YY também podem ser defdos por: Y = = = = x y x y = = = YY = = x y ( ) x ( ) y = 6

7 Regressão Lear Smples - Correlação Iterpretação do coefcete de correlação (amostral): Este coefcete vara etre - e : R Quato maor for o valor absoluto de R, mas forte será a assocação lear etre as varáves. Se R estver próxmo de zero etão as varáves serão ão correlacoadas. Se R for postvo etão a relação lear é postva (x e Y varam o mesmo setdo) e se R for egatvo a relação lear é egatva (x e Y varam em setdos opostos). Se R for gual a ou - a relação lear será perfeta! - -0,8 0 0,8 Forte correlação lear egatva Fraca correlação lear Forte correlação lear postva 7

8 Regressão Lear Smples O modelo Objectvo: Quado exste uma forte correlação etre as varáves em estudo qual é a melhor relação lear etre as elas? Yˆ = ˆ β + ˆ β x ; ˆ β, ˆ β R 0 0 Método dos mímos quadrados: Um dos métodos mas utlzados para estmar a recta que melhor se ajusta aos valores observados é o método dos mímos quadrados. Este método cosste em determar os valores de e que mmzam a soma do quadrado dos erros (desvos dos valores observados Y dos valores obtdos pelo modelo ). Yˆ ˆβ 0 ˆβ 8

9 Regressão Lear Smples O modelo Y Ŷ Y e Yˆ = ˆ β + ˆ β x 0 ˆβ ˆβ Os valores de 0e que mmzam a soma do quadrado dos erros E = e = ( Y ˆ β β x ) = ˆ 0 = x x são dados por: ˆ β = Y e ˆ β 0 = Y ˆ β x 9

10 Regressão Lear Smples O modelo Exemplo: Pegado ovamete o exemplo das varáves Idade/Colesterol, verfca-se que: Idade Colesterol 30,60 60,50 40,0 0,40 50,70 30,80 40,0 0,50 70,80 60,60 0 x = 0 = x Model = = 40; 0400; (Costat) Idade 0 = y 0 = a. Depedet Varable: Colesterol = y. = Coeffcets a 47.4; 969 Ustadardzed Stadardzed Coeffcets Coeffcets B Std. Error Beta t Sg.,94,4 6,56,000,08,003,955 9,07,000 0 x = y = ^ 0 =, β 0 94 ^ =, β 0 08 ordeada a orgem declve da recta 0

11 Regressão Lear Smples O modelo Sedo a recta de regressão dada por: Colesterol = 0, , 08 * Idade

12 Regressão Lear Smples Avalação do modelo Estado o modelo de regressão lear estabelecdo tora-se ecessáro avalar a sua qualdade. Para sso exstem város métodos, gráfcos e umércos: Coefcete de determação Aálse de resíduos Teste ao declve da recta

13 Regressão Lear Smples Avalação do modelo Coefcete de determação R : É uma medda da proporção da varabldade de Y explcada pelo modelo de regressão lear, já que cosste a razão etre a soma dos quadrados dos resíduos e a soma dos quadrados total. Por defção, o coefcete de determação é: Y R = = YY ode já foram defdos aterormete e se tem: Y, e YY R T R = ( Yˆ Y ) e = ( Y Y ) = T = 3

14 Regressão Lear Smples Avalação do modelo O coefcete de determação é smplesmete o quadrado do coefcete de correlação amostral. R só pode assumr valores etre 0 e : 0 R Em geral, se a relação etre x e Y for fortemete lear R deve assumr um valor próxmo de (superor a 0.9). No etato, se R estver próxmo de zero deve-se ter cudado com as coclusões a trar. Pode ão sgfcar que o modelo de regressão lear esteja desajustado. 4

15 Regressão Lear Smples Avalação do modelo Exemplo: Cosderado ovamete o exemplo das varáves Idade/Colesterol, verfca-se que : = YY Y 769 ; =.456; = R = e R logo. = Model Summary No SPSS: Model Adjusted Std. Error of R R Square R Square the Estmate,955 a,9,900,6493 a. Predctors: (Costat), Idade Coefcete de correlação Coefcete de determação 5

16 Regressão Lear Smples Avalação do modelo Aálse dos resíduos: Este método de aálse da qualdade do modelo de regressão cosste em represetar grafcamete os valores predtos versus resíduos, Y ˆ;. ( ) e Se ajustameto for bom, os potos represetados ão devem apresetar qualquer correlação ou padrão: devem ser ormas, com varâca costate e depedetes. O dagrama de resíduos deve apresetar uma macha de potos aleatóros e com a mesma dspersão em toro do exo dos xx. 6

17 Regressão Lear Smples Avalação do modelo x Exemplo: No exemplo que tem sdo cosderado, efectuado as prevsões e calculado os erros correspodetes obtém-se: Y Yˆ 30,6,76-0,6 60,5,60-0,0 40,,04 0,6 0,4,48-0,08 50,7,3 0,38 30,8,76 0,04 40,,04 0,06 0,5,48 0,0 70,8,88-0,08 60,6,60 0,00 e = Y Yˆ 7

18 Regressão Lear Smples Avalação do modelo Teste ao declve da recta: Esta aálse da qualdade de ajustameto do modelo de regressão lear é o fudo a resposta à questão: Será que Y depede mesmo de x? Para respoder a esta perguta realza-se o teste de hpóteses: H : β = 0 vs H : β 0 0 A forma mas smples de se tomar uma decsão é usado a estatístca MQ F = MQ R E e o p-value que resultam da tabela ANOVA. Deve-se rejetar a hpótese ula, e portato assumr que x flueca Y, se o p-value for baxo (meor do que 0.05). 8

19 Regressão Lear Smples ANOVA ANOVA Aalyss of Varace A aálse da varâca, um modelo de regressão lear, cosste em separar a varabldade das observações em duas parcelas: varabldade devda à regressão e a varabldade resdual. = ( Y Y ) = ( Yˆ Y ) + ( Y Y ) ˆ = = = + T R E O sgfcado da regressão é tato maor quato maor for R e meor for E. Usualmete esta formação é agrupada uma tabela: tabela ANOVA. 9

20 Regressão Lear Smples ANOVA Tabela ANOVA Fotes de varação Varações (Somas dos desvos quadrátcos) Graus de Lberdade (Nº de varáves depedetes) Desvos Quadrátcos Médos Regressão R MQ R = R Resdual E MQ E E = Total T 0

21 Regressão Lear Smples ANOVA Exemplo: A tabela ANOVA do exemplo das varáves Idade/Colesterol é dada (o SPSS) por: Model Regresso Resdual Total a. Predctors: (Costat), Idade b. Depedet Varable: Colesterol ANOVA b Sum of Squares df Mea Square F Sg.,38,38 8,9,000 a,8 8,07,456 9 Coclusão: ( ) A estatístca F toma o valor 8,9,38/ 0,07 e o p-value do teste é ulo. Por assumr um valor baxo, pode-se coclur que faz setdo utlzar um modelo de regressão lear etre estas varáves.

22 Regressão Lear Múltpla O modelo Um modelo de regressão lear múltpla descreve a relação (lear) etre um cojuto de varáves depedetes,,,, k, e uma varável depedete Y: Y = β + β x + β x β 0 k x k Para estmar coefcetes do modelo,, pode-se aplcar ovamete o método dos mímos quadrados e mmzar a soma do quadrado dos erros: β 0, β,..., β k ( Y ˆ β ˆ β x +... ˆ β x ) E = + 0 = k k

23 3 Regressão Lear Múltpla O modelo Após a realzação dos cálculos adequados, os estmadores dos coefcetes são dados pelas soluções das gualdades: ode. k k Y k Y k x x Y k k k k k β β β β β β β ˆ... ˆ ˆ ˆ... ˆ... ˆ... ˆ 0 = = + + = + + ( ) = = q p q p q p q p

24 Regressão Lear Múltpla O modelo Exemplo: Supodo agora que o ível de colesterol uma pessoa depede da sua dade e também do seu peso, regstou-se o peso das 0 pessoas aalsadas aterormete. Idade Peso Colesterol 30 57, , ,0 0 67, , , ,0 0 64, , ,60 Model (Costat) dade peso Ustadardzed Coeffcets a. Depedet Varable: colesterol Coeffcets a Stadardzed Coeffcets B Std. Error Beta t Sg.,88,4,458,66,09,003,958 0,438,000,0,006,7,878,03 Cosderado x como sedo a varável Idade e x a varável Peso, o modelo é: Y ˆ = x x 4

25 Regressão Lear Múltpla Avalação do modelo Novamete exstem dversos métodos para aalsar a qualdade de ajustameto do modelo de regressão lear múltpla e a sua sgfcâca: Coefcete de determação (ajustado) Aálse gráfca das prevsões e dos resíduos Teste ao sgfcado da regressão 5

26 Regressão Lear Múltpla Avalação do modelo Coefcete de determação (ajustado): O coefcete de determação, para a regressão múltpla, é defdo de forma aáloga ao da regressão smples: Tal como aterormete se o ajustameto do modelo for bom, R estará próxmo de. R = R T No etato: Na regressão múltpla já ão se tem o quadrado de ehum coefcete de correlação. Ao troduzrmos ovas varáves depedetes o modelo o valor de R aumeta, o que pode duzr em erro uma vez que mutas varáves pode ão sgfcar um melhor modelo. Para cotorar o problema é usual cosderar o coefcete de determação ajustado. 6

27 Regressão Lear Múltpla Avalação do modelo O coefcete de determação ajustado defe-se pela expressão: R a = ( ) E ( k ) T ode k represeta o º de varáves depedetes o modelo. Exemplo: No exemplo ateror tem-se R = 0.94, o que represeta boas dcações quato à qualdade do modelo. Model Model Summary b Adjusted Std. Error of R R Square R Square the Estmate,970 a,94,94,4379 a. Predctors: (Costat), peso, dade b. Depedet Varable: colesterol 7

28 Regressão Lear Múltpla Avalação do modelo Aálse gráfca: Como o modelo de regressão múltpla é uma hpersuperfíce, em sempre é possível verfcar smultaeamete o comportameto de Y em fução das dversas varáves depedetes. Normalmete aalsa-se a relação etre Y e cada uma das varáves x dvdualmete, através dos respectvos dagramas de dspersão. Um outro método gráfco muto utlzado cosste em represetar grafcamete as observações versus os valores prevstos. Se o modelo for adequado, os valores prevstos devem estar próxmos dos observados e portato o dagrama de dspersão deve coter todos os Y = Y potos próxmos da recta. x Yˆ 8

29 Regressão Lear Múltpla Avalação do modelo Exemplo: No exemplo ateror verfca-se que os potos estão próxmos da recta, o que sugere que o modelo cosderado ão será desajustado. Y = x ( Y ; ˆ ) Y Colesterol Observado Prevsto Y Yˆ,60,66,50,6,0,7,40,48,70,40,80,73,0,4,50,45,80,83,60,64 9

30 Regressão Lear Múltpla Avalação do modelo A aálse dos resíduos é completamete aáloga à da regressão lear smples: quato mas aleatóra for a dsposção dos potos em toro do exo das abcssas melhor será a qualdade do modelo. ( Y ˆ; ) e Exemplo: Ao lado ecotra-se represetado o dagrama dos resíduos do exemplo ateror. 30

31 Regressão Lear Múltpla Avalação do modelo Teste ao sgfcado da regressão: Pretede-se com esta aálse testar se tem sgfcado cosderar o modelo de regressão todas as varáves depedetes x,,x k. As hpóteses a cosderar são: H : β =... = β = 0 vs H : Algumβ 0 k j 0 MQ F = MQ R Mas uma vez deve-se usar a estatístca e o p-value que decorre da tabela ANOVA para tomar uma decsão. Rejeta-se a hpótese ula, e assume-se que há varáves depedetes a fluecar Y, se o p-value for baxo ( 0.05). E 3

32 Regressão Lear Múltpla ANOVA A terpretação da tabela ANOVA é aáloga ao caso da regressão smples e o cotexto da regressão lear múltpla é dada por: Fotes de varação Regressão Resdual Varações (Somas dos desvos quadrátcos) R E Graus de Lberdade (Nº de varáves depedetes) k k Desvos Quadrátcos Médos MQ = R R k E MQ = E k Total T 3

33 Regressão Lear Múltpla ANOVA Exemplo: A tabela ANOVA do exemplo cosderado é dada por: Model Regresso Resdual Total ANOVA b Sum of Squares df Mea Square F Sg.,3,56 55,897,000 a,45 7,0,456 9 a. Predctors: (Costat), peso, dade b. Depedet Varable: colesterol Como o p-value do teste é zero, poderá fazer setdo utlzar um modelo de regressão lear com todas estas varáves depedetes. 33

Capítulo 2 O conceito de Função de Regressão Populacional (FRP) e Função de Regressão Amostral (FRA)

Capítulo 2 O conceito de Função de Regressão Populacional (FRP) e Função de Regressão Amostral (FRA) I Metodologa da Ecoometra O MODELO CLÁSSICO DE REGRESSÃO LINEAR. Formulação da teora ou da hpótese.. Especfcação do modelo matemátco da teora. 3. Especfcação do modelo ecoométrco da teora. 4. Obteção de

Leia mais

CURSO SOBRE MEDIDAS DESCRITIVA Adriano Mendonça Souza Departamento de Estatística - UFSM -

CURSO SOBRE MEDIDAS DESCRITIVA Adriano Mendonça Souza Departamento de Estatística - UFSM - CURSO SOBRE MEDIDAS DESCRITIVA Adrao Medoça Souza Departameto de Estatístca - UFSM - O telecto faz pouco a estrada que leva à descoberta. Acotece um salto a coscêca, chame-o você de tução ou do que quser;

Leia mais

Estatística - exestatmeddisper.doc 25/02/09

Estatística - exestatmeddisper.doc 25/02/09 Estatístca - exestatmeddsper.doc 5/0/09 Meddas de Dspersão Itrodução ão meddas estatístcas utlzadas para avalar o grau de varabldade, ou dspersão, dos valores em toro da méda. ervem para medr a represetatvdade

Leia mais

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

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

Leia mais

Matemática Ficha de Trabalho

Matemática Ficha de Trabalho Matemátca Fcha de Trabalho Meddas de tedêca cetral - 0º ao MEDIDAS DE LOCALIZAÇÃO Num estudo estatístco, depos de recolhdos e orgazados os dados, há a ase de trar coclusões através de meddas que possam,

Leia mais

3 - ANÁLISE BIDIMENSIONAL

3 - ANÁLISE BIDIMENSIONAL INE 7001 - Aálse Bdmesoal 1 3 - ANÁLISE BIDIMENSIONAL É comum haver teresse em saber se duas varáves quasquer estão relacoadas, e o quato estão relacoadas, seja a vda prátca, seja em trabalhos de pesqusa,

Leia mais

ANÁLISE DE REGRESSÃO E CORRELAÇÃO

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

Leia mais

Probabilidade e Estatística. Correlação e Regressão Linear

Probabilidade e Estatística. Correlação e Regressão Linear Probabldade e Estatístca Correlação e Regressão Lnear Varáves Varável: característcas ou tens de nteresse de cada elemento de uma população ou amostra Também chamada parâmetro, posconamento, condção...

Leia mais

2-0,0041295**.C 2 + 0,0017052**.T.C

2-0,0041295**.C 2 + 0,0017052**.T.C 14. Itrodução ao estudo de regressão lear smples 14.1. Itrodução Itrodução ao estudo de regressão lear smples IS 78,9137 -,341836**.T +,78753**.C -,7154**.T -,4195**.C +,175**.T.C R 77,17% IS, % Fgura

Leia mais

CAPÍTULO 9 - Regressão linear e correlação

CAPÍTULO 9 - Regressão linear e correlação INF 6 Prof. Luz Alexadre Peterell CAPÍTULO 9 - Regressão lear e correlação Veremos esse capítulo os segutes assutos essa ordem: Correlação amostral Regressão Lear Smples Regressão Lear Múltpla Correlação

Leia mais

Medidas de Localização

Medidas de Localização 07/08/013 Udade : Estatístca Descrtva Meddas de Localzação João Garbald Almeda Vaa Cojuto de dados utlzação de alguma medda de represetação resumo dos dados. E: Um cojuto com 400 observações como aalsar

Leia mais

É o quociente da divisão da soma dos valores das variáveis pelos números deles:

É o quociente da divisão da soma dos valores das variáveis pelos números deles: Meddas de Posção. Itrodução Proª Ms. Mara Cytha O estudo das dstrbuções de requêcas, os permte localzar a maor cocetração de valores de uma dstrbução. Porém, para ressaltar as tedêcas característcas de

Leia mais

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

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

Leia mais

Econometria: 3 - Regressão Múltipla

Econometria: 3 - Regressão Múltipla Ecoometra: 3 - Regressão Múltpla Prof. Marcelo C. Mederos mcm@eco.puc-ro.br Prof. Marco A.F.H. Cavalcat cavalcat@pea.gov.br Potfíca Uversdade Católca do Ro de Jaero PUC-Ro Sumáro O modelo de regressão

Leia mais

Análise de Regressão

Análise de Regressão Aálse de Regressão Prof. Paulo Rcardo B. Gumarães. Itrodução Os modelos de regressão são largamete utlzados em dversas áreas do cohecmeto, tas como: computação, admstração, egeharas, bologa, agrooma, saúde,

Leia mais

Prof. Lorí Viali, Dr. PUCRS FAMAT: Departamento de Estatística Prof. Lorí Viali, Dr. PUCRS FAMAT: Departamento de Estatística

Prof. Lorí Viali, Dr. PUCRS FAMAT: Departamento de Estatística Prof. Lorí Viali, Dr. PUCRS FAMAT: Departamento de Estatística Prof. Lorí Val, Dr. http://www.pucrs.br/famat/val/ val@pucrs.br Prof. Lorí Val, Dr. PUCRS FAMAT: Departameto de Estatístca Prof. Lorí Val, Dr. PUCRS FAMAT: Departameto de Estatístca Obetvos A Aálse de

Leia mais

REGESD Prolic Matemática e Realidade- Profª Suzi Samá Pinto e Profº Alessandro da Silva Saadi

REGESD Prolic Matemática e Realidade- Profª Suzi Samá Pinto e Profº Alessandro da Silva Saadi REGESD Prolc Matemátca e Realdade- Profª Suz Samá Pto e Profº Alessadro da Slva Saad Meddas de Posção ou Tedêca Cetral As meddas de posção ou meddas de tedêca cetral dcam um valor que melhor represeta

Leia mais

Licenciatura em Ciências USP/ Univesp funções polinomiais 4

Licenciatura em Ciências USP/ Univesp funções polinomiais 4 Lcecatura em Cêcas USP/Uvesp FUNÇÕES POLINOMIAIS 4 51 TÓPICO Gl da Costa Marques 4.1 Potecação 4. Fuções Polomas de grau 4.3 Fução Polomal do Segudo Grau ou Fução Quadrátca 4.4 Aálse da Forma Geral dos

Leia mais

tica Professor Renato Tião

tica Professor Renato Tião Números complexos Algumas equações do segudo grau como x + 1 = 0 ão possuem solução o uverso real e o estudo destas soluções ão pareca ecessáro até o século XVI quado o matemátco aphael Bombell publcou

Leia mais

CAPÍTULO 3 MEDIDAS DE TENDÊNCIA CENTRAL E VARIABILIDADE PPGEP Medidas de Tendência Central Média Aritmética para Dados Agrupados

CAPÍTULO 3 MEDIDAS DE TENDÊNCIA CENTRAL E VARIABILIDADE PPGEP Medidas de Tendência Central Média Aritmética para Dados Agrupados 3.1. Meddas de Tedêca Cetral CAPÍTULO 3 MEDIDA DE TENDÊNCIA CENTRAL E VARIABILIDADE UFRG 1 Há váras meddas de tedêca cetral. Etre elas ctamos a méda artmétca, a medaa, a méda harmôca, etc. Cada uma dessas

Leia mais

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

É o grau de associação entre duas ou mais variáveis. Pode ser: correlacional ou experimental. É o grau de assocação etre duas ou mas varáves. Pode ser: Prof. Lorí Val, Dr. val@pucrs.br http://www.pucrs.br/famat/val www.pucrs.br/famat/val/ correlacoal ou expermetal. Numa relação expermetal os valores

Leia mais

PROBABILIDADE E ESTATÍSTICA APLICADA À HIDROLOGIA

PROBABILIDADE E ESTATÍSTICA APLICADA À HIDROLOGIA UNIVERSIDADE DE ÉVORA DEPARTAMENTO DE ENGENHARIA RURAL PROBABILIDADE E ESTATÍSTICA APLICADA À HIDROLOGIA 0 ESTATÍSTICA E PROBABILIDADE APLICADA À HIDROLOGIA. Itrodução Nehum processo hdrológco é puramete

Leia mais

Estatística Descritiva

Estatística Descritiva Estatístca Descrtva Cocetos Báscos População ou Uverso Estatístco: coj. de elemetos sobre o qual cde o estudo estatístco; Característca Estatístca ou Atrbuto: a característca que se observa os elemetos

Leia mais

MEDIDAS DE POSIÇÃO: X = soma dos valores observados. Onde: i 72 X = 12

MEDIDAS DE POSIÇÃO: X = soma dos valores observados. Onde: i 72 X = 12 MEDIDAS DE POSIÇÃO: São meddas que possbltam represetar resumdamete um cojuto de dados relatvos à observação de um determado feômeo, pos oretam quato à posção da dstrbução o exo dos, permtdo a comparação

Leia mais

MEDIDAS DE DISPERSÃO:

MEDIDAS DE DISPERSÃO: MEDID DE DIPERÃO: fução dessas meddas é avalar o quato estão dspersos os valores observados uma dstrbução de freqüêca ou de probabldades, ou seja, o grau de afastameto ou de cocetração etre os valores.

Leia mais

1) Escrever um programa que faça o calculo de transformação de horas em minuto onde às horas devem ser apenas número inteiros.

1) Escrever um programa que faça o calculo de transformação de horas em minuto onde às horas devem ser apenas número inteiros. Dscpla POO-I 2º Aos(If) - (Lsta de Eercícos I - Bmestre) 23/02/2015 1) Escrever um programa que faça o calculo de trasformação de horas em muto ode às horas devem ser apeas úmero teros. Deverá haver uma

Leia mais

( k) Tema 02 Risco e Retorno 1. Conceitos Básicos

( k) Tema 02 Risco e Retorno 1. Conceitos Básicos FEA -USP Graduação Cêcas Cotábes EAC05 04_0 Profa. Joaíla Ca. Rsco e Retoro. Cocetos Báscos Rotero BE-cap.6 Tema 0 Rsco e Retoro. Cocetos Báscos I. O que é Retoro? II. Qual é o Rsco de um Atvo Idvdual

Leia mais

Estatística Básica - Continuação

Estatística Básica - Continuação Professora Adraa Borsso http://www.cp.utfpr.edu.br/borsso adraaborsso@utfpr.edu.br COEME - Grupo de Matemátca Meddas de Varabldade ou Dspersão Estatístca Básca - Cotuação As meddas de tedêca cetral, descrtas

Leia mais

2-Geometria da Programação Linear

2-Geometria da Programação Linear I 88 Otmzação Lear -Geometra da Programação Lear ProfFeradoGomde DC-FEEC-Ucamp Coteúdo. Poledros e cojutos coveos. Potos etremos vértces soluções báscas factíves 3. Poledros a forma padrão 4. Degeeração

Leia mais

ESCOLA SUPERIOR DE TECNOLOGIA E GESTÃO

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

Leia mais

NOTAS DE AULA - ESTATÍSTICA TEORIA DA AMOSTRAGEM ESTIMAÇÃO

NOTAS DE AULA - ESTATÍSTICA TEORIA DA AMOSTRAGEM ESTIMAÇÃO NOTAS DE AULA - ESTATÍSTICA TEORIA DA AMOSTRAGEM ESTIMAÇÃO ISABEL C. C. LEITE SALVADOR BA 007 Estatístca Prof.ª Isabel C. C. Lete TEORIA DA AMOSTRAGEM DISTRIBUIÇÃO AMOSTRAL DOS ESTIMADORES A teora da amostragem

Leia mais

Gráfico de Controle de Regressão Aplicado ao Monitoramento de Características da Qualidade do Eletrodo de Carbono

Gráfico de Controle de Regressão Aplicado ao Monitoramento de Características da Qualidade do Eletrodo de Carbono Gráfco de Cotrole de Regressão Aplcado ao Motorameto de Característcas da Qualdade do Eletrodo de Carboo Marcello Neva de Mello, evamarcello@gmal.com Wager Rogéro Ferrera Phero, wager35@gmal.com Edso Marcos

Leia mais

Centro de massa, momento linear de sistemas de partículas e colisões

Centro de massa, momento linear de sistemas de partículas e colisões Cetro de massa, mometo lear de sstemas de partículas e colsões Prof. Luís C. Pera stemas de partículas No estudo que temos vdo a fazer tratámos os objectos, como, por exemplo, blocos de madera, automóves,

Leia mais

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

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

Leia mais

Interpolação. Exemplo de Interpolação Linear. Exemplo de Interpolação Polinomial de grau superior a 1.

Interpolação. Exemplo de Interpolação Linear. Exemplo de Interpolação Polinomial de grau superior a 1. Iterpolação Iterpolação é um método que permte costrur um ovo cojuto de dados a partr de um cojuto dscreto de dados potuas cohecdos. Em egehara e cêcas, dspõese habtualmete de dados potuas, obtdos a partr

Leia mais

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

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

Leia mais

MODELOS DE REGRESSÃO APLICADOS EM EPIDEMIOLOGIA I, II e III. (HEP- 5743, HEP-5763 e HEP-5764)

MODELOS DE REGRESSÃO APLICADOS EM EPIDEMIOLOGIA I, II e III. (HEP- 5743, HEP-5763 e HEP-5764) FACULDADE DE AÚDE PÚBLICA - UP DEPARTAMENTO DE EPIDEMIOLOGIA MODELO DE REGREÃO APLICADO EM EPIDEMIOLOGIA I, II e III (HEP- 5743, HEP-5763 e HEP-5764) Profa. Dra. MARIA DO ROARIO DIA DE OLIVEIRA LATORRE

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

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

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

Leia mais

INTRODUÇÃO ÀS PROBABILIDADES E ESTATÍSTICA

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

Leia mais

Módulo: Binômio de Newton e o Triângulo de Pascal. Binômio de Newton e o Triângulo de Pascal. 2 ano do E.M.

Módulo: Binômio de Newton e o Triângulo de Pascal. Binômio de Newton e o Triângulo de Pascal. 2 ano do E.M. Módulo: Bômo de Newto e o Trâgulo de Pascal Bômo de Newto e o Trâgulo de Pascal ao do EM Módulo: Bômo de Newto e o Trâgulo de Pascal Bômo de Newto e o Trâgulo de Pascal Exercícos Itrodutóros Exercíco Para

Leia mais

MODELOS DE REGRESSÃO APLICADOS EM EPIDEMIOLOGIA I, II e III. (HEP- 5743, HEP-5763 e HEP-5764)

MODELOS DE REGRESSÃO APLICADOS EM EPIDEMIOLOGIA I, II e III. (HEP- 5743, HEP-5763 e HEP-5764) FACULDADE DE AÚDE PÚBLICA - UP DEPARTAMENTO DE EPIDEMIOLOGIA MODELO DE REGREÃO APLICADO EM EPIDEMIOLOGIA I, II e III (HEP- 5743, HEP-5763 e HEP-5764) Profa. Dra. MARIA DO ROARIO DIA DE OLIVEIRA LATORRE

Leia mais

ANÁLISE DE REGRESSÃO LINEAR COM MODELO DIFUSO

ANÁLISE DE REGRESSÃO LINEAR COM MODELO DIFUSO ANÁLISE DE REGRESSÃO LINEAR COM MODELO DIFUSO Slva, Glso Mederos e; Bastos, Rogéro Cd; Marts, Aleadro * ; Pacheco *, Roberto C. S.; Programa de Pós-Graduação em Egehara de Produção PPGEP Uversdade Federal

Leia mais

MAE116 Noções de Estatística

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

Leia mais

Universidade Federal do Rio Grande FURG. Instituto de Matemática, Estatística e Física IMEF Edital 15 CAPES INTERPOLAÇÃO

Universidade Federal do Rio Grande FURG. Instituto de Matemática, Estatística e Física IMEF Edital 15 CAPES INTERPOLAÇÃO Uversdade Federal do Ro Grade FURG Isttuto de Matemátca, Estatístca e Físca IMEF Edtal CAPES INTERPOLAÇÃO Pro. Atôo Mauríco Mederos Alves Proª Dese Mara Varella Martez Matemátca Básca ara Cêcas Socas II

Leia mais

Sumário. Mecânica. Sistemas de partículas

Sumário. Mecânica. Sistemas de partículas umáro Udade I MECÂNICA 2- Cetro de massa e mometo lear de um sstema de partículas - stemas de partículas e corpo rígdo. - Cetro de massa. - Como determar o cetro de massa dum sstema de partículas. - Vetor

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

Faculdade de Economia, Administração e Contabilidade de Ribeirão Preto

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

Leia mais

Luis Felipe Dias Lopes, Dr. lflopes@smail.ufsm.br, phil.zaz@zaz.com.br D E - UFSM 2 0 0 3

Luis Felipe Dias Lopes, Dr. lflopes@smail.ufsm.br, phil.zaz@zaz.com.br D E - UFSM 2 0 0 3 APOSTILA ESTATÍSTICA Lus Felpe Das Lopes, Dr. lflopes@smal.ufsm.br, phl.zaz@zaz.com.br D E - UFSM 0 0 3 Sumáro Cocetos báscos. População x Amostra. Ceso x Amostragem.3 Dado x Varável.4 Parâmetros x estatístcas.5

Leia mais

4 Capitalização e Amortização Compostas

4 Capitalização e Amortização Compostas 4.1 Itrodução Quado queremos fazer um vestmeto, podemos depostar todos os meses uma certa quata em uma cadereta de poupaça; quado queremos comprar um bem qualquer, podemos fazê-lo em prestações, a serem

Leia mais

Distribuições Amostrais. Estatística. 8 - Distribuições Amostrais UNESP FEG DPD

Distribuições Amostrais. Estatística. 8 - Distribuições Amostrais UNESP FEG DPD Dstrbuções Amostras Estatístca 8 - Dstrbuções Amostras 08- Dstrbuções Amostras Dstrbução Amostral de Objetvo: Estudar a dstrbução da população costtuída de todos os valores que se pode obter para, em fução

Leia mais

Revisão de Estatística X = X n

Revisão de Estatística X = X n Revsão de Estatístca MÉDIA É medda de tedêca cetral mas comumete usada ara descrever resumdamete uma dstrbução de freqüêca. MÉDIA ARIMÉTICA SIMPLES São utlzados os valores do cojuto com esos guas. + +...

Leia mais

Apostila de Introdução Aos Métodos Numéricos

Apostila de Introdução Aos Métodos Numéricos Apostla de Itrodução Aos Métodos Numércos PARTE III o Semestre - Pro a. Salete Souza de Olvera Buo Ídce INTERPOAÇÃO POINOMIA...3 INTRODUÇÃO...3 FORMA DE AGRANGE... 4 Iterpolação para potos (+) - ajuste

Leia mais

13 ESTIMAÇÃO DE PARÂMETROS E DISTRIBUIÇÃO AMOSTRAL

13 ESTIMAÇÃO DE PARÂMETROS E DISTRIBUIÇÃO AMOSTRAL 3 ESTIMAÇÃO DE PARÂMETROS E DISTRIBUIÇÃO AMOSTRAL Como vto em amotragem o prmero bmetre, etem fatore que fazem com que a obervação de toda uma população em uma pequa eja mpratcável, muta veze em vrtude

Leia mais

Derivada de uma matriz em ordem a um escalar. Derivada de um escalar em ordem a uma matriz DERIVAÇÃO COM MATRIZES. Y = y m. X = x m X = y = = b.

Derivada de uma matriz em ordem a um escalar. Derivada de um escalar em ordem a uma matriz DERIVAÇÃO COM MATRIZES. Y = y m. X = x m X = y = = b. DEFINIÇÃO Dervada de uma matrz em ordem a um escalar [ ] Y = y m : ; y = f() z Y z = y : m z DEFINIÇÃO 2 Dervada de um escalar em ordem a uma matrz h = f( X ) ; [ ]: X = x m EXEMPLO [ y] h h m X = x :

Leia mais

INTERPRETANDO ALGUNS CONCEITOS DE PROBABILIDADE ESTATÍSTICA VIA ÁLGEBRA LINEAR

INTERPRETANDO ALGUNS CONCEITOS DE PROBABILIDADE ESTATÍSTICA VIA ÁLGEBRA LINEAR INTERPRETANDO ALGUNS CONCEITOS DE PROBABILIDADE ESTATÍSTICA VIA ÁLGEBRA LINEAR Hetor Achlles Dutra da Rosa - hetorachlles@yahoo.com.br Cetro Federal de Educação Tecológca Celso Suckow da Foseca CEFET/RJ

Leia mais

Parte 3 - Regressão linear simples

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

Leia mais

Vamos estudar o conceito de variabilidade absoluta considerando o conjunto de notas obtidas por cinco alunos:

Vamos estudar o conceito de variabilidade absoluta considerando o conjunto de notas obtidas por cinco alunos: Medidas de Disperção Itrodução: - Observamos ateriormete que as medidas de tedêcia cetral são usadas para resumir, em um úico úmero, aquele parâmetro que será o represetate do cojuto de dados. Estas medidas

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

( ) ( IV ) n ( ) Escolha a alternativa correta: A. III, II, I, IV. B. II, III, I, IV. C. IV, III, I, II. D. IV, II, I, III. E. Nenhuma das anteriores.

( ) ( IV ) n ( ) Escolha a alternativa correta: A. III, II, I, IV. B. II, III, I, IV. C. IV, III, I, II. D. IV, II, I, III. E. Nenhuma das anteriores. Prova de Estatístca Epermetal Istruções geras. Esta prova é composta de 0 questões de múltpla escolha a respeto dos cocetos báscos de estatístca epermetal, baseada os lvros BANZATTO, A.D. e KRONKA, S.N.

Leia mais

A esse tipo de tabela, cujos elementos não foram numericamente organizados, denominamos tabela primitiva.

A esse tipo de tabela, cujos elementos não foram numericamente organizados, denominamos tabela primitiva. Dstrbução de Frequênca Tabela prmtva ROL Suponhamos termos feto uma coleta de dados relatvos à estaturas de quarenta alunos, que compõem uma amostra dos alunos de um colégo A, resultando a segunte tabela

Leia mais

MEDIDAS DE DISPERSÃO 9. MEDIDAS DE DISPERSÃO

MEDIDAS DE DISPERSÃO 9. MEDIDAS DE DISPERSÃO Núcleo das Cêcas Bológcas e da Saúde Cursos de Bomedca, Ed. Físca, Efermagem, Farmáca, Fsoterapa, Fooaudologa, Medca Veterára, Muscoterapa, Odotologa, Pscologa MEDIDAS DE DISPERSÃO 9 9. MEDIDAS DE DISPERSÃO

Leia mais

Variáveis Indicadoras. Roteiro. Introdução

Variáveis Indicadoras. Roteiro. Introdução Varáves Indcadoras Rotero 1. Introdução 2. Varável Bnára de Intercepto 3. Varável de Interação 4. Aplcação 5. Varáves Qualtatvas com Váras Categoras 6. Referêncas Introdução Varáves Bnáras Modelo estenddo

Leia mais

Requisitos metrológicos de instrumentos de pesagem de funcionamento não automático

Requisitos metrológicos de instrumentos de pesagem de funcionamento não automático Requstos metrológcos de strumetos de pesagem de fucoameto ão automátco 1. Geeraldades As balaças estão assocadas de uma forma drecta à produção do betão e ao cotrolo da qualdade do mesmo. Se são as balaças

Leia mais

Condutos livres Escoamento uniforme em canais

Condutos livres Escoamento uniforme em canais J. Gabrel F. Smões Pro. Egehero Codutos lres Escoameto uorme em caas O escoameto uorme em caas obedece as segutes codções: prouddade da água, a área da seção trasersal, a dstrbução das elocdades em todas

Leia mais

A REGRESSÃO LINEAR EM EVENTOS HIDROLÓGICOS EXTREMOS: enchentes

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

Leia mais

Momento Linear duma partícula

Momento Linear duma partícula umáro Udade I MECÂNICA 2- Cetro de massa e mometo lear de um sstema de partículas - Mometo lear de uma partícula e de um sstema de partículas. - Le fudametal da dâmca para um sstema de partículas. - Impulso

Leia mais

UNICAMP - 2004. 2ª Fase MATEMÁTICA BERNOULLI COLÉGIO E PRÉ-VESTIBULAR

UNICAMP - 2004. 2ª Fase MATEMÁTICA BERNOULLI COLÉGIO E PRÉ-VESTIBULAR UNICAMP - 004 ª Fase MATEMÁTICA BERNOULLI COLÉGIO E PRÉ-VESTIBULAR Matemática Questão 01 Em uma sala há uma lâmpada, uma televisão [TV] e um aparelho de ar codicioado [AC]. O cosumo da lâmpada equivale

Leia mais

Centro de massa Dinâmica do corpo rígido

Centro de massa Dinâmica do corpo rígido Cetro de assa Dâca do corpo rígdo Nota: As fotografas assaladas co () fora retradas do lvro () A. Bello, C. Portela e H. Caldera Rtos e Mudaça, Porto edtora. As restates são retradas de Sears e Zeasky

Leia mais

Prof. Eugênio Carlos Stieler

Prof. Eugênio Carlos Stieler http://www.uemat.br/eugeo Estudar sem racocar é trabalho 009/ TAXA INTERNA DE RETORNO A taa tera de retoro é a taa que equalza o valor presete de um ou mas pagametos (saídas de caa) com o valor presete

Leia mais

A finalidade de uma equação de regressão seria estimar valores de uma variável, com base em valores conhecidos da outra.

A finalidade de uma equação de regressão seria estimar valores de uma variável, com base em valores conhecidos da outra. Jaete Pereira Amador Itrodução A aálise de regressão tem por objetivo descrever através de um modelo matemático, a relação existete etre duas variáveis, a partir de observações dessas viráveis. A aálise

Leia mais

( ) ( ) ( ) ( ) ( ) 3 - INTRODUÇÃO À RESOLUÇÃO DE SISTEMAS NÃO LINEARES. Introdução.

( ) ( ) ( ) ( ) ( ) 3 - INTRODUÇÃO À RESOLUÇÃO DE SISTEMAS NÃO LINEARES. Introdução. 55 3 - INTRODUÇÃO À RESOLUÇÃO DE SISTEMAS NÃO LINEARES. Itrodução. No processo de resolução de um problema prático é reqüete a ecessidade de se obter a solução de um sistema de equações ão lieares. Dada

Leia mais

3. TESTES DE QUALIDADE DE AJUSTAMENTO

3. TESTES DE QUALIDADE DE AJUSTAMENTO Testes da qualdade de ajustameto 3 TESTES DE QULIDDE DE JUSTMENTO 3 Itrodução formação sobre o modelo da população dode se extra uma amostra costtu, frequetemete, um problema estatístco forma da dstrbução

Leia mais

Avaliação de Empresas Profa. Patricia Maria Bortolon

Avaliação de Empresas Profa. Patricia Maria Bortolon Avalação de Empresas MODELO DE DIVIDENDOS Dvdedos em um estáo DDM Dscouted Dvded Model Muto utlzados a precfcação de uma ação em que o poto de vsta do vestdor é extero à empresa e eralmete esse vestdor

Leia mais

ESTATÍSTICA Aula 7. Prof. Dr. Marco Antonio Leonel Caetano

ESTATÍSTICA Aula 7. Prof. Dr. Marco Antonio Leonel Caetano ESTATÍSTICA Aula 7 Prof. Dr. Marco Atoo Leoel Caetao Dstrbuções de Probabldade DISCRETAS CONTÍNUAS (Números teros) Bomal Posso Geométrca Hper-Geométrca Pascal (Números reas) Normal t-studet F-Sedecor Gama

Leia mais

b. As medidas de posição mais importantes são as medidas de tendência central. Dentre elas, destacamos: média aritmética, mediana, moda.

b. As medidas de posição mais importantes são as medidas de tendência central. Dentre elas, destacamos: média aritmética, mediana, moda. Meddas de Posção Introdução a. Dentre os elementos típcos, destacamos aqu as meddas de posção _ estatístcas que representam uma sére de dados orentando-nos quanto à posção da dstrbução em relação ao exo

Leia mais

Números Complexos. 2. (IME) Seja z um número complexo de módulo unitário que satisfaz a condição z 2n 1, onde n é um número inteiro positivo.

Números Complexos. 2. (IME) Seja z um número complexo de módulo unitário que satisfaz a condição z 2n 1, onde n é um número inteiro positivo. Números Complexos. (IME) Cosdere os úmeros complexos Z se α cos α e Z cos α se α ode α é um úmero real. Mostre que se Z Z Z etão R e (Z) e I m (Z) ode R e (Z) e I m (Z) dcam respectvamete as partes real

Leia mais

Capítulo 1: Erros em cálculo numérico

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

Leia mais

CAPÍTULO III. Aproximação de funções pelo método dos Mínimos Quadrados

CAPÍTULO III. Aproximação de funções pelo método dos Mínimos Quadrados Métodos Nuércos CAPÍULO III C. Balsa & A. Satos Aproxação de fuções pelo étodo dos Míos Quadrados. Algus cocetos fudaetas de Álgebra Lear Relebraos esta secção algus cocetos portates da álgebra Lear que

Leia mais

ESTATÍSTICA MULTIVARIADA 2º SEMESTRE 2010 / 11. EXERCÍCIOS PRÁTICOS - CADERNO 4 Regressão Linear

ESTATÍSTICA MULTIVARIADA 2º SEMESTRE 2010 / 11. EXERCÍCIOS PRÁTICOS - CADERNO 4 Regressão Linear ESTATÍSTICA MULTIVARIADA 2º SEMESTRE 2010 / 11 EERCÍCIOS PRÁTICOS - CADERNO 4 Regressão Lnear 4. EERCÍCIOS PARA RESOLVER NAS AULAS 4.1. O gestor de marketng duma grande cadea de supermercados quer determnar

Leia mais

FINANCIAMENTOS UTILIZANDO O EXCEL

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

Leia mais

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

CAPÍTULO 2 - Estatística Descritiva

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

Leia mais

16/03/2014. IV. Juros: taxa efetiva, equivalente e proporcional. IV.1 Taxa efetiva. IV.2 Taxas proporcionais. Definição:

16/03/2014. IV. Juros: taxa efetiva, equivalente e proporcional. IV.1 Taxa efetiva. IV.2 Taxas proporcionais. Definição: 6// IV. Juros: taxa efetva, equvalete e proporcoal Matemátca Facera Aplcada ao Mercado Facero e de Captas Professor Roaldo Távora IV. Taxa efetva Defção: É a taxa de juros em que a udade referecal de seu

Leia mais

Econometria: 4 - Regressão Múltipla em Notação Matricial

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

Leia mais

IND 1115 Inferência Estatística Aula 9

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

Leia mais

Apêndice 1-Tratamento de dados

Apêndice 1-Tratamento de dados Apêdce 1-Tratameto de dados A faldade deste apêdce é formar algus procedmetos que serão adotados ao logo do curso o que dz respeto ao tratameto de dados epermetas. erão abordados suctamete a propagação

Leia mais

ESTATÍSTICA MÓDULO 2 OS RAMOS DA ESTATÍSTICA

ESTATÍSTICA MÓDULO 2 OS RAMOS DA ESTATÍSTICA ESTATÍSTICA MÓDULO OS RAMOS DA ESTATÍSTICA Ídce. Os Ramos da Estatístca...3.. Dados Estatístcos...3.. Formas Icas de Tratameto dos Dados....3. Notação por Ídces...5.. Notação Sgma ()...5 Estatístca Módulo

Leia mais

ESCOLA SUPERIOR DE TECNOLOGIA UNIVERSIDADE DO ALGARVE

ESCOLA SUPERIOR DE TECNOLOGIA UNIVERSIDADE DO ALGARVE SCOLA SUPIO D CNOLOGIA UNIVSIDAD DO ALGAV CUSO BIÁPICO M NGNHAIA CIVIL º cclo egme Duro/Nocturo Dscpla de COMPLMNOS D MAMÁICA Ao lectvo de 7/8 - º Semestre Ídce. egressão lear múltpla.... Itrodução....

Leia mais

Caderno de Fórmulas. Swap

Caderno de Fórmulas. Swap Swap Elaboração: Abrl/25 Últma Atualzação: 5/4/216 Apresetação O adero de Fórmulas tem por objetvo oretar os usuáros do Módulo de, a compreesão da metodologa de cálculo e dos crtéros de precsão usados

Leia mais

Análise de Regressão e Correlação

Análise de Regressão e Correlação Aálse e Regressão e Correlação Fo já estuao a forma e escrever um cojuto e oservações e uma só varável. Quao se coseram oservações e uas ou mas varáves surge um ovo poto. O estuo as relações porvetura

Leia mais

Como CD = DC CD + DC = 0

Como CD = DC CD + DC = 0 (9-0 www.eltecampas.com.br O ELITE RESOLVE IME 008 MATEMÁTICA - DISCURSIVAS MATEMÁTICA QUESTÃO Determe o cojuto-solução da equação se +cos = -se.cos se + cos = se cos ( se cos ( se se.cos cos + + = = (

Leia mais

ESTATÍSTICA MÓDULO 3 MEDIDAS DE TENDÊNCIA CENTRAL

ESTATÍSTICA MÓDULO 3 MEDIDAS DE TENDÊNCIA CENTRAL ESTATÍSTICA MÓDULO 3 MEDIDAS DE TEDÊCIA CETRAL Ídce. Meddas de Tedêca Cetral...3 2. A Méda Artmétca Smles ( μ, )...3 3. A Méda Artmétca Poderada...6 Estatístca Módulo 3: Meddas de Tedêca Cetral 2 . MEDIDAS

Leia mais

Prof. Eugênio Carlos Stieler

Prof. Eugênio Carlos Stieler UNEMAT Uversdade do Estado de Mato Grosso Matemátca Facera http://www2.uemat.br/eugeo SÉRIE DE PAGAMENTOS 1. NOÇÕES SOBRE FLUXO DE CAIXA Prof. Eugêo Carlos Steler Estudar sem racocar é trabalho perddo

Leia mais

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

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

Leia mais

RESUMO E EXERCÍCIOS NÚMEROS COMPLEXOS ( )

RESUMO E EXERCÍCIOS NÚMEROS COMPLEXOS ( ) NÚMEROS COMPLEXOS Forma algébrca e geométrca Um úmero complexo é um úmero da forma a + b, com a e b reas e = 1 (ou, = -1), chamaremos: a parte real; b parte magára; e udade magára. Fxado um sstema de coordeadas

Leia mais

RELATÓRIO TRIMESTRAL FLUTUANTE ÚLTIMOS DADOS (CONJUNTO DE 3 MESES) FICHAS METODOLÓGICAS

RELATÓRIO TRIMESTRAL FLUTUANTE ÚLTIMOS DADOS (CONJUNTO DE 3 MESES) FICHAS METODOLÓGICAS RELATÓRIO TRIMESTRAL FLUTUANTE ÚLTIMOS AOS (CONJUNTO E 3 MESES) FICHAS METOOLÓGICAS GRÁFICO 1 INICAOR E ORMIAS E HÓSPEES NOS ESTABELECIMENTOS HOTELEIROS MÉIA MENSAL (VALORES HOMÓLOGOS) Número de dormdas

Leia mais

2 Procedimentos para Ajuste e Tratamento Estatístico de Dados Experimentais

2 Procedimentos para Ajuste e Tratamento Estatístico de Dados Experimentais 48 Procedmetos para Ajuste e Tratameto Estatístco de Dados Expermetas. Itrodução Modelos matemátcos desevolvdos para descrever eômeos íscos a partr de observações expermetas devem ser baseados em dados

Leia mais

Matemática C Semiextensivo V. 2

Matemática C Semiextensivo V. 2 Matemátca C Semetesvo V. Eercícos 0) Através da observação dreta do gráfco, podemos coclur que: a) País. b) País. c) 00 habtates. d) 00 habtates. e) 00 0 0 habtates. 0) C Através do gráfco, podemos costrur

Leia mais

Estatística: uma definição

Estatística: uma definição Prof. Lorí Val, Dr. val@ufrgs.br http://www.ufrgs.br/~val/ Estatístca: uma defção Coleção de úmeros estatístcas O úmero de carros veddos o país aumetou em 30%. A taa de desemprego atge, este mês, 7,5%.

Leia mais