Paradigmas em Estatística

Tamanho: px
Começar a partir da página:

Download "Paradigmas em Estatística"

Transcrição

1 Pedro A. Morettin Instituto de Matemática e Estatística Universidade de São Paulo pam

2 Sumário As Origens 1 As Origens

3 Paradigma As Origens Modelo, padrão a ser seguido. Um pressuposto filosófico, uma teoria, um conhecimento, que origina o estudo de um campo científico. Aquilo que os membros de uma comunidade científica partilham.

4 Probabilidade Início em 1654 com Fermat ( ), Pascal ( ): jogos de dados Huygens ( ): primeiro livro de probabilidade em Bayes ( ): primeira versão do Teorema de Bayes, publicado em 1763.

5 Probabilidade Início em 1654 com Fermat ( ), Pascal ( ): jogos de dados Huygens ( ): primeiro livro de probabilidade em Bayes ( ): primeira versão do Teorema de Bayes, publicado em 1763.

6 Probabilidade Início em 1654 com Fermat ( ), Pascal ( ): jogos de dados Huygens ( ): primeiro livro de probabilidade em Bayes ( ): primeira versão do Teorema de Bayes, publicado em 1763.

7 Gauss As Origens Gauss ( ) inventou o método de mínimos quadrados (MQ) na última década do século 18 (1795) e o usou regularmente depois de 1801 em cálculos astronômicos. Legendre ( ): publicou no apêndice de "Nouvelles Methodes pour la Détermination des Orbites des Còmetes". Nenhuma justificação. Gauss (1809): deu justificativa probabilística do método. Em "The Theory of the Motion of Heavenly Bodies". Gauss (1820): Theoria Combinationis Observationum Erroribus Minimis Obnoxiae".

8 Gauss As Origens Gauss ( ) inventou o método de mínimos quadrados (MQ) na última década do século 18 (1795) e o usou regularmente depois de 1801 em cálculos astronômicos. Legendre ( ): publicou no apêndice de "Nouvelles Methodes pour la Détermination des Orbites des Còmetes". Nenhuma justificação. Gauss (1809): deu justificativa probabilística do método. Em "The Theory of the Motion of Heavenly Bodies". Gauss (1820): Theoria Combinationis Observationum Erroribus Minimis Obnoxiae".

9 Gauss As Origens Gauss ( ) inventou o método de mínimos quadrados (MQ) na última década do século 18 (1795) e o usou regularmente depois de 1801 em cálculos astronômicos. Legendre ( ): publicou no apêndice de "Nouvelles Methodes pour la Détermination des Orbites des Còmetes". Nenhuma justificação. Gauss (1809): deu justificativa probabilística do método. Em "The Theory of the Motion of Heavenly Bodies". Gauss (1820): Theoria Combinationis Observationum Erroribus Minimis Obnoxiae".

10 Gauss As Origens Gauss ( ) inventou o método de mínimos quadrados (MQ) na última década do século 18 (1795) e o usou regularmente depois de 1801 em cálculos astronômicos. Legendre ( ): publicou no apêndice de "Nouvelles Methodes pour la Détermination des Orbites des Còmetes". Nenhuma justificação. Gauss (1809): deu justificativa probabilística do método. Em "The Theory of the Motion of Heavenly Bodies". Gauss (1820): Theoria Combinationis Observationum Erroribus Minimis Obnoxiae".

11 Bayes ou Laplace Laplace ( ): desenvolveu o Teorema de Bayes independentemente, publicado em : Théorie Analytique dés Probabilités: aplicações científicas e práticas. 1814: Essais Philosophiques sur les Probabilités: interpretação Bayesiana das probabilidades Inferência Laplaciana. Usada a partir de Fisher e Neyman: início do século 20. Jeffrey (1939). Theory of Probability. Considerado como o re-início da de Finetti, Savage, Lindley etc.

12 Bayes ou Laplace Laplace ( ): desenvolveu o Teorema de Bayes independentemente, publicado em : Théorie Analytique dés Probabilités: aplicações científicas e práticas. 1814: Essais Philosophiques sur les Probabilités: interpretação Bayesiana das probabilidades Inferência Laplaciana. Usada a partir de Fisher e Neyman: início do século 20. Jeffrey (1939). Theory of Probability. Considerado como o re-início da de Finetti, Savage, Lindley etc.

13 Bayes ou Laplace Laplace ( ): desenvolveu o Teorema de Bayes independentemente, publicado em : Théorie Analytique dés Probabilités: aplicações científicas e práticas. 1814: Essais Philosophiques sur les Probabilités: interpretação Bayesiana das probabilidades Inferência Laplaciana. Usada a partir de Fisher e Neyman: início do século 20. Jeffrey (1939). Theory of Probability. Considerado como o re-início da de Finetti, Savage, Lindley etc.

14 Bayes ou Laplace Laplace ( ): desenvolveu o Teorema de Bayes independentemente, publicado em : Théorie Analytique dés Probabilités: aplicações científicas e práticas. 1814: Essais Philosophiques sur les Probabilités: interpretação Bayesiana das probabilidades Inferência Laplaciana. Usada a partir de Fisher e Neyman: início do século 20. Jeffrey (1939). Theory of Probability. Considerado como o re-início da de Finetti, Savage, Lindley etc.

15 Bayes ou Laplace Laplace ( ): desenvolveu o Teorema de Bayes independentemente, publicado em : Théorie Analytique dés Probabilités: aplicações científicas e práticas. 1814: Essais Philosophiques sur les Probabilités: interpretação Bayesiana das probabilidades Inferência Laplaciana. Usada a partir de Fisher e Neyman: início do século 20. Jeffrey (1939). Theory of Probability. Considerado como o re-início da de Finetti, Savage, Lindley etc.

16 Bayes ou Laplace Laplace ( ): desenvolveu o Teorema de Bayes independentemente, publicado em : Théorie Analytique dés Probabilités: aplicações científicas e práticas. 1814: Essais Philosophiques sur les Probabilités: interpretação Bayesiana das probabilidades Inferência Laplaciana. Usada a partir de Fisher e Neyman: início do século 20. Jeffrey (1939). Theory of Probability. Considerado como o re-início da de Finetti, Savage, Lindley etc.

17 Bayes ou Laplace Laplace ( ): desenvolveu o Teorema de Bayes independentemente, publicado em : Théorie Analytique dés Probabilités: aplicações científicas e práticas. 1814: Essais Philosophiques sur les Probabilités: interpretação Bayesiana das probabilidades Inferência Laplaciana. Usada a partir de Fisher e Neyman: início do século 20. Jeffrey (1939). Theory of Probability. Considerado como o re-início da de Finetti, Savage, Lindley etc.

18 Bayes ou Laplace Laplace ( ): desenvolveu o Teorema de Bayes independentemente, publicado em : Théorie Analytique dés Probabilités: aplicações científicas e práticas. 1814: Essais Philosophiques sur les Probabilités: interpretação Bayesiana das probabilidades Inferência Laplaciana. Usada a partir de Fisher e Neyman: início do século 20. Jeffrey (1939). Theory of Probability. Considerado como o re-início da de Finetti, Savage, Lindley etc.

19 Fisher e Neyman (testes de hipóteses, estimação, planejamento de experimentos e amostragem) foi iniciada por R. Fisher( ) e J. Neyman ( ). Fisher (1925): Statistical Methods for Research Workers. (14 a Edição: 1970) Fisher (1935): The Design of Experiments (8 a Edição: 1966)

20 Fisher e Neyman (testes de hipóteses, estimação, planejamento de experimentos e amostragem) foi iniciada por R. Fisher( ) e J. Neyman ( ). Fisher (1925): Statistical Methods for Research Workers. (14 a Edição: 1970) Fisher (1935): The Design of Experiments (8 a Edição: 1966)

21 Fisher e Neyman (testes de hipóteses, estimação, planejamento de experimentos e amostragem) foi iniciada por R. Fisher( ) e J. Neyman ( ). Fisher (1925): Statistical Methods for Research Workers. (14 a Edição: 1970) Fisher (1935): The Design of Experiments (8 a Edição: 1966)

22 Gosset/Student W. Gosset ( ): Em 1908 publicou sob o pseudônimo de Student um artigo que iniciou um novo paradigma em "Pequenas Amostras". Resultado provado por Fisher em Student (1908). The probable error of a mean. Biometrika, 6, Fisher (1922). On the mathematical foundation of theoretical statistics. Phil. Trans. Royal Society, A, 222, Stigler: "The most influencial article on Theoretical Statistics in the 20th Century" Hald: "For the first time in the history of Statistics a framework for frequency-based general theory of parametric statistical inference was clearly formulated."

23 Gosset/Student W. Gosset ( ): Em 1908 publicou sob o pseudônimo de Student um artigo que iniciou um novo paradigma em "Pequenas Amostras". Resultado provado por Fisher em Student (1908). The probable error of a mean. Biometrika, 6, Fisher (1922). On the mathematical foundation of theoretical statistics. Phil. Trans. Royal Society, A, 222, Stigler: "The most influencial article on Theoretical Statistics in the 20th Century" Hald: "For the first time in the history of Statistics a framework for frequency-based general theory of parametric statistical inference was clearly formulated."

24 Gosset/Student W. Gosset ( ): Em 1908 publicou sob o pseudônimo de Student um artigo que iniciou um novo paradigma em "Pequenas Amostras". Resultado provado por Fisher em Student (1908). The probable error of a mean. Biometrika, 6, Fisher (1922). On the mathematical foundation of theoretical statistics. Phil. Trans. Royal Society, A, 222, Stigler: "The most influencial article on Theoretical Statistics in the 20th Century" Hald: "For the first time in the history of Statistics a framework for frequency-based general theory of parametric statistical inference was clearly formulated."

25 Gosset/Student W. Gosset ( ): Em 1908 publicou sob o pseudônimo de Student um artigo que iniciou um novo paradigma em "Pequenas Amostras". Resultado provado por Fisher em Student (1908). The probable error of a mean. Biometrika, 6, Fisher (1922). On the mathematical foundation of theoretical statistics. Phil. Trans. Royal Society, A, 222, Stigler: "The most influencial article on Theoretical Statistics in the 20th Century" Hald: "For the first time in the history of Statistics a framework for frequency-based general theory of parametric statistical inference was clearly formulated."

26 Gosset/Student W. Gosset ( ): Em 1908 publicou sob o pseudônimo de Student um artigo que iniciou um novo paradigma em "Pequenas Amostras". Resultado provado por Fisher em Student (1908). The probable error of a mean. Biometrika, 6, Fisher (1922). On the mathematical foundation of theoretical statistics. Phil. Trans. Royal Society, A, 222, Stigler: "The most influencial article on Theoretical Statistics in the 20th Century" Hald: "For the first time in the history of Statistics a framework for frequency-based general theory of parametric statistical inference was clearly formulated."

27 Neyman e Pearson Neyman and Pearson (1933a) On the problem of the most efficient tests of statistical hypotheses. Philos. Trans. Royal Society, A, 231, Neyman and Pearson (1933b). On the testing of statistical hypothesis in relation to probabilities a priori. Proc. Cambridge Philos. Society, 24, Livros de E. Lehmann sobre estimação e testes de hipóteses. 1967, Era do "Small Data".

28 Neyman e Pearson Neyman and Pearson (1933a) On the problem of the most efficient tests of statistical hypotheses. Philos. Trans. Royal Society, A, 231, Neyman and Pearson (1933b). On the testing of statistical hypothesis in relation to probabilities a priori. Proc. Cambridge Philos. Society, 24, Livros de E. Lehmann sobre estimação e testes de hipóteses. 1967, Era do "Small Data".

29 Neyman e Pearson Neyman and Pearson (1933a) On the problem of the most efficient tests of statistical hypotheses. Philos. Trans. Royal Society, A, 231, Neyman and Pearson (1933b). On the testing of statistical hypothesis in relation to probabilities a priori. Proc. Cambridge Philos. Society, 24, Livros de E. Lehmann sobre estimação e testes de hipóteses. 1967, Era do "Small Data".

30 Neyman e Pearson Neyman and Pearson (1933a) On the problem of the most efficient tests of statistical hypotheses. Philos. Trans. Royal Society, A, 231, Neyman and Pearson (1933b). On the testing of statistical hypothesis in relation to probabilities a priori. Proc. Cambridge Philos. Society, 24, Livros de E. Lehmann sobre estimação e testes de hipóteses. 1967, Era do "Small Data".

31 Estatística e Computação Avanços em Estatística diretamente relacionados com avanços na área computacional. 1960: máquinas de calcular manuais, elétricas, eletrônicas : "grandes computadores": IBM 1620, CDC 360, VAX etc; cartões e discos magnéticos; FORTRAN : computadores pessoais; supercomputadores; computação paralela; "clouds"; C, C +, S. Pacotes estatísticos: S-Plus, SPSS, Minitab etc. Repositório R. Era do "Big Data"

32 Estatística e Computação Avanços em Estatística diretamente relacionados com avanços na área computacional. 1960: máquinas de calcular manuais, elétricas, eletrônicas : "grandes computadores": IBM 1620, CDC 360, VAX etc; cartões e discos magnéticos; FORTRAN : computadores pessoais; supercomputadores; computação paralela; "clouds"; C, C +, S. Pacotes estatísticos: S-Plus, SPSS, Minitab etc. Repositório R. Era do "Big Data"

33 Estatística e Computação Avanços em Estatística diretamente relacionados com avanços na área computacional. 1960: máquinas de calcular manuais, elétricas, eletrônicas : "grandes computadores": IBM 1620, CDC 360, VAX etc; cartões e discos magnéticos; FORTRAN : computadores pessoais; supercomputadores; computação paralela; "clouds"; C, C +, S. Pacotes estatísticos: S-Plus, SPSS, Minitab etc. Repositório R. Era do "Big Data"

34 Estatística e Computação Avanços em Estatística diretamente relacionados com avanços na área computacional. 1960: máquinas de calcular manuais, elétricas, eletrônicas : "grandes computadores": IBM 1620, CDC 360, VAX etc; cartões e discos magnéticos; FORTRAN : computadores pessoais; supercomputadores; computação paralela; "clouds"; C, C +, S. Pacotes estatísticos: S-Plus, SPSS, Minitab etc. Repositório R. Era do "Big Data"

35 Estatística e Computação Avanços em Estatística diretamente relacionados com avanços na área computacional. 1960: máquinas de calcular manuais, elétricas, eletrônicas : "grandes computadores": IBM 1620, CDC 360, VAX etc; cartões e discos magnéticos; FORTRAN : computadores pessoais; supercomputadores; computação paralela; "clouds"; C, C +, S. Pacotes estatísticos: S-Plus, SPSS, Minitab etc. Repositório R. Era do "Big Data"

36 Estatística e Computação Avanços em Estatística diretamente relacionados com avanços na área computacional. 1960: máquinas de calcular manuais, elétricas, eletrônicas : "grandes computadores": IBM 1620, CDC 360, VAX etc; cartões e discos magnéticos; FORTRAN : computadores pessoais; supercomputadores; computação paralela; "clouds"; C, C +, S. Pacotes estatísticos: S-Plus, SPSS, Minitab etc. Repositório R. Era do "Big Data"

37 Novos Paradigmas Métodos computacionalmente intensivos. Filtro de Kalman (Kalman, 1960) Bootstrap (Efrom, 1979) Markov Chain Monte Carlo (MCMC): Metropolis (1953), Hasting (1970), Geman& Geman(1984), Gelfand and Smith (1990). Particle Filters Data Mining: redes neuronais, support vector machines

38 Novos Paradigmas Métodos computacionalmente intensivos. Filtro de Kalman (Kalman, 1960) Bootstrap (Efrom, 1979) Markov Chain Monte Carlo (MCMC): Metropolis (1953), Hasting (1970), Geman& Geman(1984), Gelfand and Smith (1990). Particle Filters Data Mining: redes neuronais, support vector machines

39 Novos Paradigmas Métodos computacionalmente intensivos. Filtro de Kalman (Kalman, 1960) Bootstrap (Efrom, 1979) Markov Chain Monte Carlo (MCMC): Metropolis (1953), Hasting (1970), Geman& Geman(1984), Gelfand and Smith (1990). Particle Filters Data Mining: redes neuronais, support vector machines

40 Novos Paradigmas Métodos computacionalmente intensivos. Filtro de Kalman (Kalman, 1960) Bootstrap (Efrom, 1979) Markov Chain Monte Carlo (MCMC): Metropolis (1953), Hasting (1970), Geman& Geman(1984), Gelfand and Smith (1990). Particle Filters Data Mining: redes neuronais, support vector machines

41 Novos Paradigmas Métodos computacionalmente intensivos. Filtro de Kalman (Kalman, 1960) Bootstrap (Efrom, 1979) Markov Chain Monte Carlo (MCMC): Metropolis (1953), Hasting (1970), Geman& Geman(1984), Gelfand and Smith (1990). Particle Filters Data Mining: redes neuronais, support vector machines

42 Novos Paradigmas Métodos computacionalmente intensivos. Filtro de Kalman (Kalman, 1960) Bootstrap (Efrom, 1979) Markov Chain Monte Carlo (MCMC): Metropolis (1953), Hasting (1970), Geman& Geman(1984), Gelfand and Smith (1990). Particle Filters Data Mining: redes neuronais, support vector machines

43 Big Data As Origens Análise de microarrays em Bioinformática. Dados de alta frequência em finanças; taxas de câmbio e taxa de juros. Dados meteorológicos, oceanográficos e astronômicos. Simulações

44 Big Data As Origens Análise de microarrays em Bioinformática. Dados de alta frequência em finanças; taxas de câmbio e taxa de juros. Dados meteorológicos, oceanográficos e astronômicos. Simulações

45 Big Data As Origens Análise de microarrays em Bioinformática. Dados de alta frequência em finanças; taxas de câmbio e taxa de juros. Dados meteorológicos, oceanográficos e astronômicos. Simulações

46 Big Data As Origens Análise de microarrays em Bioinformática. Dados de alta frequência em finanças; taxas de câmbio e taxa de juros. Dados meteorológicos, oceanográficos e astronômicos. Simulações

47 Temas Recentes Statistical Machine Learning Theory Functional Data Analysis Small Area Estimations Analysis of High-dimensional Data and Graphs Spatio-temporal Data TRI Complex Data Surveys

48 Temas Recentes Statistical Machine Learning Theory Functional Data Analysis Small Area Estimations Analysis of High-dimensional Data and Graphs Spatio-temporal Data TRI Complex Data Surveys

49 Temas Recentes Statistical Machine Learning Theory Functional Data Analysis Small Area Estimations Analysis of High-dimensional Data and Graphs Spatio-temporal Data TRI Complex Data Surveys

50 Temas Recentes Statistical Machine Learning Theory Functional Data Analysis Small Area Estimations Analysis of High-dimensional Data and Graphs Spatio-temporal Data TRI Complex Data Surveys

51 Temas Recentes Statistical Machine Learning Theory Functional Data Analysis Small Area Estimations Analysis of High-dimensional Data and Graphs Spatio-temporal Data TRI Complex Data Surveys

52 Temas Recentes Statistical Machine Learning Theory Functional Data Analysis Small Area Estimations Analysis of High-dimensional Data and Graphs Spatio-temporal Data TRI Complex Data Surveys

53 Temas Recentes Statistical Machine Learning Theory Functional Data Analysis Small Area Estimations Analysis of High-dimensional Data and Graphs Spatio-temporal Data TRI Complex Data Surveys

54 Um dilema real? Little (2006): A falta de consenso em inferência estatística pode fazer a vida de estatísticos acadêmicos interessante, com o preço de implicações negativas para o status da estatística na indústria, ciência e governo. Idem: A prática de nossa disciplina tornar-se-á madura somente quando chegarmos a um acordo básico de como aplicar estatística a problemas reais. Efrom (2005): Século 19 como essencialmente Bayesiano, o Século 20 como essencialmente frequentista e o Século 21 como uma combinação ideias frequentistas e bayesianas para resolver problemas com grandes conjuntos de dados. Qual paradigma usar no ensino de cursos básicos de Estatística?

55 Um dilema real? Little (2006): A falta de consenso em inferência estatística pode fazer a vida de estatísticos acadêmicos interessante, com o preço de implicações negativas para o status da estatística na indústria, ciência e governo. Idem: A prática de nossa disciplina tornar-se-á madura somente quando chegarmos a um acordo básico de como aplicar estatística a problemas reais. Efrom (2005): Século 19 como essencialmente Bayesiano, o Século 20 como essencialmente frequentista e o Século 21 como uma combinação ideias frequentistas e bayesianas para resolver problemas com grandes conjuntos de dados. Qual paradigma usar no ensino de cursos básicos de Estatística?

56 Um dilema real? Little (2006): A falta de consenso em inferência estatística pode fazer a vida de estatísticos acadêmicos interessante, com o preço de implicações negativas para o status da estatística na indústria, ciência e governo. Idem: A prática de nossa disciplina tornar-se-á madura somente quando chegarmos a um acordo básico de como aplicar estatística a problemas reais. Efrom (2005): Século 19 como essencialmente Bayesiano, o Século 20 como essencialmente frequentista e o Século 21 como uma combinação ideias frequentistas e bayesianas para resolver problemas com grandes conjuntos de dados. Qual paradigma usar no ensino de cursos básicos de Estatística?

57 Um dilema real? Little (2006): A falta de consenso em inferência estatística pode fazer a vida de estatísticos acadêmicos interessante, com o preço de implicações negativas para o status da estatística na indústria, ciência e governo. Idem: A prática de nossa disciplina tornar-se-á madura somente quando chegarmos a um acordo básico de como aplicar estatística a problemas reais. Efrom (2005): Século 19 como essencialmente Bayesiano, o Século 20 como essencialmente frequentista e o Século 21 como uma combinação ideias frequentistas e bayesianas para resolver problemas com grandes conjuntos de dados. Qual paradigma usar no ensino de cursos básicos de Estatística?

Um modelo de TRI para dados do vestibular 2011.2 da Universidade Federal de Uberlândia

Um modelo de TRI para dados do vestibular 2011.2 da Universidade Federal de Uberlândia Um modelo de TRI para dados do vestibular 20.2 da Universidade Federal de Uberlândia Luana Amâncio Terra 2 José Waldemar da Silva 2 Lúcio Borges de Araújo 2 Maria Imaculada de Sousa Silva 2 Introdução

Leia mais

MOQ-13 Probabilidade e Estatística

MOQ-13 Probabilidade e Estatística Instituto Tecnológico de Aeronáutica Divisão de Engenharia Mecânica-Aeronáutica MOQ-13 Probabilidade e Estatística Profa. Denise Beatriz Ferrari www.mec.ita.br/ denise denise@ita.br Motivação Idéias Básicas

Leia mais

Então, O que é Inferência Bayesiana?

Então, O que é Inferência Bayesiana? Aluno: Fernando G. Moro Supervisor: Henrique A. Laureano 2 de novembro de 2015 Teorema de Bayes Thomas Bayes( 1702-1761) Estudou Teologia na Universidade de Edimburgo(Escócia). Único livro publicado The

Leia mais

História da Estatística 1

História da Estatística 1 História da Estatística 1 A) A origem da palavra Estatística está associada à palavra latina STATUS (Estado). Há indícios de que 3000 anos A.C. já se faziam censos na Babilônia, China e Egito e até mesmo

Leia mais

UNIVERSIDADE FEDERAL DO PARÁ INSTITUTO DE CIÊNCIAS EXATAS E NATURAIS FACULDADE DE ESTATÍSTICA

UNIVERSIDADE FEDERAL DO PARÁ INSTITUTO DE CIÊNCIAS EXATAS E NATURAIS FACULDADE DE ESTATÍSTICA UNIVERSIDADE FEDERAL DO PARÁ INSTITUTO DE CIÊNCIAS EXATAS E NATURAIS FACULDADE DE ESTATÍSTICA Estimação Bayesiana Curso: Bacharelado em Estatística Disciplina: Estatística Aplicada Nome: Denis Ribeiro

Leia mais

Integração entre SIG e Modelos Inferenciais Bayesianos

Integração entre SIG e Modelos Inferenciais Bayesianos Integração entre SIG e Modelos Inferenciais Bayesianos Ilka Afonso Reis 1,2 1 Programa de Pós-graduação - Instituto Nacional de Pesquisas Espaciais (INPE) Av. dos Astronautas,1.758 - CEP 12227-010 São

Leia mais

Utilizando Monte Carlo e Reamostragem em Estimativas. Mauricio Aguiar, TI Métricas

Utilizando Monte Carlo e Reamostragem em Estimativas. Mauricio Aguiar, TI Métricas Utilizando Monte Carlo e Reamostragem em Estimativas Mauricio Aguiar, TI Métricas Agenda Introdução Um Exemplo Simples Outro Exemplo Reamostragem Faça Você Mesmo - Monte Carlo Resumo Introdução Estimativas

Leia mais

Apresentação da Estatística

Apresentação da Estatística Apresentação da Estatística A Estatística estuda fenômenos que envolvem conjuntos de dados, formados por elementos que apresentam semelhanças entre si com relação a certos atributos e diferenças com relação

Leia mais

Análise Bayesiana do Sistema de Cotas da UFBA

Análise Bayesiana do Sistema de Cotas da UFBA Análise Bayesiana do Sistema de Cotas da UFBA Lilia Carolina C. da Costa Universidade Federal da Bahia Marina Silva Paez Universidade Federal do Rio de Janeiro Antonio Guimarães, Nadya Araujo Guimarães

Leia mais

Estatística I Aula 1. Prof.: Patricia Maria Bortolon, D. Sc.

Estatística I Aula 1. Prof.: Patricia Maria Bortolon, D. Sc. Estatística I Aula 1 Prof.: Patricia Maria Bortolon, D. Sc. Estatística Estatística

Leia mais

Inferência bayesiana em sistemas de reparo imperfeito

Inferência bayesiana em sistemas de reparo imperfeito Universidade de Brasília IE - Instituto de Exatas Departamento de Estatística Inferência bayesiana em sistemas de reparo imperfeito Gabriel Hideki Vatanabe Brunello Brasília 2014 Gabriel Hideki Vatanabe

Leia mais

RETRATANDO A EVOLUÇÃO DA ESTATÍSTICA POR MEIO DE IMAGENS CONTIDAS EM SELOS POSTAIS COMEMORATIVOS

RETRATANDO A EVOLUÇÃO DA ESTATÍSTICA POR MEIO DE IMAGENS CONTIDAS EM SELOS POSTAIS COMEMORATIVOS Revista Brasileira de História da Matemática Retratanto - Vol. 12 na o 25 evolução (agosto/2012 da Estatística - dezembro/2012 por meio ) - pág. de imagens 31-49... Publicação Oficial da Sociedade Brasileira

Leia mais

Inteligência Computacional [2COP229]

Inteligência Computacional [2COP229] Inteligência Computacional [2COP229] Mestrado em Ciência da Computação Sylvio Barbon Jr barbon@uel.br (2/24) Tema Aula 1 Introdução ao Reconhecimento de Padrões 1 Introdução 2 Componentes clássicos da

Leia mais

METODOLOGIA BAYESIANA PARA A ACTUALIZAÇÃO DO MÓDULO DE DEFORMABILIDADE NUMA ESTRUTURA SUBTERRÂNEA

METODOLOGIA BAYESIANA PARA A ACTUALIZAÇÃO DO MÓDULO DE DEFORMABILIDADE NUMA ESTRUTURA SUBTERRÂNEA METODOLOGIA BAYESIANA PARA A ACTUALIZAÇÃO DO MÓDULO DE DEFORMABILIDADE NUMA ESTRUTURA SUBTERRÂNEA BAYESIAN METHODOLOGY FOR THE DEFORMABILITY MODULUS UPDATING IN AN UNDERGROUND STRUCUTRE Miranda, Tiago,

Leia mais

Comparação de Modelos de Dinâmica para Rastreamento de Larvas usando Filtros de Partículas

Comparação de Modelos de Dinâmica para Rastreamento de Larvas usando Filtros de Partículas Comparação de Modelos de Dinâmica para Rastreamento de Larvas usando Filtros de Partículas Guilherme de Oliveira Vicente, Hemerson Pistori, Lia Nara Balta Quinta, Kleber Padovani de Souza INOVISAO Universidade

Leia mais

Alterações em Bibliografias de disciplinas do Bacharelado em Matemática

Alterações em Bibliografias de disciplinas do Bacharelado em Matemática Alterações em Bibliografias de disciplinas do Bacharelado em Matemática Complementação da Bibliografia de Cálculo Numérico : RUGGIERO, M.A.G. e LOPES, V.L.R. Cálculo Numérico, Aspectos Teóricos e Computacionais.

Leia mais

Modelos bayesianos sem MCMC com aplicações na epidemiologia

Modelos bayesianos sem MCMC com aplicações na epidemiologia Modelos bayesianos sem MCMC com aplicações na epidemiologia Leo Bastos, PROCC/Fiocruz lsbastos@fiocruz.br Outline Introdução à inferência bayesiana Estimando uma proporção Ajustando uma regressão Métodos

Leia mais

Métodos Quantitativos. PROF. DR. Renato Vicente

Métodos Quantitativos. PROF. DR. Renato Vicente Métodos Quantitativos PROF. DR. Renato Vicente Método Estatístico Amostra População Estatística Descritiva Inferência Estatística Teoria de Probabilidades Aula 4A Inferência Estatística: Um pouco de História

Leia mais

Tópico 8. Estatística Inferencial Teste de Hipóteses

Tópico 8. Estatística Inferencial Teste de Hipóteses Tópico 8 Estatística Inferencial Teste de Hipóteses Estatística Inferencial Princípio básico da estatística População (Plano de Amostragem Probabilística) Amostra Generalizar Descrever dados Parâmetro

Leia mais

Estimação bayesiana em modelos lineares generalizados mistos: MCMC versus INLA

Estimação bayesiana em modelos lineares generalizados mistos: MCMC versus INLA Estimação bayesiana em modelos lineares generalizados mistos: MCMC versus INLA Everton Batista da Rocha 1 2 3 Roseli Aparecida Leandro 2 Paulo Justiniano Ribeiro Jr 4 1 Introdução Na experimentação agronômica

Leia mais

Distribuição Exponencial Exponenciada na Presença de Fração de Cura: Modelos de Mistura e Não-Mistura

Distribuição Exponencial Exponenciada na Presença de Fração de Cura: Modelos de Mistura e Não-Mistura Distribuição Exponencial Exponenciada na Presença de Fração de Cura: Modelos de Mistura e Não-Mistura Emílio Augusto Coelho-Barros 1,2 Jorge Alberto Achcar 2 Josmar Mazucheli 3 1 Introdução Em análise

Leia mais

Breve História da Estatística

Breve História da Estatística ISSN 1677-5473 Empresa Brasileira de Pesquisa Agropecuária Secretaria de Gestão e Estratégia Ministério da Agricultura, Pecuária e Abastecimento Texto para Discussão 21 Breve História da Estatística José

Leia mais

Elementos de Estatística, Noções de Amostragem. Prof. Marcel de Toledo Vieira e Lupércio França Bessegato

Elementos de Estatística, Noções de Amostragem. Prof. Marcel de Toledo Vieira e Lupércio França Bessegato Elementos de Estatística Prof. Marcel de Toledo Vieira e Lupércio França Bessegato Departamento de Estatística Universidade Federal de Juiz de Fora Elementos de Estatística,. Introdução Marcel de Toledo

Leia mais

MOQ-23 ESTATÍSTICA. Professor: Rodrigo A. Scarpel rodrigo@ita.br www.mec.ita.br/~rodrigo

MOQ-23 ESTATÍSTICA. Professor: Rodrigo A. Scarpel rodrigo@ita.br www.mec.ita.br/~rodrigo MOQ-3 ESTATÍSTICA Proessor: Rodrigo A. Scarpel rodrigo@ita.br www.mec.ita.br/~rodrigo Probabilidade e Estatística: The Science o collecting and analyzing data or the purpose o drawing conclusions and making

Leia mais

Probabilidade e Estatística I Antonio Roque Aula 0

Probabilidade e Estatística I Antonio Roque Aula 0 Probabilidade e Estatística I Notas de aula para os seguintes cursos: Biologia, Ciências da Informação e Documentação, Contabilidade, Economia, Física Médica, Informática Biomédica, Psicologia e Química

Leia mais

Estudo de sobrevivência de insetos pragas através da distribuição de Weibull: uma abordagem bayesiana

Estudo de sobrevivência de insetos pragas através da distribuição de Weibull: uma abordagem bayesiana Estudo de sobrevivência de insetos pragas através da distribuição de Weibull: uma abordagem bayesiana Leandro Alves Pereira - FAMAT, UFU Rogerio de Melo Costa Pinto - FAMAT, UFU 2 Resumo: Os insetos-pragas

Leia mais

Avaliando o que foi Aprendido

Avaliando o que foi Aprendido Avaliando o que foi Aprendido Treinamento, teste, validação Predição da performance: Limites de confiança Holdout, cross-validation, bootstrap Comparando algoritmos: o teste-t Predecindo probabilidades:função

Leia mais

DEFINIÇÃO DO TAMANHO AMOSTRAL USANDO SIMULAÇÃO MONTE CARLO PARA O TESTE DE NORMALIDADE BASEADO EM ASSIMETRIA E CURTOSE. II. ABORDAGEM MULTIVARIADA

DEFINIÇÃO DO TAMANHO AMOSTRAL USANDO SIMULAÇÃO MONTE CARLO PARA O TESTE DE NORMALIDADE BASEADO EM ASSIMETRIA E CURTOSE. II. ABORDAGEM MULTIVARIADA DEFINIÇÃO DO TAMANHO AMOSTRAL USANDO SIMULAÇÃO MONTE CARLO PARA O TESTE DE NORMALIDADE BASEADO EM ASSIMETRIA E CURTOSE. II. ABORDAGEM MULTIVARIADA ANDRÉA CRISTIANE DOS SANTOS DANIEL FURTADO FERREIRA RESUMO

Leia mais

ACEF/1314/18282 Decisão de apresentação de pronúncia

ACEF/1314/18282 Decisão de apresentação de pronúncia ACEF/1314/18282 Decisão de apresentação de pronúncia ACEF/1314/18282 Decisão de apresentação de pronúncia Decisão de Apresentação de Pronúncia ao Relatório da Comissão de Avaliação Externa 1. Tendo recebido

Leia mais

1 Método de Monte Carlo Simples

1 Método de Monte Carlo Simples Método de Monte Carlo Simples Finalidade: obter uma estimativa para o valor esperado de uma função qualquer g da variável aleatória θ, ou seja, E[g(θ)]. Seja g(θ) uma função qualquer de θ. Suponha que

Leia mais

PLANO DE ENSINO. Mestrado em Matemática - Área de Concentração em Estatística

PLANO DE ENSINO. Mestrado em Matemática - Área de Concentração em Estatística 1. IDENTIFICAÇÃO PLANO DE ENSINO Disciplina: Estatística Multivariada Código: PGMAT568 Pré-Requisito: No. de Créditos: 4 Número de Aulas Teóricas: 60 Práticas: Semestre: 1º Ano: 2015 Turma(s): 01 Professor(a):

Leia mais

A normalidade em função do arredondamento e baixa discriminação dos dados.

A normalidade em função do arredondamento e baixa discriminação dos dados. A normalidade em função do arredondamento e baixa discriminação dos dados. Image credit: wavebreakmediamicro / 123RF Banco de Imagens Normalmente nós

Leia mais

USANDO O MÉTODO DE MONTE CARLO PARA ENCONTRAR RAÍZES DE EQUAÇÕES

USANDO O MÉTODO DE MONTE CARLO PARA ENCONTRAR RAÍZES DE EQUAÇÕES USANDO O MÉTODO DE MONTE CARLO PARA ENCONTRAR RAÍZES DE EQUAÇÕES Antônio Carlos da Silva Filho (Uni-FACEF) Faiano Guasti Lima (USP) 1 INTRODUÇÃO Um dos principais prolemas no cálculo numérico refere-se

Leia mais

PCM01. Curso de Estatística Aplicada. Pedro Paulo Balestrassi. www.pedro.unifei.edu.br ppbalestrassi@gmail.com 35-36291161 / 88776958 (cel)

PCM01. Curso de Estatística Aplicada. Pedro Paulo Balestrassi. www.pedro.unifei.edu.br ppbalestrassi@gmail.com 35-36291161 / 88776958 (cel) PCM01 Curso de Estatística Aplicada Pedro Paulo Balestrassi www.pedro.unifei.edu.br ppbalestrassi@gmail.com 35-36291161 / 88776958 (cel) 1 Pensar estatisticamente será um dia, para a eficiente prática

Leia mais

Registros de Representações Semióticas no Ensino de Probabilidade Condicional

Registros de Representações Semióticas no Ensino de Probabilidade Condicional Registros de Representações Semióticas no Ensino de Probabilidade Condicional Fábio Francisco de Oliveira 1 GD13 Ensino de Estatística e Probabilidade e Educação Ambiental Este artigo tem como objetivo

Leia mais

TTT-PLOT E TESTE DE HIPÓTESES BOOTSTRAP PARA O MODELO BI-WEIBULL. Cleber Giugioli Carrasco 1 ; Francisco Louzada-Neto 2 RESUMO

TTT-PLOT E TESTE DE HIPÓTESES BOOTSTRAP PARA O MODELO BI-WEIBULL. Cleber Giugioli Carrasco 1 ; Francisco Louzada-Neto 2 RESUMO TTT-PLOT E TESTE DE HIPÓTESES BOOTSTRAP PARA O MODELO BI-WEIBULL Cleber Giugioli Carrasco ; Francisco Louzada-Neto Curso de Matemática, Unidade Universitária de Ciências Exatas e Tecnológicas, UEG. Departamento

Leia mais

UNIVERSIDADE DOS AÇORES

UNIVERSIDADE DOS AÇORES UNIVERSIDADE DOS AÇORES DEPARTAMENTO DE MATEMÁTICA Curso de Psicologia Estatística Aplicada à Psicologia É um erro capital teorizar sem se ter dados. Insensivelmente, começamos a distorcer os factos para

Leia mais

PLANO DE CURSO MESTRADO PROFISSIONAL EM PODER LEGISLATIVO

PLANO DE CURSO MESTRADO PROFISSIONAL EM PODER LEGISLATIVO CÂMARA DOS DEPUTADOS Centro de Formação, Treinamento e Aperfeiçoamento Programa de Pós-Graduação PLANO DE CURSO MESTRADO PROFISSIONAL EM PODER LEGISLATIVO DISCIPLINA MÉTODOS INFERENCIAIS Código: Carga

Leia mais

daniel.desouza@hotmail.com

daniel.desouza@hotmail.com VIII Congreso Regional de ENDE Campana Agosto 2011 Aplicação do estimador maximum likelihood a um teste de vida sequencial truncado utilizando-se uma distribuição eibull Invertida de três parâmetros como

Leia mais

Introdução. Métodos de inferência são usados para tirar conclusões sobre a população usando informações obtidas a partir de uma amostra.

Introdução. Métodos de inferência são usados para tirar conclusões sobre a população usando informações obtidas a partir de uma amostra. Métodos Monte Carlo Introdução Métodos de inferência são usados para tirar conclusões sobre a população usando informações obtidas a partir de uma amostra. Estimativas pontuais e intervalares para os parâmetros;

Leia mais

E REGRESSÃO. Cesar Augusto Taconeli. Junho 2013. Taconeli, C. A. (DEST/UFPR) 7 de Junho de 2013 1 / 46 ...

E REGRESSÃO. Cesar Augusto Taconeli. Junho 2013. Taconeli, C. A. (DEST/UFPR) 7 de Junho de 2013 1 / 46 ... . ÁRVORES DE CLASSIFICAÇÃO E REGRESSÃO Cesar Augusto Taconeli Ilhéus-BA Junho 2013 Taconeli, C. A. (DEST/UFPR) 7 de Junho de 2013 1 / 46 Sumário 1 - Introdução; 2 - Apresentação do algoritmo; 3- Árvores

Leia mais

NOTA À 2ª EDIÇÃO... VII PREFÁCIO... IX. No Renascimento de uma Nova Era... IX PREÂMBULO... XIII. Organização do livro... xiii. Destinatários...

NOTA À 2ª EDIÇÃO... VII PREFÁCIO... IX. No Renascimento de uma Nova Era... IX PREÂMBULO... XIII. Organização do livro... xiii. Destinatários... NOTA À 2ª EDIÇÃO... VII PREFÁCIO... IX No Renascimento de uma Nova Era... IX Índice PREÂMBULO... XIII Organização do livro... xiii Destinatários... xiv Utilização do livro... xiv Agradecimentos... xiv

Leia mais

Predição bootstrap via amostragem Gibbs do montante a- nual de indemnizações

Predição bootstrap via amostragem Gibbs do montante a- nual de indemnizações Actas do XIV Congresso Anual da SPE 1 Predição bootstrap via amostragem Gibbs do montante a- nual de indemnizações Susana Rosado-Ganhão Faculdade de Arquitectura da UTL, Departamento de Tecnologias da

Leia mais

Encontro de Ensino, Pesquisa e Extensão, Presidente Prudente, 17 a 20 de outubro, 2011 35 RESUMOS SIMPLES...36 RESUMO DE PROJETOS...

Encontro de Ensino, Pesquisa e Extensão, Presidente Prudente, 17 a 20 de outubro, 2011 35 RESUMOS SIMPLES...36 RESUMO DE PROJETOS... Encontro de Ensino, Pesquisa e Extensão, Presidente Prudente, 17 a 20 de outubro, 2011 35 RESUMOS SIMPLES...36 RESUMO DE PROJETOS...39 Encontro de Ensino, Pesquisa e Extensão, Presidente Prudente, 17 a

Leia mais

GERAÇÃO DE NÚMEROS ALEATÓRIOS A PARTIR DE MAPAS CAÓTICOS DETERMINISTAS

GERAÇÃO DE NÚMEROS ALEATÓRIOS A PARTIR DE MAPAS CAÓTICOS DETERMINISTAS 66 GERAÇÃO DE NÚMEROS ALEATÓRIOS A PARTIR DE MAPAS CAÓTICOS DETERMINISTAS Antônio Carlos da Silva Filho (UNI-Facef) Irfley Andrade de Oliveira (UNI-Facef) Marco Dimas Gubitoso (IME-USP) INTRODUÇÃO As origens

Leia mais

Sistemas de Alarme Óptimos para Processos de Contagem

Sistemas de Alarme Óptimos para Processos de Contagem Sistemas de Alarme Óptimos para Processos de Contagem Magda Monteiro Isabel Pereira Manuel Scotto UIMA-UA SPE-Covilhã 1 Introdução Em muitos fenómenos descritos por processos é fundamental a implementação

Leia mais

Aprendizagem de Máquina

Aprendizagem de Máquina Aprendizagem de Máquina Alessandro L. Koerich Programa de Pós-Graduação em Informática Pontifícia Universidade Católica do Paraná (PUCPR) Horários Aulas Sala [quinta-feira, 7:30 12:00] Atendimento Segunda

Leia mais

Simulação Computacional de Sistemas, ou simplesmente Simulação

Simulação Computacional de Sistemas, ou simplesmente Simulação Simulação Computacional de Sistemas, ou simplesmente Simulação Utilização de métodos matemáticos & estatísticos em programas computacionais visando imitar o comportamento de algum processo do mundo real.

Leia mais

XVI CONGRESSO DE PÓS-GRADUAÇÃO DA UFLA 22 a 26 de outubro de 2007 ADEQUAÇÃO DO RACIOCÍNIO ESTATÍSTICO PARA TRABALHOS INTERDISCIPLINARES

XVI CONGRESSO DE PÓS-GRADUAÇÃO DA UFLA 22 a 26 de outubro de 2007 ADEQUAÇÃO DO RACIOCÍNIO ESTATÍSTICO PARA TRABALHOS INTERDISCIPLINARES ADEQUAÇÃO DO RACIOCÍNIO ESTATÍSTICO PARA TRABALHOS INTERDISCIPLINARES VERÔNICA YUMI KATAOKA 1 ; ANDERSON CASTRO SOARES DE OLIVEIRA 2 ; ADEMÁRIA APARECIDA DE SOUZA 3 ; ADRIANO RODRIGUES 4 ; MARCELO SILVA

Leia mais

UMA SENHORA TOMA CHÁ

UMA SENHORA TOMA CHÁ UMA SENHORA TOMA CHÁ Diretora: Suzana Herculano-Houzel A evolução das coisas úteis Clipes, garfos, latas, zíperes e outros objetos do nosso cotidiano Henry Petroski Por que o bocejo é contagioso? E outras

Leia mais

PLANIFICAÇÃO ANUAL. MACS Matemática Aplicada às Ciências Sociais. Curso de Línguas e Humanidades 2º ANO (11º ANO)

PLANIFICAÇÃO ANUAL. MACS Matemática Aplicada às Ciências Sociais. Curso de Línguas e Humanidades 2º ANO (11º ANO) PLANIFICAÇÃO ANUAL MACS Matemática Aplicada às Ciências Sociais Curso de Línguas e Humanidades º ANO (º ANO) Ano Lectivo 0/05 Planificação º Ano - MACS º Período Número de Aulas Previstas 0 Apresentação

Leia mais

Data Science e Big Data

Data Science e Big Data InforAbERTA IV Jornadas de Informática Data Science e Big Data Luís Cavique, Porto, março 2014 Agenda 1. Definições: padrões micro e Macro 2. Novos padrões para velhos problemas: Similis, Ramex, Process

Leia mais

Hipóteses Estatísticas Testadas por Diversos Softwares em Modelos com Dois Fatores Cruzados e Dados Desbalanceados

Hipóteses Estatísticas Testadas por Diversos Softwares em Modelos com Dois Fatores Cruzados e Dados Desbalanceados TEMA Tend. Mat. Apl. Comput., 5, No. 1 (24), 117-124. c Uma Publicação da Sociedade Brasileira de Matemática Aplicada e Computacional. Hipóteses Estatísticas Testadas por Diversos Softwares em Modelos

Leia mais

Biometria Roberval Monteiro Bezerra de Lima (roberval.lima@embrapa.br) Sumaia Vasconcelos (sumaia.vasconcelos@inpa.gov.br)

Biometria Roberval Monteiro Bezerra de Lima (roberval.lima@embrapa.br) Sumaia Vasconcelos (sumaia.vasconcelos@inpa.gov.br) PÓS GRADUAÇÃO EM CIÊNCIAS DE FLORESTAS TROPICAIS-PG-CFT INSTITUTO NACIONAL DE PESQUISAS DA AMAZÔNIA-INPA Biometria Roberval Monteiro Bezerra de Lima (roberval.lima@embrapa.br) Sumaia Vasconcelos (sumaia.vasconcelos@inpa.gov.br)

Leia mais

GUIA DE FUNCIONAMENTO DA UNIDADE CURRICULAR

GUIA DE FUNCIONAMENTO DA UNIDADE CURRICULAR Curso Engenharia Informática Ano letivo 2012/13 Unidade Curricular Probabilidade e Estatística ECTS 5,5 Regime Obrigatório ou opcional Ano 2º Semestre 1º sem Horas de trabalho globais Docente (s) Paulo

Leia mais

Utilização da programação de computadores em Estatística

Utilização da programação de computadores em Estatística Universidade Federal de Minas Gerais Luana Sílvia dos Santos Utilização da programação de computadores em Estatística Belo Horizonte Dezembro, 2012 O computador tem desempenhado um papel muito importante

Leia mais

Trabalhando com Pequenas Amostras: Distribuição t de Student

Trabalhando com Pequenas Amostras: Distribuição t de Student Probabilidade e Estatística Trabalhando com Pequenas Amostras: Distribuição t de Student Pequenas amostras x Grandes amostras Nos exemplos tratados até agora: amostras grandes (n>30) qualquer tipo de distribuição

Leia mais

Utilizando o Jogo Banco Imobiliário para o Aprendizado do Programa R e de Estatística Computacional

Utilizando o Jogo Banco Imobiliário para o Aprendizado do Programa R e de Estatística Computacional Utilizando o Jogo Banco Imobiliário para o Aprendizado do Programa R e de Estatística Computacional João Henrique Medeiros Monteiro, Isaías Mechillemoth da Silva Lira, Rodrigo Almeida de Arruda, Valter

Leia mais

Áurea Sousa /Deptº. Matemática U.A. Áurea Sousa /Deptº. Matemática U.A.

Áurea Sousa /Deptº. Matemática U.A. Áurea Sousa /Deptº. Matemática U.A. Métodos Estatísticos Mestrado em Gestão (MBA) Objectivos O que é a estatística? Como pode a estatística ajudar? Compreender o método de análise estatística; Reconhecer problemas que podem ser resolvidos

Leia mais

Descoberta de Conhecimento em uma Base de Dados de Bilhetes de Tarifação: Estudo de Caso em Telefonia Celular

Descoberta de Conhecimento em uma Base de Dados de Bilhetes de Tarifação: Estudo de Caso em Telefonia Celular Descoberta de Conhecimento em uma Base de Dados de Bilhetes de Tarifação: Estudo de Caso em Telefonia Celular Elionai Sobrinho 1,3, Jasmine Araújo 1,3, Luiz A. Guedes 2, Renato Francês 1 1 Departamento

Leia mais

Inferência em Amostras Pequenas: Métodos Bootstrap

Inferência em Amostras Pequenas: Métodos Bootstrap Inferência em Amostras Pequenas: Métodos Bootstrap Augusto Sousa da Silva Filho 1 Programa Permanente de Capacitação Docente FACULDADES ANHANGUERA Abstract. A amostra original representa a população da

Leia mais

Função bayesiana em R para o problema de Behrens-Fisher multivariado

Função bayesiana em R para o problema de Behrens-Fisher multivariado Função bayesiana em R para o problema de Behrens-Fisher multivariado Patrícia de Siqueira Ramos 1 2 Daniel Furtado Ferreira 3 1 Introdução Um dos problemas mais comuns na Estatística aplicada é o de comparar

Leia mais

DESCRIÇÃO E APRESENTAÇÃO DE DADOS: UMA INTRODUÇÃO

DESCRIÇÃO E APRESENTAÇÃO DE DADOS: UMA INTRODUÇÃO DESCRIÇÃO E APRESENTAÇÃO DE DADOS: UMA INTRODUÇÃO THIAGO REZENDE DOS SANTOS BOLSISTA: GABRIEL JULIANO CAMÊLO UNIVERSIDADE FEDERAL DE OURO PRETO INSTITUTO DE CIÊNCIAS EXATAS E BIOLÓGICAS DEPARTAMENTO DE

Leia mais

SEIS SIGMA: UMA VISÃO GLOBAL DE DUAS EMPRESAS BRASILEIRAS DO SETOR-MÍNERO METALÚRGICO

SEIS SIGMA: UMA VISÃO GLOBAL DE DUAS EMPRESAS BRASILEIRAS DO SETOR-MÍNERO METALÚRGICO XXIX ENCONTRO NACIONAL DE ENGENHARIA DE PRODUÇÃO. SEIS SIGMA: UMA VISÃO GLOBAL DE DUAS EMPRESAS BRASILEIRAS DO SETOR-MÍNERO METALÚRGICO João Henrique Ferreira Flores (UFRGS) jhf.flores@gmail.com Danilo

Leia mais

LEVANTAMENTO ESTATÍSTICO DO PERFIL DE UM CALL CENTER VISANDO O AJUSTE DE UM MODELO DE FILAS

LEVANTAMENTO ESTATÍSTICO DO PERFIL DE UM CALL CENTER VISANDO O AJUSTE DE UM MODELO DE FILAS SPOLM 06 ISSN 1806-3632 Rio de Janeiro, Brasil, 15 e 16 de de 06 LEVANTAMENTO ESTATÍSTICO DO PERFIL DE UM CALL CENTER VISANDO O AJUSTE DE UM MODELO DE FILAS Helinton A. L. Barbosa Departamento de Estatística

Leia mais

A História do Computador. Linguagem de Programação Rone Ilídio/ Natã Goulart UFSJ - CAP

A História do Computador. Linguagem de Programação Rone Ilídio/ Natã Goulart UFSJ - CAP A História do Computador Linguagem de Programação Rone Ilídio/ Natã Goulart UFSJ - CAP Origem da Palavra Computador (século XIX) pessoa com função de fazer contas e resolver problemas com número Termo

Leia mais

CHATFIELD, C. The Analysis of Time Series: An Introduction. Boca Raton London New York Washington D.C., Chapman & Hall/CRC, 1996.

CHATFIELD, C. The Analysis of Time Series: An Introduction. Boca Raton London New York Washington D.C., Chapman & Hall/CRC, 1996. Referências BROCKWELL, P. J.; DAVIS, R. A. Time Series: Theory and Methods. New York, Springer, 1991. CARPENTER, J. & BITHELL. Bootstrap Confidence Intervals: When, which, what? A Pratical Guide for Medical

Leia mais

Avaliação de Desempenho de Sistemas Computacionais

Avaliação de Desempenho de Sistemas Computacionais Universidade de São Paulo Instituto de Ciências Matemáticas e de Computação Departamento de Sistemas de Computação Avaliação de Desempenho de Sistemas Computacionais Aula 3 Marcos José Santana Regina Helena

Leia mais

BIG DATA INTRODUÇÃO. Humberto Sandmann humberto.sandmann@gmail.com

BIG DATA INTRODUÇÃO. Humberto Sandmann humberto.sandmann@gmail.com BIG DATA INTRODUÇÃO Humberto Sandmann humberto.sandmann@gmail.com Apresentação Humberto Sandmann humberto.sandmann@gmail.com Possui graduação em Ciências da Computação pelo Centro Universitário da Faculdade

Leia mais

EMENTÁRIO E BIBLIOGRAFIA BÁSICA

EMENTÁRIO E BIBLIOGRAFIA BÁSICA EMENTÁRIO E BIBLIOGRAFIA BÁSICA 2º ANO Nome da disciplina: Física Geral II Carga horária: 90h Acústica e Ondas. Óptica Física e Geométrica. Lei de Coulomb; Campo Elétrico. Lei de Gauss. Potencial. Capacitância.

Leia mais

Classificação: Determinístico

Classificação: Determinístico Prof. Lorí Viali, Dr. viali@pucrs.br http://www.pucrs.br/famat/viali/ Da mesma forma que sistemas os modelos de simulação podem ser classificados de várias formas. O mais usual é classificar os modelos

Leia mais

Do princípio da casa dos pombos a computação móvel!

Do princípio da casa dos pombos a computação móvel! Do princípio da casa dos pombos a computação móvel! Instituto de Matemática e Estatística - IME - USP Maio, 2012 Introdução Grafos aleatórios e Redes complexas Redes complexas Redes reais Grafos aleatórios

Leia mais

DEFINIÇÃO DO TAMANHO AMOSTRAL USANDO SIMULAÇÃO MONTE CARLO PARA O TESTE DE NORMALIDADE BASEADO EM ASSIMETRIA E CURTOSE. I. ABORDAGEM UNIVARIADA

DEFINIÇÃO DO TAMANHO AMOSTRAL USANDO SIMULAÇÃO MONTE CARLO PARA O TESTE DE NORMALIDADE BASEADO EM ASSIMETRIA E CURTOSE. I. ABORDAGEM UNIVARIADA DEFINIÇÃO DO TAMANHO AMOSTRAL USANDO SIMULAÇÃO MONTE CARLO PARA O TESTE DE NORMALIDADE BASEADO EM ASSIMETRIA E CURTOSE. I. ABORDAGEM UNIVARIADA RESUMO Uma forma alternativa para verificar suposição de

Leia mais

Método paramétrico de Monte Carlo para avaliação de correlação em dados autocorrelacionados

Método paramétrico de Monte Carlo para avaliação de correlação em dados autocorrelacionados Método paramétrico de Monte Carlo para avaliação de correlação em dados autocorrelacionados Karina Rebuli Universidade Federal do Paraná karina.rebuli@gmail.com 19 de setembro de 2014 Karina Rebuli (LEG

Leia mais

VALIDAÇÃO DE MODELOS DE REGRESSÃO POR BOOTSTRAP. João Riboldi 1

VALIDAÇÃO DE MODELOS DE REGRESSÃO POR BOOTSTRAP. João Riboldi 1 VALIDAÇÃO DE MODELOS DE REGRESSÃO POR BOOTSTRAP João Riboldi 1 1. Introdução Na construção de um modelo de regressão, de uma maneira geral segue-se três etapas: executa-se o ajuste do modelo, obtendo-se

Leia mais

ARQUITETURA DE COMPUTADORES - 1866

ARQUITETURA DE COMPUTADORES - 1866 1 Introdução: Um computador é uma máquina (conjunto de partes eletrônicas e eletromecânicas) capaz de sistematicamente coletar, manipular e fornecer resultados da manipulação de dados para um ou mais objetivos.

Leia mais

Aprendizado de Máquina

Aprendizado de Máquina Referências Aula 1 http://www.ic.uff.br/~bianca/aa/ Slides das aulas: na página http://www.ic.uff.br/~bianca/aa/ Livro-texto: Machine Learning Tom M. Mitchell McGraw-Hill, 1997 http://www.cs.cmu.edu/~tom/mlbook.html

Leia mais

Anova Univariada e Multivariada

Anova 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 mais

IN0997 - Redes Neurais

IN0997 - Redes Neurais IN0997 - Redes Neurais Aluizio Fausto Ribeiro Araújo Universidade Federal de Pernambuco Centro de Informática - CIn Departamento de Sistemas da Computação aluizioa@cin.ufpe.br Conteúdo Objetivos Ementa

Leia mais

AS MOTIVAÇÕES DE NEWTON E LEIBNIZ PARA A CONCRETIZAÇÃO DO CÁLCULO DIFERENCIAL E INTEGRAL

AS MOTIVAÇÕES DE NEWTON E LEIBNIZ PARA A CONCRETIZAÇÃO DO CÁLCULO DIFERENCIAL E INTEGRAL AS MOTIVAÇÕES DE NEWTON E LEIBNIZ PARA A CONCRETIZAÇÃO DO CÁLCULO DIFERENCIAL E INTEGRAL Resumo: O artigo tem como objetivo mostrar o Cálculo Diferencial e Integral em termos de desenvolvimento e solidificação.

Leia mais

Prefácio 11. Lista de Figuras 17. Lista de Tabelas 25

Prefácio 11. Lista de Figuras 17. Lista de Tabelas 25 Sumário Prefácio 11 Lista de Figuras 17 Lista de Tabelas 25 I INTRODUÇÃO 27 1 Vetores e Grandezas Vetoriais 29 1.1 Introdução aos Vetores......................... 29 1.2 Sistemas de Coordenadas Retangulares................

Leia mais

Universidade Federal de Minas Gerais. Departamento de Engenharia de Produção

Universidade Federal de Minas Gerais. Departamento de Engenharia de Produção Universidade Federal de Minas Gerais Departamento de Engenharia de Produção EPD 839 Tópicos Especiais em Gestão da Produção: Métodos Estatísticos em Confiabilidade e Manutenção de Sistemas Reparáveis e

Leia mais

A Curva Normal Luiz Pasquali

A Curva Normal Luiz Pasquali Capítulo 3 A Curva Normal Luiz Pasquali 1 A História da Curva Normal A curva normal, também conhecida como a curva em forma de sino, tem uma história bastante longa e está ligada à história da descoberta

Leia mais

Segurança de Informações e Comunicação: Uma visão acadêmica

Segurança de Informações e Comunicação: Uma visão acadêmica Segurança de Informações e Comunicação: Uma visão acadêmica Instituto Tecnológico de Aeronáutica Laboratório de Segurança Inteligente de Informações (LABIN) Paulo André L. Castro Prof. Dr. pauloac@ita.br

Leia mais

O PROBLEMA EPISTEMOLÓGICO DA PROBABILIDADE

O PROBLEMA EPISTEMOLÓGICO DA PROBABILIDADE CADERNO DE FÍSICA DA UEFS 11 (01 E 02): 57-75, 2013 O PROBLEMA EPISTEMOLÓGICO DA PROBABILIDADE THE EPISTEMOLOGICAL PROBLEM OF THE PROBABILITY Péricles César de Araujo 1 e Sonia Barbosa Camargo Igliori

Leia mais

Pós-Graduação "Lato Sensu" Especialização em Análise de Dados e Data Mining

Pós-Graduação Lato Sensu Especialização em Análise de Dados e Data Mining Pós-Graduação "Lato Sensu" Especialização em Análise de Dados e Data Mining Inscrições Abertas Início das Aulas: 24/03/2015 Dias e horários das aulas: Terça-Feira 19h00 às 22h45 Semanal Quinta-Feira 19h00

Leia mais

Estatística. 5 (tempo total de trabalho: 28h *5 = 140 horas) 70 = 15 Teóricas (T) + 45 Teórico-práticas (TP) + 10 Orientação tutorial (OT) Luís Faísca

Estatística. 5 (tempo total de trabalho: 28h *5 = 140 horas) 70 = 15 Teóricas (T) + 45 Teórico-práticas (TP) + 10 Orientação tutorial (OT) Luís Faísca 1 Estatística II 1. Resumo descritivo 1.1. Elementos básicos Curso Unidade Curricular Área Científica Ano / Semestre ECTS Horas de Contacto Professor responsável Docentes 1.2. Síntese descritiva Psicologia

Leia mais

UNIVERSIDADE CATÓLICA PORTUGUESA - VISEU Departamento de Economia, Gestão e Ciências Sociais Licenciatura em Gestão (1º ciclo),

UNIVERSIDADE CATÓLICA PORTUGUESA - VISEU Departamento de Economia, Gestão e Ciências Sociais Licenciatura em Gestão (1º ciclo), UNIVERSIDADE CATÓLICA PORTUGUESA - VISEU Departamento de Economia, Gestão e Ciências Sociais Licenciatura em Gestão (1º ciclo), Unidade curricular: Estatística Multivariada Docente responsável: Paulo Almeida

Leia mais

MODIFICAÇÃO DO TESTE DE NORMALIDADE DE SHAPIRO-WILK MULTIVARIADO DO SOFTWARE ESTATÍSTICO R

MODIFICAÇÃO DO TESTE DE NORMALIDADE DE SHAPIRO-WILK MULTIVARIADO DO SOFTWARE ESTATÍSTICO R MODIFICAÇÃO DO TESTE DE NORMALIDADE DE SHAPIRO-WILK MULTIVARIADO DO SOFTWARE ESTATÍSTICO R Roberta Bessa Veloso 1, Daniel Furtado Ferreira 2, Eric Batista Ferreira 3 INTRODUÇÃO A inferência estatística

Leia mais

INTRODUÇÃO À ROBÓTICA MÓVEL

INTRODUÇÃO À ROBÓTICA MÓVEL INTRODUÇÃO À ROBÓTICA MÓVEL Aula 15 Edson Prestes Departamento de Informática Teórica http://www.inf.ufrgs.br/~prestes prestes@inf.ufrgs.br REPRESENTAÇÃO DO AMBIENTE Decomposição Aproximada - Occupancy

Leia mais

Reflexões sobre Probabilidade, Estatística e Modelamento Matemático

Reflexões sobre Probabilidade, Estatística e Modelamento Matemático Reflexões sobre Probabilidade, Estatística e Modelamento Matemático Por: Armando Z. Milioni Instituto Tecnológico de Aeronáutica MPEP - BSB Agosto 2013 1 Resumo do que fizemos Um Jogador lançou 30 dados

Leia mais

MARIA DE LOURDES LIMA BRAGION ANÁLISE COMBINADA DE EXAMES VESTIBULARES DA UNIVERSIDADE FEDERAL DE LAVRAS USANDO A TEORIA DE RESPOSTA AO ITEM

MARIA DE LOURDES LIMA BRAGION ANÁLISE COMBINADA DE EXAMES VESTIBULARES DA UNIVERSIDADE FEDERAL DE LAVRAS USANDO A TEORIA DE RESPOSTA AO ITEM MARIA DE LOURDES LIMA BRAGION ANÁLISE COMBINADA DE EXAMES VESTIBULARES DA UNIVERSIDADE FEDERAL DE LAVRAS USANDO A TEORIA DE RESPOSTA AO ITEM LAVRAS-MG 2011 MARIA DE LOURDES LIMA BRAGION ANÁLISE COMBINADA

Leia mais

Estimação de pessoas com deficiência física motora e o mercado automobilístico de carros

Estimação de pessoas com deficiência física motora e o mercado automobilístico de carros Estimação de pessoas com deficiência física motora e o mercado automobilístico de carros Adriele Giaretta Biase 12 Valiana Alves Teodoro 12 Iábita Fabiana Sousa 12 Sônia Maria De Stefano Piedade 1 1 Introdução

Leia mais

APLICAÇÕES COMPUTACIONAIS NO ENSINO DE PROBABILIDADE E ESTATÍSTICA EM ENGENHARIA

APLICAÇÕES COMPUTACIONAIS NO ENSINO DE PROBABILIDADE E ESTATÍSTICA EM ENGENHARIA APLICAÇÕES COMPUTACIONAIS NO ENSINO DE PROBABILIDADE E ESTATÍSTICA EM ENGENHARIA Júlio Cézar Figueiredo j.cezar@aol.com Cibelly Araújo de Azevedo Lima cibellyazevedo@gmail.com Francisco Rafael Marques

Leia mais

P R O G R A M A QUARTA FASE. OBJETIVOS ESPECÍFICOS Ao final do semestre o aluno devera ser capaz de:

P R O G R A M A QUARTA FASE. OBJETIVOS ESPECÍFICOS Ao final do semestre o aluno devera ser capaz de: UNIVERSIDADE DO ESTADO DE SANTA CATARINA - UDESC CENTRO DE CIÊNCIAS DA SAÚDE E DO ESPORTE - CEFID DEPARTAMENTO DE EDUCAÇÃO FÍSICA - DEF CURSO: BACHARELADO EM EDUCAÇÃO FÍSICA CURRÍCULO: 2008/2 P R O G R

Leia mais

Simulação Transiente

Simulação Transiente Tópicos Avançados em Avaliação de Desempenho de Sistemas Professores: Paulo Maciel Ricardo Massa Alunos: Jackson Nunes Marco Eugênio Araújo Dezembro de 2014 1 Sumário O que é Simulação? Áreas de Aplicação

Leia mais

Computabilidade em sistemas dinâmicos

Computabilidade em sistemas dinâmicos 1 Computabilidade em sistemas dinâmicos Daniel da Silva Graça 1,2 1 DM/FCT, Universidade do Algarve, Portugal 2 SQIG, Instituto de Telecomunicações, Portugal 30 de Julho de 2009 2 Introdução Informalmente

Leia mais

Europass Curriculum Vitae

Europass Curriculum Vitae Europass Curriculum Vitae Informação pessoal Nome(s) próprio(s) / Apelido(s) Marco Henrique Vieira Marto Morada(s) DEF/ISA/UTL Tapada da Ajuda, 1349-017 Lisboa Telefone(s) + 351 21 365 33 43 Telemóvel

Leia mais