Tabela A4.2. MIR obtido com simulação 1. Para 2 S 4, estimar os parâmetros associados a uma mistura de s componentes e avaliar rs = ms+
|
|
- Diana Arruda Vilalobos
- 7 Há anos
- Visualizações:
Transcrição
1 Tabela A4.2. MIR obtido com imulação. Para 2 S 4, etimar o parâmetro aociado a uma mitura de compoete e avaliar r = m+ m r ecotra-e defiido o Apêdice 2); 2. para S=2, gerar 99 amotra paramétrica boottrap de dimeão a partir do modelo com S compoete e com parâmetro ˆ θ e calcular o valor de r para cada um. 3. e r é uperior a 94 do valore obtido por boottrappig, aumetar S de e repetir o pao 2 e 3 o valor máximo de S é 4); cao cotrário, aumir que o úmero de compoete mitura é e parar. Fote: Polymei e Titterigto 998), pág. 296 Atravé de um deig experimetal, Polymei e Titterigto 998) cocluem que o eu método apreeta um melhor deempeho relativamete ao método bae de Widham e Cutler 992) e que é equivalete, em termo de taxa de uceo, à abordagem baeada o boottrappig do tete do rácio de máxima veroimilhaça LRTS), quado a compoete etão bem eparada. Para amotra de pequea dimeão o método LRTS é preferido, e quado a dimeão da amotra aumeta o doi método ão equivalete. OUTRAS ABORDAGES O método Poterior Predictive Check propoto por Rubi 984) é uma abordagem baeada a imulação para a elecção de modelo Lo, 2005). A ideia bae é a de aferir e o modelo propoto pode reproduzir a caracterítica do dado obervado. O parâmetro decohecido ão etimado atravé da amotragem de Gibb, Gibb amplig, quado a hipótee ula é uma mitura de ditribuiçõe ormai. A variâcia é extraída a partir de uma ditribuição Gamma ivera e a média é igual à média amotral. Wag et al. 2004) apreetam uma verão modificada do algoritmo EM, a que deigam por plit ad merge EM SSMEM), que alteradamete epara e ue compoete, etimado de forma imultâea ão ó o parâmetro da ditribuição mitura como também o úmero de compoete. 352
2 O pao da etimação do procedimeto MIREV eleccioa o úmero de compoete que permite maximizar a fução MIR. Apear da implicidade aociada ao cálculo de S, Widham e Cutler 992) advertem para o perigo de e umariar a qualidade do ajutameto atravé de uma úica medida. Dete modo, acrecetam o pao da validação, com o propóito de medir a cofiaça com que o úmero de compoete é eleccioado o pao da etimação. O idicador de cofiaça propoto é a probabilidade do procedimeto MIREV aumir o eu máximo o úmero de compoete forecida pelo pao da etimação ˆp ). Quado o valor de ˆp é elevado, exite cofiaça de que foi efectuada uma correcta ecolha de S. Por outro lado, um valor baixo para ˆp ugere que ou a compoete etão pouco eparada ou o úmero de compoete foi eleccioado icorrectamete. Eta probabilidade é etimada por boottrappig. Claro que aociado ao pao de validação exite mai uma vez o perigo de umariar muita iformação um úico úmero. Se mai iformação é deejada, pode er examiada a ditribuição boottrap do úmero de compoete. Eta ditribuição pode ugerir valore alterativo para o úmero de compoete idetificada o pao da etimação. MIR: OVOS DESEVOLVIMETOS Polymei e Titterigto 998) propueram uma modificação ao trabalho de Widham e Cutler 992) para a determiação do úmero de compoete exitete uma mitura. A modificação do método é motivada pelo facto da matriz F e torar igular quado e ajutam muita compoete e, coequetemete, Dete modo, propõem a detecção do meor valor de S para o qual m e aproximar de zero. m é próximo de zero, e a elecção de S-. Para deevolver eta abordagem, que ão poui uma teoria ubjacete, o autore adoptam procedimeto baeado o método de Mote Carlo, decrito a Tabela A
3 B ˆ * * * b θb θb) A.4.5) b E f x f x B b= = = Koih e Kitagawa 996) propueram uma técica de redução da variâcia a imulação de amotra boottrap com o objectivo de dimiuir o úmero de amotra eceária. MIR: ESTIMAÇÃO E VALIDAÇÃO Widham e Cutler 992) propõem aida o procedimeto MIREV - Miimum Iformatio Ratio Etimatio ad Validatio, cocebido para a determiação do úmero de compoete com bae o critério MIR Tabela A4..). Tabela A4.. Procedimeto MIREV Etimação i) Ecolher S e S 2, com 2 S S2. ii) Para cada S, S S S 2, obter o valor para o critério MIR aumido que a mitura poui S compoete. iii) Etimar o úmero de compoete como edo MIR é maximizado. Ŝ, o valor de S para o qual o Validação i) Para b=,..., B, obter uma amotra boottrap - boottrap ample - do dado origiai e calcular S ˆb, tal como o pao de etimação. ii) Etimar a probabilidade do máximo de pˆ úmero de veze em que S ˆ de cofiaça em Ŝ. b MIR ocorrer em S = Sˆ, deotar por = S ˆ /B), e uar ete valor como uma medida Fote: Adaptado a partir de Widham e Cutler 992) pág
4 covecioal é a de que cada obervação pode er uada mai do que uma vez. Smyth 2000) refere que a ecolha de γ = 0,5 e apreeta como robuta uma grade variedade de problema e o valore de B etre 20 e 50 ão adequado em muita aplicaçõe. Smyth 2000) compara o critério CVIC com o critério BIC e o boottrap LRTS em aplicaçõe de amotra já etudada e coclui que eta trê metodologia apreetam deempeho emelhate a elecção da compoete um modelo de ditribuiçõe mitura ormai. EIC EFRO - CRITÉRIO DE IFORMAÇÃO DE EFRO Ihiguro et al. 997) propõem a obteção do valor para o critério de iformação de Akaike atravé de boottrappig, a que deiga por Critério de Iformação de Efro EIC), Efro boottrapped) Iformatio Criteria. Trata-e de outra exteão ao critério de Akaike, em que o termo de pealização em A.4.2) é etimado com bae o boottrap de Efro 979). ˆ ) EIC = 2log L+ 2b E A.4.2) Dete modo, b E ˆ ) é aproximado atravé do método de Mote Carlo com bae e B amotra obtida por bootrappig. ˆ * * * = θ θ ) A.4.3) b E E f X f X = = Em que ˆ* θ deota a etimativa de MV formada com bae a amotra boottrap. É poível aproximar ete evieameto boottrap com bae em B amotra boottrap idepedete: Seja iid... * * ˆ b b ) X,..., X E b=,..., B A.4.4) * ˆb θ a etimativa de máxima veroimilhaça formada com bae a amotra b b,..., B) =. Tal coduz a: 349
5 APÊDICE 4. ABORDAGES BASEADAS A SIMULAÇÃO o Apêdice 4 decrevem-e a eguite abordage baeada a imulação, tai como o critério CVIC Smyth, 2000), EIC Efro Ihiguro et al., 997), MIREV Widham e Cutler, 992), Poterior Predictive Check Rubi, 984) e SMEM Wag et al., 2004). CVIC VALIDAÇÃO CRUZADA A correcção do evieameto da fução de veroimilhaça pode er realizada uado a validação cruzada, como em Smyth 2000). Ete autor propô um critério de iformação baeado a validação cruzada Cro-Validatio-Baed Iformatio Criterio CVIC). Ete critério ecolhe o úmero de compoete S com bae o valor do logaritmo da fução de veroimilhaça obtida por validação cruzada, cro-validated log likelihood, = x ˆ θ) log f ;, A.4.) em que ˆ θ deota a etimativa de máxima veroimilhaça de θ formada a partir da amotra obervada,,..., x x, apó er elimiada a obervação,..., ) =. Segudo Smith 2000: 65), the ue of cro-validatio i thi role ca be viewed a a alterative method to evaluatig the fitted model o a tet ample of the ame ize a the origial oe the traiig ample) o which θ i baed. Ete tipo de abordagem é muito exigete computacioalmete, dado que apea uma obervação é elimiada de cada vez. Dete modo, têm ido propota alguma modificaçõe ao procedimeto bae. Uma dea modificaçõe coite em dividir a amotra em v cojuto dijuto v > ), cada um de dimeão v ) e elimiar v obervaçõe de cada vez. Eta modificação é deigada por v-fold cro validatio. Outra alterativa, cohecida como validação cruzada de Mote Carlo, Mote Carlo cro-validatio, gera B partiçõe idepedete do cojuto de dado uma amotra de tete de dimeão γ e uma amotra de validação de dimeão γ ), 0 < γ <, para a etimação de θ. A grade difereça etre ete método e a abordagem 348
02/02/2017. Intervalo de Confiança. Bioestatística. Universidade Estadual do Oeste do Paraná - Unioeste. Curso de Nutrição
Uiveridade Etadual do Oete do Paraá - Uioete Curo de Nutrição Bioetatítica Profeora Aqui começamo o etudo da etatítica iferecial, que é o egudo maior ramo da etatítica. M.Roebel Tridade Cuha Prate Coite
Leia maisINTERVALO DE CONFIANÇA
INTERVALO DE CONFIANÇA Supoha que etejamo itereado um parâmetro populacioal verdadeiro (ma decohecido) θ. Podemo etimar o parâmetro θ uado iformação de oa amotra. Chamamo o úico úmero que repreeta o valor
Leia maisn Obtido através desvio padrão da população (σ)
3/5/ Etatítica Geral Tete t de STUDENT Cap. 7, 8 e 9 Callegari-Jacque, S. M. Bioetatítica: Pricípio e Aplicaçõe, 3. Apotila: Regazzi, A. J., Curo de iiciação à etatítica. Curo: Saúde/CUA/UFMT Profº: Glauco
Leia maisDenomina F a variável aleatória definida pelo quociente: F = n
9/0/0 Etatítica Eperimetal Tete F Tete t de STUDENT Cap. 7, 8 e 9 Callegari-Jacque, S. M. Bioetatítica: Pricípio e Aplicaçõe, 003. Apotila: Regazzi, A. J., Curo de iiciação à etatítica. Profº: Glauco Vieira
Leia maisUNIDADE II TESTE DE HIPÓTESE
0/0/06. INTRODUÇÃO A iferêcia etatítica preocupa-e em determiar e UNIDADE II TESTE DE IPÓTESE CUIABÁ, MT 05/ PROF.: RÔMULO MÔRA romulomora.webode.com exite alguma igificâcia etatítica acoplada ao reultado
Leia maisCapítulo 2. Modelos Mistura de Regressão para Variáveis Normais (2.52)
p = λ f ( y β, Δ ) λ f ( y β, Δ ) (.5) Coidera-e o cao de uma úica obervação para cada uidade eccioal (i.e., a abordagem propota por Dearbo e Cro 988) como um cao epecial do método propoto (Ramawamy et
Leia maisPCM uniforme na presença de ruído
PCM uiforme a preeça de ruído Fote: Ruído o caal provoca erro a palavra biária o decodificador, ruído de decodificação. A potêcia dete ruído pode er adicioada ao ruído de uatificação (fote idepedete, logo
Leia maisTécnicas de codificação diferencial
Técica de codificação diferecial Em certo iai, e.g. o ial de voz e o ial de vídeo, o valor do ial varia pouco de amotra para amotra: ito permite prever com alguma cofiaça o valor de uma amotra a partir
Leia mais06/02/2017. Teste de Hipóteses. Principais Conceitos. Teste de Hipóteses. Tipos de Erros. Tipos de Testes. Bioestatística
6/2/217 Uiveridade Etadual do Oete do Paraá - Uioete Tete de Hipótee Curo de Medicia/Nutrição Bioetatítica Profeora Tete de Hipótee (TH) é uma ferrameta etatítica que também é utilizado para fazer iferêcia
Leia maisAEP FISCAL ESTATÍSTICA
AEP FISCAL ESTATÍSTICA Módulo 12: - Itervalo de Cofiaça - Tete de Hipótee (webercampo@gmail.com) INTERVALO DE CONFIANÇA 1. INTERVALO DE CONFIANÇA PARA A MÉDIA O proceo de cotrução do itervalo de cofiaça
Leia maisEstatística: Aplicação ao Sensoriamento Remoto SER ANO Intervalo de Confiança
Etatítica: Aplicação ao Seoriameto Remoto SER 4 - ANO 19 Itervalo de Cofiaça Camilo Dalele Reó camilo.reo@ipe.br http://www.dpi.ipe.br/~camilo/etatitica/ Itervalo de Cofiaça Um parâmetro pode er etimado
Leia mais2 Técnicas de CEP para Processos Multicanal
19 Técica de CEP para Proceo Multicaal Ete capítulo apreeta a técica exitete a literatura para o cotrole de proceo multi-caal. Ao memo tempo, o coceito fudametai ubjacete ão apreetado, a forma do divero
Leia maisInferência Estatística
Iferêcia Etatítica Tete de Hipótee: tete de difereça etre média, coceito, grupo pareado, grupo idepedete com variâcia cohecida e decohecida Itrodução Coidere o problema de comparar materiai (A e B), para
Leia maisEm estatística, uma hipótese é uma alegação, ou afirmação, sobre uma propriedade de uma população.
7 TESTE DE HIPÓTESE 7. Itrodução Ao pergutarmo para a peoa a rua qual é a temperatura média do corpo humao, teremo 37 C como a maioria da repota. Um grupo de pequiadore realizou um experimeto para verificar
Leia maisAmostragem Casual Estratificada
CAPÍTUO VI Amotragem Caual Etratificada Profeor Gilo Ferade da Silva Departameto de Egearia Floretal Cetro de Ciêcia Agrária CCA/UFES Itrodução A iteidade de amotragem eceária para etimar o parâmetro de
Leia maisA) Independência estatística B) Var. aleatórias C) Distribuição normal D) Dist. conjuntas e correlação E) Inferência estatística
A) Ideedêcia etatítica B) Var. aleatória C) Ditribuição ormal D) Dit. cojuta e correlação E) Iferêcia etatítica 18-02-2010 Joé Filie Rafael 1 E.1) Ditribuiçõe amotrai E.2) Itervalo de cofiaça e tete de
Leia maisPROCEDIMENTOS PARA A ESTIMAÇÃO DE PARÂMETROS EM GRÁFICOS DE CONTOLE
POCEDIMENTOS PAA A ESTIMAÇÃO DE PAÂMETOS EM GÁFICOS DE CONTOLE Aa Paula S. Figueiredo Arioto Bretaha Jorge Ecola Federal de Egeharia de Itajubá - Av. BPS, 1303 37500-000 Itajubá MG e-mail: aapaula@iem.efei.br
Leia maisMOQ-13 PROBABILIDADE E ESTATÍSTICA. Professor: Rodrigo A. Scarpel
MOQ-3 PROBABILIDADE E ESTATÍSTICA Profeor: Rodrigo A. Scarel rodrigo@ita.br www.mec.ita.br/~rodrigo Programa do curo: Semaa 3 4 5 6 7 8 9 0 3 4 5 e 6 Itrodução à robabilidade (eveto, eaço amotral, aioma,
Leia mais%, - &("$ () #&&'&( ./0/"1./223
%, - +./0/"./3!" "" "#$% #$%" "" #&&'&( &("$ () '*!"$ + EGMETAÇÃO DE MERCADO E MODELO MITURA DE REGREÃO PARA VARIÁVEI ORMAI Aa Oliveira-Brochado*; Fracico Vitorio Marti** *Cetre for Urba ad Regioal ytem,
Leia maisComparação entre duas populações
Comparação etre duas populações AMOSTRAS INDEPENDENTES Comparação etre duas médias 3 Itrodução Em aplicações práticas é comum que o iteresse seja comparar as médias de duas diferetes populações (ambas
Leia maisIntervalos de confiança
0 Itervalo de cofiaça 6.. A etiação por itervalo Noralete o proceo de ivetigação de u parâetro eceitao ir alé da ua etiativa potual ˆ. O fato de ão e cohecer o valor de pode cauar ua ieguraça e levar a
Leia maisAmostragem Casual Simples. Professor Gilson Fernandes da Silva Departamento de Engenharia Florestal Centro de Ciências Agrárias CCA/UFES
Amotragem Caual Simple Profeor Gilo Ferade da Silva Departameto de Egeharia Floretal Cetro de Ciêcia Agrária CCA/UFES 1 Itrodução Coforme apreetado o capítulo aterior, o método de ivetário podem er probabilítico
Leia maisPosicionamento RTK. Posicionamento Baseado em Redes de Estações de Referência GNSS. Prof. Dra. Daniele Barroca Marra Alves
Poicioameto RTK Poicioameto Baeado em Rede de Etaçõe de Referêcia GNSS Prof. Dra. Daiele Barroca Marra Alve RTK O RTK teve um grade deevolvimeto o último ao Pode alcaçar acurácia cetimétrica em tempo real
Leia maisAp A r p e r n e d n i d z i a z ge g m e m Es E t s a t tí t s í t s i t c i a c de d e Dado d s Francisco Carvalho
Apredizagem Estatística de Dados Fracisco Carvalho Avaliação e Comparação de Classificadores Existem poucos estudos aalíticos sobre o comportameto de algoritmos de apredizagem. A aálise de classificadores
Leia maisESTIMAÇÃO DA CONFIABILIDADE PARA UM MODELO DE DESEMPENHO ESTRUTURAL COM DISTRIBUIÇÃO NORMAL UMA SIMULAÇÃO
ETIMAÇÃO DA CONFIABILIDADE PARA UM MODELO DE DEEMPENHO ETRUTURAL COM DITRIBUIÇÃO NORMAL UMA IMULAÇÃO Amazoeida á Peixoto Piheiro Doutorada em Eg. Produção Ecola Politécica-UP eida@up.br Av. Prof o Almeida
Leia maisAprendizagem de Máquina
predizagem de Máquia Modelos de Mistura lgoritmo EM Estimação semi-paramétrica de desidade abordagem paramétrica para estimação de desidade supõe que a amostra X é extraída de uma distribuição que segue
Leia mais13 Inferência Estatística Teoria da Estimação
3 Iferêcia Etatítica Teoria da Etimação 3. Itrodução A partir dete capítulo abordaremo ituaçõe em que o iteree etá em obter iformaçõe da população a partir do reultado de uma amotra. Como exemplo, coideremo
Leia maisCAPÍTULO 7 - Intervalos de confiança
INF 16 CAPÍTULO 7 - Itervalo de cofiaça É uma maeira de calcularmo uma etimativa de um parâmetro decohecido. Muita veze também fucioa como um tete de hipótee. A idéia é cotruir um itervalo de cofiaça para
Leia maisEstatística: Aplicação ao Sensoriamento Remoto SER ANO Técnicas de Reamostragem
Estatística: Aplicação ao Sesoriameto Remoto SER 202 - ANO 2016 Técicas de Reamostragem Camilo Daleles Reó camilo@dpi.ipe.br http://www.dpi.ipe.br/~camilo/estatistica/ Distribuição Amostral Testes paramétricos
Leia maisMétodo do Lugar das Raízes
étodo do Lugar da Raíze Coceito de Lugar da Raíze; O Procedimeto do Lugar da Raíze; Proeto de Parâmetro pelo étodo do Lugar da Raíze; Seibilidade e Lugar da Raíze; Cotrolador de Trê Termo (PID); Exemplo
Leia maisESTATÍSTICA NÃO-PARAMÉTRICA
ESTATÍSTICA NÃO-PARAMÉTRICA Prof. Dr. Edmilso Rodrigues Pito Faculdade de Matemática - UFU edmilso@famat.ufu.br 1 Programa Itrodução - Plao de curso, sistema de avaliação - Coceitos básicos de iferêcia
Leia maisEstatística: Aplicação ao Sensoriamento Remoto SER ANO Teste de Hipótese
Estatística: Aplicação ao Sesoriameto Remoto SER 4 - ANO 18 Teste de Hipótese Camilo Daleles Reó camilo@dpi.ipe.br http://www.dpi.ipe.br/~camilo/estatistica/ Estimação de Parâmetros Como já foi visto,
Leia maisHIDROLOGIA E RECURSOS HÍDRICOS. Análise estatística aplicada à hidrologia (cont.)
HIDROLOGIA E RECURSOS HÍDRICOS Aálie etatítica aplicada à hidrologia (cot.) Caudal de pota de cheia que ão é excedido em 9% da ocorrêcia? Máxima precipitação em D h com dada probabilidade de excedêcia?
Leia maisMOQ-14 PROJETO e ANÁLISE de EXPERIMENTOS. Professor: Rodrigo A. Scarpel
MOQ-4 PROJETO e NÁLISE de EXPERIMENTOS Profeor: Rodrigo. Scarpel rodrigo@ita.br www.mec.ita.br/~rodrigo Programa do curo: Semaa Coteúdo preetação da diciplia. Pricípio de modelo lieare de regreão. Correlação
Leia maisIntervalo de Confiança para a Diferença entre Duas Médias Amostrais
Intervalo de Confiança para a Diferença entre Dua Média Amotrai Quando e quer etimar a diferença, µ µ, entre a média de dua populaçõe e, procede-e da eguinte maneira: toma-e uma amotra de cada população,
Leia maisIV.4 Análise de Dados da Avaliação
Melhor e Pior? IV - Avaliação IV.4 Análie de Dado da Avaliação Interactive Sytem Deign, Cap. 0, William Newman Melhor e Pior? Reumo Aula Anterior Avaliação com utilizadore Local (Laboratório, Ambiente
Leia maisEstratégia de Amostragem Sistemática para Reduzir o Efeito da Autocorrelação no Desempenho do Gráfico de Controle T2 de Hotelling
Etratégia de Amotragem Sitemática para Reduzir o Efeito da Autocorrelação o Deempeho do Gráfico de Cotrole T de Hotellig Roberto Campo Leoi rcleoi@yahoo.com.br AEDB Marcela Aparecida Guerreiro Machado
Leia maisTeste de hipótese. a) Uma população b) Duas populações c) Três ou mais populações
Tete de hipótee a Ua população b ua populaçõe c Trê ou ai populaçõe 6 Tete para coparação de dua édia de populaçõe orai Tete bilateral H 0 : = H : H 0 : = 0 H : 0 t Tete uilateral à direita H 0 : = H :
Leia mais1 Inferência Estatística - Teoria da Estimação
1 Inferência Etatítica - Teoria da Etimação 1.1 Introdução Nete capítulo abordaremo ituaçõe em que o interee etá em obter informaçõe da população com bae em amotra. Como exemplo, conidere a eguinte ituaçõe.
Leia maisESTIMAÇÃO DA PROPORÇÃO POPULACIONAL p
ESTIMAÇÃO DA PROPORÇÃO POPULACIONAL p Objetivo Estimar uma proporção p (descohecida) de elemetos em uma população, apresetado certa característica de iteresse, a partir da iformação forecida por uma amostra.
Leia maisTeoria dos Erros. Figura 1 - Medida de um objeto com uma régua graduada em centímetros
3 Teoria do Erro. Itrodução A gradeza fíica ão determiada experimetalmete por medida ou combiaçõe de medida. Ea medida tem uma icerteza itríeca que advém da caracterítica do equipameto utilizado a ua determiação
Leia maisIntrodução à Estatística. Computacional. UFMG-ICEx-EST /02/ :43. Cap. 0 - Introdução à Estatística. Computacional 1
0 ESQUEMA DO CAPÍTULO Itrodução à Estatística 0.1 VISÃO GERAL DOS MÉTODOS COMPUTACIONALMENTE INTENSIVOS EM ESTATÍSTICA 1 mete Itesivos Defiição: Do Hadbook of Computatioal Statistics: Cocepts ad Methods,
Leia maisEstatística Multivariada Aplicada
Faculdade de Ecoomia da Uiveridade de Coimbra Etatítica Multivariada Aplicada Pedro Lope Ferreira 000 ii Sumário Itrodução à etatítica multivariada -----------------------------------------------. A orgaização
Leia maisEstimadores de Momentos
Estimadores de Mometos A média populacioal é um caso particular daquilo que chamamos de mometo. Na realidade, ela é o primeiro mometo. Se X for uma v.a. cotíua, com desidade f(x; θ 1,..., θ r ), depededo
Leia maisMineração de Dados. Modelos Preditivos. Técnicas de Classificação Árvores de Decisão. Prof. Paulo Martins Engel. Tarefas preditivas:
UFRGS 2 Modelo Preditivo Mieração de Dado Técica de Claificação Árvore de Decião Prof. Paulo Marti Egel A tarefa de geração de um modelo preditivo coite em apreder um mapeameto de etrada para a aída, viado
Leia maisDISTRIBUIÇÃO AMOSTRAL E ESTIMAÇÃO PONTUAL INTRODUÇÃO ROTEIRO POPULAÇÃO E AMOSTRA. Estatística Aplicada à Engenharia
ROTEIRO DISTRIBUIÇÃO AMOSTRAL E ESTIMAÇÃO PONTUAL 1. Itrodução. Teorema Cetral do Limite 3. Coceitos de estimação potual 4. Métodos de estimação potual 5. Referêcias Estatística Aplicada à Egeharia 1 Estatística
Leia maisExemplos de I.C. (1 ) 100% para a mådia (e para diferença entre mådias)
Exemplo de I.C. ( )% para a mådia (e para difereça etre mådia) Exemplo : Tete de compreão foram aplicado em dua marca de cimeto para avaliar a reitêcia em cocreto. Foram produzido 5 corpo de prova de cada
Leia maisINFORMAÇÃO SOBRE O FUNCIONAMENTO DO MINITITULADOR HI PARA A DETERMINAÇÃO DO DIÓXIDO DE ENXOFRE NO VINHO. COMPARAÇÃO COM O MÉTODO OFICIAL
INFORMAÇÃO SOBRE O FUNCIONAMENTO DO MINITITULADOR HI 84100 PARA A DETERMINAÇÃO DO Repoabilidade: HANNA itrumet Autor: Joé Erique Catell Etela Douturado em Ciêcia Química Colegiado º100 Repoável pela Secção
Leia maisCONCEITOS BÁSICOS E PRINCÍPIOS DE ESTATÍSTICA
1 CONCEITOS BÁSICOS E PRINCÍPIOS DE ESTATÍSTICA 1. Coceitos Básicos de Probabilidade Variável aleatória: é um úmero (ou vetor) determiado por uma resposta, isto é, uma fução defiida em potos do espaço
Leia maisAnálise de Algoritmos. Análise de Algoritmos. Análise de Algoritmos. Análise de Algoritmos. Análise de Algoritmos. Análise de Algoritmos
Aálise de Algoritmos Aálise de Algoritmos Prof Dr José Augusto Baraauskas DFM-FFCLRP-USP A Aálise de Algoritmos é um campo da Ciêcia da Computação que tem como objetivo o etedimeto da complexidade dos
Leia maisNoções de Inferência Estatística
Noçõe de Iferêcia Etatítica Itrodução: O objetivo pricipal da iferêcia etatítica é fazer afirmaçõe obre caracterítica de uma população, baeado-e em reultado de uma amotra. Para io veremo como e relacioam
Leia maisEstimar uma proporção p (desconhecida) de elementos em uma população, apresentando certa característica de interesse, a partir da informação
ESTIMAÇÃO DA PROPORÇÃO POPULACIONAL p 1 Objetivo Estimar uma proporção p (descohecida) de elemetos em uma população, apresetado certa característica de iteresse, a partir da iformação forecida por uma
Leia maisMOQ-13 PROBABILIDADE E ESTATÍSTICA. Professor: Rodrigo A. Scarpel
MOQ-13 PROILIDDE E ESTTÍSTIC Professor: Rodrigo. Scarpel rodrigo@ita.br www.mec.ita.br/~rodrigo Programa do curso: Semaas 1 3 4 5 6 7 8 9 10 11 1 13 14 15 e 16 Itrodução à probabilidade (evetos, espaço
Leia maisExperimento 1 Estudo da Lei de Hooke
Experimeto 1 Estudo da Lei de Hooke 1.1 Objetivos Físicos Verificação experimetal da lei de Hooke para uma mola helicoidal: Medida experimetal do módulo de rigidez do material μ. 1. Objetivos Didáticos
Leia maisAmostras Aleatórias e Distribuições Amostrais. Probabilidade e Estatística: afinal, qual é a diferença?
Amostras Aleatórias e Distribuições Amostrais Probabilidade e Estatística: afial, qual é a difereça? Até agora o que fizemos foi desevolver modelos probabilísticos que se adequavam a situações reais. Por
Leia maisESTATÍSTICA BÁSICA- SUMÁRIO ( 1 a PARTE)
ESTATÍSTICA BÁSICA- SUMÁRIO ( a PARTE) POPULAÇÕES E AMOSTRAS IMPORTÂNCIA DA FORMA DA POPULAÇÃO DISTRIBUIÇÃO NORMAL DE GAUSS PARÂMETROS E ESTIMATIVAS TEOREMA DO LIMITE CENTRAL DISTRIBUIÇÃO Z E DISTRIBUIÇÃO
Leia mais6.1 Estimativa de uma média populacional: grandes amostras. Definição: Um estimador é uma característica amostral (como a média amostral
6 ESTIMAÇÃO 6.1 Estimativa de uma média populacioal: grades amostras Defiição: Um estimador é uma característica amostral (como a média amostral x ) utilizada para obter uma aproximação de um parâmetro
Leia maisProbabilidade II Aula 9
Coteúdo Probabilidade II Aula 9 Maio de 9 Môica Barros, D.Sc. Estatísticas de Ordem Distribuição do Máximo e Míimo de uma amostra Uiforme(,) Distribuição do Máximo e Míimo caso geral Distribuição das Estatísticas
Leia maisCap. 7 - Parte I Root Locus
CONTROLO º emetre 0/03 Traparêcia de apoio à aula teórica Cap. 7 - Parte I Root Locu Maria Iabel Ribeiro Atóio Pacoal Todo o direito reervado Eta ota ão podem er uada para fi ditito daquele para que foram
Leia maisDEPARTAMENTO DE ENGENHARIA NAVAL E OCEÂNICA ESCOLA POLITÉCNICA DA UNIVERSIDADE DE SÃO PAULO PNV3324 FUNDAMENTOS DE CONTROLE EM ENGENHARIA
DEPARTAENTO DE ENGENHARIA NAVAL E OCEÂNICA ESCOLA POLITÉCNICA DA UNIVERSIDADE DE SÃO PAULO PNV334 FUNDAENTOS DE CONTROLE E ENGENHARIA NOTAS DE AULA* Prof. Helio itio orihita * Ete texto é um mero roteiro
Leia maisIntervalo de Confiança para a Variância de uma População Distribuída Normalmente. Pode-se mostrar matematicamente que a variância amostral,
Etatítica II Antonio Roque Aula 8 Intervalo de Confiança para a Variância de uma População Ditribuída Normalmente Pode-e motrar matematicamente que a variância amotral, ( x x) n é um etimador não envieado
Leia maisProbabilidade II Aula 12
Coteúdo Probabilidade II Aula Juho de 009 Desigualdade de Marov Desigualdade de Jese Lei Fraca dos Grades Números Môica Barros, D.Sc. Itrodução A variâcia de uma variável aleatória mede a dispersão em
Leia maisHipótese Estatística. Tipos de Hipóteses
Hipótese Estatística Hipótese, em estatística, é uma suposição formulada a respeito dos parâmetros de uma distribuição de probabilidade de uma ou mais populações. Podemos formular a hipótese que a produtividade
Leia maisn ) uma amostra aleatória da variável aleatória X.
- Distribuições amostrais Cosidere uma população de objetos dos quais estamos iteressados em estudar uma determiada característica. Quado dizemos que a população tem distribuição FX ( x ), queremos dizer
Leia maisHidden Markov Models. Renato Assunção DCC - UFMG
Hidden Markov Model Renato Aunção DCC - UFMG Proceo Etocático Proceo etocático e uma coleção de variávei aleatória: {X i, i {0,, 2,...}} I e chamado de conjunto-índice: e o conjunto que indexa a variávei
Leia maisESCOLA BÁSICA DE ALFORNELOS
ESCOLA BÁSICA DE ALFORNELOS FICHA DE TRABALHO DE MATEMÁTICA 9.º ANO VALORES APROXIMADOS DE NÚMEROS REAIS Dado um úmero xe um úmero positivo r, um úmero x como uma aproximação de x com erro iferior a r
Leia maisNotas do Curso Inferência em Processos Estocásticos. 1 Estimação de máxima verossimilhança para cadeias de Markov de ordem k
Notas do Curso Iferêcia em Processos Estocásticos Prof. Atoio Galves Trascrita por Karia Yuriko Yagiuma 1 Estimação de máxima verossimilhaça para cadeias de Markov de ordem k Seja (X ) =0,1,,... uma cadeia
Leia maisCap. 7 - Parte I Root Locus
CONTROLO º emetre 007/008 Traparêcia de apoio à aula teórica Cap. 7 - Parte I Root Locu Maria Iabel Ribeiro Atóio Pacoal Maio de 008 Todo o direito reervado Eta ota ão podem er uada para fi ditito daquele
Leia maisAnálise de dados industriais
Aálie de dado idutriai Ecola Politécica Departameto de Egeharia Química Roberto Guardai 014 Parte 1. Coceito Báico de Etatítica Itrodução Lita de ímbolo Bibliografia Etatítica decritiva Erro de medida,
Leia maisBioestatística e Computação I
Bioetatítica e Computação I Intervalo de confiança Maria Virginia P Dutra Eloane G Ramo Vania Mato Foneca Pó Graduação em Saúde da Mulher e da Criança IFF FIOCRUZ Baeado na aula de M. Pagano e Gravreau
Leia maisCircuitos Elétricos II Experimento 2
Experimeto : Frequêcia Complexa Própria. Objetivo: Determiação da frequêcia complexa própria de um circuito RLC utilizado o traitório repetitivo.. Itrodução Seja y( a repota de um circuito liear, de parâmetro
Leia maisSuponha ser possível determinar um modelo de regressão. Considere um experimento fatorial com fatores testados a l
Modelagem da Variância em Experimento Não-Replicado Flávio Fogliatto, Ph.D. 1 Prof. Fogliatto 1 Panorâmica (Continuação) Deeja-e verificar e o reíduo, dentro de um determinado nível de um fator de controle,
Leia maisCAPÍTULO 6 - ESTIMAÇÃO E TESTES DE HIPÓTESES
CAPÍTULO 6 - ESTIMAÇÃO E TESTES DE HIPÓTESES 6. INTRODUÇÃO INFERÊNCIA ESTATÍSTICA Estimação por poto por itervalo Testes de Hipóteses População X θ =? Amostra θ Iferêcia Estatística X, X,..., X 6. ESTIMAÇÃO
Leia maisTeorema do limite central e es/mação da proporção populacional p
Teorema do limite cetral e es/mação da proporção populacioal p 1 RESULTADO 1: Relembrado resultados importates Seja uma amostra aleatória de tamaho de uma variável aleatória X, com média µ e variâcia σ.temos
Leia maisMétodos Quantitativos para Ciência da Computação Experimental Aula #4
Métodos Quatitativos para Ciêcia da Computação Experimetal Aula #4 Jussara Almeida DCC-UFMG 2017 Measuremets are ot to provide umbers, but isights Metodologia de Comparação de Sistemas Experimetais Comparado
Leia maisTRANSPORTES. Sessão Prática 4 Amostragem de escalares
Mestrado Itegrado em Egeharia Civil TRNPORTE Prof. Resposável: Luis Picado atos essão Prática 4 mostragem de escalares Istituto uperior Técico / Mestrado Itegrado Egeharia Civil Trasportes ulas Práticas
Leia maisbinomial seria quase simétrica. Nestas condições será também melhor a aproximação pela distribuição normal.
biomial seria quase simétrica. Nestas codições será também melhor a aproximação pela distribuição ormal. Na prática, quado e p > 7, a distribuição ormal com parâmetros: µ p 99 σ p ( p) costitui uma boa
Leia maisProbabilidades e Estatística LEIC-A, LEIC-T, LEGM, MA, MEMec
Duração: 90 miutos Grupo I Probabilidades e Estatística LEIC-A, LEIC-T, LEGM, MA, MEMec Justifique coveietemete todas as respostas! 2 o semestre 2015/2016 30/04/2016 9:00 1 o Teste A 10 valores 1. Uma
Leia maisTeorema do Limite Central, distribuição amostral, estimação por ponto e intervalo de confiança
Teorema do Limite Cetral, distribuição amostral, estimação por poto e itervalo de cofiaça Prof. Marcos Pó Métodos Quatitativos para Ciêcias Sociais Distribuição amostral Duas amostrages iguais oriudas
Leia maisMestrado Integrado em Engenharia Civil. Disciplina: TRANSPORTES. Sessão Prática 4: Amostragem
Mestrado Itegrado em Egeharia Civil Disciplia: TRNSPORTES Prof. Resposável: José Mauel Viegas Sessão Prática 4: mostragem Istituto Superior Técico / Mestrado Itegrado Egª Civil Trasportes ulas Práticas
Leia maisDESIGUALDADES, LEIS LIMITE E TEOREMA DO LIMITE CENTRAL. todas as repetições). Então, para todo o número positivo ξ, teremos:
48 DESIGUALDADES, LEIS LIMITE E TEOREMA DO LIMITE CENTRAL LEI DOS GRANDES NÚMEROS Pretede-se estudar o seguite problema: À medida que o úmero de repetições de uma experiêcia cresce, a frequêcia relativa
Leia maisValidação do método de dimensionamento do número médio ideal de sementes por saca
Validação do método de dimeioameto do úmero médio ideal de emete por aca Quitiliao Siqueira Schrode Nomelii 1, Dayae Alve Cota 1, Luca Floretio Silva 1, Alie Sato Ferreira 1, Jaer Moura Pereira 2, Nádia
Leia maisCORRELAÇÃO Aqui me tens de regresso
CORRELAÇÃO Aqui me tes de regresso O assuto Correlação fez parte, acompahado de Regressão, do programa de Auditor Fiscal, até 998, desaparecedo a partir do cocurso do ao 000 para agora retorar soziho.
Leia maisIntrodução a Complexidade de Algoritmos
Itrodução a Complexidade de Algoritmos Estruturas de Dados Prof. Vilso Heck Juior Apresetação Revisão - O Algoritmo; A Complexidade; Exercício. Complexidade de Algoritmos REVISÃO - O ALGORITMO O Algoritmo
Leia maisétodos uméricos MÉTODO DOS MOMENTOS - MOM Prof. Erivelton Geraldo Nepomuceno PROGRAMA DE PÓS-GRADUAÇÃO EM ENGENHARIA ELÉTRICA
étodos uméricos MÉTODO DOS MOMETOS - MOM Prof. Erivelto Geraldo epomuceo PROGRAMA DE PÓS-GRADUAÇÃO EM EGEHARIA ELÉTRICA UIVERSIDADE DE JOÃO DEL-REI PRÓ-REITORIA DE PESQUISA CETRO FEDERAL DE EDUCAÇÃO TECOLÓGICA
Leia maisObtemos, então, uma amostra aleatória de tamanho n de X, que representamos por X 1, X 2,..., X n.
Vamos observar elemetos, extraídos ao acaso e com reposição da população; Para cada elemeto selecioado, observamos o valor da variável X de iteresse. Obtemos, etão, uma amostra aleatória de tamaho de X,
Leia maisO teste de McNemar. A tabela 2x2. Depois - Antes
Prof. Lorí Viali, Dr. http://www.pucrs.br/famat/viali/ viali@pucrs.br O teste de McNemar O teste de McNemar para a sigificâcia de mudaças é particularmete aplicável aos experimetos do tipo "ates e depois"
Leia maisDespertando o(a) Discente Ativo(a)
Etatítica II 4.0.07 UNIVERSIDADE FEDERAL DE RONDÔNIA CAMPUS DE JI-PARANÁ DEPARTAMENTO DE ENGENHARIA AMBIENTAL Etatítica II Profa. Renata Gonçalve Aguiar Fonte: naomearrependonemmeorgulho.blogpot. Sábio
Leia maisEstatística: Aplicação ao Sensoriamento Remoto SER ANO Teoria da amostragem
Estatística: Aplicação ao Sesoriameto Remoto SER 04 - ANO 017 Teoria da amostragem Camilo Daleles Reó camilo@dpi.ipe.br http://www.dpi.ipe.br/~camilo/estatistica/ Algumas Cosiderações... É importate ter
Leia maisCap. 4 - Estimação por Intervalo
Cap. 4 - Estimação por Itervalo Amostragem e iferêcia estatística População: cosiste a totalidade das observações em que estamos iteressados. Nº de observações a população é deomiado tamaho=n. Amostra:
Leia maisCONHECIMENTOS ESPECÍFICOS
CESPE/UB FUB/0 fa 5 4 CONHECIMENTOS ESPECÍFICOS 60 As distribuições B e C possuem os mesmos valores para os quartis Q e Q, e o quartil superior em B correspode ao quartil cetral (Q ) da distribuição A.
Leia maisDeterminação do factor correctivo da potência de ruído em sistemas de transmissão por cabo coaxial com igualação
Determiação do actor correctivo da potêcia de ruído em itema de tramião por cabo coaxial com igualação A ução de traerêcia do igualador é dada por I ( V e y( ( H ( em que y ( é a traormada de Fourier da
Leia maisInferência Estatística
Iferêcia Estatística opulação Amostra Itroduç Itrodução à Iferêcia Estatística Como tirar coclusões tomar decisões a partir de iformação parcial / icompleta (amostra) projectado /geeralizado resultados
Leia maisEstimação A estimação de um parâmetro, θ, de uma população pode ser feita por dois processos: Estimação Pontual e Estimação intervalar.
Escola uperior de Tecologia de Viseu ETIMAÇÃO Estimação A estimação de um parâmetro, θ, de uma população pode ser feita por dois processos: Estimação Potual e Estimação itervalar. Exemplo: Num dos diversos
Leia maisINCERTEZA DA MEDIÇÃO: AS DIFICULDADES DA DISSEMINAÇÃO
INCERTEZA DA MEDIÇÃO: AS DIFICULDADES DA DISSEMINAÇÃO JOSÉ ROBERTO ALVES DE MATTOS FACULDADE DE ENGENHARIA QUÍMICA DE LORENA-FAENQUIL RODOVIA ITAJUBÁ-LORENA km 74,5 LORENA CEP 1600-000 FAX(01)5533133 JOSÉ
Leia mais4 Teoria da Probabilidade
48 4 Teoria da Probabilidade Apresetam-se este capítulo coceitos de probabilidade e de estimação de fuções desidade de probabilidade ecessários ao desevolvimeto e compreesão do modelo proposto (capítulo
Leia maisTestes de Hipóteses. Júlio Osório. Os dois campos da Análise Estatística. Métodos Estatísticos. Inferência Estatística. Estatística Descritiva
Testes de Hipóteses Júlio Osório Os dois campos da Aálise Estatística Métodos Estatísticos Estatística Descritiva Iferêcia Estatística Estimativa Testes de Hipóteses 1 Exemplo Ilustrativo Mediram-se os
Leia maisA Inferência Estatística é um conjunto de técnicas que objetiva estudar a população através de evidências fornecidas por uma amostra.
UNIVERSIDADE FEDERAL DA PARAÍBA Distribuição Amostral Luiz Medeiros de Araujo Lima Filho Departameto de Estatística INTRODUÇÃO A Iferêcia Estatística é um cojuto de técicas que objetiva estudar a população
Leia maisDistribuições Amostrais
9/3/06 Uiversidade Federal do Pará Istituto de Tecologia Estatística Aplicada I Prof. Dr. Jorge Teófilo de Barros Lopes Campus de Belém Curso de Egeharia Mecâica 3/09/06 3:38 ESTATÍSTICA APLICADA I - Teoria
Leia maisLista de Exercícios #6 Assunto: Propriedade dos Estimadores e Métodos de Estimação
Assuto: Propriedade dos Estimadores e Métodos de Estimação. ANPEC 08 - Questão 6 Por regulametação, a cocetração de um produto químico ão pode ultrapassar 0 ppm. Uma fábrica utiliza esse produto e sabe
Leia mais