Parte 3 - Regressão linear simples

Save this PDF as:
 WORD  PNG  TXT  JPG

Tamanho: px
Começar a partir da página:

Download "Parte 3 - Regressão linear simples"

Transcrição

1 Parte 3 - Regressão lear smples

2 Defção do modelo Modelo de regressão empregado para eplcar a relação lear etre duas varáves (ajuste de uma reta). O modelo de regressão lear smples pode ser epresso a forma: sedo: y = β + β + ε, () y : varável depedete (resposta); : varável depedete (eplcatva), fa e observada; β e β : parâmetros do modelo; ε : erro aleatóro, ão observado, para o qual assummos méda zero ( ( ε ) = ) ( ε = σ ) σ Var ( ) E e varâca descohecda, costate para todo o domío do estudo. Adcoalmete, supõe-se que os erros correspodetes a dferetes observações sejam ão correlacoados ( Cor(,ε ) =, j) ε. j

3 E[ y ]=β + β y ε =y β β y Fgura Ilustração regressão lear smples. 3

4 Nota Observe que o modelo de regressão lear smples é lear ão só com relação aos parâmetros, mas também com relação à varável eplcatva ( ). A especfcação do modelo de regressão lear smples mplca que, codcoal ao valor de, a dstrbução de y tem as segutes propredades (Eercíco ): ( y ) E( β + β + ε ) = β + β E = ; ( y ) = Var( β + β + ε ) = Var( ε ) = σ Var. Com base a dstrbução codcoal de y com relação a, os parâmetros do modelo têm as segutes o terpretações: β : é a méda da dstrbução de y quado = (tercepto). Somete váldo quado = pertece ao domío do estudo (se ão, a terpretação de β cofgura um erro de etrapolação); o β : é a alteração a méda de y assocada ao acréscmo de uma udade em. 4

5 Fgura Ilustração referete à terpretação dos parâmetros do modelo de regressão lear smples (Fote: Demétro e Sadoval, ). 5

6 Estmação dos parâmetros do modelo - o método de mímos quadrados Supoha que se dspoha de uma amostra de observações do par (, y) : ( y ), (, y ),..., (, ), y ; Neste caso, o método de mímos quadrados cosste a determação dos valores de β e β tas que os erros do modelo de regressão lear smples: y = β + β + ε,,,..., () = sejam mímos. Em outras palavras, o método cosste a determação de β e β tas que a dstâca da reta aos valores observados seja míma. Nota O modelo apresetado em () descreve a relação etre as varáves a ível populacoal, como fução de parâmetros descohecdos. Logo, os erros do modelo ε E( y ) = y ( β + β ) observáves. 6 = ão são y

7 , β = ε = = = y β β Cosdere ( ) ( ) S β a soma dos quadrados dos erros. Os estmadores de mímos quadrados de β e β são determados mmzado ( ) S β,β com relação a β e β. Nota Embora apresetado aqu o coteto de regressão lear smples, o método de mímos quadrados pode ser descrto de forma mas geral. Supoha um modelo de regressão (lear ou ão lear) da forma: em que (,..., ) = e β ( β β,..., ), p (, ) +, =, y = f β ε,...,, =, β k. Cosdere S( β,..., β ) = ε = ( y f ( β )), k, = = β a soma dos quadrados dos erros. Os estmadores de mímos quadrados de, β β k. β,...,, β βk são determados mmzado S( β, β,..., β k ) β,..., com relação a 7

8 8 A obteção dos estmadores de mímos quadrados de β e β (que remos deotar por ˆβ e ˆβ ) resulta da solução do segute sstema de dervadas parcas: ( ) ( ), ;, = = β β β β β β S S. () Como resultado do sstema de equações apresetadas em (), têm-se os segutes estmadores de mímos quadrados (Eercíco ): ( )( ) ( ) ( ) ( ) = = = = = = y y y ˆβ e y ˆ ˆ β β =, sedo = = e = = y y.

9 Utlzado-se os estmadores de mímos quadrados ˆβ e ˆβ, obtém-se o modelo (reta) de regressão ajustado, deotado por: yˆ = ˆ β + ˆ β. Para um partcular valor, o correspodete valor ŷ ajustado pela reta é tato uma estmatva da méda de y, codcoada a, quato uma predção de y para o valor fado. A dfereça etre um valor observado de y e o correspodete valor ajustado pelo modelo de regressão ( ŷ ) é um resíduo. Assm, para as observações usadas o ajuste do modelo, tem-se um cojuto de resíduos, deotados por: ( ˆ + ˆ ),, ˆ = r = y y = y β β,...,. Os resíduos são de fudametal mportâca o dagóstco do modelo ajustado, sobretudo a avalação das suposções de varâca costate (homocedastcdade) e depedêca. 9

10 Eemplo Os dados que se seguem (Sedecor e Cochra, 967) referem-se a meddas de alturas de platas de fejão (Y ), durate sete semaas (amostras depedetes). Idade em semaas ( ) Altura em cm ( y ) Apresete o dagrama de dspersão e avale a relação etre as varáves. Calcule as estmatvas de mímos quadrados dos parâmetros de um modelo de regressão lear smples e apresete a reta de regressão ajustada.

11 Propredades dos estmadores de mímos quadrados do modelo de regressão lear smples - Os estmadores de mímos quadrados ˆβ e ˆβ são combações leares dos y ' s (Eercíco 3); - ˆβ e ˆβ são estmadores ão vcados de β e β (Eercíco 4): E ( ˆ β ) = β e ( ˆ β ) = β E ; 3- As varâcas de ˆβ e ˆβ são, respectvamete (Eercíco 5): Var ( ˆ ) = β σ + e Var( ˆ ) ( ) = σ β. = = ( ) 4- Teorema de Gauss-Markov Para o modelo de regressão lear smples, com as pressuposções mecoadas para os erros, os estmadores de mímos quadrados são ão vcados e têm varâca míma detre todos os estmadores ão vcados que são combações leares dos y ' s.

12 Propredades adcoas do modelo ajustado (Eercíco 6): o ( y y ) = o = = ˆ r = ; y yˆ ; = = = o A reta de regressão passa pelo cetróde (, y) dos dados; o r = ; = o y ˆr =. =

13 Estmação de σ A estmação de σ permte quatfcar a varação dos dados ão eplcada pelo modelo, além de servr para a obteção de ferêcas (tervalos de cofaça, testes de hpóteses) para β e β. Um estmador ão vcado (Eercíco 7) de σ, caso o modelo proposto seja bem especfcado, é dado por: ( y yˆ ) = r = ˆ σ = =. Um pouco de termologa: chamamos r = de soma de quadrados dos resíduos ( s ) e de quadrado médo de resíduos ( QM Re ). s SQ Re = r 3

14 σ=, σ=,3 σ=, y y y Fgura 3 Dados smulados a partr de uma mesma reta de regressão com dferetes desvos padrões ( σ =,; σ =,3 ; σ =, 5, da esquerda para a dreta). 4

15 Modelo de regressão lear smples com erros ormalmete dstrbuídos Vamos retomar o modelo de regressão lear smples, coforme especfcado em (), com a suposção adcoal de que o erro tem dstrbução Normal: d, sedo ε ~ N(, σ ) y = β + β + ε. Sob essa especfcação, codcoal a tem-se a segute dstrbução para a resposta (Eercíco 8): d ( β β ) y ~ N + σ., Assm, fado o valor de, y tem dstrbução Normal, cetrada em β + β e com varâca σ, que ão depede de. A Fgura 3 lustra esse fato. 5

16 Fgura 4 Ilustração do modelo de regressão lear smples com erros ormalmete dstrbuídos (Fote: Demétro e Sadoval, ). 6

17 Estmação por máma verossmlhaça para os parâmetros do modelo Retomado ovamete o modelo de regressão lear smples, coforme especfcado em (), com a suposção adcoal de que o erro tem dstrbução Normal. Cosdere uma amostra de observações do par (, y) : ( y ), (, y ),..., (, ) verossmlhaça fca dada por:, y. A fução de L (,,, ) ( ) / β β σ y = πσ ep ( y β β ) = = / ( πσ ) ep ( y β β ). σ = σ = Verfca-se que os estmadores de máma verossmlhaça de β e β são guas aos correspodetes estmadores de mímos quadrados (Eercíco 9); 7

18 O estmador de máma verossmlhaça de σ é dado por (Eercíco ): ~ y yˆ ˆ σ σ = = =, ( ) ( ) que é ão vcado apeas asstotcamete (quado ); Como propredades adcoas dos estmadores de máma verossmlhaça tem-se que, sob ormaldade, ˆβ e ˆβ são efcetes e cosstetes. 8

19 Dstrbução amostral dos estmadores dos parâmetros do modelo de regressão lear smples A dstrbução amostral de ˆβ refere-se à dstrbução de um cojuto de ˆ' β s obtdos repetdo-se o epermeto dversas vezes, matedo-se fos os ' s (o mesmo vale para ˆβ ); Sob a suposção de ormaldade, ˆβ e ˆβ tem as segutes dstrbuções amostras (Eercíco ): ( ) ˆ β ~ N β +, σ ; = ˆ σ β ~ N β, ( ), = sedo que Var ( ˆβ ) e ( ˆβ ) Var são estmados, respectvamete, por: ( ) = ^ ˆβ QM + e Var( ) ^ Re s Var = ( ) QM Re s ˆβ =. = ( ) 9

20 Itervalos de cofaça e testes de hpóteses para os parâmetros do modelo podem ser obtdos com base as dstrbuções amostras apresetadas. Nota Chamamos erro padrão de um estmador a raz quadra de sua varâca amostral. Assm, a título de lustração, ep ( ) QM Re s ˆβ =. = ( )

21 Iferêca para os parâmetros do modelo de regressão lear smples Teste de hpótese para o tercepto ( β ): o Hpóteses: H : β = β vs H : β β, sedo β algum valor postulado; o Estatístca do teste: t = QM Re s ˆ β β + =. ( ) o Regra de decsão: Sob H, t tem dstrbução ível de sgfcâca α, rejeta-se H se t > t ; /. α t Studet com graus de lberdade. Assm, para um

22 Teste de hpótese para o coefcete agular ( β ): o Hpóteses: H : β = β vs H : β β, sedo β algum valor postulado; o Estatístca do teste: t = ˆ β β QM = Re s ( ). o Regra de decsão: Sob H, t tem dstrbução t Studet com graus de lberdade (Eercíco ). Assm, para um ível de sgfcâca α, rejeta-se H se t t ; / (Eercíco 3). > α Um caso especal desse teste é o teste da sgfcâca da regressão, baseado o par de hpóteses: H β vs H β. : = :

23 A ão rejeção de H β ão mplca que ão haja relação etre y e, mas apeas a ão estêca : = de relação lear etre y e (ver Fgura 4). A rejeção de H β ão mplca relação lear y e, mas apeas a cotrbução do ajuste de uma : = reta a eplcação da relação etre as varáves, ada que tal relação seja mas complea (ver Fgura 5). o Adcoalmete, sob as suposções do modelo: ( ) QM σ Re s ~ χ, ode χ represeta a dstrbução qu-quadrado com graus de lberdade. 3

24 y y Fgura 5 Duas stuações em que a hpóteses H β ão é rejetada. 4 : =

25 y y Fgura 6 Duas stuações em que a hpóteses H β é rejetada. 5 : =

26 Itervalos de cofaça para os parâmetros do modelo o Se os erros do modelo obedecem aos pressupostos de ormaldade, depedêca e homogeedade de varâcas, etão: ˆ β β t ( ˆ ) ~ ep β ; ˆ β β t ( ˆ ) ~ ep β, ^ ^ sedo ep ( ˆ β ) = Var( ˆ β ) e ( ˆ β ) Var( ˆ β ) de lberdade. ep = e t represeta a dstrbução t Studet com graus o Com base as quatdades pvotas apresetadas, tervalos de cofaça ( α )% para β e β são dados, respectvamete, por: 6

27 IC IC ( β, α ) = ( ˆ β ± t ( ˆ α ep β ) ; / ( β, α ) = ( ˆ β ± t ( ˆ α ep β ), ; / (Eercíco 4) ode t ; / correspode ao quatl α / da dstrbução t. α o Itervalo de cofaça ( α )% para σ (Eercíco 5): ( ) ( ) QM Re s ( ) σ, α = ; QM Re s IC, χ ; α / χ ; α / sedo χ ; α / e ; α / χ os quats α / e α / da dstrbução χ. 7

28 Estmação da resposta méda e predção de ovas observações Itervalo de cofaça para a resposta méda Qual a resposta méda para pacetes tratados com uma dose da medcação? o Um estmador potual para a resposta méda (méda de y ), cosderado algum específco valor para a varável depedete (pertecete ao escopo do estudo), é dado por: E ( y ) = ˆ µ ˆ ˆ y = β + β. o Dstrbução amostral de ˆ y µ : sob os pressupostos do modelo de regressão lear smples: sedo µ y = β + β. ( ) ( ) ˆ µ y ~ Normal µ + y, σ, (Eercíco 6) = 8

29 o Com base a dstrbução amostral de pvotal para µ y : QM ˆ y µ, e substtudo-se Re s ˆ µ y + µ y ( ) ( ) = σ por ~ t. QM Re s, tem-se a segute quatdade o A partr da quatdade pvotal apresetada, tem-se o segute tervalo de cofaça ( α )% para µ y : ( ˆ, α ) = ( ˆ µ ± t ep( ) µ y α ˆ IC µ, (Eercíco 7) y ; / y ( ) ep µ y = QM Re s +. = ode ( ) ( ) ˆ Nota Repare que o tervalo de cofaça terá meor comprmeto (maor precsão) quado maor comprmeto (meor precsão) à medda que se afastar de. =, e terá 9

30 Itervalo de predção para uma observação futura Qual será a resposta para um pacete tratado com uma dose da medcação? o A predção potual, ovamete, é obtda por meo da regressão ajustada, por yˆ = ˆ β ˆ + β. o Um tervalo de predção ( α )% para uma futura observação em é dado por: IP ( y ) ( ) α = yˆ ± t ; / QM Re s + + ( ). =, α Nota Observe que o tervalo de predção sempre será meos precso do que o tervalo de cofaça para a resposta méda. (Por quê?). o Pode-se represetar tervalos de cofaça para a resposta méda e tervalos de predção para observações futuras, para todos os valores o escopo do estudo (badas de cofaça), por meo de gráfcos. 3

31 5 Número de vsualzações (y) Iserções dáras () Fgura 7 Gráfco de dspersão do úmero de vsualzações vs serções dáras do lk de um ste, com reta de regressão ajustada por mímos quadrados, badas de cofaça para a resposta méda (tracejado preto) e para predção de ovas observações (tracejado vermelho). 3

32 Aálse da varâca em regressão lear smples A aálse de varâca cosste a decomposção da varação total dos dados em dferetes fotes; Cosdere a segute decomposção dos resíduos: r ( y y) ( y y) = y yˆ = ˆ. () A decomposção acma, coforme lustrado a Fgura 7, pode ser terpretada da segute forma: desvo ão eplcado pelo mod elo = desvo total desvo devdo ao mod elo 3

33 Fgura 7 Decomposção dos resíduos em r = y y = ( y y) ( yˆ y) ˆ (fote: Demetro e Zocch, ) 33

34 Elevado ao quadrado ambos os lados da gualdade, e somado para as observações, obtém-se: = r = ( y y ) = ( y y) ( yˆ y) = = ˆ (Eercíco 8), = soma que pode ser re-escrta da segute forma: ( y y) = ( yˆ y) ( y yˆ ). = = = SQTot SQRe g SQRe s Soma de quadrados Soma de quadrados Soma de quadrados total da regressão dos resíduos 34

35 o Repare que a varabldade total, deotada por SQ Tot, é subdvdda em duas partes: o SQ Re g epressa a varabldade dos dados eplcada pelo modelo - SQ Re g = se β = e SQ Re g aumeta quato maor for β, uma vez que: SQ Re g = ˆβ ( ) (Eercíco 9). = o SQ Re s epressa a varabldade dos dados ão eplcada pelo modelo (repare que caso o modelo ajustasse perfetamete os dados teríamos todos os resíduos guas a zero e, cosequetemete, SQ ). Re s = o Graus de lberdade: Assocado a Assocado a Assocado a SQ temos graus de lberdade (perda de um grau devdo à estmação da méda); Tot SQ Re temos graus de lberdade (perda de dos graus devdo à estmação de β e β ); s SQ Re temos ( ) ( ) = g grau de lberdade. 35

36 Quadro Esquema da aálse da varâca para o modelo de regressão lear smples Fote de varação Graus de Lberdade Somas de quadrados Quadrados Médos F Regressão Lear SQRe g ( yˆ y) = = QM = Re g SQ Re g QM F = QM Re g Re s Resíduo Total (ajustado pela méda) SQRe s ( y yˆ ) = = SQ ( y y) Tot = = QM Re s SQRe = s Nota - QM Re s é um estmador ão vcado de σ. Se β =, etão QM Re g também é um estmador ão vcado de σ ; Nota Logo, para verfcar se β =, comparamos QM Re s e QM Re g. Se QM Re s QM Re g, etão temos dícos de que β =. Se, por outro lado, QM Re g >>> QM Re s, temos dícos desfavoráves a β =, atestado a sgfcâca da regressão. 36

37 o A sgfcâca da regressão pode ser testada também usado os resultados da aálse da varâca, baseada os segutes fatos: QM Re s SQ ) ( ) Re s σ = ~ σ χ ) Se β = (codção de ão sgfcâca da regressão), etão 3) SQ Re s e SQ Re g são depedetes; ; SQ σ Re g ~ χ ; o Assm, sob a hpótese H β, a estatístca teste: : = F SQRe g / glre g SQRe g / QM Re g = = = (Eercíco ) SQ / gl SQ / Re s Re s Re s ( ) QM Re s segue dstrbução F,. 37

38 o A hpótese H β deve ser rejetada, ao ível de sgfcâca α, se: : = QM F, Re g = > F,, α QM Re s ode F é o quatl α da dstrbução F,.,, α Nota No coteto de regressão lear smples, os testes de sgfcâca da regressão baseados as estatístcas t e F são equvaletes; O teste t permte avalar hpóteses ulateras ( β > β ; β < β); O teste F é mas fleível quato à etesão para dversas varáves (regressão lear múltpla). 38

39 Coefcete de determação O coefcete de determação é uma medda de adequação do ajuste defda por: R SQRe g SQRe s = =. SQ SQ Tot Tot Pela defção, segue que R : Como SQ Tot mede a varação da resposta sem cosderar a varável eplcatva e SQ Re g mede a varação da resposta levado em cota a varável eplcatva, etão R correspode à proporção da varação de y eplcada por. Valores de regressão. R prómos a dcam que a maor parte da varação de y é eplcada pelo modelo de 39

40 Algus cudados quato ao uso do coefcete de determação: o O coefcete de determação sempre aumeta à medda que ovos parâmetros são adcoados ao modelo. No lmte, R = se o modelo ajustado passa sobre todos os potos. No etato, quato mas parâmetros, mas compleo (e ão ecessaramete melhor) o modelo; 4

41 R =,85 R =,934 R = y y y Fgura 8 Três ajustes de regressão para o mesmo cojuto de observações, respectvamete: ajuste de uma reta, de um polômo de segudo grau e de um modelo com tatos parâmetros quato observações (saturado). 4

42 o O coefcete de determação ão mede a adequação da regressão lear, sedo que podemos ter elevado ada que a relação etre y e seja ão lear; R Fgura 9 Quatro ceáros dsttos que produzem o mesmo valor para o coefcete de determação para o ajuste do modelo de regressão lear smples ( R =, 667 ). Fote: Ascombe,

43 o O coefcete de determação depede da dspersão dos valores amostrados de. Pode-se mostrar que R = aumeta quato maor for ( ). Mas adate voltaremos a tratar do coefcete de determação e de outras meddas usadas para avalar o ajuste de modelos de regressão. 43

44 Eemplo Os dados apresetados a sequêca represetam o úmero de serções dáras de lks de propagadas em uma pága da teret ( ) e o úmero dáro de vsualzações de terautas ( y, em mlhares), por meo desses lks, para as propagadas de dez empresas dsttas: Empresa y 8,4 3, 6,6,8,7,7,7 8,4,7 4, Cosderado os dados dspoíves: a) Apresete o dagrama de dspersão com o ajuste da regressão ão paramétrca; b) Calcule as estmatvas de mímos quadrados dos parâmetros do modelo de regressão lear smples que relacoa o úmero de vsualzações ao úmero de serções dáras; c) Iterprete (se fzer setdo) as estmatvas obtdas o tem b; d) Apresete a equação do modelo ajustado e adcoe ao gráfco de dspersão a reta ajustada; e) Calcule o valor ajustado pelo modelo para as empresas 4 e 7; f) Calcule os resíduos correspodetes às empresas 4 e 7; 44

45 g) Com base o modelo ajustado, qual a predção do úmero de vsualzações para propagadas com 7 e 39 serções? h) Com base o modelo ajustado, você podera predzer o úmero de vsualzações para propagadas com 5 serções? Por que? ) Se uma ova empresa, por motvos operacoas, deseja alcaçar 7 ml vsualzações dáras, com base o modelo ajustado qual devera ser o úmero de serções? j) Estme o aumeto esperado o úmero de vsualzações se uma empresa que hoje cota com 3 serções passasse a cotar com 4 serções dáras; k) Faça um gráfco de dspersão dos valores observados versus valores ajustados pelo modelo de regressão lear smples. Avale-o; l) Faça um gráfco de dspersão dos resíduos versus valores ajustados pelo modelo de regressão lear smples. Avale-o; m) Apresete uma estmatva para σ ; ) O que dzer das estmatvas de máma verossmlhaça de β, β e σ? Apresete-as; o) Calcule o erro padrão assocado às estmatvas dos parâmetros do modelo; p) Teste a sgfcâca do modelo de regressão, baseado o par de hpóteses H β vs H β ; : = : 45

46 q) O resposável pela pága afrma que para uma serção a mas da propagada tem-se, em méda, mas de 3 vsualzações dáras. Os dados levatados permtem cofrmar essa afrmação? Cosdere um ível de sgfcâca de 5%. r) Apresete tervalos de cofaça (95 e 99%) para β e β ; s) Apresete tervalos de cofaça (95%) para o úmero médo de vsualzações dáras cosderado 7, 33 e 4 serções; t) Apresete tervalos de predção (95%) para o úmero de vsualzações dáras cosderado 7, 33 e 4 serções; u) Apresete as badas de cofaça e de predção (95%) sobre o gráfco de dspersão com reta de regressão ajustada; v) Apresete o quadro da aálse de varâca e teste a sgfcâca do modelo com base o teste F. Compare com o resultado do teste t, usado aterormete com mesma faldade; w) Calcule o valor do coefcete de determação ( R ). Iterprete-o. 46

47 Aálse da correlação lear Numa aálse de correlação, busca-se avalar a relação cojuta etre duas varáves (dgamos e y ), dferdo do coteto da regressão em dos aspectos prcpas: o Não há uma relação de depedêca etre as varáves (ão há uma varável resposta e outra eplcatva). O objetvo é ferr sobre a relação cojuta etre as varáves, e ão eprmr uma como fução da outra; o Na aálse de correlação admtmos que ambas as varáves sejam aleatóras, cabedo, portato, estudar a dstrbução cojuta das mesmas. 47

48 Vamos cosderar que a dstrbução cojuta de e y seja uma ormal bvarada: f (, y) = πσ σ y ρ ep µ y µ y µ y µ y, ( ) + ρ ρ σ σ y σ σ y sedo µ e σ a méda e a varâca de, µ y e σ y a méda e a varâca de y e [( µ )( y µ )] E y σ y ρ = = σ σ σ σ y y o coefcete de correlação etre e y ( σ é a covarâca). y Uma propredade do coefcete de correlação é que ρ, de tal forma que: o ρ dca relação lear e crescete etre e y ; o ρ dca relação lear e decrescete etre e y ; o ρ dca ausêca de relação lear etre e y. 48

49 Fgura Dstrbução ormal bvarada. 49

50 Fgura Gráfcos das fuções desdade de probabldades de dstrbuções ormas bvaradas com correlações -,8, e,8 (da esquerda para a dreta). 5

51 Um estmador de ρ é o coefcete de correlação amostral, defdo por: ( y y)( ) = r =. / ( y y) ( ) = = Para testar a hpótese de ausêca de correlação lear ( H ρ = vs H : ρ aproprada é dada por: : ), a estatístca teste t r =, r que sob H tem dstrbução t. Assm, deve-se rejetar H, para um ível de sgfcâca α, se t. > t ; α / 5

52 Fgura Dferetes ceáros (amostras de pares (, y )) e os correspodetes valores para o coefcete de correlação lear (fote: Wkpeda). 5

53 Nota O teste apresetado é equvalete ao teste de H β, para o coefcete agular do modelo de regressão lear smples. : = A obteção de tervalos de cofaça para ρ é um pouco mas complcada e basea-se a estatístca: Z r = arcta h( r) = l( ( + r) ). Um tervalo de cofaça ( α )% para ρ, váldo, apromadamete, para sufcetemete grade ( 5), tem lmtes: u u u u ode ( u) = ( e e ) ( e + e ) IC z ρ r, 3 α / (, α ) = tah( Z ) ± tah e z α / é o quatl α / da dstrbução ormal padrão. 53

54 Nota Ausêca de correlação lear ão mplca em depedêca (ver Fgura ). Nota Coeão etre r e o coefcete de determação ( R ). Seja ry y ˆ, a correlação etre os valores observados e predtos de um modelo de regressão e Pode-se verfcar que (Eercíco ): R o coefcete de determação do modelo ajustado. r y, yˆ R =. 54

Econometria: 3 - Regressão Múltipla

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

Leia mais

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

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

Leia mais

ANÁLISE DE REGRESSÃO E CORRELAÇÃO

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

Leia mais

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

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

Leia mais

Econometria: 4 - Regressão Múltipla em Notação Matricial

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

Leia mais

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

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

Leia mais

Estatística Básica - Continuação

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

Leia mais

MEDIDAS DE DISPERSÃO:

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

Leia mais

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

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

Leia mais

CAPÍTULO 9 - Regressão linear e correlação

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

Leia mais

ESCOLA SUPERIOR DE TECNOLOGIA E GESTÃO

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

Leia mais

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

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

Leia mais

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

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

Leia mais

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

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

Leia mais

Análise de Regressão

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

Leia mais

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

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

Leia mais

IND 1115 Inferência Estatística Aula 9

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

Leia mais

Apostla Básca de Estatístca Slvo Alves de Souza ÍNDICE Itrodução... 3 Software R... 4 Software SPSS... 5 Dstrbução ormal de probabldade... 6 Testes de Hpótese paramêtrco... Testes Não-Paramétrco...5 Dstrbução

Leia mais

TEORIA DE ERROS MEDIDAS E GRÁFICOS

TEORIA DE ERROS MEDIDAS E GRÁFICOS Uversdade Federal de Juz de Fora Isttuto de Cêcas Eatas Departameto de Físca TEORIA DE ERROS MEDIDAS E GRÁFICOS Prof. Carlos R. A. Lma Edção Março de 010 ÌNDICE CAPÍTULO 1 - PRINCÍPIOS BÁSICOS DA ESTATÍSTICA

Leia mais

O delineamento amostral determina os processos de seleção e de inferência do valor da amostra para o valor populacional.

O delineamento amostral determina os processos de seleção e de inferência do valor da amostra para o valor populacional. Curso Aperfeçoameto em Avalação de Programas Socas ª Turma Dscpla: Téccas quattatvas de levatameto de dados: prcpas téccas de amostragem Docete: Claudete Ruas Brasíla, ovembro/005 Pesqusa por amostragem

Leia mais

Apêndice 1-Tratamento de dados

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

Leia mais

ESTATÍSTICA MÓDULO 2 OS RAMOS DA ESTATÍSTICA

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

Leia mais

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

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

Leia mais

Fundamentos de Matemática I FUNÇÕES POLINOMIAIS4. Licenciatura em Ciências USP/ Univesp. Gil da Costa Marques

Fundamentos de Matemática I FUNÇÕES POLINOMIAIS4. Licenciatura em Ciências USP/ Univesp. Gil da Costa Marques FUNÇÕES POLINOMIAIS4 Gl da Costa Marques Fudametos de Matemátca I 4.1 Potecação de epoete atural 4. Fuções polomas de grau 4. Fução polomal do segudo grau ou fução quadrátca 4.4 Aálse do gráfco de uma

Leia mais

Teoria da Amostragem

Teoria da Amostragem Teora da Amostragem I- oções fudametas sobre amostragem. Amostragem é todo o processo de recolha de uma parte, geralmete pequea, dos elemetos que costtuem um dado couto. Da aálse dessa parte pretede obter-se

Leia mais

INTRODUÇÃO ÀS PROBABILIDADES E ESTATÍSTICA

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

Leia mais

Faculdade de Economia, Administração e Contabilidade de Ribeirão Preto

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

Leia mais

Análise de Regressão e Correlação

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

Leia mais

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

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

Leia mais

1. Conceitos básicos de estatística descritiva 1.3. Noção de extracção aleatória e de probabilidade

1. Conceitos básicos de estatística descritiva 1.3. Noção de extracção aleatória e de probabilidade Sumáro (3ª aula). Cocetos báscos de estatístca descrtva.3. Noção de etracção aleatóra e de probabldade.4 Meddas de tedêca cetral.4. Méda artmétca smples.4. Méda artmétca poderada.4.3 Méda artmétca calculada

Leia mais

RESUMO E EXERCÍCIOS NÚMEROS COMPLEXOS ( )

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

Leia mais

UERJ CTC IME Departamento de Informática e Ciência da Computação 2 Cálculo Numérico Professora Mariluci Ferreira Portes

UERJ CTC IME Departamento de Informática e Ciência da Computação 2 Cálculo Numérico Professora Mariluci Ferreira Portes UERJ CTC IE Departameto de Iormátca e Cêca da Computação Udade I - Erros as apromações umércas. I. - Cosderações geras. Há váras stuações em dversos campos da cêca em que operações umércas são utlzadas

Leia mais

CÁLCULO DE RAÍZES DE EQUAÇÕES NÃO LINEARES

CÁLCULO DE RAÍZES DE EQUAÇÕES NÃO LINEARES CÁLCULO DE RAÍZES DE EQUAÇÕES NÃO LINEARES Itrodução Em dversos camos da Egehara é comum a ecessdade da determação de raízes de equações ão leares. Em algus casos artculares, como o caso de olômo, que

Leia mais

MA12 - Unidade 4 Somatórios e Binômio de Newton Semana de 11/04 a 17/04

MA12 - Unidade 4 Somatórios e Binômio de Newton Semana de 11/04 a 17/04 MA1 - Udade 4 Somatóros e Bômo de Newto Semaa de 11/04 a 17/04 Nesta udade troduzremos a otação de somatóro, mostrado como a sua mapulação pode sstematzar e facltar o cálculo de somas Dada a mportâca de

Leia mais

Unidade II ESTATÍSTICA

Unidade II ESTATÍSTICA ESTATÍSTICA Udade II 3 MEDIDAS OU PARÂMETROS ESTATÍSTICOS 1 O estudo que fzemos aterormete dz respeto ao agrupameto de dados coletados e à represetação gráfca de algus deles. Cumpre agora estudarmos as

Leia mais

( ) ( ) ( ) ( ) ( ) ( ) ( ) ( ) ( ) ( ) [ ] ( ) ( k) ( k ) ( ) ( ) Questões tipo exame

( ) ( ) ( ) ( ) ( ) ( ) ( ) ( ) ( ) ( ) [ ] ( ) ( k) ( k ) ( ) ( ) Questões tipo exame Questões tpo eame Pá O poto U tem coordeadas (6, 6, 6) e o poto S pertece ao eo Oz, pelo que as suas coordeadas são (,, 6) Um vetor dretor da reta US é, por eemplo, US Determemos as suas coordeadas: US

Leia mais

Momento Linear duma partícula

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

Leia mais

13 ESTIMAÇÃO DE PARÂMETROS E DISTRIBUIÇÃO AMOSTRAL

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

Leia mais

MAE116 Noções de Estatística

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

Leia mais

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

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

Leia mais

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

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

Leia mais

Regressão Linear - Introdução

Regressão Linear - Introdução Regressão Lear - Itrodução Na aálse de regressão lear pretede-se estudar e modelar a relação (lear) etre duas ou mas varáves. Na regressão lear smples relacoam-se duas varáves, x e Y, através do modelo

Leia mais

Análise de Regressão. Profa Alcione Miranda dos Santos Departamento de Saúde Pública UFMA

Análise de Regressão. Profa Alcione Miranda dos Santos Departamento de Saúde Pública UFMA Análse de Regressão Profa Alcone Mranda dos Santos Departamento de Saúde Públca UFMA Introdução Uma das preocupações estatístcas ao analsar dados, é a de crar modelos que explctem estruturas do fenômeno

Leia mais

CAPÍTULO 2 - Estatística Descritiva

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

Leia mais

Algoritmos de Interseções de Curvas de Bézier com Uma Aplicação à Localização de Raízes de Equações

Algoritmos de Interseções de Curvas de Bézier com Uma Aplicação à Localização de Raízes de Equações Algortmos de Iterseções de Curvas de Bézer com Uma Aplcação à Localzação de Raízes de Equações Rodrgo L.R. Madurera Programa de Pós-Graduação em Iformátca, PPGI, UFRJ 21941-59, Cdade Uverstára, Ilha do

Leia mais

Programa de Certificação de Medidas de um laboratório

Programa de Certificação de Medidas de um laboratório Programa de Certfcação de Meddas de um laboratóro Tratamento de dados Elmnação de dervas Programa de calbração entre laboratóros Programa nterno de calbração justes de meddas a curvas Tratamento dos resultados

Leia mais

MATERIAL DE ESTATÍSTICA II PROF. MÁRIO ROBERTO

MATERIAL DE ESTATÍSTICA II PROF. MÁRIO ROBERTO 1 VARIÁVEIS ALEATÓRIAS O que se etede por varável aleatóra? Até agora ossos estudos estavam pratcamete voltados mas para defrmos osso Espaço Amostral U, sem assocarmos suas respectvas probabldades aos

Leia mais

APOSTILA DA DISCIPLINA INFERÊNCIA ESTATÍSTICA I

APOSTILA DA DISCIPLINA INFERÊNCIA ESTATÍSTICA I UNIVERSIDADE FEDERAL DO PARANÁ SETOR DE CIÊNCIAS EXATAS DEPARTAMENTO DE ESTATÍSTICA APOSTILA DA DISCIPLINA INFERÊNCIA ESTATÍSTICA I CURSO DE ESTATÍSTICA Prof. Paulo Rcardo Bttecourt Gumarães O SEMETRE

Leia mais

A REGRESSÃO LINEAR EM EVENTOS HIDROLÓGICOS EXTREMOS: enchentes

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

Leia mais

Capítulo 1: Erros em cálculo numérico

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

Leia mais

ANÁLISE DE CORRELAÇÃO: ABORDAGEM TEÓRICA E DE CONSTRUÇÃO DOS COEFICIENTES COM APLICAÇÕES

ANÁLISE DE CORRELAÇÃO: ABORDAGEM TEÓRICA E DE CONSTRUÇÃO DOS COEFICIENTES COM APLICAÇÕES UNIVERIDADE FEDERAL DO PARANÁ ANÁLIE DE CORRELAÇÃO: ABORDAGEM TEÓRICA E DE CONTRUÇÃO DO COEFICIENTE COM APLICAÇÕE CURITIBA 004 ACHIKO ARAKI LIRA ANÁLIE DE CORRELAÇÃO: ABORDAGEM TEÓRICA E DE CONTRUÇÃO DO

Leia mais

15/03/2012. Capítulo 2 Cálculo Financeiro e Aplicações. Capítulo 2 Cálculo Financeiro e Aplicações. Capítulo 2 Cálculo Financeiro e Aplicações

15/03/2012. Capítulo 2 Cálculo Financeiro e Aplicações. Capítulo 2 Cálculo Financeiro e Aplicações. Capítulo 2 Cálculo Financeiro e Aplicações Itrodução.1 Juros Smples Juro: recompesa pelo sacrfíco de poupar o presete, postergado o cosumo para o futuro Maora das taxas de uros aplcadas o mercado facero são referecadas pelo crtéro smples Determa

Leia mais

REGRESSÕES DINÂMICAS: UMA APLICAÇÃO PARA PREVER A DEMANDA DE USUÁRIOS DO HOSPITAL UNIVERSITÁRIO DE SANTA MARIA

REGRESSÕES DINÂMICAS: UMA APLICAÇÃO PARA PREVER A DEMANDA DE USUÁRIOS DO HOSPITAL UNIVERSITÁRIO DE SANTA MARIA UNIVERSIDADE FEDERAL DE SANTA MARIA CENTRO DE CIÊNCIAS NATURAIS E EXATAS DEPARTAMENTO DE ESTATÍSTICA REGRESSÕES DINÂMICAS: UMA APLICAÇÃO PARA PREVER A DEMANDA DE USUÁRIOS DO HOSPITAL UNIVERSITÁRIO DE SANTA

Leia mais

Ana Clara P. Campos 1 Denise Nunes Viola 1 Moacyr Cunha Filho 2 Guilherme Vilar 2 Vanessa Van Der Linden 3

Ana Clara P. Campos 1 Denise Nunes Viola 1 Moacyr Cunha Filho 2 Guilherme Vilar 2 Vanessa Van Der Linden 3 Idetfcação da exstêca de padrão espacal aleatóro a dstrbução dos pacetes portadores de doeça geétca rara com defcêca físca da Assocação de Assstêca à Craça Defcete (AACD) de Perambuco Aa Clara P. Campos

Leia mais

SUMÁRIO GOVERNO DO ESTADO DO CEARÁ. Cid Ferreira Gomes Governador. 1. Introdução... 2. Domingos Gomes de Aguiar Filho Vice Governador

SUMÁRIO GOVERNO DO ESTADO DO CEARÁ. Cid Ferreira Gomes Governador. 1. Introdução... 2. Domingos Gomes de Aguiar Filho Vice Governador INSTITUTO DE PESQUISA E ESTRATÉGIA ECONÔMICA DO CEARÁ - IPECE GOVERNO DO ESTADO DO CEARÁ Cd Ferrera Gomes Goverador Domgos Gomes de Aguar Flho Vce Goverador SECRETARIA DO PLANEJAMENTO E GES- TÃO (SEPLAG)

Leia mais

Cálculo de média a posteriori através de métodos de integração numérica e simulação monte carlo: estudo comparativo

Cálculo de média a posteriori através de métodos de integração numérica e simulação monte carlo: estudo comparativo INGEPRO Iovação, Gestão e Produção Jaero de 010, vol. 0, o. 01 www.gepro.com.br Cálculo de méda a posteror através de métodos de tegração umérca e smulação mote carlo: estudo comparatvo Helto Adre Lopes

Leia mais

Requisitos metrológicos de instrumentos de pesagem de funcionamento não automático

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

Leia mais

PROVA DE ESTATÍSTICA & PROBABILIDADES SELEÇÃO MESTRADO/UFMG 2010/2011

PROVA DE ESTATÍSTICA & PROBABILIDADES SELEÇÃO MESTRADO/UFMG 2010/2011 Instruções: PROVA DE ESTATÍSTICA & PROBABILIDADES SELEÇÃO MESTRADO/UFMG 00/0 Cada uestão respondda corretamente vale (um) ponto. Cada uestão respondda ncorretamente vale - (menos um) ponto. Cada uestão

Leia mais

AULA EXTRA Análise de Regressão Logística

AULA EXTRA Análise de Regressão Logística 1 AULA EXTRA Análse de Regressão Logístca Ernesto F. L. Amaral 13 de dezembro de 2012 Metodologa de Pesqusa (DCP 854B) VARIÁVEL DEPENDENTE BINÁRIA 2 O modelo de regressão logístco é utlzado quando a varável

Leia mais

Prof. Eugênio Carlos Stieler

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

Leia mais

Heterocedasticidade. Prof. José Francisco Moreira Pessanha

Heterocedasticidade. Prof. José Francisco Moreira Pessanha Heterocedastcdade Prof. José Fracsco Morera Pessaha professorjfmp@hotmal.com Hpóteses do modelo de regressão lear múltpla H : Relação lear etre a varável depedete (Y) e as varáves depedetes () Notação

Leia mais

Matemática. Resolução das atividades complementares. M18 Noções de Estatística

Matemática. Resolução das atividades complementares. M18 Noções de Estatística Resolução das atvdades complemetares Matemátca M8 Noções de Estatístca p. 3 (UFRJ) Dos estados do país, um certo ao, produzem os mesmos tpos de grãos. Os grácos de setores lustram a relação etre a produção

Leia mais

PUCRS FAMAT DEPTº DE ESTATÍSTICA ESTATÍSTICA DESCRITIVA SÉRGIO KATO

PUCRS FAMAT DEPTº DE ESTATÍSTICA ESTATÍSTICA DESCRITIVA SÉRGIO KATO PUCRS FAMAT DEPTº DE ESTATÍSTICA ESTATÍSTICA DESCRITIVA SÉRGIO KATO A expressão dados, será ctada dversas vezes esta dscpla, em lguagem ormal, dados são ormações (úmeros ou ão) sobre um dvíduo (pessoa,

Leia mais

3 Precificação de resseguro

3 Precificação de resseguro Precfcação de Resseguro 35 3 Precfcação de resseguro Este capítulo traz prmeramete uma oção ampla das aplcações das metodologas de precfcação de resseguro para melhor compreesão do mesmo Da seção 3 até

Leia mais

Prof. Dr. Marco Antonio Leonel Caetano Projeção de Cenários Aplicados ao Orçamento Empresarial Com revisão das Ferramentas de Estatística

Prof. Dr. Marco Antonio Leonel Caetano Projeção de Cenários Aplicados ao Orçamento Empresarial Com revisão das Ferramentas de Estatística Projeção de Ceáros Aplcados ao Orçameto Empresaral Com revsão das Ferrametas de Estatístca Prof. Dr. Marco Atoo Leoel Caetao TÓPICO Tratameto, Quatfcação e Vsualzação de Dados Faceros. Itrodução Na dvulgação

Leia mais

2 Avaliação da segurança dinâmica de sistemas de energia elétrica: Teoria

2 Avaliação da segurança dinâmica de sistemas de energia elétrica: Teoria Avalação da seguraça dâmca de sstemas de eerga elétrca: Teora. Itrodução A avalação da seguraça dâmca é realzada através de estudos de establdade trastóra. Nesses estudos, aalsa-se o comportameto dos geradores

Leia mais

CADERNO DE EXERCÍCIOS PARA ACOMPANHAMENTO DA DISCIPLINA INTRODUÇÃO À BIOESTATÍSTICA

CADERNO DE EXERCÍCIOS PARA ACOMPANHAMENTO DA DISCIPLINA INTRODUÇÃO À BIOESTATÍSTICA UNIVERSIDADE FEDERAL DE MINAS GERAIS INSTITUTO DE CIÊNCIAS EXATAS ICE DEPARTAMENTO DE ESTATÍSTICA CADERNO DE EXERCÍCIOS PARA ACOMPANHAMENTO DA DISCIPLINA INTRODUÇÃO À BIOESTATÍSTICA Autores (em ordem alfabétca)

Leia mais

Exercícios - Sequências de Números Reais (Solução) Prof Carlos Alberto S Soares

Exercícios - Sequências de Números Reais (Solução) Prof Carlos Alberto S Soares Exercícos - Sequêcas de Números Reas (Solução Prof Carlos Alberto S Soares 1 Dscuta a covergêca da sequẽca se(2. Calcule, se exstr, lm se(2. Solução 1 Observe que se( 2 é lmtada e 1/ 0, portato lm se(2

Leia mais

12.2.2 CVT: Coeficiente de Variação de Thorndike...45 12.2.3 CVQ: Coeficiente Quartílico de Variação...45 13 MEDIDAS DE ASSIMETRIA...46 13.

12.2.2 CVT: Coeficiente de Variação de Thorndike...45 12.2.3 CVQ: Coeficiente Quartílico de Variação...45 13 MEDIDAS DE ASSIMETRIA...46 13. SUMARIO 2 MÉTODO ESTATÍSTICO...3 2. A ESTATÍSTICA...3 2.2 FASES DO MÉTODO ESTATÍSTICO...4 3 FERRAMENTAS DE CÁLCULO PARA O ESTUDO DA ESTATÍSTICA...5 3. FRAÇÃO...5 3.. Adção e subtração...5 3..2 Multplcação

Leia mais

Capitulo 8 Resolução de Exercícios

Capitulo 8 Resolução de Exercícios FORMULÁRIO Audades Peródcas, Crescetes e Postecpadas, com Termos em P. A. G 1 1 1 1 G SPAC R R s s 1 1 1 1 1 G G C R a R a 1 1 PAC Audades Gradetes Postecpadas S GP G 1 1 ; C GP G 1 1 1 Audades Gradetes

Leia mais

Determine a média de velocidade, em km/h, dos veículos que trafegaram no local nesse período.

Determine a média de velocidade, em km/h, dos veículos que trafegaram no local nesse período. ESTATÍSTICA - 01 1. (UERJ 01) Téccos do órgão de trâsto recomedaram velocdade máxma de 80 km h o trecho de uma rodova ode ocorrem mutos acdetes. Para saber se os motorstas estavam cumprdo as recomedações,

Leia mais

A letra x representa números reais, portanto

A letra x representa números reais, portanto Aula 0 FUNÇÕES UFPA, 8 de março de 05 No ial desta aula, você seja capaz de: Saber dizer o domíio e a imagem das uções esseciais particularmete esta aula as uções potêcias; Fazer o esboço de gráico da

Leia mais

UNIVERSIDADE FEDERAL DO PARANÁ DEPARTAMENTO DE ESTATÍSTICA CE 071 ANÁLISE DE REGRESSÃO LINEAR. Cesar Augusto Taconeli

UNIVERSIDADE FEDERAL DO PARANÁ DEPARTAMENTO DE ESTATÍSTICA CE 071 ANÁLISE DE REGRESSÃO LINEAR. Cesar Augusto Taconeli UNIVERSIDADE FEDERAL DO PARANÁ DEPARTAMENTO DE ESTATÍSTICA CE 7 ANÁLISE DE REGRESSÃO LINEAR Cesar Augusto Taconel Curtba-PR . INTRODUÇÃO Taconel, C.A. Análse de Regressão Lnear Ao se tratar da relação

Leia mais

Ajuste de Curvas pelo Método dos Quadrados Mínimos

Ajuste de Curvas pelo Método dos Quadrados Mínimos Notas de aula de Métodos Numéricos. c Departameto de Computação/ICEB/UFOP. Ajuste de Curvas pelo Método dos Quadrados Míimos Marcoe Jamilso Freitas Souza, Departameto de Computação, Istituto de Ciêcias

Leia mais

AMOSTRAGEM EM DOIS ESTÁGIOS COM UNIDADES PRIMÁRIAS DE TAMANHOS DIFERENTES SUBSAMPLING TO TWO PROBATION WITH PRIMARY UNITS OF UNEQUAL SIZES

AMOSTRAGEM EM DOIS ESTÁGIOS COM UNIDADES PRIMÁRIAS DE TAMANHOS DIFERENTES SUBSAMPLING TO TWO PROBATION WITH PRIMARY UNITS OF UNEQUAL SIZES Cêca Florestal, v.6,., p.47-55 47 ISS 003-9954 AMOSTRAGEM EM DOIS ESTÁGIOS COM UIDADES PRIMÁRIAS DE TAMAHOS DIFERETES SUBSAMPLIG TO TWO PROBATIO WITH PRIMARY UITS OF UEQUAL SIZES Sylvo Péllco etto RESUMO

Leia mais

UNIVERSIDADE FEDERAL FLUMINENSE CENTRO DE ESTUDOS GERAIS INSTITUTO DE MATEMÁTICA DEPARTAMENTO DE ESTATÍSTICA NÚMEROS ÍNDICES

UNIVERSIDADE FEDERAL FLUMINENSE CENTRO DE ESTUDOS GERAIS INSTITUTO DE MATEMÁTICA DEPARTAMENTO DE ESTATÍSTICA NÚMEROS ÍNDICES UNIVERSIDADE FEDERAL FLUMINENSE CENTRO DE ESTUDOS GERAIS INSTITUTO DE MATEMÁTICA DEPARTAMENTO DE ESTATÍSTICA NÚMEROS ÍNDICES Aa Mara Lma de Faras Luz da Costa Laurecel Com a colaboração dos motores Maracajaro

Leia mais

Capítulo 5- Introdução à Inferência estatística.

Capítulo 5- Introdução à Inferência estatística. Capítulo 5- Itrodução à Iferêcia estatística. 1.1) Itrodução.(184) Na iferêcia estatística, aalisamos e iterpretamos amostras com o objetivo de tirar coclusões acerca da população de ode se extraiu a amostra.

Leia mais

Matemática Ficha de Trabalho

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

Leia mais

Perguntas Freqüentes - Bandeiras

Perguntas Freqüentes - Bandeiras Pergutas Freqüetes - Baderas Como devo proceder para prestar as formações de quatdade e valor das trasações com cartões de pagameto, os casos em que o portador opte por lqudar a obrgação de forma parcelada

Leia mais

FINANCIAMENTOS UTILIZANDO O EXCEL

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

Leia mais

MODELAGEM DE DADOS POR REGRESSÃO LINEAR MÚLTIPLA PARA AVALIAÇÃO DE IMÓVEIS RURAIS DO SUBMÉDIO SÃO FRANCISCO

MODELAGEM DE DADOS POR REGRESSÃO LINEAR MÚLTIPLA PARA AVALIAÇÃO DE IMÓVEIS RURAIS DO SUBMÉDIO SÃO FRANCISCO ODEAGE DE DADOS POR REGRESSÃO INEAR ÚTIPA PARA AVAIAÇÃO DE IÓVEIS RURAIS DO SUBÉDIO SÃO FRANCISCO JOSÉ ANTONIO OURA E SIVA Isttuto Nacoal de Colozação e Reforma Agrára - INCRA UIZ RONADO NAI 3 Isttuto

Leia mais

Professor Mauricio Lutz CORRELAÇÃO

Professor Mauricio Lutz CORRELAÇÃO Professor Maurco Lutz 1 CORRELAÇÃO Em mutas stuações, torna-se nteressante e útl estabelecer uma relação entre duas ou mas varáves. A matemátca estabelece város tpos de relações entre varáves, por eemplo,

Leia mais

Coordenação directa de pontos novos, a partir de um ponto conhecido, medindo-se um ângulo e uma distância.

Coordenação directa de pontos novos, a partir de um ponto conhecido, medindo-se um ângulo e uma distância. Irradada Smples Coordeação drecta de potos ovos, a partr de um poto cohecdo, meddo-se um âgulo e uma dstâca. P N M M M V E P P P V E P E R EN α c M V M M ser C P cos R C EV EV R EV R EN α c dstâca cartográfca

Leia mais

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

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

Leia mais

CAPÍTULO 9 REGRESSÃO LINEAR PPGEP REGRESSÃO LINEAR SIMPLES REGRESSÃO LINEAR SIMPLES REGRESSÃO LINEAR SIMPLES UFRGS. Regressão Linear Simples

CAPÍTULO 9 REGRESSÃO LINEAR PPGEP REGRESSÃO LINEAR SIMPLES REGRESSÃO LINEAR SIMPLES REGRESSÃO LINEAR SIMPLES UFRGS. Regressão Linear Simples CAPÍTULO 9 REGREÃO LINEAR IMPLE REGREÃO LINEAR IMPLE UFRG Em mutos problemas há duas ou mas varáves que são relaconadas, e pode ser mportante modelar essa relação. Por exemplo, a resstênca à abrasão de

Leia mais

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

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

Leia mais

Universidade Federal da Bahia Departamento de Hidráulica e Saneamento Capítulo 3

Universidade Federal da Bahia Departamento de Hidráulica e Saneamento Capítulo 3 3.6 PRECIPITAÇÃO MÉDIA SOBRE UMA BACIA 3.6. MÉTODO ARITMÉTICO A precptação méda, calculada por este método, ada mas é do que a méda artmétca dos valores de precptação meddos a área da baca, o que mplca

Leia mais

CAPÍTULO IV DESENVOLVIMENTOS EM SÉRIE

CAPÍTULO IV DESENVOLVIMENTOS EM SÉRIE CAPÍTUO IV DESENVOVIMENTOS EM SÉRIE Série de Taylor e de Mac-auri Seja f ) uma fução real de variável real com domíio A e seja a um poto iterior desse domíio Supoha-se que a fução admite derivadas fiitas

Leia mais

ELECTROTECNIA TEÓRICA MEEC IST

ELECTROTECNIA TEÓRICA MEEC IST ELECTROTECNIA TEÓRICA MEEC IST º Semestre 05/6 3º TRABALHO LABORATORIAL CIRCUITO RLC SÉRIE em Regme Forçado Alterado Susodal Prof. V. Maló Machado Prof. M. Guerrero das Neves Prof.ª Mª Eduarda Pedro Eg.

Leia mais

Medidas de Localização

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

Leia mais

Laboratório de Física. Teoria dos Erros, uma Introdução. UNIVASF Sumário TEORIA DOS ERROS [] ALGARISMOS SIGNIFICATIVOS...

Laboratório de Física. Teoria dos Erros, uma Introdução. UNIVASF Sumário TEORIA DOS ERROS [] ALGARISMOS SIGNIFICATIVOS... aboratóro de Físca Sumáro TEOIA DOS EOS []... - AGAISMOS SIGNIFICATIOS.... - INTODUÇÃO.... - AGAISMOS SIGNIFICATIOS....3 - NOTAÇÃO CIENTÍFICA....4 - OPEAÇÕES COM AGAISMOS SIGNIFICATIOS... - INTODUÇÃO À

Leia mais

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

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

Leia mais

Estatística Descritiva

Estatística Descritiva Estatístca Descrtva Capítulo "O estatístco, está casado em méda com 1,75 esposas, que procuram fazê-lo sar de casa,5 otes com 0,5 de sucesso apeas. Possu frote com 0,0 de clação (deotado poder metal),

Leia mais

RRR- 1 A RELAÇÃO RISCO-RETORNO

RRR- 1 A RELAÇÃO RISCO-RETORNO - 1 A ELAÇÃO ISCO-ETONO V -INTODUÇÃO À TEOIA DOS MECADOS DE CAPITAIS -! Algus cocetos de base à teora dos mercados de captas: " edbldade de um vestmeto em acções: edbldade em valor Dvdedos + mas/meos valas

Leia mais

Projeto de rede na cadeia de suprimentos

Projeto de rede na cadeia de suprimentos Projeto de rede a cadea de suprmetos Prof. Ph.D. Cláudo F. Rosso Egehara Logístca II Esboço O papel do projeto de rede a cadea de suprmetos Fatores que fluecam decsões de projeto de rede Modelo para decsões

Leia mais

Estatística Agosto 2009 Campus do Pontal Prof. MSc. Quintiliano Siqueira Schroden Nomelini

Estatística Agosto 2009 Campus do Pontal Prof. MSc. Quintiliano Siqueira Schroden Nomelini Estatístca Agosto 009 Campus do Potal Prof. MSc. Qutlao Squera Schrode Nomel - ESTATÍSTICA DESCRITIVA. - A NATUREZA DA ESTATÍSTICA COMO SURGIU A ESTATÍSTICA????? A Matemátca surge do covívo socal, da cotagem,

Leia mais

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

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

Leia mais

APOSTILA DE ESTATÍSTICA APLICADA A ADMINISTRAÇÃO, ECONOMIA, MATEMÁTICA INDUSTRIAL E ENGENHARIA

APOSTILA DE ESTATÍSTICA APLICADA A ADMINISTRAÇÃO, ECONOMIA, MATEMÁTICA INDUSTRIAL E ENGENHARIA UNIVERSIDADE FEDERAL DO PARANÁ SETOR DE CIÊNCIAS EATAS DEPARTAMENTO DE ESTATÍSTICA APOSTILA DE ESTATÍSTICA APLICADA A ADMINISTRAÇÃO, ECONOMIA, MATEMÁTICA INDUSTRIAL E ENGENHARIA SONIA ISOLDI MARTY GAMA

Leia mais

Apostila de Estatística. Volume 1 Edição Prof. Dr. Celso Eduardo Tuna

Apostila de Estatística. Volume 1 Edição Prof. Dr. Celso Eduardo Tuna Apostla de Estatístca Volume 1 Edção 007 Curso: Pscologa Amostragem, Séres Estatístcas, Dstrbução de Freqüêca, Méda, Medaa, Quartl, Percetl e Desvo Padrão Prof. Dr. Celso Eduardo Tua 1 Capítulo 1 - Itrodução

Leia mais

CAPÍTULO 1 PROBABILIDADE

CAPÍTULO 1 PROBABILIDADE CAPÍTULO PROBABILIDADE. Coceto O coceto de probabldade está sempre presete em osso da a da: qual é a probabldade de que o meu tme seja campeão? Qual é a probabldade de que eu passe aquela dscpla? Qual

Leia mais