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

Save this PDF as:
 WORD  PNG  TXT  JPG

Tamanho: px
Começar a partir da página:

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

Transcrição

1 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 um composto de borracha pode depender da quantdade de óleo adconada à mstura. Assm, é possível construr um modelo relaconando resstênca à abrasão com quantdade de óleo, e então pode-se usar esse modelo para fns de otmzação e controle de processo. REGREÃO LINEAR IMPLE REGREÃO LINEAR IMPLE Outro exemplo, as vendas de um produto podem estar relaconadas ao valor gasto em marketng com esse produto. Assm, é possível construr um modelo relaconando vendas à gastos com marketng, e então pode-se usar esse modelo para fns prevsão de vendas. Em geral vamos supor que há uma varável dependente (ou varável de resposta) Y que depende de k varáves ndependentes (ou varáves regressoras),..., k. A relação entre essas varáves será descrta por um modelo matemátco, chamado modelo de regressão, o qual é defndo (ajustado) a um conjunto de dados. Algumas vezes a relação funconal entre Y e,..., k é conhecda exatamente. Outras vezes o pesqusador deverá buscar o modelo aproprado testando dferentes funções. Modelos polnomas são largamente utlzados como uma função aproxmada da verdadera relação entre Y e, e por sso serão descrtos no capítulo

2 REGREÃO LINEAR IMPLE Correlação Modelos de regressão são usados com freqüênca na análse de dados provenentes de expermentos não planejados (observações de um fenômeno não controlado ou dados hstórcos). Mas a análse de regressão também é muto útl no caso de expermentos planejados que ncluem fatores a níves contínuos. Nesse caso a análse de varânca é usada para dentfcar os fatores sgnfcatvos, e a segur a análse de regressão é usada para construr um modelo que ncorpore esses fatores. Para uma amostra de n pares de valores (x,y) o coefcente de correlação r fornece uma medda da relação lnear que exste entre duas varáves aleatóras e Y. 5 6 Cálculo do coefcente de correlação Coefcente de correlação Desvo-padrão de : xx = x ( x ) n Para uma nterpretação adequada do coefcente de correlação, e Y deveram ser varáves aleatóras, ao contráro do que acontece nos problemas de regressão, onde Y é aleatóra, mas é consderada uma varável fxa. Desvo-padrão de Y: yy = y ( y ) n Covarânca de,y: = x y ( x )( y ) n xy r( x, y) = xx xy yy Mesmo assm, é prátca comum calcular r em quase todos os casos, sto é, com aleatóra ou não. O coefcente de correlação lnear r mede a ntensdade da relação lnear entre duas varáves 7 8

3 Coefcente de correlação lnear Coefcente de correlação lnear O coefcente de correlação lnear r mede a ntensdade da relação lnear entre duas varáves Deve-se ter em conta que r é uma medda da relação lnear entre as duas varáves e não tem sentdo quando a relação é não lnear. O coefcente de correlação vara de - r +: Valores de r próxmos de + ndcam uma forte correlação postva entre x e y Valores de r próxmos de - ndcam uma forte correlação negatva entre x e y Valores de r próxmos de 0 ndcam uma fraca correlação entre x e y Além dsso, o pesqusador deve ter em mente que a exstênca de uma correlação entre duas varáves não mplca necessaramente na exstênca de um relaconamento de causa e efeto entre elas. 9 0 Por exemplo. Rendmento de combustível Exemplo 9.: Após uma regulagem eletrônca um veículo apresenta um rendmento deal no que tange a consumo de combustível. Contudo, com o passar do tempo esse rendmento va se degradando. Os dados a segur representam o rendmento meddo mês a mês após a regulagem. Ajuste um modelo lnear a esses dados. :meses após a regulagem Y : rendmento 0,7 0,9 0,8 9,3 9,5 0,4 :meses após a regulagem Y : rendmento 9,0 9,3 7,6 7,6 7,9 7,7 0 Co Tempo após a regulagem

4 Cálculos ncas Meses() Rendmento(Y) ^ Y^ *Y 0,7 4,49 0,7 0,9 4 8,8,8 3 0,8 9 6,64 3,4 4 9,3 6 86,49 37, 5 9,5 5 90,5 47,5 6 0, ,6 6, , ,49 74,4 9 7,6 8 57,76 68,4 0 7, , ,9 6,4 86,9 7, ,9 9,4 78 0, ,55 673, 6,5 9,5 Σx = 78,00 ; Σx = 650,00; Σy = 0,70 ; Σy = 039,55; Cálculos Desvo-padrão de : Desvo-padrão de Y: Covarânca de,y: YY Y Coefcente de correlação: = x ( x ) n = 650 ( 78) / = 43, 00 Interpretação: Exste uma correlação lnear nversa na amostra entre meses após a regulagem e rendmento. A ntensdade desta correlação é forte. = y ( y ) n = 039,55 ( 0,70) / = 8, 34 = x y ( x )( y ) n = 673, (78 0,70)/= 46, 45 r = xy xx yy = 46,45 = 0,907 43,00 x 8, Teste de hpótese para coefcente de correlação Teste de hpótese para coefcente de correlação A hpótese da exstênca de uma relação entre e Y, pode ser formulada usando-se: H 0 : ρ = 0 H : ρ 0 onde a letra ρ é usada para representar o valor populaconal do coefcente de correlação. Pode ser demonstrado que o valor de t pode ser calculado usando: r t = n r Assm a hpótese da exstênca de uma relação entre e Y pode ser verfcada dretamente a partr do valor amostral do coefcente de correlação. Como sempre a hpótese nula será rejetada se o valor calculado for maor que o tabelado: t > tα /, n Para o exemplo em estudo tem-se: 0,907 t = = 6,8 > t0,05;0 =,8 rejeta - se ( 0,907) H0, ou seja, descarta-se a hpótese nula e conclu-se que exste correlação entre as varáves estudadas. 5 6

5 A regressão lnear smples estma uma equação matemátca (ou modelo) que dado o valor de (varável ndependente), prevê o valor de Y (varável dependente). É dto relação lnear smples, pos supõe-se tendênca lnear entre as varáves e smples por ser uma únca varável ndependente eja que exstam dados coletados (pares de valores) assocando uma varável de resposta Y com uma varável regressora. E suponha que a relação entre Y e seja aproxmadamente lnear. Então o valor esperado de Y para cada valor de vrá dado por: E (Y/) = β 0 + β onde os parâmetros da relação lnear, β 0 e β, são desconhecdos. Vamos supor que cada observação Y possa ser descrta pelo modelo: Y = β 0 + β + ε () onde ε é o erro aleatóro, com méda 0 e varânca σ. A eq. () é chamada de modelo de regressão lnear smples. 7 8 O coefcente β 0 é a nterseção (valor de Y para = 0) enquanto que β é a nclnação da reta, que pode ser postva, negatva ou nula. Cálculos ncas Σ x = 78,00 ; Σ x = 650,00 ; Σ y = 0,70 ; Σ y = 039,55 ; = 650, Y = 95, e há n pares de dados (y, x ),..., (y n,x n ) é possível estmar os parâmetros β 0 e β usando o método dos Mínmos Quadrados e tendo como objetvo mnmzar: L = Σ (y -b 0 -b x ) onde b 0 e b são estmatvas amostras de β 0 e β. O uso do método conduz às seguntes estmatvas: b = Y / = Y b bo Humm... Mas, como estmar b o e b? YY = x ( x ) n = 43 Estmatva dos parâmetros: b = Y / = -46,45 / 43,00 = -0,35 b 0 = = 9,5 - (-0,35) 6,50 =,34 Equação de regressão Y =,34-0,35 = y ( y ) n = 8, 34 ( )( ) = xy x y n= 46, 45 Y DE NOVO 9 0

6 Relação entre o Coefcente de Correlação e a Regressão Decomposção dos resíduos O valor de r é um valor sem dmensão, que apenas fornece uma déa da relação lnear entre duas varáves. No caso de regressão, além de se ter uma déa da relação entre as duas varáves, também se encontra uma equação que pode ser usada para fornecer estmatvas. Pode ser demonstrado que exste a segunte relação: = n ( r ) n y onde é a varânca dos desvos em relação ao modelo, e é a varânca dos valores de Y. e n é grande, temos: ( ) r y Y Y ( Y Y ) ( Y Y$) ( Y$ Y ) Y= b o +b Nessa forma observamos que r equvale a proporção da varânca dos valores de Y que pode ser atrbuída à regressão com a varável. r é conhecdo como coefcente de Determnação. Para o exemplo analsado resultou r =(-0,907) = 0,8, ou seja, 8% da varabldade nos resultados de rendmento de combustível pode ser devda ao tempo decorrdo após a regulagem. Varânca dos Estmadores Para verfcar a precsão das estmatvas, determnar ntervalos de confança e testar hpóteses é mportante conhecer a varânca dos estmadores. 8% da varabldade total é devdo a outros fatores que não foram nvestgados Também pode ser demonstrado que: r = b / Y Assm, dado um conjunto de pares (x,y), conhecda a nclnação b, é possível calcular o coefcente de correlação r, ou vce-versa. Pode ser demonstrado que uma estmatva da varânca resdual, σ, vem dada por = QR / (n-) QR = YY b Y E a partr de σ obtém-se as estmatvas das varâncas de b e b 0 : b = b 0 = + n 3 4

7 Intervalos de Confança e Testes de Hpótese Como os resíduos de Y supostamente seguem a dstrbução Normal, e como os valores de a e b são funções lneares de Y, é possível demonstrar que: b N 0, ( β 0, σ b 0 ) ( ) b N β σ b Esses resultados podem ser usados em testes de hpótese. Por exemplo, se a hpótese é: H H 0 : β : β = β β 0 0 então calcula-se: Z = (b - β 0 ) / σ b Isto é, testa-se se a nclnação é gual a zero, o que equvale a testar se exste uma relação entre Y e. Usando a eq. () tem-se: t = b / b que deve ser comparado com o valor tabelado tα /,n. Como sempre, H 0 será rejetado se t > t. α /,n 5 6 e, para um nível de probabldade α, H 0 será rejetada se resultar Z > Zα /. Como em geral a varânca não é conhecda, usa-se: t = (b - β 0 ) / b () Exemplo 9.3: Usando os dados do problema do consumo de combustível, obtenha as estmatvas para a varânca resdual e para a varânca dos parâmetros b 0 e b. Construa um ntervalo de confança para a nclnação b e verfque a hpótese. e nesse caso H 0 é rejetada se t > tα /,n. O ntervalo de confança para β vrá dado por b tα / b < β < b + tα / b Uma hpótese testada com freqüênca é: H H 0 : β : β = 0 0 Estmatva das varâncas QR = YY b Y = 34, b b 0 = QR /( n = = / + n ) = 0,34 = 0,007 = 0,3 ; ; ; = 0,569 b b 0 = 0,0476 = 0,35 7 8

8 Prevsão de valores de Y Intervalo de confança para b t 0,05;0 =,8-0,35 -,8 (0,0476) < β < -0,35 +,8 (0,0476) -0,43 < β <-0,9 Como esse ntervalo não nclu o zero, a hpótese β = 0 é rejetada, ou seja, exste uma relação entre o consumo de combustível e o tempo decorrdo após a regulagem. A análse de regressão produz uma relação entre as varáves consderadas, a qual pode ser usada para prever valores de Y. Dado um certo valor de = x 0, há dos tpos de prevsão: prevsão de um valor médo de Y e prevsão de um valor ndvdual de Y. Nos dos casos a estmatva pontual de Y é a mesma, mas a ampltude do ntervalo de confança é dferente. O ntervalo de confança é mas amplo para o caso de prevsões de valores ndvduas Prevsão de um valor médo de Y Prevsão de um valor médo de Y A varânca dos valores predtos rá depender não somente de, mas também do valor de x 0. Isso acontece porque as prevsões são mas precsas quando x 0 e menos precsas quando x 0 aproxma-se dos extremos nvestgados. Pode ser demonstrado que a varânca da prevsão de um valor médo de Y vem dada por: = + n 0 Yp ( x ) Como pode ser vsto, a varânca da prevsão é mínma quando x 0 = e aumenta quando x 0 afasta-se de. Assm, o ntervalo de confança para a prevsão de um valor médo vrá dado por: µ Y = (b0 + b 0) ± tα/ ; n- ( ) Y p 3 3

9 Prevsão de um valor ndvdual de Y A varânca da prevsão de valores ndvduas de Y segue o mesmo comportamento observado para os valores médos. Contudo, a varânca é maor no caso de valores ndvduas. Pode ser demonstrado que a varânca da prevsão de um valor ndvdual de Y vem dada por: ( ) x0 Yp = + + n De modo que o ntervalo de confança para a prevsão de um valor ndvdual de Y é: Y = (b0 + b 0) ± tα/ ; n- ( Y p) Usando os dados do problema do consumo de combustível, obtenha os ntervalos de confança de 95% para a prevsão de um valor médo e um valor ndvdual de Y para um tempo x 0 = 8 meses. ( ) (b 0 + b x 0 ) = 8,74 ; x0 = 0,057 Y p Y p = 0,34 + = 0,34 + 0,057 = 0,03 + 0,057 = 0,356 ; ; Y p Y p = 0,79 = 0, Valor médo para x 0 = 8 µ Y = 8,74 ±,8. (0,79) µ Y = 8,74 ± 0,399 Valor ndvdual para x 0 = 8 Y = 8,74 ±,8. (0,597) Y = 8,74 ±,33 Análse da Valdade do Modelo A adequação do ajuste e as suposções do modelo podem ser verfcadas através de uma análse dos resíduos. Os resíduos padronzados são calculados como: 0 Co Tempo após a regulagem R = ( ) y b + b x QR = b 0 YY Y = QR / n Adequação do ajuste A adequação do ajuste é testada plotando os resíduos em função de. e o ajuste for bom, os resíduos segurão um padrão aleatóro. Caso contráro, alguma tendênca curvlínea será observada

10 Na fgura a segur, (a) representa uma stuação onde o ajuste é adequado, enquanto (b) representa uma stuação onde o modelo lnear não se ajusta bem aos dados. Re (a) Re 0 (b) e o modelo lnear não fornece um bom ajuste, às vezes o problema pode ser contornado trabalhando-se com valores transformados de ou Y, por exemplo, Y = b + b 0 Y = b + b 0 onde = Homogenedade da varânca A suposção de homogenedade da varânca σ ao longo de todo o ntervalo de também pode ser verfcada analsando o gráfco de Resíduos. A fgura a segur apresenta uma stuação (a) onde verfcase a suposção de homogenedade, enquanto que em (b) essa suposção é volada. Re (a) Re 0 (b) Homogenedade da varânca Normaldade dos Resíduos e a suposção de homogenedade da varânca é rejetada, pode-se usar o método da regressão lnear ponderada, onde se busca os valores de β 0 e β que mnmzam L = Σ w (y -(b 0 + b x )) Nesse caso, os pesos w são nversamente proporconas à varânca. O teste da normaldade da dstrbução dos resíduos pode ser feto plotando-se os resíduos em papel de probabldade ou utlzando testes analítcos de normaldade, como o teste do Ch-quadrado ou o teste de Kolmorov-mrnov. e a suposção de normaldade é rejetada, mutas vezes uma transformação matemátca nos valores de e Y (logartmo, nverso, raz quadrada) rá gerar valores transformados com resíduos normalmente dstrbuídos. Então o problema é analsado no espaço das varáves transformadas e ao fnal retorna-se ao espaço orgnal

11 Intervalo de Varação para A Análse de Varânca e a Regressão A varânca da nclnação b aumenta quando se reduz o ntervalo de varação de. e o ntervalo é pequeno, b será grande e nesse caso será dfícl rejetar a hpótese H 0 : b = 0. Em outras palavras, se a relação entre e Y é medda em um ntervalo reduzdo de, os parâmetros estmados não terão muto sgnfcado estatístco. e o objetvo é construr um modelo de regressão, devese coletar dados nos extremos do ntervalo de, ou seja, nos lmtes de nteresse e vabldade prátcos ou nos lmtes em que se supõe válda a relação lnear. A análse de varânca também é aplcável aos problemas de regressão. Na regressão smples, podemos decompor os resíduos da segunte manera: [( ) ] ( Y Y) = [ y ( b + b )] + b + b Y 0 0 Elevando ao quadrado e somando, obtém-se: [ ] [ ( ) ] ( Y Y) = y ( b + b ) + b + b Y 0 0 Uma vez que o produto cruzado resulta nulo. Essa equação também pode ser escrta como: YY = QR + QReg Cujos graus de lberdade valem respectvamente: (n - ) = (n - ) A Análse de Varânca e a Regressão Tabela ANOVA Assm, a méda quadrada assocada com o modelo de regressão e a méda quadrada dos resíduos resultam: MQReg = QReg / MQR = QR / (n - ) E o teste F é feto comparando MQReg, com MQR, ou seja, F = MQReg / MQR A hpótese nula, H 0 : β = 0, será rejetada sempre que F > F α,, n- A segur apresenta-se a tabela ANOVA, contendo o formuláro prátco para o cálculo das omas Quadradas e os demas desenvolvmentos até o teste F. A tabela ANOVA, contendo o formuláro prátco para o cálculo das omas Quadradas e os demas desenvolvmentos até o teste F Fonte de Q GDL MQ F Varação Regressão QReg = b Y MQReg MQReg/MQR Resdual QR= YY - b Y n - MQR Total YY n

12 Exemplo 9.5: Faça a análse de varânca para o problema do consumo de combustível e confrme a sgnfcânca do modelo de regressão lnear. olução: Já tínhamos calculado as omas Quadradas YY e QR como: YY = 8,34 ; Y = - 46,45 ; b = - 0,35 QR = 3,4 Assm QReg = b Y = - 0,35 (- 46,45) = 5,0 De modo que a ANOVA resulta: Fonte de Q GDL MQ F Varação Regressão 5,0 5,0 46,6 Resdual 3,4 0 0,34 Total 8,34 O valor de F calculado (46,6) é muto maor que o tabelado (4,96) e assm confrma-se a sgnfcânca do modelo. Nota: o coefcente de determnação r também pode ser calculado usando: r = Q Re g 50, = = 0, 8 ou 8% 8, 34 YY Dados Atípcos Algumas vezes, o conjunto de dados pode estar contamnado com alguns dados atípcos. Esses dados atípcos podem ser o resultado do efeto de algum fator externo ao estudo, ou podem ser smplesmente um erro de letura e regstro. Exste um procedmento para testar a sgnfcânca de um dado atípco. Este procedmento está baseado na determnação de uma nova equação, com o dado atípco elmnado, segudo de um teste de hpótese comparando os valores predtos pela equação orgnal com aqueles predtos pela nova equação. e o conjunto pode estar contamnado por város dados atípcos, a solução será usar técncas de regressão robusta. Neste tpo de análse, é dado um peso menor àqueles dados que se afastam do conjunto. Por exemplo, uma alternatva é mnmzar L = Σ w [y -(b 0 + b x )] onde os pesos w são proporconas ao nverso do resíduo R. A solução é obtda após algumas terações

13 Regressão Não Lnear mples Regressão Não Lnear mples e o ajuste lnear é defcente, mutas vezes é possível encontrar uma solução aproxmada, e em geral satsfatóra, utlzando uma transformação em e/ou em Y. Note-se que o método dos mínmos quadrados aplcado aos valores transformados, sto é, mnmzando Em forma genérca, teríamos: f(y) = b 0 + b g() + ε Y * = b 0 + b * + ε Os possíves valores de Y * = f(y) seram y, /y, y, ln y, etc. Igualmente, para * = g(x) poderíamos usar x, /x, x, ln x, etc. Uma vez defnda a transformação, e confrmada em um gráfco de dspersão a relação aproxmadamente lnear entre Y * e *, podera-se usar o método apresentado anterormente para obter as estmatvas de β 0 e β. L = Σ [ f (y) - (b0 + b g (x))], não va fornecer os mesmos resultados que seram obtdos mnmzando L = Σ [ y - h (x)], onde h (x) é uma função não lnear de x. Contudo, as dferenças em geral são pequenas e não comprometem a análse Exercícos 9. Em um processo químco, a quantdade de sóldos depostada pode depender da concentração de um componente A que é adconado à mstura. Ajuste um modelo de regressão lnear aos dados que aparecem a segur. Depos plote a reta de regressão e os valores observados. Conc Depos. 3,3,5,9 4, 3,3 6, 4,9 5,9 8, 7,5 6,5 8,9 0,3 8,5 0, 9. Para os dados do exercíco 9., calcule a varânca resdual e a varânca dos parâmetros b 0 e b. Depos construa um ntervalo de confança de 95% para a nclnação b e verfque a hpótese H 0 : β = Calcule os resíduos padronzados R = [Y -(b 0 + b )] / para os dados do exercíco 9.. Em seguda, plote um gráfco de Resíduos e verfque se há evdêncas de falta de ajuste do modelo lnear ou falta de homogenedade da varânca. 9.4 Anda em relação aos dados do exercíco 9., calcule os ntervalos de confança para um valor médo e para um valor ndvdual de Y usando x 0 = 0 e x 0 = Um torno mecânco pode ser operado a dversas velocdades. Contudo, a qualdade do acabamento, ou seja, a rugosdade superfcal, pode porar com o aumento da velocdade de operação. Ajuste um modelo de regressão lnear aos dados que aparecem a segur e depos plote a reta de regressão e os valores observados. Velocdade Rugosdade 6,0,5 33,5 36,0 7,5 37,0 4,5 8,0 39,5 43,0 37,0 50,5 5 5

14 9.6 Para os dados do exercíco 9.5, calcule a varânca resdual e a varânca dos parâmetros b 0 e b. Depos, construa um ntervalo de confança de 95% para a nclnação b e verfque a hpótese da exstênca de uma relação entre velocdade e rugosdade superfcal. 9.7 Faça a análse de varânca para os dados do exercíco 9.5 e confrme a sgnfcânca do modelo de regressão lnear. Em seguda calcule o valor do coefcente de determnação e ndque qual o sgnfcado técnco desse coefcente para o problema em questão. 9.8 O gerente de uma ndústra localzada em um país tropcal suspeta que há uma correlação entre a temperatura do da e produtvdade. Dados coletados aleatoramente ao longo de um período de ses meses revelaram o segunte: Temperatura, 0,3,7,0,3 3,5 4,8 4, 5,5 5, 5,5 5,8 Produtvdade Temperatura 7,5 6,3 8, 8,6 9,0 9,7 30,7 30,3 30, 3,4 3,5 3,7 Produtvdade Calcule o valor do coefcente de correlação entre a Temperatura e a produtvdade e verfque a hpótese H 0 :ρ=0. Depos plote um gráfco de dspersão e vsualze a natureza da correlação entre Temperatura e Produtvdade A análse de 0 pares de valores ndcou que a resstênca à tração (Y) de uma fbra sntétca usada na ndústra têxtl guarda uma relação lnear com a percentagem de algodão () presente na fbra. A equação obtda fo Y = 35,7 + 0,85 ( fornecdo em percentagem, equação válda para o ntervalo de entre 0 e 35%). Conhecdos os valores das omas Quadradas Y =43,68 e YY =79,43 pede-se: a) Faça a análse de Varânca e conclua a respeto da sgnfcânca do modelo. b) Calcule o valor do coefcente de determnação r e ndque qual o seu sgnfcado técnco. 9.0 Um sofstcado smulador estocástco de tráfego fornece a velocdade méda em avendas de uma metrópole em função do volume de automóves. O resultado de 4 smulações revelou o segunte: Vol. de Tráfego Velocd. Méda ,6 93,8 74,4 74,8 50,5 5,5 44,6 4,4 35,8 38,7 3,0 3, 30, 9, Ajuste um modelo lnear a esses dados e ache a equação de regressão Y = b 0 + b 55 56

15 9. Calcule os resíduos padronzados para os dados do exercíco 9.0. Após, plote um gráfco de Resíduos e verfque se há evdêncas de falta de ajuste do modelo lnear. 9. Utlze o segunte modelo para ajustar os dados do exercíco 9.0: Y=b 0 + b ( / ). Estme o valor dos coefcentes b 0 e b para esse modelo não lnear e depos repta a análse de resíduos pedda em 9., verfcando se para o presente modelo há evdêncas de falta de ajuste. 57

Prof. Lorí Viali, Dr.

Prof. Lorí Viali, Dr. Prof. Lorí Val, Dr. val@mat.ufrgs.br http://www.mat.ufrgs.br/~val/ É o grau de assocação entre duas ou mas varáves. Pode ser: correlaconal ou expermental. Prof. Lorí Val, Dr. UFRG Insttuto de Matemátca

Leia mais

Prof. Lorí Viali, Dr.

Prof. Lorí Viali, Dr. Prof. Lorí Val, Dr. val@mat.ufrgs.br http://www.mat.ufrgs.br/~val/ 1 É o grau de assocação entre duas ou mas varáves. Pode ser: correlaconal ou expermental. Numa relação expermental os valores de uma das

Leia mais

MOQ-14 PROJETO E ANÁLISE DE EXPERIMENTOS LISTA DE EXERCÍCIOS 1 REGRESSÃO LINEAR SIMPLES

MOQ-14 PROJETO E ANÁLISE DE EXPERIMENTOS LISTA DE EXERCÍCIOS 1 REGRESSÃO LINEAR SIMPLES MOQ-14 PROJETO E ANÁLISE DE EXPERIMENTOS LISTA DE EXERCÍCIOS 1 REGRESSÃO LINEAR SIMPLES 1. Obtenha os estmadores dos coefcentes lnear e angular de um modelo de regressão lnear smples utlzando o método

Leia mais

1. CORRELAÇÃO E REGRESSÃO LINEAR

1. CORRELAÇÃO E REGRESSÃO LINEAR 1 CORRELAÇÃO E REGREÃO LINEAR Quando deseja-se estudar se exste relação entre duas varáves quanttatvas, pode-se utlzar a ferramenta estatístca da Correlação Lnear mples de Pearson Quando essa correlação

Leia mais

9 Regressão linear simples

9 Regressão linear simples 9 Regressão linear simples José Luis Duarte Ribeiro Carla ten Caten COMENTÁRIOS INICIAIS Em muitos problemas há duas ou mais variáveis que são relacionadas e pode ser importante modelar essa relação. Por

Leia mais

Análise de Regressão

Análise de Regressão Análse de Regressão método estatístco que utlza relação entre duas ou mas varáves de modo que uma varável pode ser estmada (ou predta) a partr da outra ou das outras Neter, J. et al. Appled Lnear Statstcal

Leia mais

CORRELAÇÃO E REGRESSÃO

CORRELAÇÃO E REGRESSÃO CORRELAÇÃO E REGRESSÃO Constata-se, freqüentemente, a estênca de uma relação entre duas (ou mas) varáves. Se tal relação é de natureza quanttatva, a correlação é o nstrumento adequado para descobrr e medr

Leia mais

PRESSUPOSTOS DO MODELO DE REGRESSÃO

PRESSUPOSTOS DO MODELO DE REGRESSÃO PREUPOTO DO MODELO DE REGREÃO A aplcação do modelo de regressão lnear múltpla (bem como da smples) pressupõe a verfcação de alguns pressupostos que condensamos segudamente.. Os erros E são varáves aleatóras

Leia mais

Capítulo 1. Exercício 5. Capítulo 2 Exercício

Capítulo 1. Exercício 5. Capítulo 2 Exercício UNIVERSIDADE FEDERAL DE GOIÁS CIÊNCIAS ECONÔMICAS ECONOMETRIA (04-II) PRIMEIRA LISTA DE EXERCÍCIOS Exercícos do Gujarat Exercíco 5 Capítulo Capítulo Exercíco 3 4 5 7 0 5 Capítulo 3 As duas prmeras demonstrações

Leia mais

Associação entre duas variáveis quantitativas

Associação entre duas variáveis quantitativas Exemplo O departamento de RH de uma empresa deseja avalar a efcáca dos testes aplcados para a seleção de funconáros. Para tanto, fo sorteada uma amostra aleatóra de 50 funconáros que fazem parte da empresa

Leia mais

Contabilometria. Aula 8 Regressão Linear Simples

Contabilometria. Aula 8 Regressão Linear Simples Contalometra Aula 8 Regressão Lnear Smples Orgem hstórca do termo Regressão Le da Regressão Unversal de Galton 1885 Galton verfcou que, apesar da tendênca de que pas altos tvessem flhos altos e pas axos

Leia mais

Curso de extensão, MMQ IFUSP, fevereiro/2014. Alguns exercício básicos

Curso de extensão, MMQ IFUSP, fevereiro/2014. Alguns exercício básicos Curso de extensão, MMQ IFUSP, feverero/4 Alguns exercíco báscos I Exercícos (MMQ) Uma grandeza cujo valor verdadero x é desconhecdo, fo medda três vezes, com procedmentos expermentas dêntcos e, portanto,

Leia mais

Análise de Regressão Linear Múltipla IV

Análise de Regressão Linear Múltipla IV Análse de Regressão Lnear Múltpla IV Aula 7 Guarat e Porter, 11 Capítulos 7 e 8 He et al., 4 Capítulo 3 Exemplo Tomando por base o modelo salaro 1educ anosemp exp prev log 3 a senhorta Jole, gerente do

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

Modelo linear normal com erros heterocedásticos. O método de mínimos quadrados ponderados

Modelo linear normal com erros heterocedásticos. O método de mínimos quadrados ponderados Modelo lnear normal com erros heterocedástcos O método de mínmos quadrados ponderados Varâncas homogêneas Varâncas heterogêneas y y x x Fgura 1 Ilustração da dstrbução de uma varável aleatóra y (condconal

Leia mais

Estatística II Antonio Roque Aula 18. Regressão Linear

Estatística II Antonio Roque Aula 18. Regressão Linear Estatístca II Antono Roque Aula 18 Regressão Lnear Quando se consderam duas varáves aleatóras ao mesmo tempo, X e Y, as técncas estatístcas aplcadas são as de regressão e correlação. As duas técncas estão

Leia mais

2 Incerteza de medição

2 Incerteza de medição 2 Incerteza de medção Toda medção envolve ensaos, ajustes, condconamentos e a observação de ndcações em um nstrumento. Este conhecmento é utlzado para obter o valor de uma grandeza (mensurando) a partr

Leia mais

Os modelos de regressão paramétricos vistos anteriormente exigem que se suponha uma distribuição estatística para o tempo de sobrevivência.

Os modelos de regressão paramétricos vistos anteriormente exigem que se suponha uma distribuição estatística para o tempo de sobrevivência. MODELO DE REGRESSÃO DE COX Os modelos de regressão paramétrcos vstos anterormente exgem que se suponha uma dstrbução estatístca para o tempo de sobrevvênca. Contudo esta suposção, caso não sea adequada,

Leia mais

Algarismos Significativos Propagação de Erros ou Desvios

Algarismos Significativos Propagação de Erros ou Desvios Algarsmos Sgnfcatvos Propagação de Erros ou Desvos L1 = 1,35 cm; L = 1,3 cm; L3 = 1,30 cm L4 = 1,4 cm; L5 = 1,7 cm. Qual destas meddas está correta? Qual apresenta algarsmos com sgnfcado? O nstrumento

Leia mais

Gabarito da Lista de Exercícios de Econometria I

Gabarito da Lista de Exercícios de Econometria I Gabarto da sta de Exercícos de Econometra I Professor: Rogéro lva Mattos Montor: eonardo enrque A. lva Questão Y X y x xy x ŷ ˆ ˆ y ŷ (Y - Y ) (X - X ) (Ŷ - Y ) 360 00-76 -00 35.00 40.000 36-4 30.976 3076

Leia mais

Análise de Regressão Linear Múltipla VII

Análise de Regressão Linear Múltipla VII Análse de Regressão Lnear Múltpla VII Aula 1 Hej et al., 4 Seções 3. e 3.4 Hpótese Lnear Geral Seja y = + 1 x 1 + x +... + k x k +, = 1,,..., n. um modelo de regressão lnear múltpla, que pode ser escrto

Leia mais

O problema da superdispersão na análise de dados de contagens

O problema da superdispersão na análise de dados de contagens O problema da superdspersão na análse de dados de contagens 1 Uma das restrções mpostas pelas dstrbuções bnomal e Posson, aplcadas usualmente na análse de dados dscretos, é que o parâmetro de dspersão

Leia mais

Análise de Variância. Comparação de duas ou mais médias

Análise de Variância. Comparação de duas ou mais médias Análse de Varânca Comparação de duas ou mas médas Análse de varânca com um fator Exemplo Um expermento fo realzado para se estudar dabetes gestaconal. Desejava-se avalar o comportamento da hemoglobna (HbA)

Leia mais

INSTITUTO POLITÉCNICO DE VISEU ESCOLA SUPERIOR DE TECNOLOGIA E GESTÃO

INSTITUTO POLITÉCNICO DE VISEU ESCOLA SUPERIOR DE TECNOLOGIA E GESTÃO Área Centfca Curso Matemátca Engenhara Electrotécnca º Semestre º 00/0 Fcha nº 9. Um artgo da revsta Wear (99) apresenta dados relatvos à vscosdade do óleo e ao desgaste do aço maco. A relação entre estas

Leia mais

MOQ-14 PROJETO e ANÁLISE de EXPERIMENTOS. Professor: Rodrigo A. Scarpel

MOQ-14 PROJETO e ANÁLISE de EXPERIMENTOS. Professor: Rodrigo A. Scarpel MOQ-14 PROJETO e ANÁLISE de EPERIMENTOS Professor: Rodrgo A. Scarpel rodrgo@ta.br www.mec.ta.br/~rodrgo Prncípos de cração de modelos empírcos: Modelos (matemátcos, lógcos, ) são comumente utlzados na

Leia mais

CAPÍTULO 2 DESCRIÇÃO DE DADOS ESTATÍSTICA DESCRITIVA

CAPÍTULO 2 DESCRIÇÃO DE DADOS ESTATÍSTICA DESCRITIVA CAPÍTULO DESCRIÇÃO DE DADOS ESTATÍSTICA DESCRITIVA. A MÉDIA ARITMÉTICA OU PROMÉDIO Defnção: é gual a soma dos valores do grupo de dados dvdda pelo número de valores. X x Soma dos valores de x número de

Leia mais

X = 1, se ocorre : VB ou BV (vermelha e branca ou branca e vermelha)

X = 1, se ocorre : VB ou BV (vermelha e branca ou branca e vermelha) Estatístca p/ Admnstração II - Profª Ana Cláuda Melo Undade : Probabldade Aula: 3 Varável Aleatóra. Varáves Aleatóras Ao descrever um espaço amostral de um expermento, não especfcamos que um resultado

Leia mais

R X. X(s) Y Y(s) Variáveis aleatórias discretas bidimensionais

R X. X(s) Y Y(s) Variáveis aleatórias discretas bidimensionais 30 Varáves aleatóras bdmensonas Sea ε uma experênca aleatóra e S um espaço amostral assocado a essa experênca. Seam X X(s) e Y Y(s) duas funções cada uma assocando um número real a cada resultado s S.

Leia mais

DEFINIÇÃO - MODELO LINEAR GENERALIZADO

DEFINIÇÃO - MODELO LINEAR GENERALIZADO DEFINIÇÃO - MODELO LINEAR GENERALIZADO 1 Um modelo lnear generalzado é defndo pelos seguntes três componentes: Componente aleatóro; Componente sstemátco; Função de lgação; Componente aleatóro: Um conjunto

Leia mais

MOQ-14 PROJETO e ANÁLISE de EXPERIMENTOS. Professor: Rodrigo A. Scarpel

MOQ-14 PROJETO e ANÁLISE de EXPERIMENTOS. Professor: Rodrigo A. Scarpel MOQ-4 PROJETO e ANÁLISE de EPERIMENTOS Professor: Rodrgo A. Scarpel rodrgo@ta.br www.mec.ta.br/~rodrgo Programa do curso: Semana Conteúdo Apresentação da dscplna. Prncípos de modelos lneares de regressão.

Leia mais

RISCO. Investimento inicial $ $ Taxa de retorno anual Pessimista 13% 7% Mais provável 15% 15% Otimista 17% 23% Faixa 4% 16%

RISCO. Investimento inicial $ $ Taxa de retorno anual Pessimista 13% 7% Mais provável 15% 15% Otimista 17% 23% Faixa 4% 16% Análse de Rsco 1 RISCO Rsco possbldade de perda. Quanto maor a possbldade, maor o rsco. Exemplo: Empresa X va receber $ 1.000 de uros em 30 das com títulos do governo. A empresa Y pode receber entre $

Leia mais

7 - Distribuição de Freqüências

7 - Distribuição de Freqüências 7 - Dstrbução de Freqüêncas 7.1 Introdução Em mutas áreas há uma grande quantdade de nformações numércas que precsam ser dvulgadas de forma resumda. O método mas comum de resumr estes dados numércos consste

Leia mais

Ao se calcular a média, moda e mediana, temos: Quanto mais os dados variam, menos representativa é a média.

Ao se calcular a média, moda e mediana, temos: Quanto mais os dados variam, menos representativa é a média. Estatístca Dscplna de Estatístca 0/ Curso Superor de tecnólogo em Gestão Ambental Profª. Me. Valéra Espíndola Lessa e-mal: lessavalera@gmal.com Meddas de Dspersão Indcam se os dados estão, ou não, prómos

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

Ao se calcular a média, moda e mediana, temos: Quanto mais os dados variam, menos representativa é a média.

Ao se calcular a média, moda e mediana, temos: Quanto mais os dados variam, menos representativa é a média. Estatístca Dscplna de Estatístca 0/ Curso de Admnstração em Gestão Públca Profª. Me. Valéra Espíndola Lessa e-mal: lessavalera@gmal.com Meddas de Dspersão Indcam se os dados estão, ou não, prómos uns dos

Leia mais

ANÁLISE DA VARIÂNCIA DA REGRESSÃO

ANÁLISE DA VARIÂNCIA DA REGRESSÃO ANÁLISE DA VARIÂNCIA DA REGRESSÃO PROCEDIMENTO GERAL DE REGRESSÃO Em um modelo de análse de varânca, como no DIA, o fator em estudo pode ser quanttatvo ou qualtatvo. FATOR QUANTITATIVO: é aquele cujos

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

O que heterocedasticidade? Heterocedasticidade. Por que se preocupar com heterocedasticidade? Exemplo de heterocedasticidade.

O que heterocedasticidade? Heterocedasticidade. Por que se preocupar com heterocedasticidade? Exemplo de heterocedasticidade. Heterocedastcdade y = β 0 + β + β + β k k + u O que heterocedastcdade? Lembre-se da hpótese de homocedastcdade: condconal às varáves eplcatvas, a varânca do erro, u, é constante Se sso não for verdade,

Leia mais

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

5 Métodos de cálculo do limite de retenção em função da ruína e do capital inicial

5 Métodos de cálculo do limite de retenção em função da ruína e do capital inicial 5 Métodos de cálculo do lmte de retenção em função da ruína e do captal ncal Nesta dssertação serão utlzados dos métodos comparatvos de cálculo de lmte de retenção, onde ambos consderam a necessdade de

Leia mais

Métodos Experimentais em Ciências Mecânicas

Métodos Experimentais em Ciências Mecânicas Métodos Expermentas em Cêncas Mecâncas Professor Jorge Luz A. Ferrera Sumáro.. Dagrama de Dspersão. Coefcente de Correlação Lnear de Pearson. Flosofa assocada a medda da Estatstca. este de Hpótese 3. Exemplos.

Leia mais

Estatística Espacial: Dados de Área

Estatística Espacial: Dados de Área Estatístca Espacal: Dados de Área Dstrbução do número observado de eventos Padronzação e SMR Mapas de Probabldades Mapas com taxas empírcas bayesanas Padronzação Para permtr comparações entre dferentes

Leia mais

UMA ABORDAGEM ALTERNATIVA PARA O ENSINO DO MÉTODO DOS MÍNIMOS QUADRADOS NO NÍVEL MÉDIO E INÍCIO DO CURSO SUPERIOR

UMA ABORDAGEM ALTERNATIVA PARA O ENSINO DO MÉTODO DOS MÍNIMOS QUADRADOS NO NÍVEL MÉDIO E INÍCIO DO CURSO SUPERIOR UNIVERSIDADE FEDERAL DE JUIZ DE FORA INSTITUTO DE CIÊNCIAS EATAS DEPARTAMENTO DE ESTATÍSTICA UMA ABORDAGEM ALTERNATIVA PARA O ENSINO DO MÉTODO DOS MÍNIMOS QUADRADOS NO NÍVEL MÉDIO E INÍCIO DO CURSO SUPERIOR

Leia mais

3.6. Análise descritiva com dados agrupados Dados agrupados com variáveis discretas

3.6. Análise descritiva com dados agrupados Dados agrupados com variáveis discretas 3.6. Análse descrtva com dados agrupados Em algumas stuações, os dados podem ser apresentados dretamente nas tabelas de frequêncas. Netas stuações devemos utlzar estratégas específcas para obter as meddas

Leia mais

A redução na pressão sangüínea (mm Hg) em um período de quatro semanas observadas em cães experimentais está tabulada abaixo:

A redução na pressão sangüínea (mm Hg) em um período de quatro semanas observadas em cães experimentais está tabulada abaixo: UNIVERSIDADE ESTADUAL PAULISTA FACULDADE DE CIÊNCIAS AGRÁRIAS E VETERINÁRIAS CAMPUS DE JABOTICABAL ª PROVA DE ESTATÍSTICA EXPERIMENTAL - MEDICINA VETERINÁRIA NOME: DATA / / ª QUESTÃO (,): A redução da

Leia mais

Análise de influência

Análise de influência Análse de nfluênca Dzemos que uma observação é nfluente caso ela altere, de forma substancal, alguma propredade do modelo ajustado (como as estmatvas dos parâmetros, seus erros padrões, valores ajustados...).

Leia mais

Experiência V (aulas 08 e 09) Curvas características

Experiência V (aulas 08 e 09) Curvas características Experênca (aulas 08 e 09) Curvas característcas 1. Objetvos 2. Introdução 3. Procedmento expermental 4. Análse de dados 5. Referêncas 1. Objetvos Como no expermento anteror, remos estudar a adequação de

Leia mais

Introdução à Análise de Dados nas medidas de grandezas físicas

Introdução à Análise de Dados nas medidas de grandezas físicas Introdução à Análse de Dados nas meddas de grandezas físcas www.chem.wts.ac.za/chem0/ http://uregna.ca/~peresnep/ www.ph.ed.ac.uk/~td/p3lab/analss/ otas baseadas nos apontamentos Análse de Dados do Prof.

Leia mais

8.16. Experimentos Fatoriais e o Fatorial Fracionado

8.16. Experimentos Fatoriais e o Fatorial Fracionado 8.6. Expermentos Fatoras e o Fatoral Fraconado Segundo Kng (995) os arranos fatoras e fatoral fraconado estão dentre os arranos mas usados em expermentos ndustras. Veremos aqu alguns casos mas geras e

Leia mais

1. ANÁLISE EXPLORATÓRIA E ESTATÍSTICA DESCRITIVA

1. ANÁLISE EXPLORATÓRIA E ESTATÍSTICA DESCRITIVA 1. ANÁLISE EXPLORATÓRIA E ESTATÍSTICA DESCRITIVA 014 Estatístca Descrtva e Análse Exploratóra Etapas ncas. Utlzadas para descrever e resumr os dados. A dsponbldade de uma grande quantdade de dados e de

Leia mais

Prof. Cláudio Serra, Esp. 1. Produção de Leite x índice Pluviométrico y = 0.8x R 2 =

Prof. Cláudio Serra, Esp. 1. Produção de Leite x índice Pluviométrico y = 0.8x R 2 = Análse de Regressão Cap.. Introdução Análse de regressão é uma técnca de modelagem utlzada para analsar a relação entre uma varável dependente () e uma ou mas varáves ndependentes,, 3,..., n. O ojetvo

Leia mais

Figura 8.1: Distribuição uniforme de pontos em uma malha uni-dimensional. A notação empregada neste capítulo para avaliação da derivada de uma

Figura 8.1: Distribuição uniforme de pontos em uma malha uni-dimensional. A notação empregada neste capítulo para avaliação da derivada de uma Capítulo 8 Dferencação Numérca Quase todos os métodos numércos utlzados atualmente para obtenção de soluções de equações erencas ordnáras e parcas utlzam algum tpo de aproxmação para as dervadas contínuas

Leia mais

Estatística I Licenciatura MAEG 2006/07

Estatística I Licenciatura MAEG 2006/07 Estatístca I Lcencatura MAEG 006/07 AMOSTRAGEM. DISTRIBUIÇÕES POR AMOSTRAGEM.. Em determnada unversdade verfca-se que 30% dos alunos têm carro. Seleccona-se uma amostra casual smples de 0 alunos. a) Qual

Leia mais

(B) Considere X = antes e Y = depois e realize um teste t para dados pareados e um teste da ANOVA de um DBC com 5 blocos. Compare os resultados.

(B) Considere X = antes e Y = depois e realize um teste t para dados pareados e um teste da ANOVA de um DBC com 5 blocos. Compare os resultados. INF 6 Notas de aula sujeto a correções Prof. Luz Alexandre Peternell (B) Consdere X antes e Y depos e realze um teste t para dados pareados e um teste da ANOVA de um DBC com 5 blocos. Compare os resultados.

Leia mais

MODELO RECEPTOR MODELO RECEPTOR MODELO RECEPTOR. Princípio do modelo:

MODELO RECEPTOR MODELO RECEPTOR MODELO RECEPTOR. Princípio do modelo: MODELO RECEPTOR Não modela a dspersão do contamnante. MODELO RECEPTOR Prncípo do modelo: Atacar o problema de dentfcação da contrbução da fonte em ordem nversa, partndo da concentração do contamnante no

Leia mais

Eletroquímica 2017/3. Professores: Renato Camargo Matos Hélio Ferreira dos Santos.

Eletroquímica 2017/3. Professores: Renato Camargo Matos Hélio Ferreira dos Santos. Eletroquímca 2017/3 Professores: Renato Camargo Matos Hélo Ferrera dos Santos http://www.ufjf.br/nups/ Data Conteúdo 07/08 Estatístca aplcada à Químca Analítca Parte 2 14/08 Introdução à eletroquímca 21/08

Leia mais

A redução na pressão sangüínea (mm Hg) em um período de quatro semanas observadas em cães experimentais está tabulada abaixo:

A redução na pressão sangüínea (mm Hg) em um período de quatro semanas observadas em cães experimentais está tabulada abaixo: UNIVERSIDADE ESTADUAL PAULISTA FACULDADE DE CIÊNCIAS AGRÁRIAS E VETERINÁRIAS CAMPUS DE JABOTICABAL ª PROVA DE ESTATÍSTICA EXPERIMENTAL - MEDICINA VETERINÁRIA NOME: DATA / / ª QUESTÃO (5,5): A redução da

Leia mais

Redução dos Dados. Júlio Osório. Medidas Características da Distribuição. Tendência Central (Localização) Variação (Dispersão) Forma

Redução dos Dados. Júlio Osório. Medidas Características da Distribuição. Tendência Central (Localização) Variação (Dispersão) Forma Redução dos Dados Júlo Osóro Meddas Característcas da Dstrbução Tendênca Central (Localzação) Varação (Dspersão) Forma 1 Meddas Característcas da Dstrbução Meddas Estatístcas Tendênca Central Dspersão

Leia mais

AEP FISCAL ESTATÍSTICA

AEP FISCAL ESTATÍSTICA AEP FISCAL ESTATÍSTICA Módulo 11: Varáves Aleatóras (webercampos@gmal.com) VARIÁVEIS ALEATÓRIAS 1. Conceto de Varáves Aleatóras Exemplo: O expermento consste no lançamento de duas moedas: X: nº de caras

Leia mais

CAPÍTULO 2 - Estatística Descritiva

CAPÍTULO 2 - Estatística Descritiva INF 16 Prof. Luz Alexandre Peternell CAPÍTULO - Estatístca Descrtva Exercícos Propostos 1) Consderando os dados amostras abaxo, calcular: méda artmétca, varânca, desvo padrão, erro padrão da méda e coefcente

Leia mais

Universidade da Beira Interior Departamento de Matemática. Ficha de exercícios nº2: Distribuições Bidimensionais

Universidade da Beira Interior Departamento de Matemática. Ficha de exercícios nº2: Distribuições Bidimensionais Ano lectvo: 2006/2007 Unversdade da Bera Interor Departamento de Matemátca ESTATÍSTICA Fcha de exercícos nº2: Dstrbuções Bdmensonas Curso: Cêncas do Desporto 1. Consdere a segunte tabela de contngênca:

Leia mais

Neste capítulo abordam-se os principais conceitos relacionados com os cálculos de estatísticas, histogramas e correlação entre imagens digitais.

Neste capítulo abordam-se os principais conceitos relacionados com os cálculos de estatísticas, histogramas e correlação entre imagens digitais. 1 1Imagem Dgtal: Estatístcas INTRODUÇÃO Neste capítulo abordam-se os prncpas concetos relaconados com os cálculos de estatístcas, hstogramas e correlação entre magens dgtas. 4.1. VALOR MÉDIO, VARIÂNCIA,

Leia mais

NOTA II TABELAS E GRÁFICOS

NOTA II TABELAS E GRÁFICOS Depto de Físca/UFMG Laboratóro de Fundamentos de Físca NOTA II TABELAS E GRÁFICOS II.1 - TABELAS A manera mas adequada na apresentação de uma sére de meddas de um certo epermento é através de tabelas.

Leia mais

Teoria da Regressão Espacial Aplicada a. Sérgio Alberto Pires da Silva

Teoria da Regressão Espacial Aplicada a. Sérgio Alberto Pires da Silva Teora da Regressão Espacal Aplcada a Modelos Genércos Sérgo Alberto Pres da Slva ITENS DE RELACIONAMENTOS Tópcos Báscos da Regressão Espacal; Banco de Dados Geo-Referencados; Modelos Genércos Robustos;

Leia mais

SELEÇÃO DE MODELOS VOLUMÉTRICOS PARA CLONES DE EUCALYPTUS SPP., NO PÓLO GESSEIRO DO ARARIPE

SELEÇÃO DE MODELOS VOLUMÉTRICOS PARA CLONES DE EUCALYPTUS SPP., NO PÓLO GESSEIRO DO ARARIPE SELEÇÃO DE MODELOS VOLUMÉTRICOS PARA CLONES DE EUCALYPTUS SPP, NO PÓLO GESSEIRO DO ARARIPE Jáder da Slva Jale Joselme Fernandes Gouvea Alne Santos de Melo Denns Marnho O R Souza Kléber Napoleão Nunes de

Leia mais

EXEMPLOS DO CURSO DE ESTATÍSTICA ENGENHARIA DE MATERIAIS

EXEMPLOS DO CURSO DE ESTATÍSTICA ENGENHARIA DE MATERIAIS EEMPLOS DO CURSO DE ESTATÍSTICA ENGENHARIA DE MATERIAIS Exemplo: Peso de 25 bolos ndustras Forma bruta: Dsposção ordenada 266 267 266 26 22 255 266 26 272 22 260 272 25 262 23 25 266 270 274 22 2 270 20

Leia mais

AULA 4. Segundo Quartil ( Q observações são menores que ele e 50% são maiores.

AULA 4. Segundo Quartil ( Q observações são menores que ele e 50% são maiores. Estatístca Aplcada à Engenhara AULA 4 UNAMA - Unversdade da Amazôna.8 MEDIDA EPARATRIZE ão valores que separam o rol (os dados ordenados) em quatro (quarts), dez (decs) ou em cem (percents) partes guas.

Leia mais

2. Validação e ferramentas estatísticas

2. Validação e ferramentas estatísticas . Valdação e ferramentas estatístcas Mutos aspectos relaconados à socedade são suportados, de alguma forma, por algum tpo de medção analítca. Mlhões de medções analítcas são realzadas todos os das, em

Leia mais

Tipo tratamento idade Tipo tratamento sexo

Tipo tratamento idade Tipo tratamento sexo Modelos de Regressão em Saúde Rejane Sobrno Pnhero Tâna Zdenka Gullén de Torres Modelos de Regressão Famíla de técncas estatístcas város fatores meddos (predtor, covarável, varável ndependente) relaconados

Leia mais

REGRESSÃO LINEAR ANÁLISE DE REGRESSÃO LINEAR MÚLTIPLA REGRESSÃO CURVILÍNEA FUNÇÃO QUADRÁTICA VERIFICAÇÃO DO AJUSTE A UMA RETA PELO COEFICIENTE 3 X 3

REGRESSÃO LINEAR ANÁLISE DE REGRESSÃO LINEAR MÚLTIPLA REGRESSÃO CURVILÍNEA FUNÇÃO QUADRÁTICA VERIFICAÇÃO DO AJUSTE A UMA RETA PELO COEFICIENTE 3 X 3 ANÁLISE DE REGRESSÃO LINEAR MÚLTIPLA REGRESSÃO LINEAR Verfcado, pelo valor de r, que ocorre uma sgnfcante correlação lnear entre duas varáves há necessdade de quantfcar tal relação, o que é feto pela análse

Leia mais

Correlação. Frases. Roteiro. 1. Coeficiente de Correlação 2. Interpretação de r 3. Análise de Correlação 4. Aplicação Computacional 5.

Correlação. Frases. Roteiro. 1. Coeficiente de Correlação 2. Interpretação de r 3. Análise de Correlação 4. Aplicação Computacional 5. Correlação Frases Uma probabldade razoável é a únca certeza Samuel Howe A experênca não permte nunca atngr a certeza absoluta. Não devemos procurar obter mas que uma probabldade. Bertrand Russel Rotero

Leia mais

F = O modelo de Regressão Múltipla Geral é dado por: Y i = β 1 + β 2 X 1i + β 3 X 2i + +β k X ki + U i Para testar a hipótese nula de que: H

F = O modelo de Regressão Múltipla Geral é dado por: Y i = β 1 + β 2 X 1i + β 3 X 2i + +β k X ki + U i Para testar a hipótese nula de que: H Prof. Lorí Val, Dr. val@mat.ufrgs.br http://www.mat.ufrgs.br/~val/ Nem sempre se quer testar os coefcentes ndvduas da regressão. Pode ser necessáro e é convenente testar o modelo como um todo, sto é testar

Leia mais

Coeficiente de Partição

Coeficiente de Partição Físco-Químca Expermental Coefcente de Partção 1. Introdução Suponha dos solventes A e B, parcalmente mscíves à temperatura T, formando as fases α (uma solução dluída de B na fase A) e β (uma solução dluída

Leia mais

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

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

Leia mais

Medidas e resultados em um experimento.

Medidas e resultados em um experimento. Meddas e resultados em um expermento. I- Introdução O estudo de um fenômeno natural do ponto de vsta expermental envolve algumas etapas que, mutas vezes, necesstam de uma elaboração préva de uma seqüênca

Leia mais

5.1 Seleção dos melhores regressores univariados (modelo de Índice de Difusão univariado)

5.1 Seleção dos melhores regressores univariados (modelo de Índice de Difusão univariado) 5 Aplcação Neste capítulo será apresentada a parte empírca do estudo no qual serão avalados os prncpas regressores, um Modelo de Índce de Dfusão com o resultado dos melhores regressores (aqu chamado de

Leia mais

Capítulo XI. Teste do Qui-quadrado. (χ 2 )

Capítulo XI. Teste do Qui-quadrado. (χ 2 ) TLF 00/ Cap. XI Teste do Capítulo XI Teste do Qu-quadrado ( ).. Aplcação do teste do a uma dstrbução de frequêncas 08.. Escolha de ntervalos para o teste do.3. Graus de lberdade e reduzdo.4. Tabela de

Leia mais

Universidade de São Paulo Escola Superior de Agricultura Luiz de Queiroz Departamento de Ciências Exatas

Universidade de São Paulo Escola Superior de Agricultura Luiz de Queiroz Departamento de Ciências Exatas Unversdade de São Paulo Escola Superor de Agrcultura Luz de Queroz Departamento de Cêncas Exatas Prova escrta de seleção para DOUTORADO em Estatístca e Expermentação Agronômca Nome do canddato (a): Questão

Leia mais

TEORIA DE ERROS * ERRO é a diferença entre um valor obtido ao se medir uma grandeza e o valor real ou correto da mesma.

TEORIA DE ERROS * ERRO é a diferença entre um valor obtido ao se medir uma grandeza e o valor real ou correto da mesma. UNIVERSIDADE FEDERAL DO ESPÍRITO SANTO CENTRO DE CIÊNCIAS EXATAS DEPARTAMENTO DE FÍSICA AV. FERNANDO FERRARI, 514 - GOIABEIRAS 29075-910 VITÓRIA - ES PROF. ANDERSON COSER GAUDIO FONE: 4009.7820 FAX: 4009.2823

Leia mais

Estatística. 8 Teste de Aderência. UNESP FEG DPD Prof. Edgard

Estatística. 8 Teste de Aderência. UNESP FEG DPD Prof. Edgard Estatístca 8 Teste de Aderênca UNESP FEG DPD Prof. Edgard 011 8-1 Teste de Aderênca IDÉIA: descobrr qual é a Dstrbução de uma Varável Aleatóra X, a partr de uma amostra: {X 1, X,..., X n } Problema: Seja

Leia mais

Análise Descritiva com Dados Agrupados

Análise Descritiva com Dados Agrupados Análse Descrtva com Dados Agrupados Em algumas stuações, os dados podem ser apresentados dretamente nas tabelas de frequêncas. Netas stuações devemos utlzar estratégas específcas para obter as meddas descrtvas

Leia mais

NOTAS DE AULA DA DISCIPLINA CE076

NOTAS DE AULA DA DISCIPLINA CE076 5. COMPONENTES PRINCIPAIS 5. Introdução A análse de Comonentes Prncas está relaconada com a exlcação da estrutura de covarânca or meo de oucas combnações lneares das varáves orgnas em estudo, ou sea, rocura

Leia mais

Eletromagnetismo Aplicado

Eletromagnetismo Aplicado letromagnetsmo Aplcado Undade 5 Propagação de Ondas letromagnétcas em Meos Ilmtados e Polaração Prof. Marcos V. T. Heckler Propagação de Ondas letromagnétcas e Polaração 1 Conteúdo Defnções e parâmetros

Leia mais

são os coeficientes desconhecidos e o termo ε (erro)

são os coeficientes desconhecidos e o termo ε (erro) Regressão Lnear Neste capítulo apresentamos um conjunto de técncas estatístcas, denomnadas análse de regressão lnear, onde se procura estabelecer a relação entre uma varável resposta e um conjunto de varáves

Leia mais

Regressão e Correlação Linear

Regressão e Correlação Linear Probabldade e Estatístca I Antono Roque Aula 5 Regressão e Correlação Lnear Até o momento, vmos técncas estatístcas em que se estuda uma varável de cada vez, estabelecendo-se sua dstrbução de freqüêncas,

Leia mais

x Ex: A tabela abaixo refere-se às notas finais de três turmas de estudantes. Calcular a média de cada turma:

x Ex: A tabela abaixo refere-se às notas finais de três turmas de estudantes. Calcular a média de cada turma: Professora Janete Perera Amador 1 8 Meddas Descrtvas Vmos anterormente que um conjunto de dados pode ser resumdo através de uma dstrbução de freqüêncas, e que esta pode ser representada através de uma

Leia mais

Avaliação do tamanho da amostra de segmentos regulares para estimar a área plantada com café na região sul de Minas Gerais

Avaliação do tamanho da amostra de segmentos regulares para estimar a área plantada com café na região sul de Minas Gerais Avalação do tamanho da amostra de segmentos regulares para estmar a área plantada com café na regão sul de Mnas Geras Marcos Adam Maurco Alves Morera Bernardo Fredrch Theodor Rudorff Insttuto Naconal de

Leia mais

INTRODUÇÃO... 4 CAPÍTULO CAPÍTULO CAPÍTULO CAPÍTULO

INTRODUÇÃO... 4 CAPÍTULO CAPÍTULO CAPÍTULO CAPÍTULO 1 ÍNDICE INTRODUÇÃO... 4 CAPÍTULO 1... 6 INTRODUÇÃO... 6 Tpos de erros... 8 Erros aleatóros e sstemátcos em análses ttrmétrcas... 10 Manpulando erros sstemátcos... 1 CAPÍTULO... 16 ERROS EM ANÁLISES CLÁSSICAS...

Leia mais

Departamento de Informática. Modelagem Analítica do Desempenho de Sistemas de Computação. Modelagem Analítica. Disciplina: Variável Aleatória

Departamento de Informática. Modelagem Analítica do Desempenho de Sistemas de Computação. Modelagem Analítica. Disciplina: Variável Aleatória Departamento de Informátca Dscplna: do Desempenho de Sstemas de Computação Varável leatóra Prof. Sérgo Colcher colcher@nf.puc-ro.br Varável leatóra eal O espaço de amostras Ω fo defndo como o conjunto

Leia mais

Aplicando o método de mínimos quadrados ordinários, você encontrou o seguinte resultado: 1,2

Aplicando o método de mínimos quadrados ordinários, você encontrou o seguinte resultado: 1,2 Econometra - Lsta 3 - Regressão Lnear Múltpla Professores: Hedbert Lopes, Prscla Rbero e Sérgo Martns Montores: Gustavo Amarante e João Marcos Nusdeo QUESTÃO 1. Você trabalha na consultora Fazemos Qualquer

Leia mais

Regressão múltipla linear

Regressão múltipla linear Regressão múltpla lnear (Análse de superfíces de tendênca) Coefcente de correlação lnear produto momento, segundo Pearson (r) SPXY = -( ) / n; SQX = - () / n; SQY = - () / n r cov(, ) var( )var( ) r SPXY

Leia mais

UNIVERSIDADE ESTADUAL PAULISTA JÚLIO DE MESQUITA FILHO FACULDADE DE CIÊNCIAS AGRÁRIAS E VETERINÁRIAS CAMPUS DE JABOTICABAL MATERIAL DIDATICO DO CURSO

UNIVERSIDADE ESTADUAL PAULISTA JÚLIO DE MESQUITA FILHO FACULDADE DE CIÊNCIAS AGRÁRIAS E VETERINÁRIAS CAMPUS DE JABOTICABAL MATERIAL DIDATICO DO CURSO UNIVERSIDADE ESTADUAL PAULISTA JÚLIO DE MESQUITA FILHO FACULDADE DE CIÊNCIAS AGRÁRIAS E VETERINÁRIAS CAMPUS DE JABOTICABAL MATERIAL DIDATICO DO CURSO ESTATISTICA EXPERIMENTAL: Com aplcaçoes em R Medcna

Leia mais

CQ110 : Princípios de FQ

CQ110 : Princípios de FQ CQ 110 Prncípos de Físco Químca Curso: Farmáca Prof. Dr. Marco Vdott mvdott@ufpr.br 1 soluções eletrolítcas Qual a dferença entre uma solução 1,0 mol L -1 de glcose e outra de NaCl de mesma concentração?

Leia mais

Regressão Linear Múltipla. Frases. Roteiro

Regressão Linear Múltipla. Frases. Roteiro Regressão Lnear Múltpla Frases Por serem mas precsos que as palavras, os números são partcularmente adequados para transmtr conclusões centífcas Pagano e Gauvre, 004 Rotero 1. Especfcação do Modelo. Modelo

Leia mais

Identidade dos parâmetros de modelos segmentados

Identidade dos parâmetros de modelos segmentados Identdade dos parâmetros de modelos segmentados Dana Campos de Olvera Antono Polcarpo Souza Carnero Joel Augusto Munz Fabyano Fonseca e Slva 4 Introdução No Brasl, dentre os anmas de médo porte, os ovnos

Leia mais

Elementos de Estatística e Probabilidades II

Elementos de Estatística e Probabilidades II Elementos de Estatístca e Probabldades II Varáves e Vetores Aleatóros dscretos Inês Das 203 O prncpal objetvo da deste documento é fornecer conhecmentos báscos de varáves aleatóras dscretas e pares aleatóros

Leia mais

Variável discreta: X = número de divórcios por indivíduo

Variável discreta: X = número de divórcios por indivíduo 5. Análse descrtva com dados agrupados Em algumas stuações, os dados podem ser apresentados dretamente nas tabelas de frequêncas. Netas stuações devemos utlzar estratégas específcas para obter as meddas

Leia mais

Estudo quantitativo do processo de tomada de decisão de um projeto de melhoria da qualidade de ensino de graduação.

Estudo quantitativo do processo de tomada de decisão de um projeto de melhoria da qualidade de ensino de graduação. Estudo quanttatvo do processo de tomada de decsão de um projeto de melhora da qualdade de ensno de graduação. Rogéro de Melo Costa Pnto 1, Rafael Aparecdo Pres Espíndula 2, Arlndo José de Souza Júnor 1,

Leia mais

Reconhecimento Estatístico de Padrões

Reconhecimento Estatístico de Padrões Reconhecmento Estatístco de Padrões X 3 O paradgma pode ser sumarzado da segunte forma: Cada padrão é representado por um vector de característcas x = x1 x2 x N (,,, ) x x1 x... x d 2 = X 1 X 2 Espaço

Leia mais

Realimentação negativa em ampliadores

Realimentação negativa em ampliadores Realmentação negatva em ampladores 1 Introdução necessdade de amplfcadores com ganho estável em undades repetdoras em lnhas telefôncas levou o Eng. Harold Black à cração da técnca denomnada realmentação

Leia mais