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

Save this PDF as:
 WORD  PNG  TXT  JPG

Tamanho: px
Começar a partir da página:

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

Transcrição

1 Professor Maurco Lutz 1 EGESSÃO LINEA SIMPLES A correlação lear é uma correlação etre duas varáves, cujo gráfco aproma-se de uma lha. O gráfco cartesao que represeta essa lha é deomado dagrama de dspersão. Para poder avalar melhor a correlação etre as varáves, é teressate obter a equação da reta; essa reta é chamada de reta de regressão e a equação que a represeta é a equação de regressão. O dagrama de dspersão é costruído de acordo com os dados amostras de observações e a equação de regressão é dada pela epressão: ax + b, ode a e b são os parâmetros. Vamos, etão, calcular os valores dos parâmetros a e b com a ajuda das formulas: Ode: é o úmero de observações; -( ) ( ) -( ) a e b - a, é a méda dos valores æ ç è ö ; ø é a méda dos valores æ ç è ö. ø Obs.: Como estamos fazedo uso de uma amostra para obtermos os valores dos parâmetros, o resultado, a realdade, é uma estmatva da verdadera equação de regressão. Sedo assm escrevemos: ax + b, ode o é o estmado. Eemplos: a) Determar a reta de regressão lear, sabedo que este uma forte correlação etre o peso total do lo descartado, por da, uma empresa com o peso do papel cotdo esse lo. Hotel H1 H H3 H4 H5 H6 H7 H8 H9 H10 Peso total 10,47 19,85 1,5 4,36 7,38 8,09 33,61 35,73 38,33 49,14 Peso do papel,43 5,1 6,88 6, 8,84 8,76 7,54 8,47 9,55 11,43 Isttuto Federal farrouplha Campus Alegrete S 377 km 7 Passo Novo Foe/Fa: (55)

2 Professor Maurco Lutz De acordo com os dados, fazemos a represetação gráfca. Os pares ordeados formam o dagrama de dspersão. Para facltar o cálculo costruímos a segute tabela: Peso total ( ) Peso do papel ( ). H1 10,47,43 5,44 109,6 H 19,85 5,1 101,63 394,0 H3 1,5 6,88 146,0 451,56 H4 4,36 6, 151,5 593,41 H5 7,38 8,84 4,04 749,66 H6 8,09 8,76 46,07 789,05 H7 33,61 7,54 53,4 119,63 H8 35,73 8,47 30,63 176,63 H9 38,33 9,55 366, ,19 H10 49,14 11,43 561,67 414,74 88,1 75,4 396, ,5 Temos assm: a -( ) ( ) -( ) 3966,8-1684,9 a 93775, ,68-88,175, ,5- (88,1) 81,88 0, , 75,4 88,1 Como 7, 54 e 8, 81 vem: b - a 7,54-0,1318,81 7,54-6,1405 1,3835 Logo: 0,1X + 1,38 Isttuto Federal farrouplha Campus Alegrete S 377 km 7 Passo Novo Foe/Fa: (55)

3 Professor Maurco Lutz 3 Com base o cohecmeto da equação da reta, pode-se terpolar e etrapolar valores. Iterpolação: a terpolação ocorre quado o valor cosderado pertece ao tervalo da tabela, porém, ão fgura etre os dados coletados. Supodo-se o valor 15 kg para o peso total do lo descartado, pode-se estmar o peso de papel cotdo esse lo. Uma vez que 15 kg ão é um dado coletado e, coseqüetemete, ão pertece à tabela de dados, utlza-se a equação da reta para determar o valor correspodete ao peso do papel. Para 15 kg de lo descartado, estma-se que haja 4,58 kg de papel cotdo esse lo. Etrapolação: a etrapolação ocorre quado o valor cosderado ão pertece ao tervalo da tabela, e também ão fgura etre os dados coletados. Supoha que o peso do lo descartado seja de 60 kg. Esse valor ão é um dado coletado e em se ecotra detro do tervalo [10,47, 49,14]. Essa stuação é semelhate à ateror e utlza-se a equação de reta para determar o peso do papel. Para 60 kg de lo descartado, estma-se, por etrapolação, que haja 14,16 kg de papel cotdo esse lo. Isttuto Federal farrouplha Campus Alegrete S 377 km 7 Passo Novo Foe/Fa: (55)

4 Professor Maurco Lutz 4 b) Cosderemos uma amostra aleatóra, formada por dez dos 98 aluos de uma classe da faculdade A e pelas otas obtdas por eles em matemátca e estatístca: dspersão: Números Notas Matemátca ( ) Estatístca ( ) 01 5,0 6,0 08 8,0 9,0 4 7,0 8, ,0 10,0 44 6,0 5,0 58 7,0 7,0 59 9,0 8,0 7 3,0 4,0 80 8,0 6,0 9,0,0 Vamos verfcar a correlação prmero fazedo um dagrama de Correlação etre as otas de matemátca e estatístca Números Notas Matemátca ( ) Estatístca ( ). 01 5,0 6, ,0 9, ,0 8, ,0 10, ,0 5, ,0 7, ,0 8, ,0 4, ,0 6, ,0, Isttuto Federal farrouplha Campus Alegrete S 377 km 7 Passo Novo Foe/Fa: (55)

5 Professor Maurco Lutz 5 Temos assm: a -( ) ( ) -( ) (65) , Como 6, 5 e 6, 5 vem: b - a 6,5-0,8636,5 6,5-5,6108 0,889 Logo: 0,86X + 0, 89 Para traçarmos a reta o gráfco, basta determar dos de seus potos: X X 0 Þ 0,89 5Þ 0,865+ 0,89 5,19 Assm temos: Coefcete de determação Trata-se de um dcador da qualdade do ajustameto. Dessa maera, o coefcete de determação ou coefcete de eplcação é dado por, ode 0 1, ou se multplcarmos (100) % temos 0 100% O coefcete de determação ( ) é gual ao quadrado do coefcete de correlação lear de Pearso (r). O epressa a proporção da varação total que é eplcada (dvda) à reta de regressão de sobre. Utlzado os valores do eemplo ateror de correlação temos: (0,911) 83,0% 0,830 Isttuto Federal farrouplha Campus Alegrete S 377 km 7 Passo Novo Foe/Fa: (55)

6 Professor Maurco Lutz 6 Iterpretamos esse resultado da segute maera: o uso da varável ota em matemátca, X, eplca 83,0% das otas em estatístca. Eercícos 1)Complete o esquema para o ajustameto de uma reta aos dados: Temos: (......) - (......) a (...) Logo: ( ) b...- (...) Dode: a... e b X +... ) A tabela abao apreseta valores que mostram como o comprmeto de uma barra de aço vara coforme a temperatura: Temperatura ( C) Comprmeto (mm) Determe: a) O coefcete de correlação; b) A reta ajustada a essa correlação; c) O coefcete de determação. d) O valor estmado do comprmeto da barra para a temperatura de 18 C; e) O valor estmado do comprmeto da barra para a temperatura de 35 C. Isttuto Federal farrouplha Campus Alegrete S 377 km 7 Passo Novo Foe/Fa: (55)

7 Professor Maurco Lutz 7 3) A varação do valor do BTN (Bôus do Tesouro Nacoal), relatvamete a algus meses de 1990, deu orgem à tabela: Meses Abr. Ma. Ju. Jul. Ago. Set. Out. Nov. Valores (Cr$) 41,73 41,73 43,98 48,91 53,41 59,06 66,65 75,76 a) Calcule o grau de correlação. b) Estabeleça a equação de regressão de sobre X. c) Calcule o coefcete de determação. d) Estme o valor do BTN para o mês de dezembro. Sugestão: Substtua os meses, respectvamete, por 1,,..., 8. 4) A partr da tabela: a) Calcule o coefcete de correlação; b) Determe a reta ajustada; c) Calcule o coefcete de determação; d) Estme para X0. 5) Certa empresa, estudado a varação de demada de seu produto em relação a varação de preço de veda, obteve a tabela: Preço ( ) Demada ( ) a) Determe o coefcete de correlação; b) Estabeleça a equação da reta ajustada; c) Calcule o coefcete de determação; c) Estme para X60 e X10. 6) Pretededo-se estudar a relação etre as varáves cosumo de eerga elétrca ( ) e volume de produção as empresas dustras ( ), fez-se uma amostragem que clu vte empresas, computado-se os segutes valores: 11, 34; 0, 70; 1, 16; 84, 96 e, 13. Determe: a) O calculo do coefcete de correlação; b) A equação de regressão de para X; Isttuto Federal farrouplha Campus Alegrete S 377 km 7 Passo Novo Foe/Fa: (55)

8 Professor Maurco Lutz 8 c) A equação de regressão de X para. 7) Vamos supor que esta uma relação lear etre as varáves: X despesas em propagada e vedas de certo produto. Cosderado os dados abao: X 1,5 5,5 10,0 3,0 7,5 5,0 13,0 4,0 9,0 1,5 15, Determe: a) Faça o dagrama de dspersão. b) Calcule o coefcete de correlação de Pearso. c) Estabeleça a equação da reta ajustada. d) Calcular o valor de vedas para um gasto com propagada de 4,5. e) Calcule o coefcete de determação e terprete-o. 8) Para uma empresa mater-se compettva, gastos de pesqusa e desevolvmeto (P & D) são essecas. Para determar o ível ótmo de gastos em P & D e seu efeto sobre o valor da empresa, fo aplcada aálse de regressão lear smples, ode: razão etre preços e gahos e X razão etre gastos com P & D e vedas. Os dados das 0 empresas usadas o estudo são os segutes: Empresas X Empresas X Empresas X Empresas X 1 5,6 0, , 0, ,4 0, ,5 0,083 7, 0, ,3 0, ,1 0, ,8 0, ,1 0, ,0 0, ,1 0, ,1 0,09 4 9,9 0,01 9 8,5 0, , 0, ,0 0, ,0 0, , 0, ,4 0, ,9 0,08 a) Costrur o dagrama de dspersão. b) Calcule o coefcete de correlação de Pearso. c) Estabelecer a equação da reta ajustada. d) Usar a equação obtda pra prever o valor de, quado X $0,070. e) Calcule o coefcete de determação. Isttuto Federal farrouplha Campus Alegrete S 377 km 7 Passo Novo Foe/Fa: (55)

9 Professor Maurco Lutz 9 esolução dos eercícos: 1)Complete o esquema para o ajustameto de uma reta aos dados: Temos: Logo: (7833)- (55131) a -1,641 - (55) ( ) b 18,7143- (-1,641)7, , , ,475 Dode: a -1,641 e b 31, 475-1,641X + 31,475 ) A tabela abao apreseta valores que mostram como o comprmeto de uma barra de aço vara coforme a temperatura: Temperatura ( C) Comprmeto (mm) Determe: a) O coefcete de correlação; b) A reta ajustada a essa correlação; c) O coefcete de determação. d) O valor estmado do comprmeto da barra para a temperatura de 18 C; e) O valor estmado do comprmeto da barra para a temperatura de 35 C. Isttuto Federal farrouplha Campus Alegrete S 377 km 7 Passo Novo Foe/Fa: (55)

10 Professor Maurco Lutz a) r r b) -( )(. ) -( ). - [ ][ ( ) ] 550-( 100) (505000)- (504300) [ ] [ ] ( )- ( ) a - (100) ( 550) b 1008,6-0, ,6-11, 997,4 ( )- ( ) [ ] [ ( 5043) ] , ,3903 0,986 0,56X + 997,4 c) (0,986) 96,55% 0,9655 d) 0, ,4 1007, 48mm e) 0, ,4 1017mm 3) A varação do valor do BTN (Bôus do Tesouro Nacoal), relatvamete a algus meses de 1990, deu orgem à tabela: Meses Abr. Ma. Ju. Jul. Ago. Set. Out. Nov. Valores (Cr$) 41,73 41,73 43,98 48,91 53,41 59,06 66,65 75,76 a) Calcule o grau de correlação. b) Estabeleça a equação de regressão de sobre X. c) Calcule o coefcete de determação. Isttuto Federal farrouplha Campus Alegrete S 377 km 7 Passo Novo Foe/Fa: (55)

11 Professor Maurco Lutz 11 d) Estme o valor do BTN para o mês de dezembro. Sugestão: Substtua os meses, respectvamete, por 1,,..., 8. a) r r. 1 41,73 41, ,393 41,73 83, , ,98 131, ,4 4 48,91 195, , ,41 67, , ,06 354, , ,65 466, ,3 8 75,76 606, , , 3 146, , 73 -( )(. ) -( ). - [ ][ ( ) ] 804-( 36) (17174,48)- (1554,8) [ ] [ , ,3] (8146,81) - (36431,3) [ ] [ 84331,73-( 431,3) ] 1650, , , 1709,196 0,9655 (8146,81) - (36431,3) 17174, ,8 a - (36) b) ( 804) b 53,9038-4,91134,5 53,9038-, , , 336 4,9113 4,9113X + 31,809 c) (0,9655) 93,% 0,93 d) Dezembro é gual a 9 4, ,809 76,0046 O valor para dezembro é de Cr$ 76,0046 Isttuto Federal farrouplha Campus Alegrete S 377 km 7 Passo Novo Foe/Fa: (55)

12 Professor Maurco Lutz 1 4) A partr da tabela: a) Calcule o coefcete de correlação; b) Determe a reta ajustada; c) Calcule o coefcete de determação; d) Estme para X0 a) r r ( )(. ) -( ). - [ ][ ( ) ] 691-( 1) (340)- (460) [ ] [ ] (6570)- (10) [ ] [ ( 0) ] , ,436 (6570)- (10) 340 a - (1) 546 b) ( 691) , b 36,6667- (-11,4863,5) 36, , ,486X + 76,6667 c) (-0,9897) 97,96% 0,9796 d) Para X0 temos: Isttuto Federal farrouplha Campus Alegrete S 377 km 7 Passo Novo Foe/Fa: (55)

13 Professor Maurco Lutz 13-11, , ,667 5) Certa empresa, estudado a varação de demada de seu produto em relação a varação de preço de veda, obteve a tabela: Preço ( ) Demada ( ) a) Determe o coefcete de correlação; b) Estabeleça a equação da reta ajustada; c) Calcule o coefcete de determação; c) Estme para X60 e X10. a) r r ( )(. ) -( ). - [ ][ ( ) ] ( 663) (165370)- (174364) [ ] [ ] ( ) - (66368) [ ] [ ( 68) ] , ,5090 ( ) - (66368) a - (663) b) ( ) b 6,8- (-1, ,3) 6,8+ 14, , ,8709-1,8709X + 386,8405 c) (-0,9015) 81,7% 0,817 Isttuto Federal farrouplha Campus Alegrete S 377 km 7 Passo Novo Foe/Fa: (55)

14 Professor Maurco Lutz 14 d) Para X60 temos: -1, , ,5867 Para X10 temos: -1, , ,338 6) Pretededo-se estudar a relação etre as varáves cosumo de eerga elétrca ( ) e volume de produção as empresas dustras ( ), fez-se uma amostragem que clu vte empresas, computado-se os segutes valores: 11, 34; 0, 70; 1, 16; 84, 96 e, 13. Determe: a) O calculo do coefcete de correlação; b) A equação de regressão de para X; c) A equação de regressão de X para. a) r r -( )(. ) -( ). - [ ][ ( ) ] 01,16 -( 11,34) (44,6)- (34,738) [ 43,- 18,5956] [ 1699,- 48,49] (0,13) - (11,34 0,70) [ ] [ 084,96-( 0,70) ] 07,86 114, ,71 07,86 381, (0,13) - (11,34 0,70) 44,6-34,738 a - (11,34) 43,- 18,5956 b) ( 01,16) b 1,035- (1,8137 0,567) 1,035-1,084 0, ,86 114,6040 1,8137-1,8137 X + 0,0066 c) 11, 34; 0, 70 ; 1, 16 ; 84, 96 e, 13. (0,13) - (11,34 0,70) 44,6-34,738 a - (0,70) 1699,- 48,49 ( 084,96) b 0,567- (0,16361,035) 0,567-0,1693 0, ,86 170,71 0,1636 Isttuto Federal farrouplha Campus Alegrete S 377 km 7 Passo Novo Foe/Fa: (55)

15 Professor Maurco Lutz 15 X 0, ,3977 7) Vamos supor que esta uma relação lear etre as varáves: X despesas em propagada e vedas de certo produto. Cosderado os dados abao: X 1,5 5,5 10,0 3,0 7,5 5,0 13,0 4,0 9,0 1,5 15, Determe: a) Faça o dagrama de dspersão. b) Calcule o coefcete de correlação de Pearso. c) Estabeleça a equação da reta ajustada. d) Calcular o valor de vedas para um gasto com propagada de 4,5. e) Calcule o coefcete de determação e terprete-o. a). 1, , , , , , , , , , , , , , , Isttuto Federal farrouplha Campus Alegrete S 377 km 7 Passo Novo Foe/Fa: (55)

16 Professor Maurco Lutz 16 b) r r -( )(. ) -( ). - [ ][ ( ) ] ( 86) (14665)- (184900) [ ] [ ] ( ) - (86150) [ ] [ ( 150) ] ,5 0,9451 ( ) - (86150) a - (86) c) ( 11870) b 195, , , , ,6914X + 88,4131 d) Quado X4,5 temos: 13,6914X + 88, ,69144,5+ 88, ,041 e) (0,9451) 89,3% 0,893 89,3% das vedas é eplcada pela propagada, os outros 10,7% é devdo a outros fatores. Isttuto Federal farrouplha Campus Alegrete S 377 km 7 Passo Novo Foe/Fa: (55)

17 Professor Maurco Lutz 17 8) Para uma empresa mater-se compettva, gastos de pesqusa e desevolvmeto (P & D) são essecas. Para determar o ível ótmo de gastos em P & D e seu efeto sobre o valor da empresa, fo aplcada aálse de regressão lear smples, ode: razão etre preços e gahos e X razão etre gastos com P & D e vedas. Os dados das 0 empresas usadas o estudo são os segutes: Empresas X Empresas X Empresas X Empresas X 1 5,6 0, , 0, ,4 0, ,5 0,083 7, 0, ,3 0, ,1 0, ,8 0, ,1 0, ,0 0, ,1 0, ,1 0,09 4 9,9 0,01 9 8,5 0, , 0, ,0 0, ,0 0, , 0, ,4 0, ,9 0,08 a) Costrur o dagrama de dspersão. b) Calcule o coefcete de correlação de Pearso. c) Estabelecer a equação da reta ajustada. d) Usar a equação obtda pra prever o valor de, quado X $0,070. e) Calcule o coefcete de determação. a). 0,003 5,6 0,0168 0, ,36 0,004 7, 0,088 0, ,84 0,009 8,1 0,079 0, ,61 0,01 9,9 0,079 0, ,01 0,03 6,0 0,1380 0, ,030 8, 0,460 0, ,4 0,035 6,3 0,05 0, ,69 0,037 10,0 0,3700 0, ,044 8,5 0,3740 0, ,5 0,051 13, 0,673 0, ,4 0,058 8,4 0,487 0, ,56 0,058 11,1 0,6438 0, ,1 0,067 11,1 0,7437 0, ,1 0,080 13, 1,0560 0, ,4 0,080 13,4 1,070 0, ,56 0,083 11,5 0,9545 0, ,5 0,091 9,8 0,8918 0, ,04 0,09 16,1 1,481 0, ,1 0,064 7,0 0,4480 0, ,08 5,9 0,165 0, ,81 0, , 5 10, 915 0, , 33 Isttuto Federal farrouplha Campus Alegrete S 377 km 7 Passo Novo Foe/Fa: (55)

18 Professor Maurco Lutz 18 b) r r -( )(. ) -( ). - [ ][ ( ) ] 00, ( 0,958) (05,83)- (18,499) [ 1,376-0,917764] [ 39566,6-3690,5] (010,915)- (0,958190,5) [ ] [ 01978,33-( 190,5) ] 3,331 0, ,5 3,331 3,1533 0,76 (010,915)- (0,958190,5) 05,83-18,499 a - (0,958) 1,376-0, c) ( 00,061638) b 9,56-74,06760,0479 9,56-3, ,977 3,331 0, , ,0676X + 5,977 d) Quado X $0,070 temos: 74,0676X + 5,977 74,06760,070+ 5,977 5, ,977 11,1619 e) (0,76) 5,74% 0,574 Isttuto Federal farrouplha Campus Alegrete S 377 km 7 Passo Novo Foe/Fa: (55)

Em muitas situações duas ou mais variáveis estão relacionadas e surge então a necessidade de determinar a natureza deste relacionamento.

Em muitas situações duas ou mais variáveis estão relacionadas e surge então a necessidade de determinar a natureza deste relacionamento. Prof. Lorí Val, Dr. val@pucrs.r http://www.pucrs.r/famat/val/ Em mutas stuações duas ou mas varáves estão relacoadas e surge etão a ecessdade de determar a atureza deste relacoameto. A aálse 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

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

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

Estatística - exestatmeddisper.doc 25/02/09

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

Leia mais

Construção e Análise de Gráficos

Construção e Análise de Gráficos Costrução e Aálse de Gráfcos Por que fazer gráfcos? Facldade de vsualzação de cojutos de dados Faclta a terpretação de dados Exemplos: Egehara Físca Ecooma Bologa Estatístca Y(udade y) 5 15 1 5 Tabela

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

CAP. V AJUSTE DE CURVAS PELO MÉTODO DOS MÍNIMOS QUADRADOS

CAP. V AJUSTE DE CURVAS PELO MÉTODO DOS MÍNIMOS QUADRADOS CAP. V AJUSTE DE CURVAS PELO MÉTODO DOS MÍNIMOS QUADRADOS No caítulo IV, Iterolação Polomal, estudamos uma forma de ldar com fuções matemátcas defdas or taelas de valores. Frequetemete, estas taelas são

Leia mais

CAP. V AJUSTE DE CURVAS PELO MÉTODO DOS MÍNIMOS QUADRADOS

CAP. V AJUSTE DE CURVAS PELO MÉTODO DOS MÍNIMOS QUADRADOS CAP. V AJUSTE DE CURVAS PELO MÉTODO DOS MÍNIMOS QUADRADOS No caítulo ateror estudamos uma forma de ldar com fuções matemátcas defdas or taelas de valores. Frequetemete, estas taelas são otdas com ase em

Leia mais

Apostila de Introdução Aos Métodos Numéricos

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

Leia mais

CAPÍTULO 5. Ajuste de curvas pelo Método dos Mínimos Quadrados

CAPÍTULO 5. Ajuste de curvas pelo Método dos Mínimos Quadrados CAPÍTULO Ajuste de curvas pelo Método dos Mímos Quadrados Ajuste Lear Smples (ou Regressão Lear); Ajuste Lear Múltplo (ou Regressão Lear Múltpla); Ajuste Polomal; Regressão Não Lear Iterpolação polomal

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

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

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

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

Leia mais

Parte 3 - Regressão linear simples

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

Leia mais

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

7 Análise de covariância (ANCOVA)

7 Análise de covariância (ANCOVA) Plejameto de Expermetos II - Adlso dos Ajos 74 7 Aálse de covarâca (ANCOVA) 7.1 Itrodução Em algus expermetos, pode ser muto dfícl e até mpossível obter udades expermetas semelhtes. Por exemplo, pode-se

Leia mais

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

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

Leia mais

Média. Mediana. Ponto Médio. Moda. Itabira MEDIDAS DE CENTRO. Prof. Msc. Emerson José de Paiva 1 BAC011 - ESTATÍSTICA. BAC Estatística

Média. Mediana. Ponto Médio. Moda. Itabira MEDIDAS DE CENTRO. Prof. Msc. Emerson José de Paiva 1 BAC011 - ESTATÍSTICA. BAC Estatística BAC 0 - Estatístca Uversdade Federal de Itajubá - Campus Itabra BAC0 - ESTATÍSTICA ESTATÍSTICA DESCRITIVA MEDIDAS DE CENTRO Méda Medda de cetro ecotrada pela somatóra de todos os valores de um cojuto,

Leia mais

Previsão de demanda quantitativa Regressão linear Regressão múltiplas Exemplos Exercícios

Previsão de demanda quantitativa Regressão linear Regressão múltiplas Exemplos Exercícios Objetvos desta apresetação Plaejameto de produção: de Demada Aula parte Mauro Osak TES/ESALQ-USP Pesqusador do Cetro de Estudos Avaçados em Ecooma Aplcada Cepea/ESALQ/USP de demada quattatva Regressão

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

Regressão e Correlação

Regressão e Correlação Regressão e Correlação Júlo Osóro Regressão & Correlação: geeraldades Em mutas stuações de pesqusa cetífca, dspomos de uma amostra aleatóra de pares de dados (x, ), resultates da medda cocomtate de duas

Leia mais

ESTATÍSTICA Exame Final 1ª Época 3 de Junho de 2002 às 14 horas Duração : 3 horas

ESTATÍSTICA Exame Final 1ª Época 3 de Junho de 2002 às 14 horas Duração : 3 horas Faculdade de cooma Uversdade Nova de Lsboa STTÍSTIC xame Fal ª Época de Juho de 00 às horas Duração : horas teção:. Respoda a cada grupo em folhas separadas. Idetfque todas as folhas.. Todas as respostas

Leia mais

? Isso é, d i= ( x i. . Percebeu que

? Isso é, d i= ( x i. . Percebeu que Estatístca - Desvo Padrão e Varâca Preparado pelo Prof. Atoo Sales,00 Supoha que tehamos acompahado as otas de quatro aluos, com méda 6,0. Aluo A: 4,0; 6,0; 8,0; méda 6,0 Aluo B:,0; 8,0; 8,0; méda 6,0

Leia mais

Estatística: uma definição

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

Leia mais

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

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

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

Estatística: uma definição

Estatística: uma definição Coleção de úmeros estatístcas Estatístca: uma defção O úmero de carros veddos o país aumetou em 30%. A taa de desemprego atge, este mês, 7,5%. As ações da Telebrás subram R$,5, hoje. Resultados do Caraval

Leia mais

MEDIDAS DE TENDÊNCIA CENTRAL I

MEDIDAS DE TENDÊNCIA CENTRAL I Núcleo das Cêcas Bológcas e da Saúde Cursos de Bomedca, Ed. Físca, Efermagem, Farmáca, Fsoterapa, Fooaudologa, edca Veterára, uscoterapa, Odotologa, Pscologa EDIDAS DE TENDÊNCIA CENTRAL I 7 7. EDIDAS DE

Leia mais

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

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

Leia mais

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

Revisão de Estatística X = X n

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

Leia mais

Análise da Informação Económica e Empresarial

Análise da Informação Económica e Empresarial Aálse da Iformação Ecoómca e Empresaral Aula 8: Redução de Dados: Meddas de Dspersão e Cocetração Aálse da Iformação Ecoómca e Empresaral Guão Aula 8: Redução de Dados: Meddas de Dspersão e Cocetração

Leia mais

NÚMEROS COMPLEXOS. z = a + bi,

NÚMEROS COMPLEXOS. z = a + bi, NÚMEROS COMPLEXOS. DEFINIÇÃO No cojuto dos úmeros reas R, temos que a = a. a é sempre um úmero ão egatvo para todo a. Ou seja, ão é possível extrar a ra quadrada de um úmero egatvo em R. Dessa mpossbldade

Leia mais

ESCOLA SUPERIOR DE TECNOLOGIA UNIVERSIDADE DO ALGARVE

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

Leia mais

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

AVALIAÇÃO DE GANHOS E PERDAS EM FUNDOS DE INVESTIMENTOS UTILIZANDO REGRESSÃO LINEAR. José Antonio Stark Ferreira

AVALIAÇÃO DE GANHOS E PERDAS EM FUNDOS DE INVESTIMENTOS UTILIZANDO REGRESSÃO LINEAR. José Antonio Stark Ferreira 1 AVALIAÇÃO DE GANHOS E PERDAS EM FUNDOS DE INVESTIMENTOS UTILIZANDO REGRESSÃO LINEAR José Atoo Stark Ferrera I - INTRODUÇÃO O presete estudo fo desevolvdo objetvado mesurar os gahos e perdas patrmoas

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

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

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

Leia mais

( ) ( 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

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

Caracterização de Partículas. Prof. Gerônimo

Caracterização de Partículas. Prof. Gerônimo Caracterzação de Partículas Prof. Gerômo Aálse Graulométrca de partículas Tabela: Sére Padrão Tyler Mesh Abertura Lvre (cm) âmetro do fo () 2 ½ 0,7925 0,088 0,6680 0,070 ½ 0,56 0,065 4 0,4699 0,065

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

TRABALHO DE COMPENSAÇÃO DE FALTAS - DP

TRABALHO DE COMPENSAÇÃO DE FALTAS - DP Cotrole do Proº Compesou as Faltas Não Compesou as Faltas TRABALHO DE COMPENSAÇÃO DE FALTAS - DP (De acordo coma s ormas da Isttução) CURSO: CIÊNCIAS CONTÁBEIS DISCIPLINA: INTRODUÇÃO À ESTATÍSTICA 2º ANO

Leia mais

Noções Básicas de Medidas e Algarismos Significativos

Noções Básicas de Medidas e Algarismos Significativos Noções Báscas de Meddas e Algarsmos Sgfcatvos Prof. Theo Z. Pava Departameto de Físca - Faculdade de Flosofa, Cêcas e Letras de Rberão Preto-USP Físca Acústca Motvações Quas são os padrões de meddas? Podemos

Leia mais

Como CD = DC CD + DC = 0

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

Leia mais

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

Forma padrão do modelo de Programação Linear

Forma padrão do modelo de Programação Linear POGAMAÇÃO LINEA. Forma Padrão do Modelo de Programação Lear 2. elações de Equvalêca 3. Suposções da Programação Lear 4. Eemplos de Modelos de PPL 5. Suposções da Programação Lear 6. Solução Gráfca e Iterpretação

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

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

Total Bom Ruim Masculino

Total Bom Ruim Masculino UNIDADE I - ESTUDO DIRIGIDO Questão - Classfque as varáves em qualtatva (omal ou ordal ou quattatva (cotíua ou dscreta: a. População: aluos de uma Uversdade. Varável: cor dos cabelos (louro, castaho, ruvo,

Leia mais

Grande Conjuntos de Dados. Organização; Resumo; Apresentação. Amostra ou População. Defeitos em uma linha de produção

Grande Conjuntos de Dados. Organização; Resumo; Apresentação. Amostra ou População. Defeitos em uma linha de produção Prof. Lorí Val, Dr. val@pucr.br http://www.pucr.br/~val/ Grade Cojuto de Dado Orgazação; Reumo; Apreetação. Amotra ou População Defeto em uma lha de produção Lacado Deeho Torto Deeho Torto Lacado Torto

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

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

3 - ANÁLISE BIDIMENSIONAL

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

Leia mais

MEDIDAS DE DISPERSÃO 9. MEDIDAS DE DISPERSÃO

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

Leia mais

INTRODUÇÃO ÀS PROBABILIDADES E ESTATÍSTICA

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

Leia mais

MÓDULO 8 REVISÃO REVISÃO MÓDULO 1

MÓDULO 8 REVISÃO REVISÃO MÓDULO 1 MÓDULO 8 REVISÃO REVISÃO MÓDULO A Estatístca é uma técca que egloba os métodos cetícos para a coleta, orgazação, apresetação, tratameto e aálse de dados. O objetvo da Estatístca é azer com que dados dspersos

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

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

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

Sumário. Mecânica. Sistemas de partículas

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

Leia mais

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

Conceitos básicos de metrologia. Prof. Dr. Evandro Leonardo Silva Teixeira Faculdade UnB Gama

Conceitos básicos de metrologia. Prof. Dr. Evandro Leonardo Silva Teixeira Faculdade UnB Gama Prof. Dr. Evadro Leoardo Slva Teera Faculdade UB Gama Metrologa: Cêca que abrage os aspectos teórcos e prátcos relatvos a medção; Descreve os procedmetos e métodos para determar as certezas de medções;

Leia mais

Controle Estatístico de Qualidade. Capítulo 6 (montgomery)

Controle Estatístico de Qualidade. Capítulo 6 (montgomery) Cotrole Estatístco de Qualdade Capítulo 6 (motgomery) Gráfcos de Cotrole para Atrbutos Itrodução Mutas característcas da qualdade ão podem ser represetadas umercamete. Nestes casos, classfcamos cada tem

Leia mais

= n. Observando a fórmula para a variância, vemos que ela pode ser escrita como, i 2

= n. Observando a fórmula para a variância, vemos que ela pode ser escrita como, i 2 Etatítca II Atoo Roque Aula 4 O Coefcete de Correlação de Pearo O coefcete de correlação de Pearo é baeado a déa de varâca, dada o curo de Etatítca I Como vto aquele curo, quado temo uma amotra compota

Leia mais

Disciplina: Prof. a Dr. a Simone Daniela Sartorio de Medeiros. DTAiSeR-Ar

Disciplina: Prof. a Dr. a Simone Daniela Sartorio de Medeiros. DTAiSeR-Ar Dscpla: 04 Relações etre varáves: Regressão Prof. a Dr. a Smoe Daela Sartoro de Mederos DTASeR-Ar Itrodução Cosdere uma varável aleatóra Y de teresse. Já vmos que podemos escrever essa varável como sedo:

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

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

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

ESTATÍSTICA MÓDULO 3 MEDIDAS DE TENDÊNCIA CENTRAL

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

Leia mais

Instituto Nacional de Estudos e Pesquisas Educacionais Anísio Teixeira INEP Ministério da Educação MEC. Índice Geral de Cursos (IGC)

Instituto Nacional de Estudos e Pesquisas Educacionais Anísio Teixeira INEP Ministério da Educação MEC. Índice Geral de Cursos (IGC) Isttuto Nacoal de Estudos e Pesqusas Educacoas Aíso exera INEP stéro da Educação EC Ídce Geral de Cursos (IGC) O Ídce Geral de Cursos (IGC) é ua éda poderada dos cocetos dos cursos de graduação e pós-graduação

Leia mais

CAMPUS DE GUARATINGUETÁ Computação e Cálculo Numérico: Elementos de Cálculo Numérico Prof. G.J. de Sena - Depto. de Matemática Rev.

CAMPUS DE GUARATINGUETÁ Computação e Cálculo Numérico: Elementos de Cálculo Numérico Prof. G.J. de Sena - Depto. de Matemática Rev. uesp CAMUS DE GUARATINGUETÁ Computação e Cálculo Numérco: Elemetos de Cálculo Numérco ro. G.J. de Sea - Depto. de Matemátca Rev. 5 CAÍTUO 4 INTEROAÇÃO 4. INTRODUÇÃO Cosdere a segute tabela relacoado calor

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

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

Matemática C Semiextensivo V. 2

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

Leia mais

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

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

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

Prof. Eugênio Carlos Stieler

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

Leia mais

Nas próximas secções iremos abordar a análise estatística de uma amostra em que os dados numéricos estão agrupados em classes, ou seja, em intervalos.

Nas próximas secções iremos abordar a análise estatística de uma amostra em que os dados numéricos estão agrupados em classes, ou seja, em intervalos. Estatístca Descrtva ESTATÍSTICA DESCRITIVA Amostras com dados agrupados em classes as prómas secções remos abordar a aálse estatístca de uma amostra em que os dados umércos estão agrupados em classes,

Leia mais

Hipóteses do Modelo de Regressão Linear Clássico

Hipóteses do Modelo de Regressão Linear Clássico Uversdade Federal da Baha Facldade de Cêcas coômcas Departameto de cooma CO 66 Itrodção à coometra Hpóteses do Modelo de Regressão Lear Clássco Gerváso F. Satos Propredades dos estmadores de MQO As estmatvas

Leia mais

Exercícios de Cálculo Numérico Interpolação Polinomial e Método dos Mínimos Quadrados

Exercícios de Cálculo Numérico Interpolação Polinomial e Método dos Mínimos Quadrados Eercícos e Cálculo Numérco Iterpolação Polomal e Métoo os Mímos Quaraos Para a ução aa, seja,, 6 e, 9 Costrua polômos e grau, para apromar, 5, e ecotre o valor o erro veraero a cos b c l Use o Teorema

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

Ajuste de dados experimentais

Ajuste de dados experimentais Capítulo 8 8. Itrodução Uma forma de trabalhar com uma fução defda por uma tabela de valores é a terpolação polomal. Etretato esta ão é acoselhável quado:. é precso obter um valor aproxmado da fução em

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

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

Capítulo 3. Interpolação Polinomial

Capítulo 3. Interpolação Polinomial EQE-358 MÉTODOS NUMÉRICOS EM ENGENHARIA QUÍMICA PROFS. EVARISTO E ARGIMIRO Capítulo 3 Iterpolação Polomal Teorema de Weerstrass: se f( é uma fução cotíua em um tervalo fechado [a, b], etão para cada >,

Leia mais

Medidas Numéricas Descritivas:

Medidas Numéricas Descritivas: Meddas Numércas Descrtvas: Meddas de dspersão Meddas de Varação Varação Ampltude Ampltude Iterquartl Varâca Desvo absoluto Coefcete de Varação Desvo Padrão Ampltude Medda de varação mas smples Dfereça

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

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

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

( ) ( ) ( ) ( ) ( ) ( ) ( ) ( ) ( ) ( ) [ ] ( ) ( 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

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

9 Medidas Descritivas

9 Medidas Descritivas 1 9 Meddas Descrtvas Vmos aterormete que um cojuto de dados pode ser resumdo através de uma dstrbução de freqüêcas, e que esta pode ser represetada através de uma tabela ou de um gráfco. Se o cojuto refere-se

Leia mais

PROPOSTAS DE RESOLUÇÃO. Capítulo 8

PROPOSTAS DE RESOLUÇÃO. Capítulo 8 MATEMÁTICA,.ª CLASSE Actvdades de vestgação PROPOSTAS DE RESOLUÇÃO Pág. Não, porque a descoberta do tesouro ão depede do poto ode se ca a marcha. Localação: da palmera: P = a + b do sâdalo: S = c + d do

Leia mais

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

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

Leia mais

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

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