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

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)

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. agrama de dspersão No capítulo ateror estudamos uma forma de ldar com fuções matemátcas defdas por uma taela de valores. Frequetemete o etato

Leia mais

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

Regressao Simples. Parte II: Anova, Estimação Intervalar e Predição

Regressao Simples. Parte II: Anova, Estimação Intervalar e Predição egressao Smples Parte II: Aova, Estmação Itervalar e Predção Aálse de Varâca Nem todos os valores das amostras estão cotdos a reta de regressão, e quato mas afastados estverem por, a reta represetará a

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

Relatório 2ª Atividade Formativa UC ECS

Relatório 2ª Atividade Formativa UC ECS Relatóro 2ª Atvdade Formatva Eercíco I. Quado a dstrbução de dados é smétrca ou apromadamete smétrca, as meddas de localzação méda e medaa, cocdem ou são muto semelhates. O mesmo ão acotece quado a dstrbução

Leia mais

Atividades Práticas Supervisionadas (APS)

Atividades Práticas Supervisionadas (APS) Uversdade Tecológca Federal do Paraá Prof: Lauro Cesar Galvão Campus Curtba Departameto Acadêmco de Matemátca Cálculo Numérco Etrega: juto com a a parcal DATA DE ENTREGA: da da a PROVA (em sala de aula

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

Modelo de Regressão Simples

Modelo de Regressão Simples Modelo de Regressão Smples Hstora Hstóra Termo regressão fo troduzdo por Fracs Galto (8-9). Estudo sobre altura de pas e flhos. Karl Pearso coletou mas de ml regstros e verfcou a le de regressão uversal

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

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

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

x n = n ESTATÍSTICA STICA DESCRITIVA Conjunto de dados: Organização; Amostra ou Resumo; Apresentação. População

x n = n ESTATÍSTICA STICA DESCRITIVA Conjunto de dados: Organização; Amostra ou Resumo; Apresentação. População ESTATÍSTICA STICA DESCRITIVA Prof. Lorí Val, Dr. val@mat.ufrgs.br http://.ufrgs.br/~val/ Orgazação; Resumo; Apresetação. Cojuto de dados: Amostra ou População Um cojuto de dados é resumdo de acordo com

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

Cap. 5. Testes de Hipóteses

Cap. 5. Testes de Hipóteses Cap. 5. Testes de Hpóteses Neste capítulo será estudado o segudo problema da ferêca estatístca: o teste de hpóteses. Um teste de hpóteses cosste em verfcar, a partr das observações de uma amostra, se uma

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: correlacoal ou Prof. Lorí Val, Dr. val@mat.ufrgs.r http://www.mat.ufrgs.r/~val/ expermetal. Numa relação expermetal os valores de uma das varáves

Leia mais

Tabela 1 Números de acidentes /mês no Cruzamento X em CG/07. N de acidentes / mês fi f

Tabela 1 Números de acidentes /mês no Cruzamento X em CG/07. N de acidentes / mês fi f Lsta de exercícos Gabarto e chave de respostas Estatístca Prof.: Nelse 1) Calcule 1, e para o segute cojuto de valores. A,1,8,0,11,,7,8,6,,9, 1 O úmero que correspode a 5% do rol é o valor. O úmero que

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

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

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

Distribuições de Probabilidades

Distribuições de Probabilidades Estatístca - aulasestdstrnormal.doc 0/05/06 Dstrbuções de Probabldades Estudamos aterormete as dstrbuções de freqüêcas de amostras. Estudaremos, agora, as dstrbuções de probabldades de populações. A dstrbução

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

Tópicos Extras 2ª parte. Análise de Correlação e Regressão

Tópicos Extras 2ª parte. Análise de Correlação e Regressão Tópcos Extras ª parte Aálse de Correlação e Regressão 1 Defções báscas ANÁLISE DE CORRELAÇÃO Mesurar a força da assocação etre as varáves (geralmete através do cálculo de algum coefcete). ANÁLISE DE REGRESSÃO

Leia mais

REGRESSÃO LINEAR 05/10/2016 REPRESENTAÇAO MATRICIAL. Y i = X 1i + 2 X 2i k X ni + i Y = X + INTRODUÇÃO SIMPLES MÚLTIPLA

REGRESSÃO LINEAR 05/10/2016 REPRESENTAÇAO MATRICIAL. Y i = X 1i + 2 X 2i k X ni + i Y = X + INTRODUÇÃO SIMPLES MÚLTIPLA REGRESSÃO LINEAR CUIABÁ, MT 6/ INTRODUÇÃO Relação dos valores da varável depedete (varável resposta) aos valores de regressoras ou exógeas). SIMPLES MÚLTIPLA (varáves depedetes,... =,,, K=,,, k em que:

Leia mais

Regressão Simples. Parte III: Coeficiente de determinação, regressão na origem e método de máxima verossimilhança

Regressão Simples. Parte III: Coeficiente de determinação, regressão na origem e método de máxima verossimilhança Regressão Smples Parte III: Coefcete de determação, regressão a orgem e método de máxma verossmlhaça Coefcete de determação Proporção da varabldade explcada pelo regressor. R Varação explcada Varação total

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

Organização; Resumo; Apresentação.

Organização; Resumo; Apresentação. Prof. Lorí Val, Dr. val@ufrgs.br http://www.ufrgs.br/~val/ Grade Cojutos de Dados Orgazação; Resumo; Apresetação. Amostra ou População Defetos em uma lha de produção Lascado Deseho Torto Deseho Torto Lascado

Leia mais

ANÁLISE DE ERROS. Todas as medidas das grandezas físicas deverão estar sempre acompanhadas da sua dimensão (unidades)! ERROS

ANÁLISE DE ERROS. Todas as medidas das grandezas físicas deverão estar sempre acompanhadas da sua dimensão (unidades)! ERROS ANÁLISE DE ERROS A oservação de um feómeo físco ão é completa se ão pudermos quatfcá-lo. Para é sso é ecessáro medr uma propredade físca. O processo de medda cosste em atrur um úmero a uma propredade físca;

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

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

50 Logo, Número de erros de impressão

50 Logo, Número de erros de impressão Capítulo 3 Problema. (a) Sedo o úmero médo de erros por pága, tem-se: 5 + + 3 + 3 + 4 33,66 5 5 Represetado o úmero medao de erros por md, tem-se, pela ordeação dos valores observados, que os valores de

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

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

Modelos de regressão linear: abordagem clássica

Modelos de regressão linear: abordagem clássica Modelos de regressão lear: abordagem clássca Prof. Marcelo Rubes mrubes@me.uerj.br Depto. Estatístca Aálse de Regressão Objetvo: Determar uma fução matemátca que descreva a relação etre uma varável cotíua

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

MÉTODO DOS MÍNIMOS QUADRADOS

MÉTODO DOS MÍNIMOS QUADRADOS MÉTODO DOS MÍNIMOS QUADRADOS I - INTRODUÇÃO O processo de medda costtu uma parte essecal a metodologa cetífca e também é fudametal para o desevolvmeto e aplcação da própra cêca. No decorrer do seu curso

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

Estudo do intervalo de confiança da regressão inversa utilizando o software R

Estudo do intervalo de confiança da regressão inversa utilizando o software R Estudo do tervalo de cofaça da regressão versa utlzado o software R Llae Lopes Cordero João Domgos Scalo. Itrodução Na maora das aplcações evolvedo regressão, determa-se o valor de Y correspodete a um

Leia mais

Centro de Ciências Agrárias e Ambientais da UFBA Departamento de Engenharia Agrícola

Centro de Ciências Agrárias e Ambientais da UFBA Departamento de Engenharia Agrícola Cetro de Cêcas Agráras e Ambetas da UFBA Departameto de Egehara Agrícola Dscpla: AGR Boestatístca Professor: Celso Luz Borges de Olvera Assuto: Estatístca TEMA: Somatóro RESUMO E NOTAS DA AULA Nº 0 Seja

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 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

Estatística: uma definição

Estatística: uma definição Prof. Lorí Val, Dr. - val@pucrs.br http://www.pucrs.br/famat/val/ Prof. Lorí Val, Dr. PUCRS FAMAT: Departameto de Estatístca Estatístca: uma defção Coleç Coleção de ú úmeros estatí estatístcas O ú ú mero

Leia mais

Nas Instituições de Ensino Superior(IES), há uma relação direta entre a qualidade do ensino e a taxa de inadimplência. A taxa de inadimplência das

Nas Instituições de Ensino Superior(IES), há uma relação direta entre a qualidade do ensino e a taxa de inadimplência. A taxa de inadimplência das CORRELAÇÃO Nas Isttuções de Eso Superor(IES), há uma relação dreta etre a qualdade do eso e a taxa de admplêca. A taxa de admplêca das IES que obtveram cocetos A e B o Provão é,%, as que obtveram C é 6%

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

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

ANÁLISE DE REGRESSÃO É O ESTUDO E OBTENÇÃO DE RELAÇÕES ENTRE VARIÁVEIS. PRETENDE-SE SABER QUAL A MELHOR ESTIMATIVA DOS PARÂMETROS DA REGRESSÃO

ANÁLISE DE REGRESSÃO É O ESTUDO E OBTENÇÃO DE RELAÇÕES ENTRE VARIÁVEIS. PRETENDE-SE SABER QUAL A MELHOR ESTIMATIVA DOS PARÂMETROS DA REGRESSÃO ANÁLISE DE REGRESSÃO É O ESTUDO E OBTENÇÃO DE RELAÇÕES ENTRE VARIÁVEIS. PRETENDE-SE SABER QUAL A MELHOR ESTIMATIVA DOS PARÂMETROS DA REGRESSÃO SIMPLES - QUANDO UMA VARIÁVEL Y (DEPENDENTE), É FUNÇÃO APENAS

Leia mais

Estatística: uma definição

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

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

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 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

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

Probabilidades e Estatística LEE, LEIC-A, LEIC-T, LEMat, LERC, MEBiol, MEBiom, MEEC, MEFT, MEMec, MEQ

Probabilidades e Estatística LEE, LEIC-A, LEIC-T, LEMat, LERC, MEBiol, MEBiom, MEEC, MEFT, MEMec, MEQ Duração: 90 mutos Grupo I Probabldades e Estatístca LEE, LEIC-A, LEIC-T, LEMat, LERC, MEBol, MEBom, MEEC, MEFT, MEMec, MEQ Justfque coveetemete todas as respostas 1 o semestre 018/019 10/01/019 09:00 o

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

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: correlacoal Prof. Lorí Val, Dr. val@pucrs.br http://www.pucrs.br/famat/val/ ou expermetal. Numa relação expermetal os valores de uma das varáves

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

Regressão. Pedro Paulo Balestrassi

Regressão. Pedro Paulo Balestrassi Regressão Pedro Paulo Balestrass www.pedro.ufe.edu.br ppbalestrass@gmal.com 5-696 / 88776958 (cel) Questoametos comus: Como mplemetar a equação Y=f(X) a partr de dados hstórcos ou epermetas? Como fazer

Leia mais

5 Critérios para Análise dos Resultados

5 Critérios para Análise dos Resultados 5 Crtéros para Aálse dos Resultados Este capítulo tem por objetvos forecer os crtéros utlzados para aálse dos dados ecotrados a pesqusa, bem como uma vsão geral dos custos ecotrados e a forma de sua evolução

Leia mais

Probabilidades e Estatística LEAN, LEGI, LEGM, LMAC, MEAer, MEAmbi, MEC

Probabilidades e Estatística LEAN, LEGI, LEGM, LMAC, MEAer, MEAmbi, MEC Duração: 90 mutos Grupo I Probabldades e Estatístca LEAN, LEGI, LEGM, LMAC, MEAer, MEAmb, MEC Justfque coveetemete todas as respostas 1 o semestre 2018/2019 10/01/2019 11:00 2 o teste B 10 valores 1. Cosdere-se

Leia mais

6.1 - PROCEDIMENTO DE AVALIAÇÃO DE INCERTEZA EM MEDIÇÕES DIRETAS

6.1 - PROCEDIMENTO DE AVALIAÇÃO DE INCERTEZA EM MEDIÇÕES DIRETAS 7 6 - PROCEDIMENTO DE AVALIAÇÃO DE INCERTEZA EM MEDIÇÕES DIRETAS A medção dreta é aquela cuja dcação resulta aturalmete da aplcação do sstema de medção sobre o mesurado Há apeas uma gradeza de etrada evolvda

Leia mais

INTRODUÇÃO A ESTATÍSTICA

INTRODUÇÃO A ESTATÍSTICA Hewlett-Packard INTRODUÇÃO A ESTATÍSTICA Aulas 01 e 06 Elso Rodrgues, Gabrel Carvalho e Paulo Luz Sumáro Defções... 1 EXERCÍCIOS FUNDAMENTAIS... 1 Meddas de tedêca cetral... 1 Méda artmétca smples... 1

Leia mais

CONHECIMENTOS ESPECÍFICOS

CONHECIMENTOS ESPECÍFICOS CONHECIMENTOS ESPECÍFICOS Uma uversdade oferece um curso para capactação profssoal de joves caretes. Ao fal do curso, cada jovem partcpate será avalado por meo de uma prova teórca e de uma prova prátca,

Leia mais

Prof. Janete Pereira Amador 1

Prof. Janete Pereira Amador 1 Prof. Jaete Perera Amador 1 1 Itrodução Mutas stuações cotdaas podem ser usadas como expermeto que dão resultados correspodetes a algum valor, e tas stuações podem ser descrtas por uma varável aleatóra.

Leia mais

Macroeconometria Aula 3 Revisão de estatística e teste de hipótese

Macroeconometria Aula 3 Revisão de estatística e teste de hipótese Macroecoometra 008. Aula 3 Revsão de estatístca e teste de hpótese 3.5. Estmação No estudo das probabldades, o objetvo é calcular a probabldade de evetos préespecfcados. De agora em date o objetvo muda.

Leia mais

Avaliação da qualidade do ajuste

Avaliação da qualidade do ajuste Avalação da qualdade do ajuste 1 Alguma termologa: Modelo ulo: é o modelo mas smples que pode ser defdo, cotedo um úco parâmetro ( µ) comum a todos os dados; Modelo saturado: é o modelo mas complexo a

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

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

Regressão Linear Simples uma revisão

Regressão Linear Simples uma revisão Regressã Lear mples uma revsã A regressã lear é útl quad a varável de teresse (depedete se relaca e é afetada pr uma u mas varáves (depedetes. Cmecems pel mdel que da frma mas smples pssível pde represetar

Leia mais

Cálculo Numérico. Ajuste de Curvas Método dos Mínimos Quadrados. Profa. Vanessa Rolnik 1º semestre 2015

Cálculo Numérico. Ajuste de Curvas Método dos Mínimos Quadrados. Profa. Vanessa Rolnik 1º semestre 2015 Cálculo Numérco Ajuste de Curvas Método dos Mímos Quadrados Profa. Vaessa Rolk º semestre 05 Ajuste de curvas Para apromar uma fução f por um outra fução de uma famíla prevamete escolhda (caso cotíuo)

Leia mais

Probabilidades e Estatística LEGM, LEIC-A, LEIC-T, MA, MEMec

Probabilidades e Estatística LEGM, LEIC-A, LEIC-T, MA, MEMec Duração: 90 mutos Grupo I Probabldades e Estatístca LEGM, LEIC-A, LEIC-T, MA, MEMec Justfque coveetemete todas as respostas 2 o semestre 2017/2018 14/06/2018 11:00 2 o Teste B 10 valores 1. Os dvíduos

Leia mais

Bioestatística Curso de Saúde. Linha Reta 2 Parábola ou curva do segundo grau. terceiro grau curva do quarto. grau curva de grau n Hipérbole

Bioestatística Curso de Saúde. Linha Reta 2 Parábola ou curva do segundo grau. terceiro grau curva do quarto. grau curva de grau n Hipérbole Teora da Correlação: Probleas relatvos à correlação são aqueles que procura estabelecer quão be ua relação lear ou de outra espéce descreve ou eplca a relação etre duas varáves. Se todos os valores as

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

Regressão Múltipla. Parte I: Modelo Geral e Estimação

Regressão Múltipla. Parte I: Modelo Geral e Estimação Regressão Múltpla Parte I: Modelo Geral e Estmação Regressão lnear múltpla Exemplos: Num estudo sobre a produtvdade de trabalhadores ( em aeronave, navos) o pesqusador deseja controlar o número desses

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

VI - Integração Numérica

VI - Integração Numérica V - tegração Numérca C. Balsa & A. Satos. trodução São, este mometo, coecdos dos aluos métodos aalítcos para o cálculo do tegral dedo b ( d a sedo ( cotíua e tegrável o tervalo [ ab] ;. Cotudo, algumas

Leia mais

A análise de variância de uma classificação (One-Way ANOVA) verifica se as médias de k amostras independentes (tratamentos) diferem entre si.

A análise de variância de uma classificação (One-Way ANOVA) verifica se as médias de k amostras independentes (tratamentos) diferem entre si. Prof. Lorí Va, Dr. http://www. ufrgs.br/~va/ va@mat.ufrgs.br aáse de varâca de uma cassfcação (Oe-Way NOV) verfca se as médas de amostras depedetes (tratametos) dferem etre s. Um segudo tpo de aáse de

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

NOÇÕES SOBRE CORRELAÇÃO E REGRESSÃO LINEAR SIMPLES

NOÇÕES SOBRE CORRELAÇÃO E REGRESSÃO LINEAR SIMPLES NOÇÕES SOBRE CORRELAÇÃO E REGRESSÃO LINEAR SIMPLES 1 O nosso objetvo é estudar a relação entre duas varáves quanttatvas. Eemplos:. Idade e altura das cranças.. v. Tempo de prátca de esportes e rtmo cardíaco

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

(1) no domínio : 0 x < 1, : constante não negativa. Sujeita às condições de contorno: (2-a) (2-b) CC2: 0

(1) no domínio : 0 x < 1, : constante não negativa. Sujeita às condições de contorno: (2-a) (2-b) CC2: 0 EXEMPLO MOTIVADO II EXEMPLO MOTIVADO II Método da Apromação Polomal Aplcado a Problemas Udrecoas sem Smetra. Equações Dferecas Ordáras Problemas de Valores o otoro Estrutura Geral do Problema: dy() d y()

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

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

Confiabilidade Estrutural

Confiabilidade Estrutural Professor Uversdade de Brasíla Departameto de Egehara Mecâca Programa de Pós graduação em Itegrdade Estrutural Algortmo para a Estmatva do Idce de Cofabldade de Hasofer-Ld Cofabldade Estrutural Jorge Luz

Leia mais

Difusão entre Dois Compartimentos

Difusão entre Dois Compartimentos 59087 Bofísca II FFCLRP USP Prof. Atôo Roque Aula 4 Dfusão etre Dos Compartmetos A le de Fck para membraas (equação 4 da aula passada) mplca que a permeabldade de uma membraa a um soluto é dada pela razão

Leia mais

Análise Exploratória de Dados

Análise Exploratória de Dados Aálse Eploratóra de Dados Objetvos Aálse bvarada: uma varável qualtatva e uma quattatva: represetar grafcamete as duas varáves combadas; defr e calcular uma medda de assocação etre as varáves. Eemplo 1

Leia mais

Estatística. 2 - Estatística Descritiva

Estatística. 2 - Estatística Descritiva Estatístca - Estatístca Descrtva UNESP FEG DPD Prof. Edgard - 0 0- ESTATÍSTICA DESCRITIVA Possblta descrever as Varáves: DESCRIÇÃO GRÁFICA MEDIDAS DE POSIÇÃO MEDIDAS DE DISPERSÃO MEDIDAS DE ASSIMETRIA

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

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

8. DISCRIMINAÇÃO, CLASSIFICAÇÃO E RECONHECIMENTO DE PADRÕES:

8. DISCRIMINAÇÃO, CLASSIFICAÇÃO E RECONHECIMENTO DE PADRÕES: NOTAS DE AULA DA DISIPLINA E76 8. DISRIMINAÇÃO, LASSIFIAÇÃO E REONHEIMENTO DE PADRÕES: 8. INTRODUÇÃO A técca multvarada cohecda como Aálse Dscrmate trata dos problemas relacoados com SEPARAR cojutos dsttos

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

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

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