3. TESTES DE QUALIDADE DE AJUSTAMENTO
|
|
- Márcio Valente Ribas
- 7 Há anos
- Visualizações:
Transcrição
1 Testes da qualdade de ajustameto 3 TESTES DE QULIDDE DE JUSTMENTO 3 Itrodução formação sobre o modelo da população dode se extra uma amostra costtu, frequetemete, um problema estatístco forma da dstrbução pode ser o objectvo da vestgação ou, etão, (a ferêca clássca) a formação acerca da forma deve ser postulada a hpótese ula para que as coclusões sejam váldas compatbldade de um cojuto de valores observados com a dstrbução ormal ou qualquer outra dstrbução é aalsada através dos testes de qualdade de ajustameto Estes são usados quado apeas a forma da população está em causa, a esperaça de que a hpótese ula ão seja rejetada Esta costturá uma afrmação acerca da forma da fução dstrbução da população dode se extrau a amostra Preferecalmete, a dstrbução em H deve ser completamete especfcada, cludo todos os parâmetros Se apeas for especfcada alguma famíla de dstrbuções, devem estmar-se os parâmetros descohecdos (por um qualquer método de estmação) partr dos dados amostras, tedo em vsta a realzação do teste Em ambos os casos, a hpótese alteratva é bastate geral, cludo dfereças apeas a localzação e/ou dspersão e/ou forma, pelo que a rejeção da hpótese ula ão os forece (demasada) formação específca Neste capítulo serão apresetados testes (ão-paramétrcos) que permtem verfcar hpóteses acerca da forma da dstrbução da população de ode provém uma qualquer amostra, ou avalar se dferetes amostras são proveetes de uma população comum Estes testes são deomados por testes de qualdade de ajustameto 3 justameto de uma amostra a uma dstrbução teórca 3 Teste de qu-quadrado O teste qu-quadrado permte avalar a aderêca etre uma dstrbução de frequêcas, assocada a uma amostra, costtuída por observações expressas uma qualquer escala e uma dstrbução teórca Os requstos exgdos para a realzação do teste são: amostra aleatóra; e com uma dmesão míma adequada (esta questão será dscutda mas adate) O teste qu-quadrado para a avalação da qualdade de ajuste basea-se a comparação da dstrbução dos dados amostras com a dstrbução teórca à qual se supõe pertecer a amostra metodologa que se adopta o teste clu os passos que se descrevem de seguda: () s hpóteses ula e alteratva são formuladas os segutes termos: PONTMENTOS DE DPE E Esteves & C Sousa, 7 67
2 Testes da qualdade de ajustameto H : população segue uma determada dstrbução teórca; H : população ão segue tal dstrbução teórca () s observações que costtuem a amostra são agrupadas em classes (ou categoras) ão-sobrepoíves (com ) e a amostra é costtuída por dados quattatvos (ão se cosderam, aqu, os dados qualtatvos), sto é, dados cotíuos, que serão agrupados em classes que, a exemplo do que sucede a costrução de hstogramas, são de defção relatvamete arbtrára equato que para os dados dscretos, as classes a cosderar correspoderão, aturalmete, às categoras as quas os dados se ecotram classfcados ou aos valores partculares que podem tomar () Calculam-se as frequêcas absolutas das observações amostras em cada classe, ( =, K, ) Tas frequêcas, que se desgam por frequêcas observadas, deotam-se por e satsfazem a codção, = (tamaho da amostra) = (v) Determa-se a frequêca das observações que se esperara obter em cada classe se a hpótese ula fosse verdadera, sto é, se os dados fossem proveetes de uma determada dstrbução teórca cohecda Tas frequêcas esperadas, que se deotam por e, são dadas por e = p, ode p represeta a probabldade de, sedo H verdadera, a varável aleatóra tomar valores pertecetes à classe e é o tamaho da amostra Note-se que, tal como as frequêcas observadas, também as frequêcas esperadas satsfazem a codção, e = = (v) estatístca de teste é costruída com base uma medda global de ajustameto etre as frequêcas observadas a amostra,, e as frequêcas esperadas, e Essa medda é dada por ( e ) = = Se H for verdadera, devem regstar-se pequeas dfereças etre as frequêcas e observadas e as frequêcas esperadas e, cosequetemete, deve tomar valores baxos Pelo cotráro, um valor de elevado costtu um díco de que há um desajuste etre a dstrbução de frequêcas amostras e teórcas Pode demostrar-se que, quado H for verdadera e a dmesão da amostra é grade, a estatístca segue uma dstrbução [ gl], com gl = [ ) p] ( graus de lberdade, ode PONTMENTOS DE DPE E Esteves & C Sousa, 7 68
3 Testes da qualdade de ajustameto represeta o úmero de classes e p o úmero de parâmetros da dstrbução populacoal estmados a partr da amostra (v) Uma vez fxado o ível de sgfcâca α, a rejeção ou ão rejeção de H será feta com base a comparação etre o valor que a estatístca de teste toma e [ p ] α Dada a atureza da estatístca tomado valores próxmos de zero, se H for verdadera, e valores tato mas postvos quato mas H se afastar de H o teste será ulateral à dreta e, cosequetemete, o valor crítco, [ p ] procurado a cauda dreta da dstrbução qu-quadrado 6 Sedo H verdadera, a estatístca dstrbução [ p ] α α, deverá ser terá uma dstrbução tato mas próxma da quato maor for a dmesão da amostra e maores forem os úmeros de observações esperadas as dferetes classes ( e ) Como regra prátca, para utlzar este teste: dmesão da amostra deve ser ão-feror a 3 ( 3) ; e frequêca esperada em cada classe deve ser ão-feror a 5 ( 5) Se esta últma codção ão prevalecer, o teste pode ada ser utlzado, embora com moderada cofaça, se ão mas de % dos valores de e forem ferores a 5 e ehum for feror a Quado tal ão se verfcar, procuram-se agregar classes adjacetes, de forma a obter ovas classes que satsfaçam esta codção e Exemplo 3 Cosderem-se os dados da Tabela, ode o modelo ajustado fo y = 74,3 + 4, 9x Na regressão lear, assume-se que os erros (resíduos) seguem, aproxmadamete, uma dstrbução ormal com méda zero e varâca costate ( σ ) pesar do tamaho da amostra ser 3 = <, utlze-se o teste de qu- quadrado para se verfcar se ~ N (, ) 3 hpótese a testar será H : ~ (, N ) x µ σ ε σ Os erros do modelo de regressão apresetam-se a Tabela ε σ, cuja fução desdade de probabldade (fdp) é f ( x) = e, com x IR, µ IR e σ >, ode µ e σ são os parâmetros da dstrbução πσ ormal 6 É possível, através da fução dstrbução estatístca de teste, obter o valor da prova (p-value) com p No Excel, usar a fução =DISTCHI(x, ( ) p) graus de lberdade da PONTMENTOS DE DPE E Esteves & C Sousa, 7 69
4 Testes da qualdade de ajustameto x y ŷ e = y yˆ,99 9, 89,8,93, 89,5 89,53 -,48 3,5 9,43 9,47 -,4 4,9 93,74 93,57,7 5,46 96,73 96,,6 6,36 94,45 94,6 -,6 7,87 87,59 87,9,3 8,3 9,77 9,67 -,9 9,55 99,4 97,45,97,4 93,65 95, -,56,9 93,54 9,7,47,5 9,5 9,47,5 3,98 9,56 88,93,63 4, 89,54 89,38,6 5, 89,85 9,88 -,3 6, 9,39 9, -,83 7,6 93,5 93,,3 8,3 93,4 94, -,6 9,43 94,98 95,66 -,68,95 87,33 88,48 -,5 Tabela 3 Erros obtdos do ajustameto da regressão lear aos dados da Tabela O prmero passo será estmar estes dos parâmetros, recorredo à méda e desvo padrão amostras (o caso da dstrbução ormal, x e s costtuem estmadores ão-evesados de µ e σ ) Da dstrbução amostral dos erros resulta a méda x =, ( ˆ µ =, ) e o desvo-padrão s =, 6 ( ˆ σ =,6 ) e, cosequetemete, a varâca, s = ( ˆ σ =, ) Relembre-se que a varâca podera ser estmada pela MQ E resultate da tabela NOV, este caso hpótese ula será H : ε ~ ( ;,6 N ) da amostra, daí que p = MQE ˆ,8 = σ = (Tabela 4) Nestes termos, a, ode os dos parâmetros da dstrbução foram estmados a partr s = observações (dados cotíuos) deverão ser agrupadas em classes costrução das classes é relatvamete arbtrára Pode-se, cotudo, apotar o segute procedmeto, como lha de oretação: a) = 5, para 5 e, para > 5 ou pela Fórmula de Sturges + 3, 3 log ampltude das classes, h, pode ser dada por h r ; ou b) a =, ode r é a ampltude total dos dados, sto é, a dfereça etre o maor e o meor valor observados Tal como o caso do úmero de classes, a ampltude das PONTMENTOS DE DPE E Esteves & C Sousa, 7 7
5 Testes da qualdade de ajustameto classes deve ser aproxmada para o maor tero Neste exemplo, como =, cosdere-se o úmero de classes = 5 De seguda pretede-se cohecer os lmtes dessas classes sob H Cosdere-se, etão, a dstrbução ( ;, 6 ) N (Fgura 3) 4 3 f(x) -4-4 x Fgura 3 Gráfco da dstrbução ormal com méda e desvo-padrão,6 Uma vez que f ( x) e πσ x µ σ = é uma fdp, sabe-se que a área sob curva é gual a (soma de todas as probabldades, e a probabldade de X estar compreeddo etre a + ) Por coveêca, vamos cosderar a área total dvdda em cco partes guas (ou seja, º de classes = 5) Deotem-se as abcssas que separam cada uma destas áreas, e que serão os lmtes das classes que se pretedem cohecer, por x, x, x 3 e x 4 Para o cálculo de x, ão é muto dfícl eteder que a área à esquerda de x será % da área total que é, ou seja, P ( X < x ) =, Supodo que z é o valor da N (,) que correspode a x (de acordo com a trasformação de Gauss) tem-se (com µ =, e desvo-padrãoσ =, 6 Sedo z o valor da N (,) que correspode a x, ode ( z ) P ( Z z ) x µ x z = = x =,6 z σ,6 ( < ) = Φ ( ) =, = ( < ) P Z z z P X x Φ = < é a fução dstrbução da orma reduzda N(,) ) que 7 O osso objectvo será, portato, calcular z (a abcssa correspodete à área,), utlzado a fução do Excel 7 No Excel será =DISTNORMP( z ) PONTMENTOS DE DPE E Esteves & C Sousa, 7 7
6 Testes da qualdade de ajustameto =INVNORMP(,) =,846 = z, vdo, x =, 6z =, 6 (,846) =,89 (ou etão podera ter recorrer-se à tabela da dstrbução ormal reduzda) 8 No caso do cálculo de x, x 3 e x 4, por racocío aálogo ao ateror: uma vez que P ( X x ), 4 x < = <=> Φ =,4,6, etão =INVNORM(,4;;,6) = -,679; P ( X < x 3 ) =, 6 obtém-se com =INVNORM(,6;;,6) =,679; e para obter P ( X < x 4 ) =,8, vem que =INVNORM(,8;;,6) =,89 Podemos, etão, apresetar uma tabela (Tabela 3) os dados agrupados em classes 9 Classes p e = p [- ;-,89[ 5, 4 [-,89;-,7[ 3, 4 [-,7;,7 [ 5, 4 [,7;,89 [, 4 [,89;+ [ 5, 4 Total Tabela 3 Valores observados e esperados por classes Como as frequêca esperadas são todas ferores a 5 (o que vola um dos pressupostos do teste), vamos cosderar apeas 4 classes, ou seja, = 4 Obtém-se, por racocío aálogo ao ateror, a segute tabela Classes p e = p [- ;-,7[ 5,5 5 [-,7;[ 5,5 5 [ ;,7 [ 5,5 5 [,7;+ [ 5,5 5 Total Tabela 33 Valores observados e esperados por classes 8 Usado a fução =INVNORM(prob, ˆ µ, ˆ σ ) do Excel obteríamos o valor drectamete para =INVNORM(,;;,6) = -,89 (ateção ao arredodameto do desvo-padrão) 9 Obvamete as probabldades para cada classe sob x, sto é, H, sto é, se os erros segurem uma dstrbução N ( ;, 6 ) são todas guas a,, facto que tem a ver com a maera como foram costruídas as classes PONTMENTOS DE DPE E Esteves & C Sousa, 7 7
7 Testes da qualdade de ajustameto Sedo =DISTCHI( assm, ( e ) = = (com p-value = e, ( ) p )) ou seja, ão se rejeta H : ε ~ ( ;,6 N ) =, que se obtém o Excel com Nestes termos, tomado por base os dados da amostra, ão temos razões para afrmar que a suposção ~ N (, ) ε σ esteja correcta, ou seja, os erros ão volam esta hpótese subjacete ao modelo de regressão Deve, cotudo, ter-se em cota que o tamaho da amostra é = < 3, ou seja, o teste de qu-quadrado deve ser utlzado com moderada cofaça Deve-se, portato, utlzar um teste mas seguro como é o caso do teste Kolmogorov-Smrov o qual se apreseta da próxma secção Exemplo 3 Numa experêca com ervlhas, observaram-se 35 lsas e amarelas (L), 8 lsas e verdes (LV), estradas e amarelas (E), 3 estradas e verdes (EV) De acordo com a teora da heredtaredade de Medel, os úmeros deveram apresetar-se a proporção 9:3:3: Pode-se usar o teste de qu-quadrado, com um determado ível de sgfcâca, para se verfcar se os resultados obtdos a experêca (as observações) estão de acordo com a teora de Medel Sedo assm, as hpóteses a testar são: H : s observações estão de acordo com a teora da heredtaredade de Medel; H : s observações ão estão de acordo com a teora da heredtaredade de Medel Para se utlzar o teste de qu-quadrado devem calcular-se as frequêcas esperadas para os dferetes tpos de ervlhas sob a hpótese ula (as proporções referetes à teora de Medel seguem determada dstrbução dscreta) Seja o úmero de ervlhas observadas (de cada tpo) e e o respectvo úmero esperado de ervlhas (que seguem a proporção da Teora de Medel), com =,,3, 4 (para L, LV, E e EV, respectvamete) Etão pode-se costrur a segute tabela: Tpo de ervlhas Frequêcas L LV E EV e 3,75 4,5 4,5 34,75 Tabela 34 Valores observados e esperados uma experêca com ervlhas Para calcular as frequêcas esperadas, sabe-se que o úmero total de observações (de ervlhas) é 4 = = = 556, = Caso os dos parâmetros ão tvessem sdo estmados a partr da amostra, ou seja a hpótese ula estara completamete especfcada, o úmero de graus de lberdade sera gl = PONTMENTOS DE DPE E Esteves & C Sousa, 7 73
8 Testes da qualdade de ajustameto Como as frequêcas esperadas (sob H ) estão a proporção 9:3:3:, ou seja, = 6, etão: e = = 3, 75 serão ervlhas do tpo L, que resulta da regra de três smples e 9 = e e3 ; = = = 4, 5 serão ervlhas dos tpos LV e E; e e 4 = = 34,75 ervlhas do serão 6 6 do tpo EV Dode a estatístca do teste será = ( e ) (35 3,75) (8 4,5) ( 4,5) (3 34,75) =,47 = = , 75 4, 5 4, 5 34, 75 e Como há quatro categoras, e 4 Comparado o valor da estatístca de teste com [ ] =, o úmero de graus de lberdade será gl = = 4 = 3,5 3 = 7,847, ão se rejeta a hpótese ula de que as observações estejam de acordo com a teora da heredtaredade de Medel Repare-se que o p- value =, 954 (embora a cocordâca seja boa, os resultados obtdos poderão estar sujetos a erros de amostragem) 3 Teste de Kolmogorov-Smrov O Teste de Kolmogorov-Smrov (abrevadamete K-S) de qualdade de ajuste deve o seu ome aos matemátcos russos dre N Kolmogorov [93-987] e Ncola V Smrov [ 9] Podem ser apotadas duas vatages deste teste em relação ao teste qu-quadrado, que acaba de ser apresetado Em prmero lugar, quado a dstrbução populacoal é cotíua e se cohecem a forma e os parâmetros da sua fução desdade de probabldade, a dstrbução da estatístca do teste é defda rgorosamete (ao cotráro do que sucede com a estatístca, cuja dstrbução é aproxmada) Esta vatagem é tato mas ítda quato meor for a dmesão da amostra Em segudo lugar, o teste K-S é, a maora das stuações, mas potete do que o teste qu-quadrado Em cotrapartda, o teste K-S exge dstrbuções populacoas cotíuas e completamete especfcadas (o que ão sucede com o teste do qu-quadrado), bem como um maor esforço computacoal Para uma va X, o teste K-S tem por base a aálse da proxmdade ou, se se preferr, do ajustameto etre a fução de dstrbução empírca ou da amostra, S (x), e a fução de dstrbução populacoal (teórca), F ( x ), que é admtda em H Para uma amostra de tamaho, a fução S(x) expressa a soma das frequêcas relatvas dos dados com valores meores ou guas a x, um qualquer valor partcular x da varável X Sedo ( X, X,, ) K X uma amostra aleatóra de uma população cotíua X e X ( ), X (), K, X ( ) a respectva amostra ordeada, tem-se que, a fução PONTMENTOS DE DPE E Esteves & C Sousa, 7 74
9 Testes da qualdade de ajustameto dstrbução empírca S(x) é dada por, x < X () S( x) =, X ( ) x X ( + ) ( =,, K, ), x X ( ) fução de dstrbução empírca, S (x), é, pos, uma fução em degrau que cresce os potos de salto (estatístcas ordas da amostra) estatístca de teste, que se deota por D (que é uma varável aleatóra), correspode ao supremo (ou máxmo) da dfereça, em valor absoluto, etre S (x) e F ( ) cosderados todos os valores possíves de X Em otação smbólca, D = max S( x) F ( x) x x, quado são É possível demostrar que, se a amostra é aleatóra e provém de uma dstrbução cotíua cohecda, a estatístca D só depede da dmesão da amostra,, sedo rrelevate a forma da fução dstrbução da população, F ( x ) Esta é a razão pela qual D é cosderada uma estatístca dstrbuto-free No teste K-S de qualdade de ajuste adopta-se o procedmeto que se descreve em seguda: () s hpóteses ula e alteratva são formuladas os segutes termos: H F( x) = F ( ), : x para todos os valores de X, ou seja, a fução de dstrbução da população da qual provém a amostra é dêtca a uma fução de dstrbução que se assume cohecda, F ( ) ; versus H F ( x ) F ( ) para algum valor de X x : x () Uma vez determada a fução de dstrbução empírca, S (x), calcula-se D O máxmo de S( x) F ( x) ão é ecessaramete o maor valor que S( x) F ( x) toma quado se cosderam apeas os valores observados de X De facto, dados que a fução F ( ) é cotíua e S (x) é uma fução em escada, o valor máxmo daquela dfereça x absoluta deve ser procurado a vzhaça de cada valor observado de X O valor observado d, da varável aleatóra D, será, pos, o maor dos valores segutes: + D = S( x ) F ( x ) e D = S( x ) F ( x ), () O valor de obs D é comparado com o respectvo valor crítco de [ ] D α, uma vez Deve-se ter em cota a frequêca absoluta de cada observação, pos estas estão drectamete relacoadas com os saltos da fução PONTMENTOS DE DPE E Esteves & C Sousa, 7 75
10 Testes da qualdade de ajustameto especfcado o ível de sgfcâca do teste Deverá rejetar-se H, sempre que d obs > d α O valor crítco da estatístca de K-S pode ser obtdo a partr das respectvas tabelas (Tabelas 3 a 37) Note-se que, como a estatístca D é calculada com base o módulo da dfereça etre S (x) e F ( ) x, ão dstgudo etre valores postvos e egatvos, os valores crítcos de D devem ser procurados a cauda dreta da sua dstrbução Tal como se afrmou atrás, o teste K-S é exacto (ou seja, o rsco α está defdo rgorosamete) quado a fução F ( ) se ecotra perfetamete especfcada e, em partcular, x quado se cohecem os respectvos parâmetros O teste pode, o etato, ser utlzado quado os parâmetros de F ( ) são estmados a partr da amostra Porém, estas crcustâcas deverá ter-se x em cota que o ível de sgfcâca com que se realza o teste é meor do que aquele que é especfcado e que a potêca do teste também dmu de uma quatdade ão-cohecda ara ultrapassa esta lmtação do teste K-S, H Lllefors estudou o comportameto da estatístca D as stuações em que a dstrbução populacoal é ormal ou expoecal egatva, mas em que os seus parâmetros são estmados a partr dos dados amostras Na Tabela 33 apresetam-se os valores crítcos da estatístca D para o caso da dstrbução ormal Exemplo 33 Retomado o exemplo 3, ode se estudou o ajustameto de uma dstrbução ormal ( ;, 6 ) N aos resíduos resultates do modelo y = 74,3 + 4, 9x (ajustado aos dados da Tabela ) Não obstate o tamaho da amostra ser = < 3, utlzou-se um teste de qu-quadrado para se verfcar a qualdade do ajustameto, ão se tedo rejetado a hpótese ula Vamos agora utlzar um teste Kolmogorov-Smrov (K-S) para testar, de forma mas aproprada, a hpótese ( ) H : ~ ;,6 ε N Para este teste ão se procede ao agrupameto dos dados em classes Depos de se terem ordeados os resíduos, costró-se a dstrbução de frequêcas absolutas ( f ) e de frequêcas absolutas acumuladas ( F ) a partr das quas se obtém a fução de dstrbução empírca F S( x) =, X ( ) x < X ( + ) (este caso o saltos da fução serão dados por f ) PONTMENTOS DE DPE E Esteves & C Sousa, 7 76
11 Testes da qualdade de ajustameto determação de F ( x) sob H é feta através da fução de dstrbução da ormal, que o Excel correspode a fazer =DISTNORM( e, ˆ µ, ˆ σ,verddeiro) com =,, K,, ou etão, pode-se estadardzar os resíduos, através de d dado por (44), para uma N (,), cujos valores se ecotram tabelados, ou através do Excel fazedo =DISTNORMP( d ) pós a determação dos valores das coluas S( x ) e F ( x ), determam-se + D = S( x ) F ( x ) e D = S( x ) F ( x ), obs obs (Tabela 35) O valor mas elevado das duas últmas coluas essa tabela será o valor da estatístca de teste, ou seja, d =,884 Como os parâmetros da dstrbução foram estmados a partr da amostra (ver exemplo 3), para a obteção do valor crítco, vamos utlzar a Tabela 33 (de Lllefors) Verfca-se que,5 [ ],9 D = > =, 884 ε ~ N( ;,6 ) d, o que leva à ão-rejeção de H e portato ão se pode rejetar que, coclusão dêtca à alcaçada pelo teste de qu-quadrado e f F S( x ) F ( x ) D + obs D -,83,5,48,8,48 -,56,,7,98, -,5 3,5,385,5,385 -,3 4,,65,349,5 -,9 5,5,975,55,5 -,68 6,3,6,398, -,6 7,35,853,647,47 -,48 8,4,35,75,5 -,6 9,45,4399,,399 -,4,5,4849,5,349,3,55,5489,,489,6,6,56,399,,7 3,65,5638,86,36,3 4,7,66,884,384,6 5,75,7,89,,93 6,8,83,3,63,5 7,85,8395,5,395,47 8,9,976,76,676,63 9,95,9383,7,383,97,9687,33,87 Tabela 35 Cálculos ecessáros à obteção do valor da estatístca de K-S tete-se que ( ) F x = Φ,6 e PONTMENTOS DE DPE E Esteves & C Sousa, 7 77
12 Testes da qualdade de ajustameto 33 Comparação etre os dos testes O teste de é especfcamete destado a casos com dados classfcados equato o teste de K-S será usado apeas para amostras aleatóras extraídas de populações cotíuas Todava, quado os dados ão estão classfcados estes dos testes de ajustameto podem ser utlzados dsttamete se os requstos báscos exgdos à aplcação de cada um forem satsfatóros breve comparação feta a segur apeas se ajusta ao caso de dados ão-classfcados Sedo cotíua a dstrbução postulada (teórca), o teste de K-S permte examar a qualdade do ajustameto para cada uma das estatístcas ordas; o teste de apeas faz sso para classes Neste setdo o teste de K-S faz um uso mas completo dos dados dspoíves ão se perdedo tata formação como o teste de Outra das vatages do teste de K-S, resde o facto da dstrbução de amostragem D ser exacta (cohecda e tabelada), equato a dstrbução de + estatístca de é aproxmadamete quado Por outro lado, o teste de K-S pode ser aplcado a amostras de qualquer tamaho, equato a só deve ser utlzada para grade e para frequêcas esperadas em cada classe ão demasadamete pequeas ( 5) e Por fm, o caso da fução de dstrbução teórca ser dscreta, poderão exstr problemas a utlzação do teste K-S 33 justameto etre duas amostras depedetes 33 Teste de qu-quadrado O teste de qu-quadrado utlzado a comparação de duas amostras depedetes pode ser cosderado como uma extesão do teste de qu-quadrado de qualdade de ajustameto de uma amostra a uma dstrbução teórca stuação que será abordada esta secção dfere da que fo estudada aterormete pelo facto do objectvo ser, agora, a comparação etre duas populações a partr das quas se obtêm amostras depedetes Tal como aterormete, apeas se requer que as amostras sejam aleatóras e teham dmesões adequadas metodologa deste teste de qu-quadrado, que se descreve de seguda, é muto semelhate à que fo apresetada aterormete, omeadamete: () Deotado por e as populações a partr das quas se obtêm as amostras, as hpóteses PONTMENTOS DE DPE E Esteves & C Sousa, 7 78
13 Testes da qualdade de ajustameto ulas e alteratvas são formuladas os segutes termos: H : s populações e são dêtcas vs H : s populações e são ão dêtcas 3 () s e observações que costtuem as amostras retradas das populações e, são agrupadas em classes (ou categoras) ão-sobrepoíves (com ); () Para cada amostra, determam-se as frequêcas observadas em cada classe, e ( =, K, ) ; (v) s frequêcas esperadas, e e e, são calculadas o pressuposto de que H é verdadera, do modo que se segue (o procedmeto acma referdo esta sumarado a Tabela 36, pága segute): a Deote-se por o úmero total de observações ( = + ) e por a frequêca das observações a classe ( = + ) b Como se admte que H é verdadera, a probabldade de uma observação ser classfcada a classe (uma observação se ecotrar a classe ) pode ser estmada por c Cosequetemete, a frequêca esperada de observações referetes à população a classe será e = d s frequêcas esperadas e, são obtdas de forma aáloga ou, mas smplesmete, pela subtracção 4, já que ( ) e e = = e (v) estatístca de teste é uma medda global do ajustameto etre as frequêcas observadas as amostras e as respectvas frequêcas esperadas Tal medda é dada por ( ) ( ) = + e e = e = e H F ( x) F ( x) 3 Estas hpóteses podem tomar a segute forma equvalete: : =, para todo o x versus H : F ( x) F ( x), para algum x (Com F (x) e F (x) represetado as fuções de dstrbução das populações e ) 4 Pode-se verfcar que das frequêcas esperadas apeas são depedetes, sto é, a partr de frequêcas esperadas quasquer podem ser obtdas por subtracção as restates frequêcas esperadas, já que e = e = = e = PONTMENTOS DE DPE E Esteves & C Sousa, 7 79
14 Testes da qualdade de ajustameto Frequêcas observadas Frequêcas esperadas Classe Total e e e e M M M M M M e Total Tabela 36 Cálculo das frequêcas esperadas para o teste de qu-quadrado para duas amostras depedetes α [ ] (v) Se H for verdadera, pode demostrar-se que, para amostras de grade dmesão, segue uma dstrbução qu-quadrado com gl = graus de lberdade (uma vez que só exstem termos depedetes os somatóros da expressão da estatístca de teste) (v) Fxado o ível de sgfcâca α, a rejeção ou ão rejeção de H será feta com base a comparação etre o valor que a estatístca de teste toma e o valor crítco α [ ] Tal como o teste de qu-quadrado apresetado aterormete, este teste é ulateral à dreta, pelo que o valor crítco deverá ser procurado a cauda dreta da dstrbução qu-quadrado Como a estatístca de teste terá uma dstrbução tato mas próxma da dstrbução quato maor forem as dmesões das amostras, o teste deve ser coduzdo segudo as mesmas recomedações que foram apresetadas a propósto do teste de qu-quadrado dscutdo a secção3 Note-se apeas que, quado houver ecessdade de agregar classes adjacetes uma das amostras, tal operação deve ser gualmete executada a outra Exemplo 34 Um fabrcate de pêssegos em calda produz dferetes qualdades deste produto e pretede verfcar se o modo como se repartem as vedas da sua marca tedo em cota a qualdade do produto é dêtco os hpermercados e Na Tabela 37 apreseta-se a composção das vedas estes mercados ao logo do últmo ao PONTMENTOS DE DPE E Esteves & C Sousa, 7 8
15 Testes da qualdade de ajustameto Qualdade Hpermercado Hpermercado Total axa Méda-baxa Méda Méda-alta lta 8 8 Luxo Total Tabela 37 Composção das vedas de pêssego em calda os hpermercados e Deotado por e as populações referetes à composção das vedas do produto os hpermercados e, respectvamete, obtém-se (os cálculos ecessáros apresetam-se a Tabela 38): e = = ( e ) (34 988, ) (6 7, 6) = + + = 7, , 7,6 e ( e ) (5 7, ) (3 4, 4) = + + = 3,45 7, 4, 4 e Sedo que a estatístca de teste é ( e ) ( e ) = + = 7, , 45 =, 8 = e = e Cosderado um ível sgfcâca α =, 5, é possível verfcar, a partr da fução do Excel, que [ ] = Como [ ],5 5, 7 =, 8 > 5 =,7 rejeta-se,5 H ao ível de sgfcâca de 5%, ou seja, há dícos de que as vedas do produto em causa, tedo em cota as dferetes qualdades, dferem os dos hpermercados (a aálse da Tabela 37 pode dar uma dea deste facto, mas ateção às proporções ) Neste caso o p-value é 4,6% Total e e , 7, , 87, ,3 733, ,6 67, ,5 96, ,6 4,4 Total , 7, Tabela 38 Cálculo das frequêcas esperadas ecessáras para a obteção da estatístca de qu-quadrado PONTMENTOS DE DPE E Esteves & C Sousa, 7 8
16 Testes da qualdade de ajustameto 333 Teste de Kolmogorov-Smrov dmta-se agora que se pretede avalar se duas amostras aleatóras depedetes provêm de uma úca população cotíua ou, equvaletemete, se provêm de duas populações cotíuas dêtcas Deotem-se por F ( x ) e F ( x ) as fuções de dstrbução assocadas às populações e, respectvamete estrutura deste teste K-S, que é semelhate à do teste K-S dscutdo aterormete, é a segute: () s hpóteses ula e alteratva são H : ( ) ( ) F x = F x, para todo o x (ou seja, as duas amostras provêm de populações com a mesma fução dstrbução) versus H : ( ) ( ) F x F x, para algum x (teste blateral) 5 () Uma vez determadas as fuções de dstrbução das amostras S( x ) e S ( x ), calculase a estatístca de teste D, tal que D = max S ( x) S ( x) obs x Note-se que se recorre à estatístca D tato o caso do teste ser blateral como o caso do teste ser ulateral () Uma vez especfcado o ível de sgfcâca do teste, o valor de D é comparado com o respectvo valor crítco de D α, e, em fução do resultado, H é ou ão rejetada dstrbução de D é cohecda de forma exacta quado H é verdadera e ambas as dstrbuções populacoas são cosderadas cotíuas Deverá rejetar-se H, sempre que d obs > dα Na Tabela 34 apresetam-se os valores da dstrbução da estatístca D (ode e represetam as dmesões das duas amostras) Exemplo 35 O departameto de egehara almetar da uversdade do lgarve fo seleccoado para uma experêca ploto a qual se pretede testar ovos procedmetos Na Tabela 39 apresetam-se valores do tempo despeddo o processameto de uma determada operação, ates e depos de terem sdo troduzdos ovos procedmetos 5 No caso de fazer setdo um teste ulateral, a hpótese alteratva vrá: H : F ( x) > F ( ) ou H : F ( x) F ( x) < para algum x x PONTMENTOS DE DPE E Esteves & C Sousa, 7 8
17 Testes da qualdade de ajustameto tes 4, 4,4 4,7 4,8 4,9 5,7 7,4 7,6 9,7,3,4 5,5 Depos 3,8 5, 6,3 6,6 6,7 6,9 8,5 8,6 8,9 9,5 9,8, Tabela 39 Tempos de processameto, em mutos Estes valores, seleccoados aleatoramete, foram obtdos a partr de croometragem Será que os dados sustetam a hpótese de que a dstrbução do tempo de processameto se modfcou com a trodução dos ovos procedmetos? Na resposta a esta questão utlzar-se-á o teste K-S de ajustameto etre duas amostras depedetes Para testar as hpóteses: H : ( ) ( ) F x F x = para todo o x (em que e deotam, respectvamete, as stuações ateror e posteror à adopção dos ovos procedmetos) versus H : ( ) ( ) F x F x x, obtém-se a estatístca de teste 4 D = =,(3), para algum que fo calculada como se dca a Tabela 3 Note-se que, cotraramete ao que suceda o teste K-S dscutdo a secção 3, agora basta calcular as dfereças absolutas para os valores observados de X uma ou outra amostra S ( x) S ( x) e escolher o valor máxmo de tas dfereças absolutas X S( x ) S ( x ) S ( x) S ( x) 3,8 / / 4, / / 4,4 / / / 4,7 3/ / / 4,8 4/ / 3/ 4,9 5/ / 4/ 5, 5/ / 3/ 5,7 6/ / 4/ 6,3 6/ 3/ 3/ ( ) ( ) ( ) ( ) 8,6 8/ 8/ 8,9 8/ 9/ / 9,5 8/ / / 9,7 9/ / / 9,8 9/ / /, 9/ / 3/,3 / / /,4 / / / 5,5 / / Tabela 3 Excerto dos cálculos evolvdos um teste K-S para duas amostras depedetes PONTMENTOS DE DPE E Esteves & C Sousa, 7 83
18 Testes da qualdade de ajustameto De acordo com a Tabela 36, para um ível de sgfcâca α =, 5 e = = vem D = 84, dode resulta Como d 84 d,5 = =, = =,(3) < d =,583,,5 a hpótese ula ão é rejetada com um ível de sgfcâca de 5% Podemos pos coclur, com 95% de cofaça, que os dados sustetam a hpótese de que a dstrbução do tempo de processameto ão se modfcou com a trodução dos ovos procedmetos Na Tabela 3 apresetam-se os valores crítcos da dstrbução da estatístca D = max S( x) F ( x) para amostras de dmesão e íves de sgfcâca α Para amostras de x grades dmesões ( > 4 ), os valores crítcos de D α podem ser aproxmados pelas expressões apresetadas a Tabela 3 Valores crítcos da estatístca D = max S( x) F ( x), segudo Lllefors, para populações ormas e parâmetros estmados a partr de amostras de dmesão, podem obter-se da Tabela 33 Nas Tabelas 34 e 35 apresetam-se os valores crítcos D α, sob a forma D, x obs para stuações em que a dmesão das amostras e é dferete Os valores p essas tabelas referem-se à probabldade a cauda dreta da dstrbução da estatístca D (com obs D = max S ( x) S ( x) ), para amostras com dmesões e (satsfazedo e x + 6) de duas populações e, sto é, Pr( D > D ) Em testes ulateras α obs deverá cosderar-se p / (os valores de D assm calculados serão correctos se p for pequeo) Valores crítcos da dstrbução da estatístca D para amostras com dmesões tas obs que 9 = (os valores de α dcados para testes ulateras são aproxmados) apresetam-se a Tabela 36 Para amostras cujas dmesões ão estão cotempladas os quadros aterores, os valores crítcos da dstrbução da estatístca de teste podem ser aproxmados através das expressões que costam da Tabela 37 (com = + ) PONTMENTOS DE DPE E Esteves & C Sousa, 7 84
19 Testes da qualdade de ajustameto Níves de sgfcâca α Níves de sgfcâca α,,,5,,,,,5,,,9,95,975,99,995 ( ),684,776,84,9,99,6,59,87,3,344 3,565,636,78,785,89,,53,8,34,337 4,493,565,64,689,734 3,6,47,75,37,33 5,447,59,563,67,669 4,,4,69,3,33 6,4,468,59,577,67 5,8,38,64,95,37 7,38,436,483,538,576 6,4,33,59,9,3 8,358,4,454,47,54 7,,9,54,84,35 9,339,387,43,48,53 8,97,5,5,79,3,33,369,49,457,489 9,93,,46,75,95,38,35,39,437,468 3,9,8,4,7,9,96,338,375,49,449 3,87,4,38,66,85 3,85,35,36,44,43 3,84,,34,6,8 4,75,34,349,39,48 33,8,8,3,58,77 5,66,34,338,377,44 34,79,5,7,54,73 6,58,95,37,366,39 35,77,,4,5,69 7,5,86,38,355,38 36,74,99,,47,65 8,44,79,39,346,37 37,7,96,8,44,6 9,37,7,3,337,36 38,7,94,5,4,58,3,65,94,39,35 39,68,9,3,38,55 ( ) 4,65,89,,35,5 Tabela 3 Valores crítcos da dstrbução da estatístca D α de K-S para uma amostra Níves de sgfcâca (α ),,,5,,,7,,36 Tabela 3 Expressões de aproxmação para os valores crítcos da dstrbução da estatístca de K-S para mostras de grades dmesões (e >4) 6,5,63 6 s expressões apresetadas a Tabela 3 obtêm-se a partr de D [ ] α = l α PONTMENTOS DE DPE E Esteves & C Sousa, 7 85
20 Testes da qualdade de ajustameto Dmesões Níves de sgfcâca (α ),,5,,5, 4,3,39,35,38,47 5,85,99,35,337,45 6,65,77,94,39,364 7,7,53,76,3,348 8,33,44,6,85,33 9,3,33,49,7,3,5,4,39,58,94,6,7,3,49,84,99,,3,4,75 3,9,,4,34,68 4,83,94,7,7,6 5,77,87,,,57 6,73,8,95,3,45 7,69,77,89,6,39 8,66,73,84,,35 9,63,69,79,95,3,6,66,74,9,3 5,49,53,65,8,87 3,3,36,44,6,3 >3,73,768,85,886,3 Tabela 33 Valores crítcos da dstrbução da estatístca D α de K-S, segudo Lllefors, os casos de populações ormas PONTMENTOS DE DPE E Esteves & C Sousa, 7 86
21 Testes da qualdade de ajustameto Dobs p Dobs p Dobs p 4, , 4 5,6 3 6, 5,9 6,79 4 8,33,33 5,43 5,95 3 7, 4 6 4, 8,86 8,6,48 6,7 5,6 8,95, , 6,8 7 4,56, ,6,67 8, 4,3 8 6, ,,67 4,33 4,3, 9 8,36, ,4 6,9 8,3 8,,3 3 3, 4,85 8,9 7,, 6,8 4, ,3,6,4 3,4, , 8,4 8,54 3, 7,6 4, 7,5 4,5,66 4, 4 4,,3 3 36, 36, 3 3 9, 33, 3,3 3 4,57 3,4 3,46 9,9 7,8 8, ,36 4,8 6,6, ,, Tabela 34 Dstrbução da estatístca D de K-S para duas amostras depedetes obs PONTMENTOS DE DPE E Esteves & C Sousa, 7 87
22 Testes da qualdade de ajustameto Dobs p Dobs p Dobs p 4 44, 5 5, 6 6, 4,7 45,4 54, 36, 4,9 5,4 33,35 35,6 48,9 3,63 3,66 44,9 9, , 4,3 8,44 5,3 4,4 4 48, 45, 38,66 44,5 44,4 36,9 4,6 4,9 34,5 36,48 39, , 3, 35,74 4, ,8 34,6 35,53, , 8, 5,357 3, , 5 6 3,4 4,43 49, 5, , 48,5 4,48 36,8 4,3,8 35,5 4, ,3 3,38 4,33 3,5 9,68 35,56 8,3 8,9 34,87 5,66 4,47 33,8 3, , , 5 8 4, 4,5 56, 35,9 4,9 54,3 3, 36,3 49,8 3,4 34,43 47,5 7,79 3,6 45, 5,6 3,93 4, , 8,39 4,55 4, , 38,79 36,4 48,3 36,98 35,8 45,6 35,7 3,56 4, , 3,86 39,8 56, 7,9 36,6 48,9 33,95 4,87 3,76 3,83 Tabela 35 Dstrbução da estatístca D de K-S para duas amostras depedetes (cotuação) obs PONTMENTOS DE DPE E Esteves & C Sousa, 7 88
23 Testes da qualdade de ajustameto Dmesões Níves de sgfcâca (α ) da amostra (teste blateral) Tabela 36 Dstrbução da estatístca =,,,5,, ,,5,5,,5 Níves de sgfcâca (α ) (teste ulateral) D de K-S para duas amostras depedetes (se = ) obs Níves de sgfcâca (α ) (teste blateral),,,5,,,7,,36,5,63,,5,5,,5 Níves de sgfcâca (α ) (teste ulateral) Tabela 37 Dstrbução da estatístca D α de K-S para duas amostras depedetes (para casos ão cotemplados aterormete) PONTMENTOS DE DPE E Esteves & C Sousa, 7 89
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 maisEstatística - 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 maisAvaliação 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 maisDistribuições 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 maisProbabilidades 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 maisEm 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 maisREGRESSÃO 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 maisProbabilidades e Estatística
Departameto de Matemátca robabldades e Estatístca LEAN, LEE, LEGI, LERC, LMAC, MEAer, MEAmb, MEBol, MEEC, MEMec 2 o semestre 20/202 2 o Teste B 08/06/202 :00 Duração: hora e 30 mutos Justfque coveetemete
Leia maisCapítulo 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 maisESTATÍSTICA 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 maisProbabilidades 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 maisDISTRIBUIÇÃO HIPERGEOMÉTRICA
7 DISTRIBUIÇÃO HIPERGEOMÉTRICA Cosdere-se uma população fta costtuída por N elemetos dstrbuídos por duas categoras eclusvas e eaustvas de dmesões M e N M, respectvamete. Os elemetos da prmera categora
Leia maisEstatística: Aplicação ao Sensoriamento Remoto SER ANO Estimação Pontual
Estatístca: Aplcação ao Sesorameto Remoto SER 04 - ANO 08 Estmação Potual Camlo Daleles Reó camlo@dp.pe.br http://www.dp.pe.br/~camlo/estatstca/ Iferêca Estatístca Cosdere o expermeto: retram-se 3 bolas
Leia maisInferência Estatística e Aplicações I. Edson Zangiacomi Martinez Departamento de Medicina Social FMRP/USP
Iferêca Estatístca e Aplcações I Edso Zagacom Martez Departameto de Medca Socal FMRP/USP edso@fmrp.usp.br Rotero Parte I Escola frequetsta Defções: parâmetros, estmatvas Dstrbuções de probabldade Estmação
Leia maisMacroeconometria 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 maisProbabilidades 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 maisMAE0229 Introdução à Probabilidade e Estatística II
Exercíco Cosdere a dstrbução expoecal com fução de desdade de probabldade dada por f (y; λ) = λe λy, em que y, λ > 0 e E(Y) = /λ Supor que o parâmetro λ pode ser expresso proporcoalmete aos valores de
Leia maisMEDIDAS 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 maisRegressao 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 maisRegressão 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 maisInterpolação. 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 maisÉ 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 maisÉ 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 maisCAPÍTULO 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 maisTestes não-paramétricos
Testes não-paramétrcos Prof. Lorí Val, Dr. http://www.mat.ufrgs.br/val/ val@mat.ufrgs.br Um teste não paramétrco testa outras stuações que não parâmetros populaconas. Estas stuações podem ser relaconamentos,
Leia maisMEDIDAS 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 maisProfessor Mauricio Lutz REGRESSÃO LINEAR SIMPLES. Vamos, então, calcular os valores dos parâmetros a e b com a ajuda das formulas: ö ; ø.
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.
Leia maisEstatística Descritiva. Medidas estatísticas: Localização, Dispersão
Estatístca Descrtva Meddas estatístcas: Localzação, Dspersão Meddas estatístcas Localzação Dspersão Meddas estatístcas - localzação Méda artmétca Dados ão agrupados x x Dados dscretos agrupados x f r x
Leia maisMEDIDAS 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 maisModelo 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 maisMédia. 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 maisTeoria Elementar da Probabilidade. a) Cada experiência poderá ser repetida indefinidamente sob condições essencialmente inalteradas.
Estatístca 47 Estatístca 48 Teora Elemetar da Probabldade SPECTOS PERTINENTES À CRCTERIZÇÃO DE UM EXPERIÊNCI LETÓRI MODELOS MTEMÁTICOS DETERMINÍSTICOS PROBBILÍSTICOS PROCESSO (FENÓMENO) LETÓRIO - Quado
Leia maisRelatório 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 maisEconometria: 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? 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 maisEstudo 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 maisConstrução 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 maisDistribuições 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 maisEstatística. 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 maisESTATÍSTICA 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 maisANÁLISE 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 maisMÓDULO 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 mais50 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 maisEstudo 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 maisProf. 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 maisA 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 maisNas 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 maisANÁLISE 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 maisa) 1,8 e 4,6. b) 2,0 e 2,2. c) 1,8 e 5,2. d) 2,0 e 4,6. e) 2,0 e 1,9.
Questão : As otas de dez aluos, um exame, estão dadas a segur:, 5, 8, 3, 6, 5, 8, 7, 6, 0 O desvo médo e a varâca dessas otas podem ser expressos, respectvamete, por: a),8 e 4,6 b),0 e, c),8 e 5, d),0
Leia maisCentro 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 maisHIDROLOGIA E RECURSOS HÍDRICOS. Análise estatística aplicada à hidrologia
Aálse estatístca aplcada à hdrologa. Séres hdrológcas oções complemetares HIDROLOGIA E RECURSOS HÍDRICOS Aálse estatístca aplcada à hdrologa O Egehero HIDRÁULICO Echerá? Que população pode abastecer e
Leia maisANÁLISE 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 maisDifusão 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 maisRevisão 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 maisProf. 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 maisFaculdade 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 maisESTATÍSTICA APLICADA À ZOOTECNIA
ESTATÍSTICA APLICADA À ZOOTECNIA Eucldes Braga MALHEIROS *. INTRODUÇÃO.a) Somatóras e Produtóros Sejam,, 3,...,, valores umércos. A soma desses valores (somatóra) pode ser represetada por: = = = =. e o
Leia maisÉ 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 maisParte 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( ) ( 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 mais2. MODELO DETALHADO: Relações de Recorrência. Exemplo: Algoritmo Recursivo para Cálculo do Fatorial Substituição Repetida
. MODELO DETALHADO: Relações de Recorrêca Exemplo: Algortmo Recursvo para Cálculo do Fatoral Substtução Repetda T T ( ) ( ) t 1, T ( + t, > T ( ) T ( + t T ( ) ( T( ) + t + t ) + t T ( ) T ( ) T ( ) +
Leia mais7 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 maisNOTAS DE AULA DA DISCIPLINA CE076. ], T 2 = conhecido como T 2 de Hotelling
4 INFERÊNCIA SOBRE O VETOR DE MÉDIAS 4. TESTE PARA UM VETOR DE MÉDIAS µ Lembrado o caso uvarado: H : µ = µ H : µ µ Nível de sgfcâca: α Estatístca do teste: X µ t = s/ ~ t Decsão: se t > t - (α/) rejeta-se
Leia maisTópicos 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 maisReconhecimento de Padrões. Reconhecimento de Padrões
Recohecmeto de Padrões 0.9 0.8 0.7 0.6 0.5 0.4 0.3 0.2 0.1 0.1 0.2 0.3 0.4 0.5 0.6 0.7 0.8 0.9 Escola Superor de Tecologa Egehara Iformátca Recohecmeto de Padrões Prof. João Asceso e Prof. Aa Fred Sumáro:
Leia maisProbabilidade II Aula 10
Probabldade II Aula 0 Mao de 009 Môca Barros, D.Sc. Coteúdo Esperaça Matemá (Valores esperados) Mometos e Mometos Cetras Valores esperados de uma fução de Covarâca e Correlação Matrz de covarâca, matrz
Leia maisINTRODUÇÃO 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 maisREGESD 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 maisTabela 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 maisRACIOCÍNIO LÓGICO / ESTATÍSTICA LISTA 2 RESUMO TEÓRICO
RACIOCÍIO LÓGICO - Zé Carlos RACIOCÍIO LÓGICO / ESTATÍSTICA LISTA RESUMO TEÓRICO I. Cocetos Icas. O desvo médo (DM), é a méda artmétca dos desvos de cada dado da amostra em toro do valor médo, sto é x
Leia maisESCOLA 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 maisRegressão 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 maisCapítulo V - Interpolação Polinomial
Métodos Numércos C Balsa & A Satos Capítulo V - Iterpolação Polomal Iterpolação Cosdere o segute couto de dados: x : x0 x x y : y y y 0 m m Estes podem resultar de uma sequêca de meddas expermetas, ode
Leia maisx 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 maisCAPÍTULO 5: AMOSTRAGEM
CAPÍTULO 5: AMOSTRAGEM 5. Itrodução A estatístca dutva busca trar coclusões probablístcas ou fazer ferêcas, sobre populações, com base em resultados verfcados em amostras retradas dessas populações. Além
Leia maisConfiabilidade 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 maisTESTES DE PROPORÇÕES TESTE DE UMA PROPORÇÃO POPULACIONAL
TESTES DE PROPORÇÕES TESTE DE UMA PROPORÇÃO POPULACIONAL As hpóteses a serem testadas serão: H 0 : p p 0 H : p p 0 p > p 0 p < p 0 Estatístca do Teste: pˆ p0 z c p ( p ) 0 0 EXEMPLOS. Uma máqua está regulada
Leia maisCAPÍTULO 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 maisIntrodução à Teoria dos Números Notas 1 Os Princípios da Boa Ordem e de Indução Finita Prof Carlos Alberto S Soares
Itrodução à Teora dos Números 018 - Notas 1 Os Prcípos da Boa Ordem e de Idução Fta Prof Carlos Alberto S Soares 1 Prelmares Neste curso, prortaramete, estaremos trabalhado com úmeros teros mas, quado
Leia maisESCOLA 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 maisCONHECIMENTOS 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 mais6.1 - 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 maisEstimação pontual, estimação intervalar e tamanho de amostras
Estmação potual, estmação tervalar e tamaho de amostras Iferêca: por meo das amostras, cohecer formações geras da população. Problemas de ferêca, em geral, se dvdem em estmação de parâmetros e testes de
Leia maisDados Experimentais. Isto é chamado de experimento controlado. Uma das vantagens
Dados xpermetas Para medr a produção de certa varedade de mlho, faremos um expermeto o qual a varedade de mlho semete é platada em váras parcelas homogêeas com o mesmo fertlzate, pestcda etc. Depos mede-se
Leia maisAtividades 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 maisLista de Exercícios #9 Assunto: Análise de Regressão Método de Mínimos Quadrados
Lsta de Exercícos #9 Assuto: Aálse de Regressão Método de Mímos Quadrados ANPEC 8 Questão 4 Cosdere o segute modelo de regressão lear smples: () y = β + β x + u Para uma amostra com 3 observações, foram
Leia maisCADERNO 1 (É permitido o uso de calculadora gráfica.)
Proposta de teste de avalação [mao 09] Nome: Ao / Turma: N.º: Data: - - Não é permtdo o uso de corretor. Deves rscar aqulo que pretedes que ão seja classfcado. A prova clu um formuláro. As cotações dos
Leia maisMÉTODO 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 maisCAP. 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 mais8. INFERÊNCIA PARA DUAS POPULAÇÕES
8 INFERÊNCIA PARA UA POPULAÇÕE 8 Populações depedetes co dstrbução oral População População, L, Y, L,Y ~ N, σ Y ~ N, σ σ σ Y ~ N, Obs e a dstrbução de e/ou Y ão for oral, os resultados são váldos aproxadaete
Leia maisNOTA: ESCREVA AS RESPOSTAS COMO FRAÇÕES OU COM 4 CASAS DECIMAIS NOTA 2: O FORMULÁRIO ESTÁ NO FINAL DA PROVA
IND 5 Iferêca Estatístca Semestre 007.0 Teste 4 //007 Nome: NOTA: ESCREVA AS RESPOSTAS COMO FRAÇÕES OU COM 4 CASAS DECIMAIS NOTA : O FORMULÁRIO ESTÁ NO FINAL DA PROVA PROBLEMA (5 potos) Em cada questão
Leia maisAULA Produto interno em espaços vectoriais reais ou complexos Produto Interno. Norma. Distância.
Note bem: a letura destes apotametos ão dspesa de modo algum a letura ateta da bblografa prcpal da cadera Chama-se a ateção para a mportâca do trabalho pessoal a realzar pelo aluo resoledo os problemas
Leia maisTESTE DO QUI-QUADRADO - Ajustamento
Exemplo 3: Avalar se uma moeda ou um dado é honesto; Em 100 lances de moeda, observaram-se 65 coroas e 35 caras. Testar se a moeda é honesta. 1 H 0 : a moeda é honesta; H 1 : a moeda não é honesta; 2 α
Leia maisMétodos iterativos. Capítulo O Método de Jacobi
Capítulo 4 Métodos teratvos 41 O Método de Jacob O Método de Jacob é um procedmeto teratvo para a resolução de sstemas leares Tem a vatagem de ser mas smples de se mplemetar o computador do que o Método
Leia maisESTATÍSTICA 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 maisCursos de Licenciatura em Ensino de Matemática e de EGI. Teoria de Probabilidade
Celso Albo FACULDADE DE CIÊNCIAS NATURAIS E MATEMÁTICA DEPARTAMENTO DE MATEMÁTICA Campus de Lhaguee, Av. de Moçambque, km, Tel: +258 240078, Fax: +258 240082, Maputo Cursos de Lcecatura em Eso de Matemátca
Leia maisApostila 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 maisSumário. 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 maisAula 9. Aula de hoje. Aula passada. Self-normalized Importance Sampling Gerando amostras complicadas Variância amostral Simulação
Aula 9 Aula passada Método da rejeção (rejecto samplg) Exemplos Importace Samplg Exemplos Geeralzação Aula de hoje Self-ormalzed Importace Samplg Gerado amostras complcadas Varâca amostral Smulação Importace
Leia maisSumário. Mecânica. Sistemas de partículas
Sumáro Udade I MECÂNICA 2- Cetro de massa e mometo lear de um sstema de partículas - Sstemas de partículas e corpo rígdo. - Cetro de massa. - Como determar o cetro de massa dum sstema de partículas. -
Leia mais