BOOTSTRAP APLICADO À AVALIAÇÃO DE INCERTEZAS ESTATÍSTICAS NO PROGNÓSTICO DE QUANTIS EXTREMOS DE PRECIPITAÇÃO.
|
|
- Rafaela Martini Santiago
- 7 Há anos
- Visualizações:
Transcrição
1 BOOTSTAP APLICADO À AVALIAÇÃO DE INCETEZAS ESTATÍSTICAS NO POGNÓSTICO DE QUANTIS EXTEMOS DE PECIPITAÇÃO. Paulo S. Lucio *1, Ismael V. Leandro 1, Tiago P. de Paula 1 esumo: Métodos de Bootstrap são métodos computacionais intensivos de análise estatística que usa simulação para calcular erros-padrão e intervalos de confiança. Os métodos são aplicados à qualquer nível de modelagem, e assim podem ser usados tanto na análise paramétrica quanto na não paramétrica. Este manuscrito faz uma descrição do procedimento Bootstrap e mostra a sua aplicação à avaliação de incertezas estatísticas de amostragem na análise de índices de precipitação de séries temporais mensais e sazonais. Especificamente, o trabalho concentrou-se nas incertezas dos quantis (fractis) da distribuição de probalididades de uma série temporal. O procedimento permite estimar o erro-padrão do valores médios ou modais dos decis e um intervalo de confiança para esses parâmetros. Esta análise pode ser entendida a quantis mais (menos) discretizados, por exemplo, aos percentis. Ilustra-se a técnica Bootstrap através de estudos de casos reais para a série de precipitação no estado do io Grande do Sul (S) - Brasil. Abstract: Bootstrap methods are computer-intensive methods of statistical analysis that use simulation to calculate standard errors, confidence intervals and significance tests. The methods apply for any level of modeling, and so can be used for fully parametric, semiparametric, and completely nonparametric analysis. This manuscript describes the Bootstrap technique and shows its application in the evaluation of sampling statistical uncertainties in the analysis of the precipitation indices associated to monthly and seasonal time series. Specifically, the work is concentrated in the evaluation of the quantile uncertainties related to the most probable value of the deciles distribution of a random time series. The procedure allows us to estimate the standard error of the mean or the most probable values (mode) and a confidence interval for these parameters. This analysis can be extended to more (less) discretized quantiles, e.g., the percentiles. The Bootstrap technique is illustrated by means of some real case studies of precipitation through the io Grande do Sul (S) - Brazil. Palavras-chave: intervalo de confiança, reamostragem, erro-padrão. INTODUÇÃO Em muitos problemas de climatologia, os valores relevantes de uma determinada resposta ou variável aleatória são os parâmetros de uma distribuição de probabilidades. Na análise de séries de precipitação para a caracterização de secas ou enchentes, pode ser de interesse as respostas a partir das quais podemos identificar situações extremas. Na avaliação da distribuição de probabilidades de valores acumulados mensais ou sazonais de precipitação seria necessário um conjunto de dados com os valores observados, durante no mínimo 30 anos. No caso da análises de curto prazo (horário ou diário) realizadas em algumas estações meteorológicas, o ideal seria processar simulações aleatórias independentes com o tempo de duração da análise de curto prazo (proposta de um gerador estocástico de séries sintéticas de dados climáticos) e tomar o valor acumulado obtido em cada uma 1 Instituto Nacional de Meteorologia (INMET) Coordenação de Desenvolvimento e Pesquisa (CDP) Eixo Monumental Sul Via S1 Setor Sudoeste Brasília D - Brasil * : paulo.lucio@inmet.gov.br s: ismael.voigt@inmet.gov.br, tiago.pereira@inmet.gov.br
2 delas para formar uma amostra da população dos totais mensais de precipitação e proceder a um ajuste da distribuição de probabilidades correspondente. Na prática, dados de precipitação não constituem uma amostragem significativa para se proceder da forma acima mencionada. Um dos desafios da estatística, uma vez que na prática em meteorologia, trabalhamos com amostras finitas da variável aleatória, é o processo conhecido como inferência estatística, que tenta determinar a precisão de estimativas de parâmetros estatísticos obtidas a partir de uma dada amostra ou conjunto de dados. Existem na literatura procedimentos teóricos para avaliação de incertezas associadas a vários parâmetros estatísticos de uma amostra. No entanto, no que tange aos parâmetros de ordem, como os quantis, mínimos e máximos, as expressões analíticas normalmente tornam-se bastante complicadas. Efron (1979) propôs uma técnica de simulação numérica chamada Bootstrap para avaliar tais incertezas. O Bootstrap é um procedimento robusto de simulação estatística (SSP) para atribuir medidas de precisão a estimativas de parâmetros estatísticos. Um dos atrativos deste método é que ele consegue responder muitas questões estatísticas reais sem termos que lançar mão de fórmulas matemáticas complexas. Dada uma estimativa de um determinado parâmetro estatístico, calculado a partir de uma amostra de dados, dois dos objetivos principais do Bootstrap são: (a) estimar o erro-padrão da referida estimativa e (b) estimar um intervalo de confiança apropriado. Neste trabalho propomos fazer uma descrição sucinta da técnica Bootstrap e mostrar a sua aplicação à avaliação de incertezas estatísticas de amostragem na análise de séries mensais de precipitação. Especificamente, o trabalho concentrou-se nas incertezas da distribuição empírica dos percentis extremos das séries temporais. Ilustra-se esta técnica através de estudos de casos reais para o estado do io Grande do Sul (S). EAMOSTAGEM BOOTSTAP Os conceitos e a teoria apresentados nesta sessão baseiam-se em Efron e Tibshirani (1993). A inferência estatística procura estabelecer as propriedades da população a partir da análise de uma amostra aleatória retirada da mesma. Os problemas de inferência estatística consistem, portanto, em estimar algum aspecto da distribuição de probabilidade da população com base numa amostra aleatória da mesma. Neste estudo, pode ser considerado a função probabilidades acumulada ou qualquer outra descrição completa do comportamento probabilístico da variável aleatória em questão. O método Bootstrap 2 é um procedimento computacional concebido para fornecer uma medida do nível de precisão de uma inferência estatística. A idéia básica do método Bootstrap é muito simples. Dados uma amostra de uma população, um estimador θˆ de um determinado parâmetro θ da população obtido através da amostra e
3 admitindo-se que não se conhece a distribuição da população ou do estimador, levantam-se as questões seguintes: Como podemos avaliar a qualidade do estimador, construir testes de hipóteses e determinar os intervalos de confiança (IC) para o parâmetro? A técnica Bootstrap pode ser empregada para construir ICs para um parâmetro ou uma característica, θ (escalar), da população θ = t( ) - esta notação enfatiza que o valor do parâmetro θ é obtido aplicando algum procedimento de avaliação numérica à função de distribuição. Ainda que seja desconhecida, a forma de θ = t( ) fornece o mapeamento funcional que tem como entrada e θ como saída. É importante observar que, se a única informação disponível sobre provém da amostra X, a qualidade do estimador de θ = t( ) não pode ser melhorada no sentido assintótico usual da teoria estatística. Portanto, o estimador plug-in - o princípio plug-in é um método simples para estimar parâmetros a partir de amostras. Por este princípio, a estimativa do parâmetro é feita aplicando-se o mesmo procedimento de avaliação numérica à função de distribuição empírica - será o melhor estimador (mínima variância) do parâmetro θ. A técnica de reamostragem Bootstrap permite precisamente usar uma amostra para estimar a quantidade de interesse através de uma estatística e avaliar também as propriedades da distribuição dessa estatística, ou seja fornecem também estimativas para a distribuição, viés, desvio-padrão e ICs da estatística. A hipótese fundamental subjacente à técnica Bootstrap de reamostragem é de que a amostra observada deve ser representativa da população (conjunto de experiências ou realizações) sob estudo. Desta forma, na terminologia bootstrapping as amostras aleatórias construídas a partir da população finita correspondem a amostrar com reposição a partir do conjunto = X,...,. X 1 X n Atentemos ao fato de que * *1 X = X,..., X * não é um novo conjunto de dados, mas sim uma versão reamostrada, de X = X1,..., X n. A cada conjunto de dados Bootstrap corresponderá uma replicação Bootstrap de θ ˆ. No processo de estimação usam-se uma estatística T(X) como estimador de θ() cuja qualidade deve ser avaliada considerando as seguintes medidas: Erro Erro Sistemático T(X) θ(), Bias (T) = E (T) θ(), 2 2 esponsável pelos Erros Aleatórios Var (T) = E (T (X)) E (T(X)). Observe que o método Bootstrap tem uma grande vantagem com relação aos métodos tradicionais, quando usado no modo não paramétrico, ele dispensa a necessidade do analista fazer hipóteses sobre o tipo de distribuição da população envolvida. 2 A técnica Bootstrap é basicamente uma técnica de reamostragem, que permite aproximar a distribuição de uma
4 INTEVALO DE CONIANÇA BOOTSTAP Estimar ICs tem sido uma das ênfases principais dos trabalhos teóricos sobre Bootstrap. O intervalo percentílico 1-2α é definido pelos percentis α e 1 α de uma determinada distribuição empírica. O IC refere-se à situação ideal (assintótica) do Bootstrap na qual o número de replicações Bootstrap é infinito. Na prática, devemos usar algum número finito de replicações. São gerados, portanto, conjuntos independentes de dados Bootstrap e são calculadas as replicações Bootstrap e o percentil 100α % da distribuição Bootstrap pode ser associado ao correspondente 100α -ésimo percentil empírico obtido através da lista ordenada das replicações. Se a distribuição Bootstrap for aproximadamente Normal, os intervalos Normal padrão e percentílico serão aproximadamente iguais. Todavia, para pequenas amostras de dados podemos ter distribuições que se afastem bastante da Normal, neste caso, os intervalos Normal padrão e percentílico serão diferentes e o segundo produzirá um IC geralmente mais apropriado. Para cada amostra Bootstrap calculamos o valor da estatística de interesse, a qual denotamos ˆ ( ) ( ) por b. Assim, podemos usar a distribuição empírica de ˆ b como uma aproximação para a verdadeira distribuição da estatística ˆ, e portanto fazer inferência sobre o parâmetro de interesse (princípio plug-in). Seja G (x) a função distribuição acumulada de ˆ, ˆ G ( x) = P [ x]. O intervalo de confiança Bootstrap percentílico de nível 1-2α é calculado como [ G 1 1 ( α) ; G (1 α)]. Na prática, gera-se amostras Bootstrap independentes e estima-se ˆ para cada uma delas. Os limites inferior e superior do intervalo percentílico são dados por: ˆ α ) [, ˆ ( (1 α ) ˆ α ( ) ], onde é o α -ésimo valor ordenado das replicações ˆ ( b). Observemos que o intervalo percentílico, com nível de confiança 1-2α, é obtido diretamente das replicações. Para melhorar a precisão obtida com o método percentílico utilizamos o procedimento denominado BCa (Bias-Corrected and accelerated). De acordo com Efron e Tibshirani (1993), o BCa fornece limites de confiança mais precisos e é preferível na prática. Os percentis usados dependem de dois números chamados aceleração (refere-se à taxa de variação do erro-padrão em relação ao verdadeiro valor do parâmetro) e correção do viés. ESTUDO DE CASO - ANÁLISE DOS QUANTIS DE PECIPITAÇÃO NO S Muitas medidas que sintetizam as propriedades do conjunto de dados usam os chamados quantis ou fractis. Estes termos são essencialmente equivalentes ao termo percentil, que é uma medida da posição relativa (separatriz) de uma unidade observacional em relação a todas as outras. Para a identificação dos cenários pluviométricos no io Grande do Sul foram inicialmente estabelecidos, para cada posto pluviométrico, o total de precipitação registrado nos três meses função das observações pela distribuição empírica dos dados, baseado em uma amostra de tamanho finito.
5 setembro-outubro-novenbro (SON) consecutivos considerados os mais chuvosos de cada ano hidrológico completo. Para atender à grande variabilidade interanual da precipitação este manuscrito contempla três diferentes cenários pluviométricos (Tab.1): "anos secos" aqueles em que o total de precipitação foi igual ou menor que o valor correspondente a probabilidade de 15% (valores abaixo de 5% são considerados eventos extremos de seca severa); "anos chuvosos" aqueles cujo total de precipitação acumulado é superior ao valor correspondente à probabilidade de 85% (valores acima de 95% são considerados extremos de chuva abundante); "anos regulares" aqueles não classificados nas categorias anteriores. Tab.1: Caracterização climatológica empírica e bootstrapping dos percentis da precipitação acumulada (mm) nos meses de setembro-outubro-novembro (SON) nas estações meteorológicas, sob estudo, no io Grande do Sul. Cidade Estação pˆ (15%) pˆ (15%) bootstrapping pˆ (85%) pˆ (85%) bootstrapping IAÍ ,97 100,64 254,63 241,90 SÃO LUIZ GONZAGA ,49 84,29 269,15 270,56 CUZ ALTA ,65 89,93 272,84 273,58 PASSO UNDO ,93 93,49 276,67 279,58 BOM JESUS ,40 72,85 231,35 235,94 UUGUAIANA ,17 53,50 206,11 202,95 SANTA MAIA ,12 55,99 233,0 231,80 CAXIAS DO SUL ,86 83,95 245,59 245,87 TOES ,58 59,77 202,28 203,51 ENCUZILHADAS DO SUL ,04 62,54 212,0 216,20 POTO ALEGE ,02 55,61 192,90 192,18 BAGÉ ,71 61,78 190,89 189,03 IO GANDE ,33 46,88 160,11 159,48 SANTA VITÓIA DO PALMA ,98 41,74 153,44 155,71 ig.1: egime percentílico bootstrapping (referente à Tab.1) da precipitação acumulada no io Grande do Sul. CONCLUSÕES E PESPECTIVAS Apresentamos estudos de casos do Bootstrap não-paramétrico para a precipitação em estações meteorológicas do io Grande do Sul - Brasil. Os parâmetros de interesse escolhidos foram os quantis da distribuição de da série temporal mensal. Para estimar o intervalo de confiança (IC) Bootstrap ao nível de confiança 95%, foi usado o intervalo baseado no método BCa, que corrige algumas deficiências do intervalo percentil (Tab.2). Os ICs fornecem informações que são necessárias ao prognóstico climático. Um trabalho futuro envolvendo algum outro parâmetro
6 estatístico da distribuição de probabilidades de extremos da precipitação poderia fornecer dados adicionais de relevância. Como extremos são eventos raros, a utilização de Bootstrap é uma alternativa para construir ICs que têm uma melhor performance que os intervalos obtidos através da teoria assintótica Normal. Tab.2: Limites de confiança do Effron (BCa). Caracterização climatológica bootstrapping dos ICs referentes aos percentis caudais de precipitação acumulada (mm) de SON nas estações meteorológicas do io Grande do Sul. pˆ (15%) bootstrapping pˆ (85%) bootstrapping Cidade Estação 2,5% 97,5% 2,5% 97,5% IAÍ ,34 106,08 230,60 290,90 SÃO LUIZ GONZAGA ,80 90,57 237,60 288,52 CUZ ALTA ,86 89,60 236,40 292,82 PASSO UNDO ,60 113,95 240,00 303,85 BOM JESUS ,40 89,41 191,85 243,82 UUGUAIANA ,60 68,90 182,60 245,34 SANTA MAIA ,76 82,31 217,30 253,60 CAXIAS DO SUL ,51 103,08 220,92 270,26 TOES ,70 73,37 178,19 213,74 ENCUZILHADAS DO SUL ,20 74,08 179,70 234,56 POTO ALEGE ,18 67,10 167,80 228,60 BAGÉ ,62 67,20 177,89 224,33 IO GANDE ,31 54,40 144,90 182,60 SANTA VITÓIA DO PALMA ,72 49,75 133,36 166,10 ig.2: egime IC percentílico bootstrapping (referente à Tab.2) da precipitação acumulada no io Grande do Sul. EEÊNCIAS BIBLIOGÁICAS Dudewicz, E. J. and Mishra, S. N. (1988). Modern Mathematical Statistics. New York: John Willey & Sons. Efron, B. (1979). Bootstrap methods: another look at the jackknife. The Annals of Statistics, 7, Efron, B., Tibshirani,. J., (1993). An Introduction to the Bootstrap. New York: Chapman and Hall.
7 Gibbs, W. J., Maher, J. V., (1967). ainfall deciles as drought indicators. Bureau of Meteorology, Bulletin 48, Commonwealth of Australia, Melbourne.
ESTATÍSTICA COMPUTACIONAL
ESTATÍSTICA COMPUTACIONAL Ralph dos Santos Silva Departamento de Métodos Estatísticos Instituto de Matemática Universidade Federal do Rio de Janeiro Sumário (bootstrap) Este método foi proposto por Efron
Leia maisComparação entre intervalos de confiança calculados com métodos bootstrap e intervalos assintóticos
Comparação entre intervalos de confiança calculados com métodos strap e intervalos assintóticos Selene Loibel Depto. de Estatística, Matemática Aplicada e Computação, IGCE, UNESP, Rio Claro, SP E-mail:sloibel@rc.unesp.br,
Leia maisBOOTSTRAP. - APLICAÇÃO DO MB: podem ser aplicados quando existe, ou não, um modelo probabilístico bem definido para os dados.
OOTSTRAP INTRODUÇÃO - IDEIA ÁSICA: reamostrar de um conjunto de dados, diretamente ou via um modelo ajustado, a fim de criar replicas dos dados, a partir das quais podemos avaliar a variabilidade de quantidades
Leia maisFigura 3.1 Esquema do Processo Bootstrap Fonte: Adaptado de SOUZA (1997)
O é uma técnica estatística não paramétrica computacionalmente intensiva de reamostragem, introduzida por EFRON (1979), e tem como finalidade obter informações de características da distribuição de alguma
Leia maisO método Jackknife. Fundamentos e aplicações. Prof. Walmes Zeviani.
O método Jackknife Fundamentos e aplicações Prof. Walmes Zeviani walmes@ufpr.br Laboratório de Estatística e Geoinformação Departamento de Estatística Universidade Federal do Paraná Atualizado em 2018-09-03
Leia maisCapítulo 4 Inferência Estatística
Capítulo 4 Inferência Estatística Slide 1 Resenha Intervalo de Confiança para uma proporção Intervalo de Confiança para o valor médio de uma variável aleatória Intervalo de Confiança para a diferença de
Leia maisCap. 4 - Estimação por Intervalo
Cap. 4 - Estimação por Intervalo Amostragem e inferência estatística População: consiste na totalidade das observações em que estamos interessados. Nº de observações na população é denominado tamanho=n.
Leia maisAnálise de Dados e Simulação
Universidade de São Paulo Instituto de Matemática e Estatística http:www.ime.usp.br/ mbranco Análise Estatística. Análise Estatística Motivação: Fila de 1 servidor. Clientes chegam em um banco (sistema)
Leia mais4.1 Conceitos Básicos em Reamostragem
4 Reamostragem O tipo de estatística não-paramétrica que foi ensinado no passado desempenhou um importante papel na análise de dados que não são contínuos e, portanto, não podem empregar a distribuição
Leia maisMedida de Risco via Teoria de Valores Extremos. Análise de Risco (8) R.Vicente
Medida de Risco via Teoria de Valores Extremos Análise de Risco (8) R.Vicente 1 Resumo EVT: Idéia geral Medidas de risco Teoria de Valores Extremos (EVT) Distribuição de Máximos Distribuição de Exceedances
Leia maisINFERÊNCIA EM AMOSTRAS PEQUENAS: MÉTODOS BOOTSTRAP
REVISTA DE CIÊNCIAS EXATAS E TECNOLOGIA INFERÊNCIA EM AMOSTRAS PEQUENAS: MÉTODOS BOOTSTRAP Augusto Sousa da Silva Filho Faculdade Anhanguera de Belo Horizonte - unidade Centro RESUMO: A amostra original
Leia maisProbabilidade e Estatística. Estimação de Parâmetros Intervalo de Confiança
Probabilidade e Estatística Prof. Dr. Narciso Gonçalves da Silva http://páginapessoal.utfpr.edu.br/ngsilva Estimação de Parâmetros Intervalo de Confiança Introdução A inferência estatística é o processo
Leia maisAULA 03 Estimativas e tamanhos amostrais
1 AULA 03 Estimativas e tamanhos amostrais Ernesto F. L. Amaral 03 de outubro de 2013 Centro de Pesquisas Quantitativas em Ciências Sociais (CPEQS) Faculdade de Filosofia e Ciências Humanas (FAFICH) Universidade
Leia maisInferência estatística
Inferência estatística Susana Barbosa Mestrado em Ciências Geofísicas 2013-2014 Inferência estatística Obtenção de conclusões sobre propriedades da população a partir das propriedades de uma amostra aleatória
Leia maisInferência via abordagens computacionalmente intensivas. Walmes Zeviani
Inferência via abordagens computacionalmente intensivas Walmes Zeviani Introdução A lógica dos testes de hipótese frequentistas: 1. Definir a hipótese nula e hipótese alternativa. 2. Determinar uma estatística
Leia maisESTIMAÇÃO DE PARÂMETROS
ESTIMAÇÃO DE PARÂMETROS Um dos principais objetivos da estatística inferencial consiste em estimar os valores de parâmetros populacionais desconhecidos (estimação de parâmetros) utilizando dados amostrais.
Leia mais5 Avaliação dos estimadores propostos
5 valiação dos estimadores propostos Este capítulo apresenta as medidas estatísticas usuais para avaliar a qualidade de estimadores e as expressões utilizadas para a estimação destas medidas, a partir
Leia maisAnálise comparativa de fundos de hedge brasileiros utilizando DEA e bootstrap
Análise comparativa de fundos de hedge brasileiros utilizando DEA e bootstrap Felipe Piton da Silva (Escola Politécnica-USP) felipe.silva@poli.usp.br Celma de Oliveira Ribeiro (Escola Politécnica-USP)
Leia maisO EFEITO DA PRESENÇA DE CENSURAS ALEATÓRIAS NOS INTERVALOS DE CONFIANÇA PARA OS PARÂMETROS DO MODELO LOG-LOGÍSTICO DUPLO
O EFEITO DA PRESENÇA DE CENSURAS ALEATÓRIAS NOS INTERVALOS DE CONFIANÇA PARA OS PARÂMETROS DO MODELO LOG-LOGÍSTICO DUPLO Cleber Giugioli CARRASCO Francisco LOUZADA-NETO RESUMO: O modelo log-logístico duplo
Leia mais3 Modelo Matemático Definições Iniciais. Denote-se, em geral, o desvio-padrão do processo por σ = γσ 0, sendo σ 0 o
Modelo Matemático 57 3 Modelo Matemático Este trabalho analisa o efeito da imprecisão na estimativa do desvio-padrão do processo sobre o desempenho do gráfico de S e sobre os índices de capacidade do processo.
Leia maisAvaliação do desempenho de estimadores dos parâmetros da distribuição Pareto corrigidos por Bootstrap
7 22, 202 Avaliação do desempenho de estimadores dos parâmetros da distribuição Pareto corrigidos por Bootstrap Francisca Mendonça Souza, Pollyanna Kelly de Oliveira Silva, Marcelo Bourguignon Pereira,
Leia maisANÁLISE DE DADOS AMBIENTAIS DO ESTADO DO PIAUÍ UTILIZANDO A DISTRIBUIÇÃO DE PARETO GENERALIZADA (GPD)
ANÁLISE DE DADOS AMBIENTAIS DO ESTADO DO PIAUÍ UTILIZANDO A DISTRIBUIÇÃO DE PARETO GENERALIZADA (GPD) Stênio R. Lima (bolsista do ICV-UFPI), Fernando F. Nascimento (orientador, Dept. de Estatística - UFPI)
Leia maisUniversidade Federal de Lavras
Universidade Federal de Lavras Departamento de Estatística Prof. Daniel Furtado Ferreira 6 a Lista de Exercícios Teoria da Estimação pontual e intervalar 1) Marcar como verdadeira ou falsa as seguintes
Leia maisDISTRIBUIÇÃO AMOSTRAL E ESTIMAÇÃO PONTUAL INTRODUÇÃO ROTEIRO POPULAÇÃO E AMOSTRA. Estatística Aplicada à Engenharia
ROTEIRO 1. Introdução; DISTRIBUIÇÃO AMOSTRAL E ESTIMAÇÃO PONTUAL. Teorema Central do Limite; 3. Conceitos de estimação pontual; 4. Métodos de estimação pontual; 5. Referências. 1 POPULAÇÃO E AMOSTRA População:
Leia mais( ) Estimação do valor em risco (VaR) de uma carteira de ativos através de método bayesiano. α, é definido como:
Estimação do valor em risco (VaR) de uma carteira de ativos através de método bayesiano Orlando V. Sampaio Jr. (POLI-USP) orlando.sampaio@gmail.com Celma de Oliveira Ribeiro (POLI-USP) celma@usp.br André
Leia maisProf. Adriano Mendonça Souza, Dr. Departamento de Estatística PPGEMQ / PPGEP - UFSM
Prof. Adriano Mendonça Souza, Dr. Departamento de Estatística PPGEMQ / PPGEP - UFSM Estimação de Parâmetros O objetivo da Estatística Indutiva é tirar conclusões probabilísticas sobre aspectos da população,
Leia maisEstatística e Modelos Probabilísticos - COE241
Estatística e Modelos Probabilísticos - COE241 Aula passada Variância amostral Método de Replicações Independentes Aula de hoje Para que serve a inferência estatística? Método dos Momentos Maximum Likehood
Leia maisCARACTERIZAÇÃO DA ESTAÇÃO CHUVOSA NO MUNICÍPIO DE MUCAMBO CE ATRAVÉS DA TÉCNICA DOS QUANTIS
CARACTERIZAÇÃO DA ESTAÇÃO CHUVOSA NO MUNICÍPIO DE MUCAMBO CE ATRAVÉS DA TÉCNICA DOS QUANTIS J. J. A. Alcântara 1 ; M. A. R. Carvalho 2 ; M. Valnir Júnior 2 ; L. C. C. Carvalho 2 RESUMO: Com o objetivo
Leia maisVanda Pires. Divisão de Clima e Alterações Climáticas Agradecimentos: Fátima E. Santo e Álvaro Silva
Aplicações Estatísticas em Climatologia Statistical Applications in Climatology Vanda Pires Agradecimentos: Fátima E. Santo e Álvaro Silva Divisão de Clima e Alterações Climáticas vanda.cabrinha@ipma.pt
Leia maisAPLICAÇÃO DA TÉCNICA DE REAMOSTRAGEM BOOTSTRAP NA ESTIMAÇÃO DA PROBABILIDADE DOS ALUNOS SEREM USUÁRIOS DE TRANSPORTE PÚBLICO
APLICAÇÃO DA TÉCNICA DE REAMOSTRAGEM BOOTSTRAP NA ESTIMAÇÃO DA PROBABILIDADE DOS ALUNOS SEREM USUÁRIOS DE TRANSPORTE PÚBLICO Raquel Cymrot 1, Ana Lucia Tucci Rizzo 2 Abstract The city of São Paulo suffers
Leia maisInferência Estatística:
Inferência Estatística: Amostragem Estatística Descritiva Cálculo de Probabilidade Inferência Estatística Estimação Teste de Hipótese Pontual Por Intervalo Conceitos básicos Estimação É um processo que
Leia maisUso de séries temporais na análise da temperatura média mensal da cidade de Mossoró, RN
Uso de séries temporais na análise da temperatura média mensal da cidade de Mossoró, RN Ben Dêivide de Oliveira Batista 1 2 Tales Jesus Fernandes 2 Thelma Sáfadi 2 Wesley de Oliveira Santos 3 1 Introdução
Leia maisEstatística Computacional e Simulação
Estatística Computacional e Simulação Capítulo MEIO MSc ESTATÍSTICA e INVESTIGAÇÃO OPERACIONAL MGI MSc GESTÃO DE INFORMAÇÃO MAEG MSc MATEMÁTICA APLICADA À ECONOMIA E GESTÃO DEIO - FCUL 1 0 Ano - 2 0 Semestre
Leia maisTEORIA DE VALORES EXTREMOS APLICADA NA ANÁLISE DE TEMPERATURA MÁXIMA EM URUGUAIANA, RS.
TEORIA DE VALORES EXTREMOS APLICADA NA ANÁLISE DE TEMPERATURA MÁXIMA EM URUGUAIANA, RS. 1. INTRODUÇÃO Nosso planeta seguiu uma evolução desde sua origem, passando por transformações significativas em sua
Leia maisNormal Climatológica da Precipitação Acumulada Mensal do Distrito Federal para o Período
Normal Climatológica da Precipitação Acumulada Mensal do Distrito Federal para o Período 1971-2000 Fábio C. Conde 1,2, Andrea M. Ramos 1,2, Luiz A. R. Santos 1, Danielle B. Ferreira 1 1 Coordenação de
Leia maisInferência Estatística: DEEST/UFOP Prof.: Spencer Barbosa da Silva
Inferência Estatística: Prof.: Spencer Barbosa da Silva Amostragem Estatística Descritiva Cálculo de Probabilidade Inferência Estatística Estimação Teste de Hipótese Pontual Por Intervalo Conceitos básicos
Leia maisIntrodução à Bioestatística Turma Nutrição
Universidade Federal de Minas Gerais Instituto de Ciências Exatas Departamento de Estatística Introdução à Bioestatística Turma Nutrição Aula 8: Intervalos de Confiança para Média e Proporção Distribuição
Leia maisANÁLISE DE RESULTADOS
ANÁLISE DE RESULTADOS Conteúdo 2 1. Planejamento de Experimentos 2. Introdução Medidas de Desempenho Análise Estatística dos Resultados Comparação de Resultados Procedimento para análise de resultados
Leia maisEstimador: combinação dos elementos da amostra, construída com a finalidade de representar, ou estimar, um parâmetro de interesse na população.
Objetivo: tirar conclusões sobre uma população com base na informação de uma amostra. estimação testes de hipóteses Parâmetro metro: quantidades desconhecidas da população e sobre as quais temos interesse.
Leia maisEstimação e Testes de Hipóteses
Estimação e Testes de Hipóteses 1 Estatísticas sticas e parâmetros Valores calculados por expressões matemáticas que resumem dados relativos a uma característica mensurável: Parâmetros: medidas numéricas
Leia maisMONITORAMENTO DA PRECIPITAÇÃO NA REGIÃO METROPOLITANA DO RECIFE PE UTILIZANDO A TÉCNICA DOS QUANTIS. 3
MONITORAMENTO DA PRECIPITAÇÃO NA REGIÃO METROPOLITANA DO RECIFE PE UTILIZANDO A TÉCNICA DOS QUANTIS Lais Alves Santos 1 3, José Ivaldo Barbosa de Brito 2 4 1 Estudante de Meteorologia, Universidade Federal
Leia maisMétodos Quantitativos para Ciência da Computação Experimental
Métodos Quantitativos para Ciência da Computação Experimental Revisão Virgílio A. F. Almeida Maio de 2008 Departamento de Ciência da Computação Universidade Federal de Minas Gerais FOCO do curso Revisão
Leia maisModelagem de tempo de sobrevida via método bootstrap
SCIENTIA PLENA VOL. 7, NUM. 0 20 www.scientiaplena.org.br Modelagem de tempo de sobrevida via método bootstrap C. M. Silva,2 ; R. S. Amaral 2 ; J. W. Vieira 2,3 ; A. N.C. Silva 2 ; J. A. S. Júnior 2 ;
Leia maisINCERTEZAS SOBRE VALORES DE MÉDIAS PLUVIOMÉTRICAS RESUMO
INCERTEZAS SOBRE VALORES DE MÉDIAS PLUVIOMÉTRICAS José M. Brabo ALVES 1, José Nilson B. CAMPOS 2, Rubenaldo Alves da SILVA 3, Jair B. Lúcio 4 RESUMO Neste artigo faz-se uma abordagem estatística sobre
Leia maisGestão de Riscos e Investimentos
Existem duas abordagens gerais para calcular o VAR 1. Avaliação Local (local valuation) Métodos que vimos até agora São procedimentos em geral analíticos Baseiam-se no valor inicial do instrumento ou carteira
Leia maisProf. Adriano Mendonça Souza, Dr. Departamento de Estatística PPGEMQ / PPGEP - UFSM
Prof. Adriano Mendonça Souza, Dr. Departamento de Estatística PPGEMQ / PPGEP - UFSM Noções básicasb de Inferência Estatística descritiva inferencial População - Parâmetros desconhecidos (reais) Amostra
Leia maisMétodos Estatísticos Básicos
Aula 1 - Conceitos introdutórios Departamento de Economia Universidade Federal de Pelotas (UFPel) Março de 2014 Importância da estatística na economia A economia, em geral, é uma ciência não-experimental.
Leia maisANÁLISE DE ANOS COM ESTIAGEM NA REGIÃO DE BAGÉ/RS
ANÁLISE DE ANOS COM ESTIAGEM NA REGIÃO DE BAGÉ/RS Flavio Varone 1,2,3, Simone Ferreira 2, Rita Alves 2 1 FEPAGRO Brasil - Rio Grande do Sul - fvarone@gmail.com 3 2 CEPSRM/UFRGS - Brasil - Rio Grande do
Leia maisDistribuições Amostrais
Distribuições Amostrais 1 Da população, com parâmetro, retira-se k amostras de tamanho n e calcula-se a estatística. Estas estatísticas são as estimativas de. As estatísticas, sendo variáveis aleatórias,
Leia maisNOTA TÉCNICA No. 014/2012/CAPRE/CDP/INMET
MINISTÉRIO DA AGRICULTURA, PECUÁRIA E ABASTECIMENTO Instituto Nacional de Meteorologia INMET NOTA TÉCNICA No. 014/2012/CAPRE/CDP/INMET ESTIAGEM NO NORDESTE (SERTÃO) DO BRASIL NO INÍCIO DE 2012 1. Situação
Leia maisIntrodução ao Planejamento e Análise Estatística de Experimentos 1º Semestre de 2013 Capítulo 3 Introdução à Probabilidade e à Inferência Estatística
Introdução ao Planejamento e Análise Estatística de Experimentos Capítulo 3 Introdução à Probabilidade e à Inferência Estatística Introdução ao Planejamento e Análise Estatística de Experimentos Agora,
Leia mais2. Estimação do Tamanho de uma População Finita. Rotulada via Simulações Monte Carlo
TEMA Tend. Mat. Apl. Comput., 6, No. 2 (2005), 239-248. c Uma Publicação da Sociedade Brasileira de Matemática Aplicada e Computacional. Estimação do Tamanho de uma População Finita Rotulada via Simulações
Leia maisAULA 10 Estimativas e Tamanhos Amostrais
1 AULA 10 Estimativas e Tamanhos Amostrais Ernesto F. L. Amaral 18 de setembro de 2012 Metodologia de Pesquisa (DCP 854B) Fonte: Triola, Mario F. 2008. Introdução à estatística. 10 ª ed. Rio de Janeiro:
Leia maisCOMPORTAMENTO ASSITÓTICO DE ESTIMADORES DE MÁXIMA VEROSSIMILHANÇA
COMPORTAMENTO ASSITÓTICO DE ESTIMADORES DE MÁXIMA VEROSSIMILHANÇA Felipe Matheus Gonçalves Costa (1); Divanilda Maia Esteves (2) 1 Universidade Estadual da Paraíba; felipematheusem@hotmail.com.br 2 Universidade
Leia maisInformações Climáticas para Estudos Hidrológicos no Distrito Federal. Pablo Borges de Amorim
Informações Climáticas para Estudos Hidrológicos no Distrito Federal Pablo Borges de Amorim Florianópolis, 18 de Agosto de 2016 1 Sumário 1. Pergunta científica 2. Objetivos 3. Clima recente 4. Projeções
Leia maisVariabilidade da Precipitação Pluviométrica no Estado do Amapá
Variabilidade da Precipitação Pluviométrica no Estado do Amapá Alan Pantoja Braga 1, Edmundo Wallace Monteiro Lucas 1, Fabrício Daniel dos Santos Silva 1 1 Instituto Nacional de Meteorologia - Eixo Monumental
Leia maisInferência Estatística
Inferência Estatística Estimação Intervalar Média e Proporção Estimação Pontual x Estimação Intervalar Exemplo Inicial: Um estudo pretende estimar o valor de µ, a renda média familiar dos alunos da UFMG.
Leia maisEstatística e Modelos Probabilísticos - COE241
Estatística e Modelos Probabilísticos - COE241 Aula passada Intervalo de confiança Método de Replicações Independentes Aula de hoje Para que serve a inferência estatística? Método dos Momentos Maximum
Leia maisANÁLISE DE FREQUENCIA E PRECIPITAÇÃO HIDROLOGICA DE CINCO ESTAÇÕES AGROCLIMATOLÓGICAS DA REGIÃO CENTRO- SUL DA BAHIA
ANÁLISE DE FREQUENCIA E PRECIPITAÇÃO HIDROLOGICA DE CINCO ESTAÇÕES AGROCLIMATOLÓGICAS DA REGIÃO CENTRO- SUL DA BAHIA Fabiano de Sousa Oliveira (1) ; Cristiano Tagliaferre (2) ; (1) Engenheiro Agrônomo;
Leia maisSSC546 Avaliação de Sistemas Computacionais Parte 1 -Aula 4 Sarita Mazzini Bruschi
Universidade de São Paulo Instituto de Ciências Matemáticas e de Computação Departamento de Sistemas de Computação SSC546 Avaliação de Sistemas Computacionais Parte 1 -Aula 4 Sarita Mazzini Bruschi Material
Leia maisProfessora Ana Hermínia Andrade. Universidade Federal do Amazonas Faculdade de Estudos Sociais Departamento de Economia e Análise. Período 2017.
Professora Ana Hermínia Andrade Universidade Federal do Amazonas Faculdade de Estudos Sociais Departamento de Economia e Análise Período 2017.1 Distribuições Amostrais O intuito de fazer uma amostragem
Leia maisCap. 8 - Intervalos Estatísticos para uma Única Amostra
Intervalos Estatísticos para ESQUEMA DO CAPÍTULO 8.1 INTRODUÇÃO 8.2 INTERVALO DE CONFIANÇA PARA A MÉDIA DE UMA DISTRIBUIÇÃO NORMAL, VARIÂNCIA CONHECIDA 8.3 INTERVALO DE CONFIANÇA PARA A MÉDIA DE UMA DISTRIBUIÇÃO
Leia maisModelagem e Avaliação de Desempenho. Pós Graduação em Engenharia Elétrica - PPGEE Prof. Carlos Marcelo Pedroso 2018
Modelagem e Avaliação de Desempenho Pós Graduação em Engenharia Elétrica - PPGEE Prof. Carlos Marcelo Pedroso 2018 Análise de desempenho São disponíveis duas abordagens para realizar a análise de desempenho:
Leia maisEstatística descritiva
Estatística descritiva Para que serve a estatística? Qual o seu principal objectivo? obter conclusões sobre a população usando uma amostra? População Amostragem Amostra Uma ou mais variáveis (X) são observadas
Leia maisANÁLISE DA EVOLUÇÃO DE EVENTOS EXTREMOS DE PRECIPITAÇÃO DIARIA NA CIDADE DE SÃO PAULO
ANÁLISE DA EVOLUÇÃO DE EVENTOS EXTREMOS DE PRECIPITAÇÃO DIARIA NA CIDADE DE SÃO PAULO Neide Oliveira INMET-7 Disme/SP neide.oliveira@inmet.gov.br Resumo Este trabalho analisou chuvas intensas ocorridas
Leia maisModelagem e Avaliação de Desempenho. Pós Graduação em Engenharia Elétrica - PPGEE Prof. Carlos Marcelo Pedroso 2014
Modelagem e Avaliação de Desempenho Pós Graduação em Engenharia Elétrica - PPGEE Prof. Carlos Marcelo Pedroso 2014 Análise de desempenho São disponíveis duas abordagens para realizar a análise de desempenho:
Leia maisModelagem e Avaliação de Desempenho. Pós Graduação em Engenharia Elétrica - PPGEE Prof. Carlos Marcelo Pedroso 2017
Modelagem e Avaliação de Desempenho Pós Graduação em Engenharia Elétrica - PPGEE Prof. Carlos Marcelo Pedroso 2017 Análise de desempenho São disponíveis duas abordagens para realizar a análise de desempenho:
Leia maisANÁLISE DA VARIABILIDADE E VARIAÇÃO DOS ÍNDICES EL NIÑO, OSCILAÇÃO SUL E CHUVAS NOS ESTADOS DO RIO GRANDE DO SUL E SANTA CATARINA DO BRASIL
ANÁLISE DA VARIABILIDADE E VARIAÇÃO DOS ÍNDICES EL NIÑO, OSCILAÇÃO SUL E CHUVAS NOS ESTADOS DO RIO GRANDE DO SUL E SANTA CATARINA DO BRASIL ABSTRACT Ilia S. Kim Centro de Pesquisas Meteorológicas, Faculdade
Leia maisDefinição. Os valores assumidos pelos estimadores denomina-se estimativas pontuais ou simplesmente estimativas.
1. Inferência Estatística Inferência Estatística é o uso da informção (ou experiência ou história) para a redução da incerteza sobre o objeto em estudo. A informação pode ou não ser proveniente de um experimento
Leia maisTécnicas computacionais em probabilidade e estatística II
Técnicas computacionais em probabilidade e estatística II Universidade de São Paulo Instituto de Matemática e Estatística http:www.ime.usp.br/ mbranco AULA 1: Problemas Computacionais em Inferência Estatística.
Leia maisCapítulo 2. Distribuições de Probabilidade Estimativas de parâmetros e tempos-atéfalha. Flávio Fogliatto
Capítulo 2 Distribuições de Probabilidade Estimativas de parâmetros e tempos-atéfalha Flávio Fogliatto 1 Ajustes de distribuições Em estudos de confiabilidade, dados são amostrados a partir de uma população
Leia maisControle estatístico de qualidade usando o método bootstrap
www.scientiaplena.org.br VOL. 14, NUM. 3 2018 doi: 10.14808/sci.plena.2018.037001 Controle estatístico de qualidade usando o método bootstrap Statistical quality control using the bootstrap method C. M.
Leia maisMOQ-13 PROBABILIDADE E ESTATÍSTICA. Professor: Rodrigo A. Scarpel
MOQ-13 PROBABILIDADE E ESTATÍSTICA Professor: Rodrigo A. Scarpel rodrigo@ita.br www.mec.ita.br/~rodrigo Programa do curso: Semanas 1 2 3 4 5 6 7 8 9 10 11 12 13 14 15 e 16 Introdução à probabilidade (eventos,
Leia maisDistribuição Amostral e Estimação Pontual de Parâmetros
Roteiro Distribuição Amostral e Estimação Pontual de Parâmetros 1. Introdução 2. Teorema Central do Limite 3. Conceitos de Estimação Pontual 4. Métodos de Estimação Pontual 5. Referências Estatística Aplicada
Leia maisP. P. G. em Agricultura de Precisão DPADP0803: Geoestatística (Prof. Dr. Elódio Sebem)
Amostragem: Em pesquisas científicas, quando se deseja conhecer características de uma população, é comum se observar apenas uma amostra de seus elementos e, a partir dos resultados dessa amostra, obter
Leia maisInventário Florestal. Amostragem
Inventário Florestal Amostragem 1 Definição: Seleção de uma parte (amostra) de um todo (população), coletando na parte selecionada, algumas informações de interesse, com o objetivo de tirar conclusão (inferência)
Leia maisCONHECIMENTOS ESPECÍFICOS
CONHECIMENTOS ESPECÍFICOS 2003 2004 2005 2006 2007 2008 2009 2010 X 39,0 39,5 39,5 39,0 39,5 41,5 42,0 42,0 Y 46,5 65,5 86,0 100,0 121,0 150,5 174,0 203,0 A tabela acima mostra as quantidades, em milhões
Leia maisTécnicas de Amostragem
Técnicas de Amostragem 1 Amostragem é o processo de seleção de uma amostra, que possibilita o estudo das características da população. Quando obtemos informações a partir de amostras e tentamos atingir
Leia maisEstatística Inferencial
statística Inferencial A ou inferencial compreende a stimação e o Teste de hipótese. Na verdade, a estatística inferencial forma a base das atividades de controle da qualidade e também pode auxiliar na
Leia maisAnálise de dados em Geociências
Análise de dados em Geociências Regressão Susana Barbosa Mestrado em Ciências Geofísicas 2014-2015 Resumo Introdução Regressão linear dados independentes séries temporais Regressão de quantis Regressão
Leia maisInferência Estatistica
Inferência Estatistica Ricardo Ehlers ehlers@icmc.usp.br Departamento de Matemática Aplicada e Estatística Universidade de São Paulo Modelos e Inferência Um modelo é uma simplificação da realidade (e alguns
Leia maisBIOESTATÍSTICA AULA 4. Anderson Castro Soares de Oliveira Jose Nilton da Cruz. Departamento de Estatística/ICET/UFMT
BIOESTATÍSTICA AULA 4 Anderson Castro Soares de Oliveira Jose Nilton da Cruz Departamento de Estatística/ICET/UFMT Amostragem AMOSTRAGEM A amostragem é um campo da estatística que estuda técnicas de planejamento
Leia maisEstimativas e Tamanhos de Amostras
Estimativas e Tamanhos de Amostras 1 Aspectos Gerais 2 Estimativa de uma Média Populacional: Grandes Amostras 3 Estimativa de uma Média Populacional: Pequenas Amostras 4 Tamanho Amostral Necessário para
Leia maisTeste de desvio padrão para 1 amostra
WHITE PAPER SOBRE O ASSISTENTE DO MINITAB Este artigo é parte de uma série de artigos que explicam a pesquisa conduzida pelos estatísticos do Minitab para desenvolver os métodos e verificações de dados
Leia maisMétodo de amostragem por conglomerados em dois estágios para estimativa de população canina/felina domiciliada.
étodo de amostragem por conglomerados em dois estágios para estimativa de população canina/felina domiciliada. Fernando Ferreira, Ricardo Augusto Dias, José Soares Ferreira Neto, arcos Amaku 1 de fevereiro
Leia maisIntervalos de Confiança Prof. Walter Sousa
Estatística Intervalos de Confiança Prof. Walter Sousa DISTRIBUIÇÕES AMOSTRAIS A distribuição amostral de um estimador (estatística, tal como a média ou uma proporção) é a distribuição de probabilidades
Leia maisO que é uma variável binomial? 2 qualidades 2 tamanhos
Inventário Florestal l Amostragem de variáveis binomiais O que é uma variável binomial? 2 qualidades 2 tamanhos Exemplo de variável binomial: Morta e viva Doente e sadia Macho e fêmea Jovem e adulto Degradado
Leia maisProf. Adriano Mendonça Souza, Dr. Departamento de Estatística PPGEMQ / PPGEP - UFSM
Prof. Adriano Mendonça Souza, Dr. Departamento de Estatística PPGEMQ / PPGEP - UFSM Amostragem É o processo de seleção de amostras de uma população com o objetivo de fazer inferências sobre a população
Leia maisUm Estudo do Comportamento dos Gráficos de Controle Construídos Via Metodologia de Geoestatística
XIII SIMPEP - Bauru, SP, Brasil, 6 a 8 de Novembro de 006 Um Estudo do Comportamento dos Gráficos de Controle Construídos Via Metodologia de Geoestatística Fabiane Renata de Santana Yassukawa (UFMG) fabianesy@yahoo.com.br
Leia maisInferência. 1 Estimativa pontual de uma média 2 Estimativa intervalar de uma média. Renata Souza
Inferência 1 Estimativa pontual de uma média 2 Estimativa intervalar de uma média Renata Souza Aspectos Gerais A estatística descritiva tem por objetivo resumir ou descrever características importantes
Leia maisAULA 07 Inferência a Partir de Duas Amostras
1 AULA 07 Inferência a Partir de Duas Amostras Ernesto F. L. Amaral 10 de setembro de 2012 Faculdade de Filosofia e Ciências Humanas (FAFICH) Universidade Federal de Minas Gerais (UFMG) Fonte: Triola,
Leia maisESTUDO CLIMATOLÓGICO DA PRECIPITAÇÃO DIÁRIA NO ESTADO DO RIO GRANDE DO SUL. Humberto Conrado (1); Ilia Kim; Solismar Damé Prestes
ESTUDO CLIMATOLÓGICO DA PRECIPITAÇÃO DIÁRIA NO ESTADO DO RIO GRANDE DO SUL Humberto Conrado (1); Ilia Kim; Solismar Damé Prestes (1) Prof. Assistente, Dept. de Meteorologia - Fac. de Meteorologia - Universidade
Leia maisINTRODUÇÃO À INFERÊNCIA ESTATÍSTICA. Prof. Anderson Rodrigo da Silva
INTRODUÇÃO À INFERÊNCIA ESTATÍSTICA Prof. Anderson Rodrigo da Silva anderson.silva@ifgoiano.edu.br Tipos de Pesquisa Censo: é o levantamento de toda população. Aqui não se faz inferência e sim uma descrição
Leia maisCaracterização de anos secos e chuvosos no Alto do Bacia Ipanema utilizando o método dos quantis.
Caracterização de anos secos e chuvosos no Alto do Bacia Ipanema utilizando o método dos quantis. Lilian Danielli da Silva (1), Abelardo Antônio de Assunção Montenero (2), Adriana Guedes Magalhães (3)
Leia maisEstatística Descritiva (I)
Estatística Descritiva (I) 1 O que é Estatística Origem relacionada com a coleta e construção de tabelas de dados para o governo. A situação evoluiu: a coleta de dados representa somente um dos aspectos
Leia maisAula 2. ESTATÍSTICA E TEORIA DAS PROBABILIDADES Conceitos Básicos
Aula 2 ESTATÍSTICA E TEORIA DAS PROBABILIDADES Conceitos Básicos 1. DEFINIÇÕES FENÔMENO Toda modificação que se processa nos corpos pela ação de agentes físicos ou químicos. 2. Tudo o que pode ser percebido
Leia mais1 Que é Estatística?, 1. 2 Séries Estatísticas, 9. 3 Medidas Descritivas, 27
Prefácio, xiii 1 Que é Estatística?, 1 1.1 Introdução, 1 1.2 Desenvolvimento da estatística, 1 1.2.1 Estatística descritiva, 2 1.2.2 Estatística inferencial, 2 1.3 Sobre os softwares estatísticos, 2 1.4
Leia maisEstimação parâmetros e teste de hipóteses. Prof. Dr. Alberto Franke (48)
Estimação parâmetros e teste de hipóteses Prof. Dr. Alberto Franke (48) 91471041 Intervalo de confiança para média É um intervalo em que haja probabilidade do verdadeiro valor desconhecido do parâmetro
Leia mais