AJUSTE, VALIDAÇÃO E COMPARAÇÃO ENTRE MODELOS PREDITORES DE ÁREA FOLIAR DA ABOBRINHA ITALIANA

Tamanho: px
Começar a partir da página:

Download "AJUSTE, VALIDAÇÃO E COMPARAÇÃO ENTRE MODELOS PREDITORES DE ÁREA FOLIAR DA ABOBRINHA ITALIANA"

Transcrição

1 AJUSTE, VALIDAÇÃO E COMPARAÇÃO ENTRE MODELOS PREDITORES DE ÁREA FOLIAR DA ABOBRINHA ITALIANA Adré Maller 1, Roberto Rezede 2, Paulo Sérgo Loureço de Fretas 2, Âderso Takash Hara 3, Jhoata Motero de Olvera 4 1.Doutorado, Programa de Pós Graduação em Agrooma da Uversdade Estadual de Margá, Margá, Brasl (amaller@hotmal.com) 2.Professor Doutor, Programa de Pós Graduação em Agrooma da Uversdade Estadual de Margá, Margá, Brasl 3. Doutorado, Programa de Pós Graduação em Agrooma da Uversdade Estadual de Margá, Margá, Brasl 4.Mestrado, Programa de Pós Graduação em Agrooma da Uversdade Estadual de Margá, Margá, Brasl Recebdo em: 30/09/2013 Aprovado em: 08/11/2013 Publcado em: 01/12/2013 RESUMO Métodos dretos de medda de área folar são precsos, smples e preservam a folha a plata, o que permte dversas aálses ao logo do cclo. A área de uma folha apreseta relação com suas meddas leares de largura e comprmeto, por sto é possível estmá-la por meo de um modelo. Apesar de ser possível ecotrar dversos modelos predtores de área folar a lteratura, é comum utlzar um modelo para um geótpo dferete daquele utlzado para ajustá-lo, o que pode resultar em estmatvas pouco cofáves. Este trabalho teve por objetvo comparar a cofabldade da estmatva da área folar de Cucurbta pepo L. varedade Novta Plus por modelos ajustados pelo autor com a estmatva folar obtda por quatro modelos ajustados para outros geótpos. Cocluu-se que os modelos ajustados para outros geótpos apresetam meor desempeho que modelos ajustados para a varedade em questão. PALAVRAS-CHAVE: dmesões folares, erro sstemátco, método ão destrutvo, Cucurbta pepo COMPARISON BETWEEN LEAF AREA PREDICTIVE MODELS USING ZUCCHINI VAR. NOVITA PLUS ABSTRACT Idrect methods of measurg leaf area are accurate, smple ad reta the leaf the plat, whch allows several aalyzes over the cycle. Leaf area s correlated wth leaf legth ad wdth, so t s possble to estmate t through a model. Although you ca fd may predctors of leaf area the lterature, t s commo to use a model for a dfferet varety from that used to adjust t, whch ca result urelable estmates. Ths study amed to compare the relablty of leaf area estmatos of Cucurbta pepo L. varety Novta Plus by models adjusted by the author wth four models adjusted for ENCICLOPÉDIA BIOSFERA, Cetro Cetífco Cohecer - Goâa, v.9,.17; p

2 other varetes. It was cocluded that the models adjusted for other varetes have lower performace. KEYWORDS: leaf dmesos, systematc error, o-destructve method, Cucurbta pepo INTRODUÇÃO A folha é o órgão vegetal resposável, etre outras fuções, pela maor parte da terceptação da eerga lumosa, traspração e produção de fotoassmlados. Por sso, a área folar é uma mportate varável para estudos fsológcos e agroômcos que evolvem efcêca fotosstétca, evapotraspração, maejo utrcoal e da rrgação, espaçameto etre lhas de plato e o crescmeto das platas (ZUCOLOTO et al., 2008). Para determação da área folar exstem atualmete duas maeras descrtas quato à forma de obteção, ou seja, o método dreto e o dreto. Detro dos métodos dretos destacam-se os métodos dos dscos folares, plamétrco, do tegrador óptco de área folar e da magem dgtal. O método dreto basea-se a correlação por meo de modelos matemátcos etre uma ou mas meddas leares e a área folar (ADAMI et al., 2008). O método dreto permte acompahar o crescmeto e a expasão folar da mesma plata até o fal do cclo ou do esao, coleta de dados de maera rápda e meor rsco de promover júras as folhas durate a estmatva desta varável. O método dreto tem sdo amplamete empregado a estmatva da área folar de crambe (TOEBE et al., 2010); batata (BUSATO et al., 2010); crotalara (CARDOZO et al., 2011) e letero (DUARTE et al., 2009). A utlzação de modelos para estmar a área folar é smples, rápdo, precso e cofável (TOEBE et al., 2010). Os métodos dretos cosstem em colheta das folhas durate a codução do esao e aálses destrutvas geralmete coduzdas em laboratóro. Por este motvo, são ecessáras parcelas expermetas com mas platas, o que pode vablzar o expermeto (LIMA et al., 2008). O método da magem dgtal cosste a captura da magem do objeto por meo de uma câmera dgtal, segudo do processameto da magem por meo de um software. Esse método tem sdo utlzado em váras culturas, como em algodão, soja, mlho, Brachara brzatha, mucua cza e abo forragero, com o auxílo de dversos softwares, como o Sgma Sca Pro v. 5.0 e o Embrapa SIARC 3.0 (FILHO et al., 2012a; FILHO et al., 2012b). Város trabalhos corroboram a qualdade quato à precsão e exatdão do método da magem dgtal utlzado város softwares, como o Quat, o Corel Photo Pat e o Sca Pro v.5.0, em relação a outros métodos, como o tegrador de área folar e o método dos dscos folares (SILVA et al., 2008). Esse trabalho tem por objetvo ajustar e valdar modelos predtores da área folar de Cucurbta pepo L. varedade Novta Plus e avalar a qualdade da estmatva de modelos ajustados para outras varedades, para o híbrdo Cucurbta moschata x Cucurbta maxma e para Cucums satvus, testado a hpótese de especfcdade dos modelos em ível de varedade. MATERIAL E MÉTODOS O solo ode fo stalado o expermeto é classfcado como Ntossolo Vermelho dstroférrco. A semeadura fo realzada em badejas de 200 células o da 17 abrl de 2012 e o trasplato fo realzado 24 das após a semeadura (DAS). A área expermetal apresetou dmesão de 24 x 6 m, com ses aspersores ENCICLOPÉDIA BIOSFERA, Cetro Cetífco Cohecer - Goâa, v.9,.17; p

3 espaçados 12 x 12 m. Adotou-se um espaçameto de um metro etre lhas de plato e 0,8 platas por metro, totalzado 180 platas a área expermetal. Fo realzada a adubação de base de acordo com a aálse de solo e recomedação de FILGUEIRA (2003). A rrgação fo realzada quado a tesão de água o solo apresetava 20 kpa, elevado-se a umdade até valores próxmos à capacdade de campo. A colheta das folhas fo realzada etre os das 26 juho de 2012 e 21 de agosto de 2012, uma vez por semaa, desbastado cada plata de maera a dexar três folhas por plata, respetado um tervalo de coleta de 10 das para cada plata. Em cada operação foram coletadas aproxmadamete 50 folhas, totalzado 457 dados expermetas. Para o ajuste dos modelos, foram utlzadas as meddas leares comprmeto (cm) e de largura (cm) como varáves depedetes e área folar (cm 2 ) como varável depedete. Para a medda do comprmeto da folha cosderou-se a extremdade da serção do pecíolo até a extremdade termal da ervura cetral. Para a medda da largura da folha, tomou-se a maor medda perpedcular à ervura cetral. A área folar fo medda por meo do método da magem dgtal, utlzado o software Quat e com o auxílo de uma câmera fotográfca dgtal Soy DSC W570. A folha fo fotografada a uma dstâca de 40 cm sobre um fudo braco. A plafcação da folha fo realzada por meo de uma superfíce de vdro com uma espessura de 2 mm colocada sobre a folha, com dmesão de 0,6 x 0,6 m. As folhas suosas foram recordadas ates de serem plafcadas, a fm de se evtar as dobraduras. O tratameto da magem dgtal cosste em separar o fudo braco das demas cores, que são covertdas a cor preta. Posterormete, é mesurada a quatdade relatva desses grupos em relação ao total. A área correspodete à superfíce folar é obtda através da relação proporcoal com uma foto de uma superfíce cohecda, o qual fo utlzado um papel cor verde escuro com dmesão 0,089 x 0,089 m e espessura de 1 mm. Foram utlzados três modelos retrados da lteratura para comparação (Tabela 1). Tas modelos foram ajustados para Cucurbta maxma x C. moschata cultvar Tetsukabuto (SILVA et al, 1998), um cojuto de ses varedades de Cucurbta pepo L. (NESMITH, 1992), para uma varedade ão detfcada de Cucurbta pepo L. (FIALHO et al., 2011). Foram utlzados 153 dados o teste dos modelos. TABELA 1 Modelos dos trabalhos de NESMITH (1992) (A), FIALHO et al., (2011) (B) e SILVA et al., (1998) (C) Desgação do modelo Varáves e coefcetes Coefcete de determação (R 2 )* A -2, ,770 L 2 0,980 B 47, ,620 L 2 0,980 C 3,850-1,280 L + 0,780 L 2 0,990 * - Ctado o trabalho; C p Comprmeto da folha (cm); L - Largura da folha (cm) A comparação do desempeho dos modelos fo realzada com o coefcete de correlação lear (r), o ídce de cocordâca (d) o ídce de cofaça (c), o erro médo e o erro médo absoluto. Também foram utlzadas a relação gráfca etre valores meddos em fução dos valores estmados (DUARTE et al., 2009) e a aálse vsual do padrão de dspersão dos resíduos (ANTUNES et al., 2008). Se o modelo apresetar padrão tedecoso de dstrbução de resíduos em toro da faxa ENCICLOPÉDIA BIOSFERA, Cetro Cetífco Cohecer - Goâa, v.9,.17; p

4 horzotal, o modelo é cosderado adequado para represetar o feômeo em questão (GONELI et al., 2011). O erro médo (ME) é uma medda do vés do modelo. Cosste a somatóra dos erros dvddo pelo úmero total de erros. Por esse motvo, o ME ão traz formação dos erros dvduas, uma vez que os erros de sas opostos e de mesma magtude se cacelam o cálculo (HALLAK & FILHO, 2011). Em modelos com tedêca a subestmar ou superestmar a varável depedete, o valor médo dos erros será postvo e egatvo respectvamete. O erro médo absoluto (MAE) é a méda dos valores absolutos dos erros. Por este motvo, traz formação a respeto da magtude dos erros, somado todos os desvos em relação aos valores estmados. O MAE atrbu o mesmo peso para todos os resíduos do modelo, por sso é cosderado um dcador robusto e meos afetado pela retrada de outlers do que a soma dos quadrados dos erros (FOX, 1981). WILLMOTT & MATSUURA (2005) recomedam a utlzação do MAE a comparação etre modelos porque o coefcete ão vara com a dstrbução da magtude em com o úmero de erros, sedo caracterzada como uma medda sem ambgudade. O erro médo relatvo (EMR) é a méda das razões etre o resíduo e a observação. Trata-se de um coefcete mas prátco, em que se verfca qual a margem de erro a estmatva assocada ao modelo. O coefcete de correlação (r) é uma medda dos erros aleatóros de uma amostra. A utlzação do r deve pressupor que a relação etre os valores predtos e meddos é lear, ou seja, para predção de modelos leares. O modelo pode ão apresetar cofabldade mesmo com correlação perfeta com os dados observados, pos os erros a estmatva podem ser de atureza sstemátca. Esses erros podem ser mesurados de pelo ídce de cocordâca proposto por WILLMOTT (1981). O ídce de cofaça (c) (CAMARGO & SENTELHAS, 1997) pode ser eteddo como a quatfcação total do erro do modelo, reudo em s o erro aleatóro e o sstemátco para os quas atrbu peso gual. As segutes expressões foram empregadas: 1 ME = (1) ( M E ) = 1 1 MAE = M E (2) = 1 ENCICLOPÉDIA BIOSFERA, Cetro Cetífco Cohecer - Goâa, v.9,.17; p M E EMR = = 1 M (3) COV( E, M r = ) σ σ (4) d = = 1 = 1 E M ( E M + M 2 ( E M ) M)) c = r d (6) Em que: E valor estmado da observação M valor meddo da observação 2 (5)

5 COV ( E, M ) covarâca etre os pares de dados estmados e meddos σ E desvo padrão dos valores estmados σ desvo padrão dos valores meddos M M méda dos valores meddos Utlzou-se o teste t para verfcar se, a méda, os valores estmados dferem dos observados. Em outras palavras, o teste t fo utlzado para verfcar se o vés do modelo é sgfcatvo (TOGRUL & TOGRUL, 2002). O coefcete t fo calculado por meo de: t = 1 = 1 ( E M ) 0, 5 S Em quê: S desvo padrão dos resíduos; úmero de observações Quato meor o módulo do valor t, maor o desempeho do modelo, uma vez que o módulo do valor t é proporcoal ao módulo do erro médo. Para determar se o erro médo é sgfcatvo, compara-se o módulo do valor t calculado com o módulo do valor tabelado a dstrbução bcaudal. Se t calc < t tab, ão rejeta-se a hpótese de uldade (E = M). Neste estudo, utlzou-se o valor de t para o ível de sgfcâca de 1% e 152 graus de lberdade. Para verfcar a aproxmação dos resíduos à reta ormal, utlzou-se o teste de Shappro-Wlk (p> 0,05) e a homocedastcdade fo verfcada pelo teste de correlação de postos de Spearma (p> 0,05) etre os valores absolutos dos resíduos e os valores da varável depedete. Os testes estatístcos foram coduzdos com o auxílo dos programas SgmaPlot 11.0 e Excel (7) RESULTADOS E DISCUSSÃO Os pressupostos da aálse de regressão são a depedêca dos erros, a leardade, a ormaldade dos resíduos e a homocedastcdade. A hpótese de leardade defe que a relação etre a varável depedete e a depede seja lear, caso cotráro recomeda-se utlzar métodos de regressão ão lear. A hpótese de ormaldade dos resíduos sgfca que o valor esperado do erro é ulo ou E(e )=0 e a hpótese de homocedastcdade estabelece que a varâca seja costate ao logo dos valores da varável depedete. Uma vez ateddos os pressupostos, é possível obter o erro padrão da estmatva e calcular os tervalos de cofaça da regressão (NAGHETTINI & PINTO, 2007). Caso ão sejam ateddos, é recomedada a trasformação dos dados. Para as cultvares estudadas, a aálse de regressão mostrou que a maor parte da varação da área folar pode ser explcada pela varação do comprmeto e da largura. Foram ajustados por meo da aálse de regressão um cojuto de ove modelos (Tabela 2) com os dados ão trasformados. A maora dos modelos apresetou os coefcetes sgfcatvos e elevados valores do coefcete de determação, o que evdeca que a maor parte da varação da área folar é correlacoada com as dmesões leares. No etato, todos os modelos ão apresetaram ormaldade dos resíduos ou homocedastcdade, exceto o modelo M10 que sofreu trasformação das varáves depedete e depedete. ENCICLOPÉDIA BIOSFERA, Cetro Cetífco Cohecer - Goâa, v.9,.17; p

6 TABELA 2 Modelos predtores de área folar de abobrha talaa ajustados com 292 dados expermetas. p-valor Desgação Tpo do Varáves e coefcetes R 2 do modelo modelo Shappro- ρ Wlk Spearma M1* Lear -97, ,064 C p 0,914 <0,001 <0,001 M2* Lear -153, ,208 L 0,961 <0,001 <0,001 M3* Lear 23, ,6550 C p L 0,978 <0,001 <0,001 M4 s Quadrátco 50,411-2,096 C + 0,738 C p 2 0,938 <0,001 <0,001 M5* Quadrátco -24, ,915 L + 0,474 L 2 0,975 <0,001 <0,001 M6 s Quadrátco 2 27, ,616 C p L + 0, C p 2 L 0,978 <0,001 <0,001 M7* Potecal 2,179 47, ,373 C p 0,939 <0,001 <0,001 M8* Potecal -9, ,417 L 1,756 0,975 <0,001 <0,001 M9* Potecal 25, ,584 (C p L) 1,756 0,978 <0,001 <0,001 M10* Lear com varáves trasformadas -0, ,8614 Ll 0,980 0,542 0,771 * - Todos os coefcetes sgfcatvos pelo teste t (p <0,05); s - Um ou mas coefcetes ão são sgfcatvos pelo teste t (p <0,05); SQR Soma de quadrados do resíduo; C p - Comprmeto da folha em cm; L - Largura da folha em cm; Ll Largura da folha trasformada por meo de log 10 É mportate defr o tervalo dos valores meddos dos dados utlzados para ajustar o modelo, uma vez que os modelos foram propostos para estmar a área folar o tervalo utlzado o ajuste. A relação etre as varáves depedete e depedete pode ão ser lear fora do domío do cojuto de dados (NAGHETTINI & PINTO, 2007), o que tora as extrapolações meos cofáves. Para o ajuste do modelo M10, foram utlzados dados de largura de folha etre 6,3 a 29,9 cm. A trasformação dos dados resultou a homogeedade da varâca ao logo do domío (Fgura 1) e fo ecessára para ateder os pressupostos da aálse de regressão e a correta estmatva dos coefcetes. No etato, a varabldade da expasão folar com o cremeto da área ada está presete (Fgura 2). O modelo estmador apreseta maor cofabldade a estmatva em valores de até aproxmadamete 100 cm 2, pos se observa que este tervalo a dfereça etre valores meddos de área folar e o atlogartmo das estmatvas (DIF) são meores. A partr deste poto, DIF apreseta maores valores e a cofabldade as estmatvas dmu. ENCICLOPÉDIA BIOSFERA, Cetro Cetífco Cohecer - Goâa, v.9,.17; p

7 FIGURA 1 Padrão da dstrbução dos resíduos com o cremeto das estmatvas do modelo, evdecado a homocedastcdade do modelo. FIGURA 2 Padrão da dspersão da dfereça dos valores de área folar meddos e o atlogartmo dos valores estmados (DIF) ao logo do cremeto dos atlogartmos dos valores estmados. Observe que a trasformação dos dados e homocedastcdade do modelo ão alterou o padrão de dspersão dos erros a estmatva da área folar. ENCICLOPÉDIA BIOSFERA, Cetro Cetífco Cohecer - Goâa, v.9,.17; p

8 Uma vez que os pressupostos foram ateddos, é possível calcular o erro padrão da estmatva e os coefcetes dos lmtes superor e feror do tervalo de cofaça (Tabela 3). Estma-se 95% dos valores de área folar da população estejam compreeddos o tervalo de cofaça. Na Fgura 3 observa-se que o tervalo de cofaça é maor com o acréscmo dos valores de largura folar, o que sugere que o modelo predtor de área folar que utlza apeas largura como varável depedete apreseta meor desempeho a estmatva para folhas maores. TABELA 3 Itervalo de cofaça* dos coefcetes do modelo M10. Coefcete Lmte feror Lmte superor b0-0,0390 0,0341 b1 1,831 1,892 *sgfcatvo pelo teste t bcaudal a 5% de sgfcâca; b0 coefcete lear; b1 coefcete agular FIGURA 3 Icremeto do tervalo de cofaça do modelo M10 com o aumeto da largura folar. Na etapa de valdação, os modelos são testados e seus desempehos podem ser comparados. Nessa etapa, os dados utlzados são dferetes dos utlzados para o ajuste do modelo M10. Na Tabela 4 são apresetados: o erro médo, o erro médo absoluto, o erro médo relatvo, o coefcete de correlação da área folar medda com a área folar estmada, o ídce de cocordâca e o ídce de cofaça dos modelos M10, A, B e C. Todos os modelos apresetaram ídce de cofaça classfcado como ótmo (CAMARGO & SENTELHAS, 1997). No etato, o desempeho dos modelos pode ser dferecado pelo erro ENCICLOPÉDIA BIOSFERA, Cetro Cetífco Cohecer - Goâa, v.9,.17; p

9 médo absoluto, MAE e EMR, em que o modelo M10 apreseta os meores valores. Todos os modelos retrados da lteratura apresetam o erro médo sgfcatvo, o que represeta a exstêca de erro sstemátco sgfcatvo, equato que o modelo M10, ajustado por meo de meddas folares da varedade Novta Plus, ão apresetou vés sgfcatvo, o que sugere que uma das causas do erro sstemátco seja a cultvar utlzada o ajuste do modelo. TABELA 4 Ídce de cofaça, coefcete de correlação, ídce de cocordâca e erro médo dos modelos selecoados para etapa de valdação Modelo MAE ME EMR r d c M10 14,83 1,68 s 7% 0,96 0,98 0,94 A 29,97-25,74* 13% 0,96 0,96 0,92 B 37,87-33,44* 26% 0,96 0,96 0,92 C 22,93-13,17* 10% 0,96 0,97 0,93 * - Sgfcatvo pelo teste t (p <0,01) Todos os modelos apresetam elevados coefcetes de correlação, o que dca aglutação dos dados expermetas em toro da equação ajustada. O modelo M10 apresetou o maor ídce de cocordâca, o que expressa meor erro sstemátco e maor aproxmação dos potos da reta 1:1. Todos os modelos apresetaram elevados valores de correlação etre os dados estmados e observados, o que sgfca erro aleatóro de baxa magtude. No etato, o erro sstemátco pode dmur o desempeho geral do modelo mesmo que o erro aleatóro seja pequeo. CONCLUSÕES A utlzação de modelos ão ajustados para a varedade Novta Plus apresetam alta precsão, mas meor desempeho do que modelos ajustados para a própra varedade. O modelo M10 é recomedado para a estmatva da área folar para a varedade em estudo, pos apresetou o melhor desempeho a estmatva da área folar. Além dsso, utlza-se apeas uma dmesão folar como varável depedete, o que faclta o processo de coleta de dados o campo. REFERÊNCIAS ADAMI, M.; HASTENREITER, F. A.; FLUMIGNAN, D. L.; FARIA, R. T. Estmatva de área de folíolos de soja usado mages dgtas e dmesões folares. Bragata, v.27, p , ANTUNES, W.C.; POMPELLI, M.F.; CARRETERO, D.M.; DaMATTA, F.M. Allometrc models for o-destructve leaf area estmato coffee (Coffea arabca ad C. caephora). Aals of Appled Bology, v.153, p.33-40, BUSATO, C.; FONTES, P.C.R.; BRAUN, H.; BUSATO, C.C.M. Estmatva da área folar da batatera, cultvar Atlatc, utlzado dmesões leares. Cêca Agroômca, v.41, p , CAMARGO, A.P.; SENTELHAS, P.C. Avalação do desempeho de dferetes métodos de estmatva da evapotraspração potecal o estado de São Paulo, ENCICLOPÉDIA BIOSFERA, Cetro Cetífco Cohecer - Goâa, v.9,.17; p

10 Brasl. Revsta Braslera de Agrometeorologa, v.5, p.89-97, CARDOZO, N.P.; PARREIRA, M.C.; AMARAL, C.L.; ALVES, P.L.C.A.; BIANCO, S. Estmatva da área folar de Crotalara jucea L. a partr de dmesões leares do lmbo folar. Boscece Joural, v.27, p , DUARTE, D.J.; BIANCO, S.; LEONARDO, B.C.; PANOSSO, A.R. Estmatva da área folar de Euphorba heterophylla. Plata Daha, v.27, p , FIALHO, G.S;. DALVI, L.P.; DALVI, N.B.C.; KUHLCAMP, K.T.; EFFGEN, E.M. Predção da área folar em abobrha-talaa: um método ão destrutvo, exato, smples, rápdo e prátco. Revsta Braslera de Agropecuára Sustetável, v. 1, p.59-63, FILGUEIRA, F.A.R. Novo maual de olercultura: Agrotecologa modera a produção e comercalzação de hortalças. 2 ed. Vçosa: UFV, 2003,412p. FILHO, A.C.; TOEBE, M.; BURIN, C.; FICK, A.L.; GAVRIELE, C. Estmatva da área folar de abo forragero em fução de dmesões folares. Bragata, v.71, p.47-51, 2012a. FILHO, A.C.; TOEBE, M.; BURIN, C.; FICK, A.L.; NEU, I.M.M.; FACCO, G. Estmação da área folar de mucua cza por meo de método ão destrutvo. Cêca Rural, v.42, p , 2012b. FOX, D.G. Judgg Ar Qualty Model Performace. Bullet of the Amerca Meteorologcal Socety, v.62, p , 1981 GONELI, A.L.D.; CORRÊA, P.C.; MAGALHÃES, F.E.A.; BAPTESTINI, F.M. Cotração volumétrca e forma dos frutos de mamoa durate a secagem. Acta Scetarum. Agroomy, v. 33,. 1, p. 1-8, 2011 HALLAK, R.; FILHO, A. J. P. Metodologa para aálse de desempeho de smulações de sstemas covectvos a regão metropoltaa de são paulo com o modelo arps: sesbldade a varações com os esquemas de advecção e assmlação de dados. Revsta Braslera de Meteorologa, v.26, p , 2011 LIMA, C.J.G.S.; OLIVEIRA, F.A.; MEDEIROS, J.F.; OLIVEIRA, M.K.T.; OLIVEIRA FILHO, A.F. Modelos matemátcos para estmatva de área folar de fejão caup. Caatga, v.21, p , 2008 NAGHETTINI M.; PINTO E.J.A. Hdrologa Estatístca. 1. ed. Belo Horzote: CPRM, p. NESMITH, D.S. Estmatg summer squash leaf area odestructvely. Hortscece, v.27, p.77, SILVA, A.R.; LEITE, M.T.; FERREIRA, M.C. Estmatva da área folar e capacdade de reteção de calda ftossatára em cafeero. Boscece Joural, v. 24, p.66-73, ENCICLOPÉDIA BIOSFERA, Cetro Cetífco Cohecer - Goâa, v.9,.17; p

11 SILVA, N.F.; FERREIRA, F.A.; FONTES, P.C.R.; CARDOSO, A.A. Modelos para estmar a área folar de abóbora por meo de meddas leares. Revsta Ceres, v.45, p , TOEBE, M.; BRUM, B.; LOPES, S.J.; FILHO, A.C.; SILVEIRA, T.R. Estmatva da área folar de Crambe abyssca por dscos folares e por fotos dgtas. Cêca Rural, v.40, p , TOGRUL, T.; TOGRUL, H. Global solar radato over Turkey: comparso of predcted ad measured data. Reewable Eergy, v.25,.1, p.55-67, WILLMOTT, C.J. O the valdato of models. Physcal Geography, v.2, p , WILLMOTT, C.J.; MATSUURA, K. Advatages of the mea absolute error (MAE) over the root mea square error (RMSE) assessg average model performace. Clmate Research, v.30, p.79-82, 2005 ZUCOLOTO, M.; LIMA, J.S.S.; COELHO, R.I. Modelo matemátco para estmatva da área folar total de baaera Prata-Aã. Revsta braslera de frutcultura, v.30, p , ENCICLOPÉDIA BIOSFERA, Cetro Cetífco Cohecer - Goâa, v.9,.17; p

PREVISÃO DE MASSA DE FRUTOS DE ABOBRINHA CULTIVAR ANITA F1

PREVISÃO DE MASSA DE FRUTOS DE ABOBRINHA CULTIVAR ANITA F1 PREVISÃO DE MASSA DE FRUTOS DE ABOBRINHA CULTIVAR ANITA F1 Jhoata Motero de Olvera 1 ; Roberto Rezede 2 ; Adré Maller 3 ; Paulo Sérgo Loureço de Fretas 4 ; Maraa Gomes Brescas 5 ; Rea Soares de Souza 6

Leia mais

DETERMINAÇÃO DA ÁREA FOLIAR DE FEIJÃO-VAGEM POR FOTOS DIGITAIS 1

DETERMINAÇÃO DA ÁREA FOLIAR DE FEIJÃO-VAGEM POR FOTOS DIGITAIS 1 DETERMINAÇÃO DA ÁREA FOLIAR DE FEIJÃO-VAGEM POR FOTOS DIGITAIS 1 TOEBE, Marcos 2 ; CARGNELUTTI FILHO, Alberto 3 ; LOOSE, Lus Herque 4 ; HELDWEIN, Aro Berardo 3 ; ZANON, Alecar Juor 2 ; PETERS, Marcelo

Leia mais

Modelo de Regressão Simples

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

Leia mais

Estatística - exestatmeddisper.doc 25/02/09

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

Leia mais

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

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

Leia mais

Tópicos Extras 2ª parte. Análise de Correlação e Regressão

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

Leia mais

Estimativa da área foliar de nabo forrageiro em função de dimensões foliares

Estimativa da área foliar de nabo forrageiro em função de dimensões foliares Estmatva da área folar de abo forragero em fução de dmesões folares Alberto Cargelutt Flho ( *); Marcos Toebe ( ); Cláuda Bur ( 3 ); Adré Lus Fck ( 3 ); Gabrele Casarotto ( ) ( ) Uversdade Federal de Sata

Leia mais

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

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

Leia mais

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

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

Leia mais

Econometria: 3 - Regressão Múltipla

Econometria: 3 - Regressão Múltipla Ecoometra: 3 - Regressão Múltpla Prof. Marcelo C. Mederos mcm@eco.puc-ro.br Prof. Marco A.F.H. Cavalcat cavalcat@pea.gov.br Potfíca Uversdade Católca do Ro de Jaero PUC-Ro Sumáro O modelo de regressão

Leia mais

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

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

Leia mais

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

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

Leia mais

6.1 - PROCEDIMENTO DE AVALIAÇÃO DE INCERTEZA EM MEDIÇÕES DIRETAS

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

Leia mais

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

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

Leia mais

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

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

Leia mais

7 Análise de covariância (ANCOVA)

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

Leia mais

Construção e Análise de Gráficos

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

Leia mais

ADEQUAÇÃO DE MODELOS PARA ESTIMATIVA DE NÚMERO DE FOLHAS E ÁREA FOLIAR DA BANANEIRA GRAND NAINE

ADEQUAÇÃO DE MODELOS PARA ESTIMATIVA DE NÚMERO DE FOLHAS E ÁREA FOLIAR DA BANANEIRA GRAND NAINE http://dx.do.org/0.70/.ovagr.04-a63 ADEQUAÇÃO DE MODELOS PARA ESTIMATIVA DE NÚMERO DE FOLHAS E ÁREA FOLIAR DA BANANEIRA GRAND NAINE T. K. S. Borges, M. G. Slva, N. T. Satos 3 ; E. F. Coelho 4, E. A. Souza

Leia mais

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

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

Leia mais

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

Professor 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 mais

Capítulo 5: Ajuste de curvas pelo método dos mínimos quadrados

Capítulo 5: Ajuste de curvas pelo método dos mínimos quadrados Capítulo : Ajuste de curvas pelo método dos mímos quadrados. agrama de dspersão No capítulo ateror estudamos uma forma de ldar com fuções matemátcas defdas por uma taela de valores. Frequetemete o etato

Leia mais

Estatística: Aplicação ao Sensoriamento Remoto SER ANO Estimação Pontual

Estatística: 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 mais

MEDIDAS DE TENDÊNCIA CENTRAL I

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

Leia mais

Estatística Descritiva. Medidas estatísticas: Localização, Dispersão

Estatística 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 mais

Parte 3 - Regressão linear simples

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

Leia mais

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

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

Leia mais

Avaliação da qualidade do ajuste

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

Leia mais

REGESD Prolic Matemática e Realidade- Profª Suzi Samá Pinto e Profº Alessandro da Silva Saadi

REGESD Prolic Matemática e Realidade- Profª Suzi Samá Pinto e Profº Alessandro da Silva Saadi REGESD Prolc Matemátca e Realdade- Profª Suz Samá Pto e Profº Alessadro da Slva Saad Meddas de Posção ou Tedêca Cetral As meddas de posção ou meddas de tedêca cetral dcam um valor que melhor represeta

Leia mais

MEDIDAS DE DISPERSÃO:

MEDIDAS DE DISPERSÃO: MEDID DE DIPERÃO: fução dessas meddas é avalar o quato estão dspersos os valores observados uma dstrbução de freqüêca ou de probabldades, ou seja, o grau de afastameto ou de cocetração etre os valores.

Leia mais

Regressão Linear e Multilinear

Regressão Linear e Multilinear Regressão Lear e Multlear Deleameto Expermetal Mestrado em Sstemas de Produção em Agrcultura Medterrâca Modelo de Regressão Lear Smples X Varável Idepedete Y Varável Depedete y =β +β x +ε β ordeada a orgem

Leia mais

Regressão e Correlação

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

Leia mais

Cap. 5. Testes de Hipóteses

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

Leia mais

Revisão de Estatística X = X n

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

Leia mais

Introdução à Correlação e Regressão Linear

Introdução à Correlação e Regressão Linear Itrodução à Correlação e Regressão Lear Ru Carvalho Olvera rolv@st.utl.pt Estatístca Descrtva amostras bvaradas Amostras bvaradas: cada etdade (dvíduo/objecto é caracterzado por um par de varáves (atrbutos

Leia mais

CONHECIMENTOS ESPECÍFICOS

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

Leia mais

Estudo das relações entre peso e altura de estudantes de estatística através da análise de regressão simples.

Estudo das relações entre peso e altura de estudantes de estatística através da análise de regressão simples. Estudo das relações etre peso e altura de estudates de estatístca através da aálse de regressão smples. Waessa Luaa de Brto COSTA 1, Adraa de Souza COSTA 1. Tago Almeda de OLIVEIRA 1 1 Departameto de Estatístca,

Leia mais

Modelos de regressão linear: abordagem clássica

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

Leia mais

ANÁLISE DE REGRESSÃO E CORRELAÇÃO

ANÁLISE DE REGRESSÃO E CORRELAÇÃO ANÁLISE DE REGRESSÃO E CORRELAÇÃO Quado se cosderam oservações de ou mas varáves surge um poto ovo: O estudo das relações porvetura estetes etre as varáves. A aálse de regressão e correlação compreedem

Leia mais

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

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

Leia mais

Difusão entre Dois Compartimentos

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

Leia mais

NOTAS DE AULA DA DISCIPLINA CE076. ], T 2 = conhecido como T 2 de Hotelling

NOTAS 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 mais

Confiabilidade Estrutural

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

Leia mais

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

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

Leia mais

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

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

Leia mais

MEDIDAS DE POSIÇÃO: X = soma dos valores observados. Onde: i 72 X = 12

MEDIDAS DE POSIÇÃO: X = soma dos valores observados. Onde: i 72 X = 12 MEDIDAS DE POSIÇÃO: São meddas que possbltam represetar resumdamete um cojuto de dados relatvos à observação de um determado feômeo, pos oretam quato à posção da dstrbução o exo dos, permtdo a comparação

Leia mais

AJUSTE DE MODELOS PREDITORES DE MASSA DE FRUTOS DE ABOBRINHA ITALIANA

AJUSTE DE MODELOS PREDITORES DE MASSA DE FRUTOS DE ABOBRINHA ITALIANA AJUSTE DE MODELOS PREDITORES DE MASSA DE FRUTOS DE ABOBRINHA ITALIANA André Maller 1, Roberto Rezende 2, Ânderson Takash Hara 3, Antôno Carlos Andrade Gonçalves 2, Jhonatan Montero de Olvera 4 1.Doutorando,

Leia mais

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

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

Leia mais

ESTATÍSTICA APLICADA À ZOOTECNIA

ESTATÍSTICA 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 mais

( k) Tema 02 Risco e Retorno 1. Conceitos Básicos

( k) Tema 02 Risco e Retorno 1. Conceitos Básicos FEA -USP Graduação Cêcas Cotábes EAC05 04_0 Profa. Joaíla Ca. Rsco e Retoro. Cocetos Báscos Rotero BE-cap.6 Tema 0 Rsco e Retoro. Cocetos Báscos I. O que é Retoro? II. Qual é o Rsco de um Atvo Idvdual

Leia mais

Interpolação. Exemplo de Interpolação Linear. Exemplo de Interpolação Polinomial de grau superior a 1.

Interpolação. Exemplo de Interpolação Linear. Exemplo de Interpolação Polinomial de grau superior a 1. Iterpolação Iterpolação é um método que permte costrur um ovo cojuto de dados a partr de um cojuto dscreto de dados potuas cohecdos. Em egehara e cêcas, dspõese habtualmete de dados potuas, obtdos a partr

Leia mais

3 Análises Probabilísticas de Estabilidade

3 Análises Probabilísticas de Estabilidade 3 Aálses Probablístcas de Establdade 3.1 Itrodução Para facltar o etedmeto das metodologas de aálse de cofabldade serão apresetados este capítulo algus cocetos báscos de probabldade e estatístca. 3. Cocetos

Leia mais

Estatística. 2 - Estatística Descritiva

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

Leia mais

Relatório 2ª Atividade Formativa UC ECS

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

Leia mais

? Isso é, d i= ( x i. . Percebeu que

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

Leia mais

TESTES DE PROPORÇÕES TESTE DE UMA PROPORÇÃO POPULACIONAL

TESTES 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 mais

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

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

Leia mais

Uso de covariáveis em modelos biométricos para estimação de altura total em árvores de Eucalyptus dunnii

Uso de covariáveis em modelos biométricos para estimação de altura total em árvores de Eucalyptus dunnii Uso de covaráves em modelos bométrcos para estmação de altura total em árvores de Eucalyptus du Oar Medes de Olvera Adrao Rbero de Medoça Fábo Mareto Glso Ferades da Slva Samuel de Pádua Chaves e Carvalho

Leia mais

HIDROLOGIA E RECURSOS HÍDRICOS. Análise estatística aplicada à hidrologia

HIDROLOGIA 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 mais

Correlações genotípicas entre características agronômicas de sorgo granífero (Sorghum bicolor (L.) Moench).

Correlações genotípicas entre características agronômicas de sorgo granífero (Sorghum bicolor (L.) Moench). Correlações geotípcas etre característcas agroômcas de sorgo graífero (Sorghum bcolor (L.) Moech). Crslee Vera dos Satos (1) ; Ccero Beserra de Meezes (2) ; Celso Herque Tuma e Slva (1) Ruae Alce da Slva

Leia mais

5 Critérios para Análise dos Resultados

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

Leia mais

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

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

Leia mais

COMPARATIVE ANALYSIS OF MATHEMATICAL EQUATIONS TO ESTIMATE LEAF AREA IN COFFEE TREES

COMPARATIVE ANALYSIS OF MATHEMATICAL EQUATIONS TO ESTIMATE LEAF AREA IN COFFEE TREES Schmldt, E. R. et al. 55 ANÁLISE COMPARATIVA DE EQUAÇÕES PARA ESTIMATIVA DA ÁREA FOLIAR EM CAFEEIROS Edlso Romas Schmldt, José Augusto Texera do Amaral 2, Omar Schmldt 3, Jeagels Slva Satos 4 (Recebdo:

Leia mais

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

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

Leia mais

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

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

Leia mais

Macroeconometria Aula 3 Revisão de estatística e teste de hipótese

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

Leia mais

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

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

Leia mais

Distribuições Amostrais. Estatística. 8 - Distribuições Amostrais UNESP FEG DPD

Distribuições Amostrais. Estatística. 8 - Distribuições Amostrais UNESP FEG DPD Dstrbuções Amostras Estatístca 8 - Dstrbuções Amostras 08- Dstrbuções Amostras Dstrbução Amostral de Objetvo: Estudar a dstrbução da população costtuída de todos os valores que se pode obter para, em fução

Leia mais

3 Experimento com Mistura com Respostas Não-Normais

3 Experimento com Mistura com Respostas Não-Normais Modelagem em Epermetos Mstura-Processo para Otmzação de Processos Idustras 5 Epermeto com Mstura com Respostas Não-Normas Neste capítulo é apresetado o plaejameto e aálse de um EM com respostas ão ormas,

Leia mais

( ) ( IV ) n ( ) Escolha a alternativa correta: A. III, II, I, IV. B. II, III, I, IV. C. IV, III, I, II. D. IV, II, I, III. E. Nenhuma das anteriores.

( ) ( IV ) n ( ) Escolha a alternativa correta: A. III, II, I, IV. B. II, III, I, IV. C. IV, III, I, II. D. IV, II, I, III. E. Nenhuma das anteriores. Prova de Estatístca Epermetal Istruções geras. Esta prova é composta de 0 questões de múltpla escolha a respeto dos cocetos báscos de estatístca epermetal, baseada os lvros BANZATTO, A.D. e KRONKA, S.N.

Leia mais

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

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

Leia mais

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

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

Leia mais

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

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

Leia mais

ESTIMATIVA DA INCERTEZA DE MEDIÇÃO DE MÉTODOS ANALÍTICOS

ESTIMATIVA DA INCERTEZA DE MEDIÇÃO DE MÉTODOS ANALÍTICOS 1/15 1. CAMPO DE APLICAÇÃO 1.1. Este procedmeto se aplca aos laboratóros de cotrole de qualdade.. OBJETIVO.1. Defr a capacdade de medção para cada método aalítco.. DOCUMENTOS COMPLEMENTARES.1. Valdação

Leia mais

EVAPOTRANSPIRAÇÃO DE REFERÊNCIA UTILIZANDO MÉTODOS DE TANQUE CLASSE A PROPOSTOS PELA FAO, NA REGIÃO DE MOSSORÓ, RN

EVAPOTRANSPIRAÇÃO DE REFERÊNCIA UTILIZANDO MÉTODOS DE TANQUE CLASSE A PROPOSTOS PELA FAO, NA REGIÃO DE MOSSORÓ, RN EVAPOTRANSPIRAÇÃO DE REFERÊNCIA UTILIZANDO MÉTODOS DE TANQUE CLASSE A PROPOSTOS PELA FAO, NA REGIÃO DE MOSSORÓ, RN Tayd Dayvso Custódo Pexoto ; Sérgo Luz Agular Leve ; Adre Herma Frere Bezerra 3 ; José

Leia mais

Regressão. Pedro Paulo Balestrassi

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

Leia mais

DISTRIBUIÇÃO HIPERGEOMÉTRICA

DISTRIBUIÇÃO 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 mais

Determinação da área foliar de macadâmia a partir de dimensões lineares do limbo foliar

Determinação da área foliar de macadâmia a partir de dimensões lineares do limbo foliar Revsta Agro@mbete O-le, v. 0,. 3, p. 209-26, julho-setembro, 206 Cetro de Cêcas Agráras - Uversdade Federal de Rorama, Boa Vsta, RR www.agroambete.ufrr.br DOI:0.8227/982-8470ragro.v03.3332 Artgo Orgal

Leia mais

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

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

Leia mais

Medidas Numéricas Descritivas:

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

Leia mais

MÉTODO DOS MÍNIMOS QUADRADOS

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

Leia mais

Ivan G. Peyré Tartaruga. 1 Metodologia espacial

Ivan G. Peyré Tartaruga. 1 Metodologia espacial RELATÓRIO DE PESQUISA 5 Procedmetos o software ArcGIS 9. para elaborar os mapas da Regão Metropoltaa de Porto Alegre RMPA com as elpses de dstrbução drecoal etre 99 e 000 Iva G. Peré Tartaruga Metodologa

Leia mais

Prof. Lorí Viali, Dr. PUCRS FAMAT: Departamento de Estatística Prof. Lorí Viali, Dr. PUCRS FAMAT: Departamento de Estatística

Prof. Lorí Viali, Dr. PUCRS FAMAT: Departamento de Estatística Prof. Lorí Viali, Dr. PUCRS FAMAT: Departamento de Estatística Prof. Lorí Val, Dr. http://www.pucrs.br/famat/val/ val@pucrs.br Prof. Lorí Val, Dr. PUCRS FAMAT: Departameto de Estatístca Prof. Lorí Val, Dr. PUCRS FAMAT: Departameto de Estatístca Obetvos A Aálse de

Leia mais

50 Logo, Número de erros de impressão

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

Leia mais

ESTATÍSTICA MÓDULO 2 OS RAMOS DA ESTATÍSTICA

ESTATÍSTICA MÓDULO 2 OS RAMOS DA ESTATÍSTICA ESTATÍSTICA MÓDULO OS RAMOS DA ESTATÍSTICA Ídce. Os Ramos da Estatístca...3.. Dados Estatístcos...3.. Formas Icas de Tratameto dos Dados....3. Notação por Ídces...5.. Notação Sgma ()...5 Estatístca Módulo

Leia mais

ANÁLISE DE REGRESSÃO E CORRELAÇÃO

ANÁLISE DE REGRESSÃO E CORRELAÇÃO ANÁLISE DE REGRESSÃO E CORRELAÇÃO Quado se cosderam oservações de ou mas varáves surge um poto ovo: O estudo das relações porvetura estetes etre as varáves A aálse de regressão e correlação compreedem

Leia mais

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

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

Leia mais

Probabilidades e Estatística

Probabilidades 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 mais

Lista de Exercícios #9 Assunto: Análise de Regressão Método de Mínimos Quadrados

Lista 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 mais

Inferência Estatística e Aplicações I. Edson Zangiacomi Martinez Departamento de Medicina Social FMRP/USP

Inferência 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 mais

Análise de Regressão

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

Leia mais

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

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

Leia mais

MEDIDAS DE DISPERSÃO 9. MEDIDAS DE DISPERSÃO

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

Leia mais

Aula 9. Aula de hoje. Aula passada. Self-normalized Importance Sampling Gerando amostras complicadas Variância amostral Simulação

Aula 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 mais

a) 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.

a) 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 mais

Distribuições de Probabilidades

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

Leia mais

9 Medidas Descritivas

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

Leia mais

3 Procedimento Experimental

3 Procedimento Experimental 3 Procedmeto Expermetal 3. Sstema de medção de vazão com extesômetro A Fg. 9 mostra o sstema de medção de vazão com extesômetro, o qual fo motado o laboratóro da PUC-Ro. este sstema, duas tubulações com,5

Leia mais

CAPÍTULO 9 - Regressão linear e correlação

CAPÍTULO 9 - Regressão linear e correlação INF 6 Prof. Luz Alexadre Peterell CAPÍTULO 9 - Regressão lear e correlação Veremos esse capítulo os segutes assutos essa ordem: Correlação amostral Regressão Lear Smples Regressão Lear Múltpla Correlação

Leia mais

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

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

Leia mais

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

x Ex: A tabela abaixo refere-se às notas finais de três turmas de estudantes. Calcular a média de cada turma: Professora Jaete Perera Amador 1 9 Meddas Descrtvas Vmos aterormete que um cojuto de dados pode ser resumdo através de uma dstrbução de freqüêcas, e que esta pode ser represetada através de uma tabela

Leia mais