Occurrence and quantity of precipitation can be modelled simultaneously. Peter K. Dunn Autor Braga Junior e Eduardo Gomes Apresentação

Tamanho: px
Começar a partir da página:

Download "Occurrence and quantity of precipitation can be modelled simultaneously. Peter K. Dunn Autor Braga Junior e Eduardo Gomes Apresentação"

Transcrição

1 Occurrence and quantity of precipitation can be modelled simultaneously Peter K. Dunn Autor Apresentação

2 Introdução Introdução Estudos sobre modelagem da precipitação de chuvas são importantes, pois permitem um melhor entedimento sobre erosão e transporte de poluentes, por exemplo. Podemos pensar na precipitação de duas formas: Quantidade de chuva que cai Número de dias com chuva

3 Introdução Introdução Estudos sobre modelagem da precipitação de chuvas são importantes, pois permitem um melhor entedimento sobre erosão e transporte de poluentes, por exemplo. Podemos pensar na precipitação de duas formas: Quantidade de chuva que cai Número de dias com chuva

4 Introdução Introdução Para algumas aplicações é necessário entender o número de eventos de chuva em um dado dia e a intensidade da precipitação em cada dia. Uma diculdade com a modelagem da precipitação é que ela é contínua com zeros exatos.

5 Introdução Introdução Para algumas aplicações é necessário entender o número de eventos de chuva em um dado dia e a intensidade da precipitação em cada dia. Uma diculdade com a modelagem da precipitação é que ela é contínua com zeros exatos.

6 Introdução Enfoques correntes para modelagem da precipitação MODELOS PARA DIAS DE CHUVA A modelagem para os dias de chuva tem sido baseada em cadeias de Markov. O mais simples tem dois estados (chuva e não-chuva) e é de primeira ordem (a probabilidade de chuva depende somente do período anterior). Para cadeias de Markov de primeira ordem, a duração dos períodos de seca e chuva tem sido modelado usando uma distribuição Geométrica.

7 Introdução Enfoques correntes para modelagem da precipitação MODELOS PARA DIAS DE CHUVA A modelagem para os dias de chuva tem sido baseada em cadeias de Markov. O mais simples tem dois estados (chuva e não-chuva) e é de primeira ordem (a probabilidade de chuva depende somente do período anterior). Para cadeias de Markov de primeira ordem, a duração dos períodos de seca e chuva tem sido modelado usando uma distribuição Geométrica.

8 Introdução Enfoques correntes para modelagem da precipitação MODELOS PARA DIAS DE CHUVA Feuerverger(1979) usou um modelo de regressção logística para a probabilidade de precipitação. Chandler e Wheater(2002) usou um modelo linear generalizado com base na binomial.

9 Introdução Enfoques correntes para modelagem da precipitação MODELOS PARA DIAS DE CHUVA Feuerverger(1979) usou um modelo de regressção logística para a probabilidade de precipitação. Chandler e Wheater(2002) usou um modelo linear generalizado com base na binomial.

10 Introdução Enfoques correntes para modelagem da precipitação MODELOS PARA QUANTIDADE DE CHUVA Devido a precipitação ser geralmente bastante assimétrica à direita, distribuições como a Gama e Exponencial são utilizadas nessa modelagem. Chapman(1998) comenta que a distribuição Normal Assimétrica foi usada por Nicks e Lane(1989), e a distribuição Weibull usada por Zucchini e Adamson(1984). A mais comumente usada, entretanto, é a distribuição Gama. Allan e Hoan(1975), por exemplo, usou um caso especial da distribuição Gama (a Exponencial) para modelar a precipitação.

11 Introdução Enfoques correntes para modelagem da precipitação MODELOS PARA QUANTIDADE DE CHUVA Devido a precipitação ser geralmente bastante assimétrica à direita, distribuições como a Gama e Exponencial são utilizadas nessa modelagem. Chapman(1998) comenta que a distribuição Normal Assimétrica foi usada por Nicks e Lane(1989), e a distribuição Weibull usada por Zucchini e Adamson(1984). A mais comumente usada, entretanto, é a distribuição Gama. Allan e Hoan(1975), por exemplo, usou um caso especial da distribuição Gama (a Exponencial) para modelar a precipitação.

12 Introdução Enfoques correntes para modelagem da precipitação MODELOS PARA QUANTIDADE DE CHUVA A suposição de mesma distribuição pode ser relaxada. Alguns pesquisadores têm usado diferentes distribuições Gama, dependendo se choveu ou não no dia anterior. Outros pesquisadores têm usado 3 distribuições Gama diferentes: (i) Um dia so com chuva; (ii) Uma para o primeiro dia de dias com chuva; (iii) Um para os dias subsequentes com chuva;

13 Introdução Enfoques correntes para modelagem da precipitação MODELOS PARA QUANTIDADE DE CHUVA A suposição de mesma distribuição pode ser relaxada. Alguns pesquisadores têm usado diferentes distribuições Gama, dependendo se choveu ou não no dia anterior. Outros pesquisadores têm usado 3 distribuições Gama diferentes: (i) Um dia so com chuva; (ii) Uma para o primeiro dia de dias com chuva; (iii) Um para os dias subsequentes com chuva;

14 Introdução Enfoques correntes para modelagem da precipitação MODELOS PARA QUANTIDADE DE CHUVA A suposição de mesma distribuição pode ser relaxada. Alguns pesquisadores têm usado diferentes distribuições Gama, dependendo se choveu ou não no dia anterior. Outros pesquisadores têm usado 3 distribuições Gama diferentes: (i) Um dia so com chuva; (ii) Uma para o primeiro dia de dias com chuva; (iii) Um para os dias subsequentes com chuva;

15 Introdução Enfoques correntes para modelagem da precipitação MODELOS PARA QUANTIDADE DE CHUVA A suposição de mesma distribuição pode ser relaxada. Alguns pesquisadores têm usado diferentes distribuições Gama, dependendo se choveu ou não no dia anterior. Outros pesquisadores têm usado 3 distribuições Gama diferentes: (i) Um dia so com chuva; (ii) Uma para o primeiro dia de dias com chuva; (iii) Um para os dias subsequentes com chuva;

16 Introdução Enfoques correntes para modelagem da precipitação MODELOS PARA QUANTIDADE DE CHUVA A suposição de mesma distribuição pode ser relaxada. Alguns pesquisadores têm usado diferentes distribuições Gama, dependendo se choveu ou não no dia anterior. Outros pesquisadores têm usado 3 distribuições Gama diferentes: (i) Um dia so com chuva; (ii) Uma para o primeiro dia de dias com chuva; (iii) Um para os dias subsequentes com chuva;

17 Introdução Enfoques correntes para modelagem da precipitação MODELOS PARA QUANTIDADE DE CHUVA Para todos esses modelos não é incomum que os parâmetros variem ao longo do ano. Isto pode ser modelado usando diferentes parâmetros para cada mês ou estação.

18 O Modelo de Tweedie Modelo Tweedie 3- O MODELO DE TWEEDIE Assuma que qualquer evento i de precipitação resulta em uma quantidade de precipitação R i, e que cada R i tem uma distribuição Gama Gam( α, γ). (Nessa parametrização a média é αγ e a variância αγ 2 ). Assuma que o número de eventos, N, de precipitação em um dia qualquer como tendo uma distribuição de Poisson. O total de precipitação diária Y pode ser encontrada como uma soma de Poisson das variáveis aleatórias Gama, tal que Y = R 1 + R R N onde N tem uma distribuição de Poisson com média λ.

19 O Modelo de Tweedie Modelo Tweedie 3- O MODELO DE TWEEDIE Assuma que qualquer evento i de precipitação resulta em uma quantidade de precipitação R i, e que cada R i tem uma distribuição Gama Gam( α, γ). (Nessa parametrização a média é αγ e a variância αγ 2 ). Assuma que o número de eventos, N, de precipitação em um dia qualquer como tendo uma distribuição de Poisson. O total de precipitação diária Y pode ser encontrada como uma soma de Poisson das variáveis aleatórias Gama, tal que Y = R 1 + R R N onde N tem uma distribuição de Poisson com média λ.

20 O Modelo de Tweedie Modelo Tweedie Um argumento idêntico pode ser aplicado para precipitação mensal, quando R i poderia referir à precipitação registrada em um dia qualquer e Y é o total de precipitação mensal. A distribuição da precipitação total Y pode ser deduzida trabalhando com funções de cumulantes gerais e notando que Y dado N tem distribuição Gama, Gam( Nα, γ). A distribuição resultante tem sido chamada de Poisson Composta (Feller, 1968; Bar-lev and Stramer, 1987; Jorgensen and Paes de Souza, 1994; Smyth and Jorgensen, 1999), Gama Composta (Johnson and Kotz, 1970) ou Poisson-Gama (Smyth, 1996).

21 O Modelo de Tweedie Modelo Tweedie Um argumento idêntico pode ser aplicado para precipitação mensal, quando R i poderia referir à precipitação registrada em um dia qualquer e Y é o total de precipitação mensal. A distribuição da precipitação total Y pode ser deduzida trabalhando com funções de cumulantes gerais e notando que Y dado N tem distribuição Gama, Gam( Nα, γ). A distribuição resultante tem sido chamada de Poisson Composta (Feller, 1968; Bar-lev and Stramer, 1987; Jorgensen and Paes de Souza, 1994; Smyth and Jorgensen, 1999), Gama Composta (Johnson and Kotz, 1970) ou Poisson-Gama (Smyth, 1996).

22 O Modelo de Tweedie Modelo Tweedie Um argumento idêntico pode ser aplicado para precipitação mensal, quando R i poderia referir à precipitação registrada em um dia qualquer e Y é o total de precipitação mensal. A distribuição da precipitação total Y pode ser deduzida trabalhando com funções de cumulantes gerais e notando que Y dado N tem distribuição Gama, Gam( Nα, γ). A distribuição resultante tem sido chamada de Poisson Composta (Feller, 1968; Bar-lev and Stramer, 1987; Jorgensen and Paes de Souza, 1994; Smyth and Jorgensen, 1999), Gama Composta (Johnson and Kotz, 1970) ou Poisson-Gama (Smyth, 1996).

23 O Modelo de Tweedie Modelo Tweedie A função de probabilidade resultante é complicada e pode ser escrita como: logf p (y; µ, φ) = λ, para y = 0 = y λ logy + logw (y, φ, p), para y > 0 γ onde γ = φ(p 1)µ p 1, λ = µ2 p φ(2 p) e W (y, φ, p) = j=1 onde α = (2 p)/(1 p). y jα (p 1) αj φ j(1 α) (2 p) j j!γ( jα)

24 O Modelo de Tweedie Modelo Tweedie A função de probabilidade resultante é complicada e pode ser escrita como: logf p (y; µ, φ) = λ, para y = 0 = y λ logy + logw (y, φ, p), para y > 0 γ onde γ = φ(p 1)µ p 1, λ = µ2 p φ(2 p) e W (y, φ, p) = j=1 onde α = (2 p)/(1 p). y jα (p 1) αj φ j(1 α) (2 p) j j!γ( jα)

25 O Modelo de Tweedie Modelo Tweedie A média da distribuição é µ e a variância é φµ p. Nessa formula, 1 < p < 2 é o índice que determina qual distribuição Poisson-Gama é usada. Importante: A probabilidade de não registrar uma precipitação é dada por [ ] P(Y = 0) = exp( λ) = exp µ2 p φ(2 p)

26 O Modelo de Tweedie Modelo Tweedie A média da distribuição é µ e a variância é φµ p. Nessa formula, 1 < p < 2 é o índice que determina qual distribuição Poisson-Gama é usada. Importante: A probabilidade de não registrar uma precipitação é dada por [ ] P(Y = 0) = exp( λ) = exp µ2 p φ(2 p)

27 O Modelo de Tweedie Modelo Tweedie As distribuições Poisson-Gama fazem parte de uma classe de distribuições conhecida como família Tweedie de distribuições. Essas distribuições têm variância na forma Var(Y ) = φµ p para p / (0, 1). Para 1 < p < 2, as distribuições têm suporte em números não-negativos e a distribuição é a Poisson-Gama ja apresentada. Quando p 1, as probabilidades são dadas pela distribuição Poisson. Quando p 2, a distribuição tende para a Gama.

28 O Modelo de Tweedie Modelo Tweedie A gura mostra a função de densidade de algumas distribuições Tweedie para vários valores de p.

29 O Modelo de Tweedie Modelo Tweedie Matematicamente, as distribuições são melhores analisadas usando a parametrização (µ, φ, p). Contudo, climatologicamente a parametrização em termos de (λ, γ, α) são mais úteis. Nessa parametrização, λ refere o número médio de eventos de precipitação por mês, γ refere a forma dos eventos de precipitação e αγ refere a quantidade média de precipitação por evento.

30 O Modelo de Tweedie Modelo Tweedie Propriedades importantes que fazem dela atraente para utilização na modelagem de precipitação: Estas distribuições pertecem à família exponencial, sob a qual os modelos lineares generelizados estão baseados. Consequentemente, existem metodologias disponíveis para ajustar modelos baseados na distribuição Tweedie e para testes de diagnóstico. Além disso, covariáveis podem ser incorporadas no procedimento de modelagem.

31 O Modelo de Tweedie Modelo Tweedie Propriedades importantes que fazem dela atraente para utilização na modelagem de precipitação: Estas distribuições pertecem à família exponencial, sob a qual os modelos lineares generelizados estão baseados. Consequentemente, existem metodologias disponíveis para ajustar modelos baseados na distribuição Tweedie e para testes de diagnóstico. Além disso, covariáveis podem ser incorporadas no procedimento de modelagem.

32 Estimação Estimação A família Tweedie tem 3 parâmetros. São eles µ (a média), φ (o parâmetro de dispersão) e p. No contexto dos modelos lineares generalizados, µ corresponde aos valores preditos e pode ser estimado usando algoritmos padrão. Como não estamos utilizando covariáveis, µ pode ser estimado pela média amostral.

33 Estimação Estimação A estimação de máxima verossimilhança de φ é mais difícil; algoritmos complicados estão disponíveis para a estimação de máxima verossimilhança de φ. No paper é utilizada a estimativa de máxima verossimilhança.

34 Estimação Estimação A estimação de máxima verossimilhança de p é feita usando um gráco da log-verossimilhança perlada, no qual requer a computação da verossimilhança. Para um dado valor xo de p, estimativas de µ e φ podem ser computadas como falamos anteriormente e a log-verossimilhança computada. O valor de p em que a log-verossimilhança é máxima é escolhida como o valor de máxima verossimilhança.

35 Aplicação Flexibilidade da familia Tweedie Uma das principais características da Distribuição tweedie é sua exibilidade. Nas seguintes guras são apresentadas algumas das diferentes formas que sua função de densidade pode assumir: Figura 1: Formas de densidades da família tweedie

36 Aplicação Figura 2: Formas de densidades da família tweedie Nos casos em que o parâmetro p está no intervalo (1, 2), note que no ponto y = 0 existe um ponto de massa representando uma probabilidade positiva de ocorrência de zero.

37 Exemplo 1 Aplicação O primeiro exemplo trata de dados de precipitação mensal em Chaterville na Australia no periíodo de 1882 a Considera-se que para um determinado mês, a precipitação total Y pode ser descrita por uma distribuição Poisson resultante da soma de variáveis aleatótias com distribuição gamma, tal que: Y = R 1 + R R N em que N tem distribuição Poisson com média λ.

38 Aplicação Neste caso distribuição Tweedie pode ser utilizada, considerando duas parametrizações de interesse: (µ, φ, p) em que µ e φ são os parâmetros usuais das distribuições da família exponencial e p é o parâmetro especico da distribuição Tweedie, (λ, γ, α) em que λ é o número médio de eventos de chuva, γ é parametro de forma dos eventos de chuva e αγ é a quantidade média de chuva por evento. Vale notar que as interpretações referentes à segunda parametrização são válidas apenas nos casos em que 1 < p < 2, ou seja existe a ocorrência de zeros nos dados.

39 Aplicação No conjunto de dados, para cada mês tem-se 113 observações de Y, sendo que existem diversos zeros, salvo para os meses de Novembro, Dezembro e Janeiro que apresentaram chuva em todos os anos observados.

40 Exemplo 2 Aplicação Neste exemplo são considerados dados de precipitação diária dos meses de Abril em Melbourne, Australia, no período de 1981 a O banco de dados consiste de 300 observações, sendo destas 197 iguais a zero, representando dias sem chuva. O banco de dados está disponível na internet e o exemplo foi reproduzido utilizando os pacotes (tweedie) e (statmod).

41 Aplicação Figura 3: Estimação do parâmetro p O gráco apresenta o perl de verossimilhança do parâmetro p. Os parâmetros (µ, φ) são estimados pelo método de máxima verossimilhança, e com as estimativas obtidas calcula-se o valor da função de verossimilhança para diversos valores de p, buscando um valor de p que maximize a função. No exemplo em questão, o valor de p estimado é aproximadamente 1.61.

42 Aplicação Uma análise de resíduos é utilizada para vericar o ajuste do modelo adotado aos dados. No exemplo são utilizados os resíduos quantis aleatorizados (Dunn e Smyth 1996). Figura 4: QQ-plot dos resíduos quantis aleatorizados

43 Inclusão de covariáveis Aplicação No artigo apresentado os modelos ajustados não incorporam covariáveis. A utilização das mesmas é da forma convencional atravéz da função glm, em que para a família tweedie precisa de argumento adicional que xa o parâmetro p Em (Smyth e Jorgensen 2002) é apresentado um exemplo da utilização da distribuição Tweedie em modelos lineares generalizados com adição de covariáveis no modelo. Neste caso os autores utilizam um contexto que chamam de MLG duplos, em que tanto a média quanto a disperção são modeladas no enfoque de MLG.

44 Referências Aplicação Dunn PK, Smyth GK Randomized quantile residuals. Journal of Computational and Graphical Statistics 5: Smyth GK, Jorgesen B Fitting Tweedie s compound Poisson model to insurance claims data: dispersion modeling. Proceedings of the 52nd Session of the International Statistical Institute. 68. Dunn PK Occurence and quantity of precipitation can be modelled simultaneously. International journal of climatology 24: Smyth GK Regression analysis of quantity data with exact zeros. In Proceedings of the Second AustraliaJapan Workshop on Stochastic Models in Engineering, Technology and Management, Braga Technology Junior e Eduardo Management Gomes Centre, University of

de Piracicaba-SP: uma abordagem comparativa por meio de modelos probabilísticos

de Piracicaba-SP: uma abordagem comparativa por meio de modelos probabilísticos Descrição da precipitação pluviométrica no munícipio de Piracicaba-SP: uma abordagem comparativa por meio de modelos probabilísticos Idemauro Antonio Rodrigues de Lara 1 Renata Alcarde 2 Sônia Maria De

Leia mais

A distribuição Weibull-Poisson

A distribuição Weibull-Poisson A distribuição Weibull-Poisson Estela Maris P. Bereta - DEs/UFSCar Francisco Louzada-Neto - DEs/UFSCar Maria Aparecida de Paiva Franco - DEs/UFSCar Resumo Neste trabalho é proposta uma distribuição de

Leia mais

DISTRIBUIÇÕES DE PROBABILIDADE

DISTRIBUIÇÕES DE PROBABILIDADE DISTRIBUIÇÕES DE PROBABILIDADE i1 Introdução Uma distribuição de probabilidade é um modelo matemático que relaciona um certo valor da variável em estudo com a sua probabilidade de ocorrência. Há dois tipos

Leia mais

Distribuição de Erlang

Distribuição de Erlang Distribuição de Erlang Uma variável aleatória exponencial descreve a distância até que a primeira contagem é obtida em um processo de Poisson. Generalização da distribuição exponencial : O comprimento

Leia mais

Utilizando-se as relações entre as funções básicas é possível obter as demais funções de sobrevivência.

Utilizando-se as relações entre as funções básicas é possível obter as demais funções de sobrevivência. MÉTODOS PARAMÉTRICOS PARA A ANÁLISE DE DADOS DE SOBREVIVÊNCIA Nesta abordagem paramétrica, para estimar as funções básicas da análise de sobrevida, assume-se que o tempo de falha T segue uma distribuição

Leia mais

Uma distribuição de probabilidade é um modelo matemático que relaciona um certo valor da variável em estudo com a sua probabilidade de ocorrência.

Uma distribuição de probabilidade é um modelo matemático que relaciona um certo valor da variável em estudo com a sua probabilidade de ocorrência. Professor: Leandro Zvirtes UDESC/CCT Uma distribuição de probabilidade é um modelo matemático que relaciona um certo valor da variável em estudo com a sua probabilidade de ocorrência. Há dois tipos de

Leia mais

Distribuição Exponencial Exponenciada na Presença de Fração de Cura: Modelos de Mistura e Não-Mistura

Distribuição Exponencial Exponenciada na Presença de Fração de Cura: Modelos de Mistura e Não-Mistura Distribuição Exponencial Exponenciada na Presença de Fração de Cura: Modelos de Mistura e Não-Mistura Emílio Augusto Coelho-Barros 1,2 Jorge Alberto Achcar 2 Josmar Mazucheli 3 1 Introdução Em análise

Leia mais

Probabilidade. Distribuição Exponencial

Probabilidade. Distribuição Exponencial Probabilidade Distribuição Exponencial Aplicação Aplicada nos casos onde queremos analisar o espaço ou intervalo de acontecimento de um evento; Na distribuição de Poisson estimativa da quantidade de eventos

Leia mais

MODELOS GENERALIZADOS ADITIVOS PARA LOCAÇÃO, ESCALA E FORMA NUMA ANÁLISE DE CUSTOS DE PROCEDIMENTOS HOSPITALARES DE UMA OPERADORA DE PLANOS DE SAÚDE

MODELOS GENERALIZADOS ADITIVOS PARA LOCAÇÃO, ESCALA E FORMA NUMA ANÁLISE DE CUSTOS DE PROCEDIMENTOS HOSPITALARES DE UMA OPERADORA DE PLANOS DE SAÚDE MODELOS GENERALIZADOS ADITIVOS PARA LOCAÇÃO, ESCALA E FORMA NUMA ANÁLISE DE CUSTOS DE PROCEDIMENTOS HOSPITALARES DE UMA OPERADORA DE PLANOS DE SAÚDE Rafaela de Sousa KIENEN Cesar Augusto TACONELI RESUMO:

Leia mais

Probabilidade. Distribuição Exponencial

Probabilidade. Distribuição Exponencial Probabilidade Distribuição Exponencial Aplicação Aplicada nos casos onde queremos analisar o espaço ou intervalo de acontecimento de um evento; Na distribuição de Poisson estimativa da quantidade de eventos

Leia mais

Conceitos de Confiabilidade Características da Distribuição Weibull

Conceitos de Confiabilidade Características da Distribuição Weibull Página 1 de 7 WebSite Softwares Treinamentos Consultorias Recursos ReliaSoft Empresa ReliaSoft > Reliability Hotwire > Edição 3 > Conceitos Básicos de Confiabilidade Reliability HotWire Edição 3, Maio

Leia mais

Exercícios Resolvidos da Distribuição de Poisson

Exercícios Resolvidos da Distribuição de Poisson . a. Qual é a diferença entre as distribuições de Poisson e inomial? b. Dê alguns exemplos de quando podemos aplicar a distribuição de Poisson. c. Dê a fórmula da distribuição de Poisson e o significado

Leia mais

Universidade Federal do Paraná Departamento de Informática. Reconhecimento de Padrões. Revisão de Probabilidade e Estatística

Universidade Federal do Paraná Departamento de Informática. Reconhecimento de Padrões. Revisão de Probabilidade e Estatística Universidade Federal do Paraná Departamento de Informática Reconhecimento de Padrões Revisão de Probabilidade e Estatística Luiz Eduardo S. Oliveira, Ph.D. http://lesoliveira.net Conceitos Básicos Estamos

Leia mais

PE-MEEC 1S 09/10 118. Capítulo 4 - Variáveis aleatórias e. 4.1 Variáveis. densidade de probabilidade 4.2 Valor esperado,

PE-MEEC 1S 09/10 118. Capítulo 4 - Variáveis aleatórias e. 4.1 Variáveis. densidade de probabilidade 4.2 Valor esperado, Capítulo 4 - Variáveis aleatórias e distribuições contínuas 4.1 Variáveis aleatórias contínuas. Função densidade de probabilidade 4.2 Valor esperado, variância e algumas das suas propriedades. Moda e quantis

Leia mais

VALORES EXTREMOS: CONCEITOS, ABORDAGEM CLÁSSICA E MÉTODOS DE MODELAGEM

VALORES EXTREMOS: CONCEITOS, ABORDAGEM CLÁSSICA E MÉTODOS DE MODELAGEM VALORES EXTREMOS: CONCEITOS, ABORDAGEM CLÁSSICA E MÉTODOS DE MODELAGEM Pedro Pelacani Berger Programa de Pós-Graduação em Engenharia Civil -UFES/ES Universidade Federal do Espírito Santo, Av. Fernando

Leia mais

Estimação bayesiana em modelos lineares generalizados mistos: MCMC versus INLA

Estimação bayesiana em modelos lineares generalizados mistos: MCMC versus INLA Estimação bayesiana em modelos lineares generalizados mistos: MCMC versus INLA Everton Batista da Rocha 1 2 3 Roseli Aparecida Leandro 2 Paulo Justiniano Ribeiro Jr 4 1 Introdução Na experimentação agronômica

Leia mais

Probabilidades e Estatística

Probabilidades e Estatística Departamento de Matemática - IST(TP) Secção de Estatística e Aplicações Probabilidades e Estatística 1 o Exame/1 o Teste/2 o Teste 2 o Semestre/1 a Época 2008/09 Duração: 3 horas/1 hora e 30 minutos 16/01/09

Leia mais

Bioestatística Aula 3

Bioestatística Aula 3 Aula 3 Castro Soares de Oliveira Probabilidade Probabilidade é o ramo da matemática que estuda fenômenos aleatórios. Probabilidade é uma medida que quantifica a sua incerteza frente a um possível acontecimento

Leia mais

MOQ-13 Probabilidade e Estatística

MOQ-13 Probabilidade e Estatística Instituto Tecnológico de Aeronáutica Divisão de Engenharia Mecânica-Aeronáutica MOQ-13 Probabilidade e Estatística Profa. Denise Beatriz Ferrari www.mec.ita.br/ denise denise@ita.br Motivação Idéias Básicas

Leia mais

PLANO DE ENSINO. Mestrado em Matemática - Área de Concentração em Estatística

PLANO DE ENSINO. Mestrado em Matemática - Área de Concentração em Estatística 1. IDENTIFICAÇÃO PLANO DE ENSINO Disciplina: Estatística Multivariada Código: PGMAT568 Pré-Requisito: No. de Créditos: 4 Número de Aulas Teóricas: 60 Práticas: Semestre: 1º Ano: 2015 Turma(s): 01 Professor(a):

Leia mais

MESTRADO DECISÃO ECONÓMICA E EMPRESARIAL TRABALHO FINAL DE MESTRADO DISSERTAÇÃO MODELOS LINEARES GENERALIZADOS TWEEDIE APLICADOS AO

MESTRADO DECISÃO ECONÓMICA E EMPRESARIAL TRABALHO FINAL DE MESTRADO DISSERTAÇÃO MODELOS LINEARES GENERALIZADOS TWEEDIE APLICADOS AO MESTRADO DECISÃO ECONÓMICA E EMPRESARIAL TRABALHO FINAL DE MESTRADO DISSERTAÇÃO MODELOS LINEARES GENERALIZADOS TWEEDIE APLICADOS AO CÁLCULO DE PROVISÕES PARA SINISTROS ANDRÉ PEREIRA POUSINHO ORIENTAÇÃO:

Leia mais

Aula 2: Variáveis Aleatórias Discretas e Contínuas e suas Principais Distribuições.

Aula 2: Variáveis Aleatórias Discretas e Contínuas e suas Principais Distribuições. Aula 2: Variáveis Aleatórias Discretas e Contínuas e suas Principais Distribuições. Prof. Leandro Chaves Rêgo Programa de Pós-Graduação em Engenharia de Produção - UFPE Recife, 14 de Março de 2012 Tipos

Leia mais

XIX CONGRESSO DE PÓS-GRADUAÇÃO DA UFLA 27 de setembro a 01 de outubro de 2010

XIX CONGRESSO DE PÓS-GRADUAÇÃO DA UFLA 27 de setembro a 01 de outubro de 2010 27 de setembro a de outubro de 2 COMPARAÇÃO DOS MÉTODOS DOS MOMENTOS E DA MÁXIMA VEROSSSIMILHANÇA PARA ESTIMATIVA DOS PARÂMETROS DA DISTRIBUIÇÃO DE PROBABILIDADE WEIBULL LIDIANE APARECIDA BORGES, CARLOS

Leia mais

Descreve de uma forma adequada o

Descreve de uma forma adequada o EST029 Cálculo de Probabilidade I Cap. 8 - Variáveis Aleatórias Contínuas Prof. Clécio da Silva Ferreira Depto Estatística - UFJF 1 Variável Aleatória Normal Caraterização: Descreve de uma forma adequada

Leia mais

MOQ-23 ESTATÍSTICA. Professor: Rodrigo A. Scarpel rodrigo@ita.br www.mec.ita.br/~rodrigo

MOQ-23 ESTATÍSTICA. Professor: Rodrigo A. Scarpel rodrigo@ita.br www.mec.ita.br/~rodrigo MOQ-3 ESTATÍSTICA Proessor: Rodrigo A. Scarpel rodrigo@ita.br www.mec.ita.br/~rodrigo Probabilidade e Estatística: The Science o collecting and analyzing data or the purpose o drawing conclusions and making

Leia mais

'LVWULEXLomR(VWDWtVWLFDGRV9DORUHV([WUHPRVGH5DGLDomR6RODU *OREDOGR(VWDGRGR56

'LVWULEXLomR(VWDWtVWLFDGRV9DORUHV([WUHPRVGH5DGLDomR6RODU *OREDOGR(VWDGRGR56 LVWULEXLomR(VWDWtVWLFDGRV9DORUHV([WUHPRVGH5DGLDomR6RODU OREDOGR(VWDGRGR56 6X]DQH5DQ]DQ 6LPRQH0&HUH]HU&ODRGRPLU$0DUWLQD]]R Universidade Regional Integrada do Alto Uruguai e das Missões, Departamento de

Leia mais

Predição em Modelos de Tempo de Falha Acelerado com Efeito Aleatório para Avaliação de Riscos de Falha em Poços Petrolíferos

Predição em Modelos de Tempo de Falha Acelerado com Efeito Aleatório para Avaliação de Riscos de Falha em Poços Petrolíferos 1 Predição em Modelos de Tempo de Falha Acelerado com Efeito Aleatório para Avaliação de Riscos de Falha em Poços Petrolíferos João Batista Carvalho Programa de Pós-Graduação em Matemática Aplicada e Estatística,

Leia mais

Uma Avaliação do Uso de um Modelo Contínuo na Análise de Dados Discretos de Sobrevivência

Uma Avaliação do Uso de um Modelo Contínuo na Análise de Dados Discretos de Sobrevivência TEMA Tend. Mat. Apl. Comput., 7, No. 1 (2006), 91-100. c Uma Publicação da Sociedade Brasileira de Matemática Aplicada e Computacional. Uma Avaliação do Uso de um Modelo Contínuo na Análise de Dados Discretos

Leia mais

CONTEÚDO. 1.6.4 Tempo Médio e Vida Média Residual. 1.6.5 Relações entre as Funções 1.7 Exercícios...

CONTEÚDO. 1.6.4 Tempo Médio e Vida Média Residual. 1.6.5 Relações entre as Funções 1.7 Exercícios... Conteúdo Prefácio xiii 1 Conceitos Básicos e Exemplos 1 1.1 Introdução... 1 1.2 Objetivo e Planejamento dos Estudos 3 1.3 Caracterizando Dados de Sobrevivência 6 1.3.1 Tempo de Falha 7 1.3.2 Censura e

Leia mais

Análise de Diagnóstico no Modelo de Regressão Bivariado com Fração de Cura

Análise de Diagnóstico no Modelo de Regressão Bivariado com Fração de Cura Análise de Diagnóstico no Modelo de Regressão Bivariado com Fração de Cura Juliana B. Fachini Universidade de São Paulo Edwin M. M. Ortega Universidade de São Paulo 1 Introdução Dados de sobrevivência

Leia mais

Variáveis Aleatórias Contínuas e Distribuição de Probabilidad

Variáveis Aleatórias Contínuas e Distribuição de Probabilidad Variáveis Aleatórias Contínuas e Distribuição de Probabilidades - parte IV 2012/02 Distribuição Exponencial Vamos relembrar a definição de uma variável com Distribuição Poisson. Número de falhas ao longo

Leia mais

Descobrimos que os testes 1, 2 e 7 foram os mais úteis para avaliação da estabilidade do gráfico Xbar na carta I:

Descobrimos que os testes 1, 2 e 7 foram os mais úteis para avaliação da estabilidade do gráfico Xbar na carta I: 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 usados no Assistente no Software Estatístico

Leia mais

Simulação Estocástica

Simulação Estocástica Simulação Estocástica O que é Simulação Estocástica? Simulação: ato ou efeito de simular Disfarce, fingimento,... Experiência ou ensaio realizado com o auxílio de modelos. Aleatório: dependente de circunstâncias

Leia mais

Estatística stica para Metrologia

Estatística stica para Metrologia Aula 5 Estatística stica para Metrologia Aula 5 Variáveis Contínuas Uniforme Exponencial Normal Lognormal Mônica Barros, D.Sc. Maio de 008 1 Distribuição Uniforme A probabilidade de ocorrência em dois

Leia mais

UNIVERSIDADE FEDERAL DE JUIZ DE FORA INSTITUTO DE CIÊNCIAS EXATAS DEPARTAMENTO DE ESTATÍSTICA Programa de Graduação em Estatística. Samuel de Oliveira

UNIVERSIDADE FEDERAL DE JUIZ DE FORA INSTITUTO DE CIÊNCIAS EXATAS DEPARTAMENTO DE ESTATÍSTICA Programa de Graduação em Estatística. Samuel de Oliveira UNIVERSIDADE FEDERAL DE JUIZ DE FORA INSTITUTO DE CIÊNCIAS EXATAS DEPARTAMENTO DE ESTATÍSTICA Programa de Graduação em Estatística Samuel de Oliveira INFERÊNCIA E ANÁLISE DE RESÍDUOS E DE DIAGNÓSTICO EM

Leia mais

Análise Bayesiana do Sistema de Cotas da UFBA

Análise Bayesiana do Sistema de Cotas da UFBA Análise Bayesiana do Sistema de Cotas da UFBA Lilia Carolina C. da Costa Universidade Federal da Bahia Marina Silva Paez Universidade Federal do Rio de Janeiro Antonio Guimarães, Nadya Araujo Guimarães

Leia mais

COMENTÁRIO AFRM/RS 2012 ESTATÍSTICA Prof. Sérgio Altenfelder

COMENTÁRIO AFRM/RS 2012 ESTATÍSTICA Prof. Sérgio Altenfelder Comentário Geral: Prova muito difícil, muito fora dos padrões das provas do TCE administração e Economia, praticamente só caiu teoria. Existem três questões (4, 45 e 47) que devem ser anuladas, por tratarem

Leia mais

Inferência Estatística

Inferência Estatística Universidade Federal Fluminense Instituto de Matemática e Estatística Inferência Estatística Ana Maria Lima de Farias Departamento de Estatística Conteúdo 1 Inferência estatística Conceitos básicos 1 1.1

Leia mais

Aplicação do modelo de regressão beta para a modelagem da área miocárdica sob risco de necrose em pacientes infartados

Aplicação do modelo de regressão beta para a modelagem da área miocárdica sob risco de necrose em pacientes infartados Aplicação do modelo de regressão beta para a modelagem da área miocárdica sob risco de necrose em pacientes infartados Edmilson Rodrigues Pinto 12 - FAMAT, UFU 3 Leandro Alves Pereira - FAMAT, UFU Laíse

Leia mais

Vetores Aleatórios, correlação e conjuntas

Vetores Aleatórios, correlação e conjuntas Vetores Aleatórios, correlação e conjuntas Cláudio Tadeu Cristino 1 1 Universidade Federal Rural de Pernambuco, Recife, Brasil Segundo Semestre, 2013 C.T.Cristino (DEINFO-UFRPE) Vetores Aleatórios 2013.2

Leia mais

AEP FISCAL CURSO DE ESTATÍSTICA

AEP FISCAL CURSO DE ESTATÍSTICA AEP FISCAL CURSO DE ESTATÍSTICA Auditor Fiscal da Receita Federal do Brasil, Analista Tributário da Receita Federal do Brasil e Auditor Fiscal do Trabalho. Prof. Weber Campos webercampos@gmail.com AUDITOR-FISCAL

Leia mais

(b) Qual a probabilidade de ter sido transmitido um zero, sabendo que foi recebido um (1.0) zero?

(b) Qual a probabilidade de ter sido transmitido um zero, sabendo que foi recebido um (1.0) zero? Grupo I 5.0 valores 1. Um sistema de comunicação binária transmite zeros e uns com probabilidade 0.5 em qualquer dos casos. Devido ao ruído existente no canal de comunicação há erros na recepção: transmitido

Leia mais

CAPÍTULO 4 Exercícios Resolvidos

CAPÍTULO 4 Exercícios Resolvidos CAPÍTULO 4 Exercícios Resolvidos R4.1) Condição para concretização de uma venda Um certo tipo de componente é vendido em lotes de 1000 itens. O preço de venda do lote é usualmente de 60 u.m. Um determinado

Leia mais

Uma aplicação dos modelos de fronteira estocástica utilizando a abordagem Bayesiana

Uma aplicação dos modelos de fronteira estocástica utilizando a abordagem Bayesiana Uma aplicação dos modelos de fronteira estocástica utilizando a abordagem Bayesiana Bruna Cristina Braga 1 2 Juliana Garcia Cespedes 1 1 Introdução Os cursos de pós-graduação do Brasil são avaliados pela

Leia mais

Construção de modelos: 1 estimativa dos parâmetros que melhor ajustam os modelos aos dados, 2 selecionar aqueles modelos que tem o melhor ajuste

Construção de modelos: 1 estimativa dos parâmetros que melhor ajustam os modelos aos dados, 2 selecionar aqueles modelos que tem o melhor ajuste Verossimilhança Construção de modelos: 1 estimativa dos parâmetros que melhor ajustam os modelos aos dados, 2 selecionar aqueles modelos que tem o melhor ajuste Métrica usada para avaliar o ajuste Verossimilhança:

Leia mais

DISTRIBUIÇÃO DE WEIBULL CONCEITOS BÁSICOS APLICAÇÕES

DISTRIBUIÇÃO DE WEIBULL CONCEITOS BÁSICOS APLICAÇÕES LUIZ CLAUDIO BENCK KEVIN WONG TAMARA CANDIDO DISTRIBUIÇÃO DE WEIBULL CONCEITOS BÁSICOS APLICAÇÕES Trabalho apresentado para avaliação na disciplina de Estatística e Métodos Numéricos do Curso de Administração

Leia mais

Principais tipos de resíduos utilizados na análise de diagnóstico em MLG com aplicações para os modelos: Poisson, ZIP e ZINB

Principais tipos de resíduos utilizados na análise de diagnóstico em MLG com aplicações para os modelos: Poisson, ZIP e ZINB Francisco William Pereira Marciano Principais tipos de resíduos utilizados na análise de diagnóstico em MLG com aplicações para os modelos: Poisson, ZIP e ZINB Fortaleza CE Setembro / 2009 Francisco William

Leia mais

ANALISE DA DISTRIBUIÇÃO DE FREQUÊNCIA DA PRECIPITAÇÃO MENSAL E ANUAL PARA A CIDADE DE IGUATU-CE 1

ANALISE DA DISTRIBUIÇÃO DE FREQUÊNCIA DA PRECIPITAÇÃO MENSAL E ANUAL PARA A CIDADE DE IGUATU-CE 1 ANALISE DA DISTRIBUIÇÃO DE FREQUÊNCIA DA PRECIPITAÇÃO MENSAL E ANUAL PARA A CIDADE DE IGUATU-CE 1 ÍTALO N. SILVA 2, JOAQUIM B. OLIVEIRA 3, ELIAKIM M. ARAÚJO 4, EDMILSON G. C. JUNIOR 4, BRUNO M. ALMEIDA

Leia mais

AULAS 13, 14 E 15 Correlação e Regressão

AULAS 13, 14 E 15 Correlação e Regressão 1 AULAS 13, 14 E 15 Correlação e Regressão Ernesto F. L. Amaral 23, 28 e 30 de setembro de 2010 Metodologia de Pesquisa (DCP 854B) Fonte: Triola, Mario F. 2008. Introdução à estatística. 10 ª ed. Rio de

Leia mais

Avaliação de Desempenho

Avaliação de Desempenho Avaliação de Desempenho Aulas passadas Modelagem de sistemas via cadeias de Markov Aula de hoje Introdução à simulação Gerando números pseudo-aleatórios 1 O Ciclo de Modelagem Sistema real Criação do Modelo

Leia mais

Uma Comparação entre o Desempenho de Metodologias de Cálculo do Valor em Risco Aplicadas à Carteiras Lineares e Opções de Compra

Uma Comparação entre o Desempenho de Metodologias de Cálculo do Valor em Risco Aplicadas à Carteiras Lineares e Opções de Compra Uma Comparação entre o Desempenho de Metodologias de Cálculo do Valor em Risco Aplicadas à Carteiras Lineares e Opções de Compra Autoria: Patrícia Barros Ramos, Josete Florencio dos Santos, Eduardo Luiz

Leia mais

ANÁLISE DA DISTRIBUIÇÃO TEMPORAL DE DADOS HORÁRIOS DE TEMPERATURA EM CURITIBA

ANÁLISE DA DISTRIBUIÇÃO TEMPORAL DE DADOS HORÁRIOS DE TEMPERATURA EM CURITIBA ANÁLISE DA DISTRIBUIÇÃO TEMPORAL DE DADOS HORÁRIOS DE TEMPERATURA EM CURITIBA Miriam Pittigliani Instituto Tecnológico Simepar Centro Politécnico da UFPR Cx. Postal 19.1, Curitiba-PR, 81.531-99 e-mail:

Leia mais

Análise e Modelagem de Perda de Pacotes em Redes 802.11 em Ambientes Indoor

Análise e Modelagem de Perda de Pacotes em Redes 802.11 em Ambientes Indoor SBRC 2007 - Sessão de Artigos Curtos II 1117 Análise e Modelagem de Perda de Pacotes em Redes 802.11 em Ambientes Indoor Kleber V. Cardoso 1,José F. de Rezende 1 1 GTA - PEE - COPPE Universidade Federal

Leia mais

Monitoramento e Controle de Processo Multivariado

Monitoramento e Controle de Processo Multivariado Monitoramento e Controle de Processo Multivariado Roteiro 1. O Problema do Controle da Qualidade Multivariado 2. Descrição de Dados Multivariados 3. Gráfico de Controle T 2 de Hotelling (Subgrupos) 4.

Leia mais

CREDITRISK+: Implementação da Modelagem Estatística de Risco de Crédito e Cálculos Alternativos Através da Transformada Rápida de Fourier no R.

CREDITRISK+: Implementação da Modelagem Estatística de Risco de Crédito e Cálculos Alternativos Através da Transformada Rápida de Fourier no R. CREDITRISK+: Implementação da Modelagem Estatística de Risco de Crédito e Cálculos Alternativos Através da Transformada Rápida de Fourier no R. M. A. S. Sanfins a 1 & T. M. Clark a 2 a Universidade Federal

Leia mais

1 Método de Monte Carlo Simples

1 Método de Monte Carlo Simples Método de Monte Carlo Simples Finalidade: obter uma estimativa para o valor esperado de uma função qualquer g da variável aleatória θ, ou seja, E[g(θ)]. Seja g(θ) uma função qualquer de θ. Suponha que

Leia mais

Inferência baseada em Verossimilhança para o modelo de regressão Poisson

Inferência baseada em Verossimilhança para o modelo de regressão Poisson Inferência baseada em Verossimilhança para o modelo de regressão Poisson 1 Introdução O objetivo deste relatório é mostrar o procedimento computacional para inferência baseada em Verossimilhança para dados

Leia mais

Função bayesiana em R para o problema de Behrens-Fisher multivariado

Função bayesiana em R para o problema de Behrens-Fisher multivariado Função bayesiana em R para o problema de Behrens-Fisher multivariado Patrícia de Siqueira Ramos 1 2 Daniel Furtado Ferreira 3 1 Introdução Um dos problemas mais comuns na Estatística aplicada é o de comparar

Leia mais

Modelo para estimativa de risco operacional e previsão de estoque para equipamentos da Comgás

Modelo para estimativa de risco operacional e previsão de estoque para equipamentos da Comgás Modelo para estimativa de risco operacional e previsão de estoque para equipamentos da Comgás Resumo Marcos Henrique de Carvalho 1 Gabriel Alves da Costa Lima 2 Antonio Elias Junior 3 Sergio Rodrigues

Leia mais

LISTA DE EXERCÍCIOS VARIÁVEIS ALEATÓRIAS

LISTA DE EXERCÍCIOS VARIÁVEIS ALEATÓRIAS LISTA DE EXERCÍCIOS VARIÁVEIS ALEATÓRIAS 1. Construir um quadro e o gráfico de uma distribuição de probabilidade para a variável aleatória X: número de coroas obtidas no lançamento de duas moedas. 2. Fazer

Leia mais

UNIVERSIDADE FEDERAL DO PIAUÍ (UFPI) ENG. DE PRODUÇÃO PROBABILIDADE E ESTATÍSTICA 2

UNIVERSIDADE FEDERAL DO PIAUÍ (UFPI) ENG. DE PRODUÇÃO PROBABILIDADE E ESTATÍSTICA 2 UNIVERSIDADE FEDERAL DO PIAUÍ (UFPI) ENG. DE PRODUÇÃO PROBABILIDADE E ESTATÍSTICA 2 LISTA N O 2 Prof.: William Morán Sem. I - 2011 1) Considere a seguinte função distribuição conjunta: 1 2 Y 0 0,7 0,0

Leia mais

Primeira Lista de Exercícios de Estatística

Primeira Lista de Exercícios de Estatística Primeira Lista de Exercícios de Estatística Professor Marcelo Fernandes Monitor: Márcio Salvato 1. Suponha que o universo seja formado pelos naturais de 1 a 10. Sejam A = {2, 3, 4}, B = {3, 4, 5}, C =

Leia mais

Momentos de uma variável aleatória

Momentos de uma variável aleatória Momentos de uma variável aleatória O cálculo de E[X] (valor médio de X) e E[X 2 ] (que intervém na variância), pode ser generalizado pensando em E[X k ] com k IN. Definição: Dada uma v.a. X, chama-se momento

Leia mais

daniel.desouza@hotmail.com

daniel.desouza@hotmail.com VIII Congreso Regional de ENDE Campana Agosto 2011 Aplicação do estimador maximum likelihood a um teste de vida sequencial truncado utilizando-se uma distribuição eibull Invertida de três parâmetros como

Leia mais

Geração de variáveis aleatórias

Geração de variáveis aleatórias Geração de variáveis aleatórias Danilo Oliveira, Matheus Torquato Centro de Informática Universidade Federal de Pernambuco 5 de setembro de 2012 Danilo Oliveira, Matheus Torquato () 5 de setembro de 2012

Leia mais

Uma Abordagem Clássica e Bayesiana para o Modelo de Tweedie

Uma Abordagem Clássica e Bayesiana para o Modelo de Tweedie UNIVERSIDADE FEDERAL DE SÃO CARLOS CENTRO DE CIÊNCIAS EXATAS E MATEMÁTICA ROGRAMA DE ÓS-GRADUAÇÃO EM ESTATÍSTICA Uma Abordagem Clássica e Bayesiana para o Modelo de Tweedie Flávia Ferreira Orientador:

Leia mais

DISTRIBUIÇÃO NORMAL 1

DISTRIBUIÇÃO NORMAL 1 DISTRIBUIÇÃO NORMAL 1 D ensid ade Introdução Exemplo : Observamos o peso, em kg, de 1500 pessoas adultas selecionadas ao acaso em uma população. O histograma por densidade é o seguinte: 0.04 0.03 0.02

Leia mais

AULAS 04 E 05 Estatísticas Descritivas

AULAS 04 E 05 Estatísticas Descritivas 1 AULAS 04 E 05 Estatísticas Descritivas Ernesto F. L. Amaral 19 e 28 de agosto de 2010 Metodologia de Pesquisa (DCP 854B) Fonte: Triola, Mario F. 2008. Introdução à estatística. 10 ª ed. Rio de Janeiro:

Leia mais

Modelagem de Processos Espaço-temporais

Modelagem de Processos Espaço-temporais Universidade Federal do Rio de Janeiro Instituto de Matemática Modelagem de Processos Espaço-temporais Marina Silva Paez (marina@im.ufrj.br) April 30, 2009 Trabalho realizado em colaboração com: Dani Gamerman

Leia mais

2. Método de Monte Carlo

2. Método de Monte Carlo 2. Método de Monte Carlo O método de Monte Carlo é uma denominação genérica tendo em comum o uso de variáveis aleatórias para resolver, via simulação numérica, uma variada gama de problemas matemáticos.

Leia mais

Uso de Regressão Logística para Identificar os Fatores de Risco associados à Ocorrência de Anomalias Congênitas em Recém-nascidos

Uso de Regressão Logística para Identificar os Fatores de Risco associados à Ocorrência de Anomalias Congênitas em Recém-nascidos UNIVERSIDADE FEDERAL DA PARAÍBA CENTRO DE CIÊNCIAS EXATAS E DA NATUREZA DEPARTAMENTO DE ESTATÍSTICA Uso de Regressão Logística para Identificar os Fatores de Risco associados à Ocorrência de Anomalias

Leia mais

Premium até 10 S.M. 180 60 30 20 10 a 20 S.M. 80 40 40 40 20 a 30 S.M. 60 30 60 70 mais de 30 S.M. 40 20 70 160

Premium até 10 S.M. 180 60 30 20 10 a 20 S.M. 80 40 40 40 20 a 30 S.M. 60 30 60 70 mais de 30 S.M. 40 20 70 160 1 MQI 2003 Estatística para Metrologia semestre 2008.01 LISTA DE EXERCÍCIOS # 1 PROBLEMA 1 Uma empresa de TV a cabo toma uma amostra de 1000 clientes, com o objetivo de verificar a relação entre a renda

Leia mais

PLANIFICAÇÃO ANUAL. MACS Matemática Aplicada às Ciências Sociais. Curso de Línguas e Humanidades 2º ANO (11º ANO)

PLANIFICAÇÃO ANUAL. MACS Matemática Aplicada às Ciências Sociais. Curso de Línguas e Humanidades 2º ANO (11º ANO) PLANIFICAÇÃO ANUAL MACS Matemática Aplicada às Ciências Sociais Curso de Línguas e Humanidades º ANO (º ANO) Ano Lectivo 0/05 Planificação º Ano - MACS º Período Número de Aulas Previstas 0 Apresentação

Leia mais

PUBLICAÇÃO. Modelos de. precificação. Uma aplicação no setor imobiliário do DF

PUBLICAÇÃO. Modelos de. precificação. Uma aplicação no setor imobiliário do DF PUBLICAÇÃO Modelos de precificação Uma aplicação no setor imobiliário do DF Sobre o Estudo Quanto vale um imóvel? Quais são os fatores formadores dos preços praticados no mercado imobiliário? Qual é o

Leia mais

AVALIAÇÃO DE CINCO FUNÇÕES DENSIDADE DE PROBABILIDADE A SÉRIES DE PRECIPITAÇÃO PLUVIAL NO ESTADO DE MINAS GERAIS

AVALIAÇÃO DE CINCO FUNÇÕES DENSIDADE DE PROBABILIDADE A SÉRIES DE PRECIPITAÇÃO PLUVIAL NO ESTADO DE MINAS GERAIS AVALIAÇÃO DE CINCO FUNÇÕES DENSIDADE DE PROBABILIDADE A SÉRIES DE PRECIPITAÇÃO PLUVIAL NO ESTADO DE MINAS GERAIS EVALUATION OF FIVE PROBABILITY DENSITY FUNCTIONS FOR RAINFALL DATA SERIES IN THE STATE OF

Leia mais

UNIVERSIDADE FEDERAL DO TRIÂNGULO MINEIRO

UNIVERSIDADE FEDERAL DO TRIÂNGULO MINEIRO 0 UNIVERSIDADE FEDERAL DO TRIÂNGULO MINEIRO MESTRADO PROFISSIONAL EM MATEMÁTICA EM REDE NACIONAL Arinaldo de Oliveira AJUSTE DE DISTRIBUIÇÕES DE PROBABILIDADE A DADOS DE PRECIPITAÇÕES PLUVIOMÉTRICAS MENSAIS

Leia mais

Líder em Software Estatístico

Líder em Software Estatístico Líder em Software Estatístico Soluções de qualidade para profissionais da qualidade MINITAB O MINITAB é um programa completo para análise estatística. Aprovado por profissionais qualificados em todo o

Leia mais

Modelos bayesianos sem MCMC com aplicações na epidemiologia

Modelos bayesianos sem MCMC com aplicações na epidemiologia Modelos bayesianos sem MCMC com aplicações na epidemiologia Leo Bastos, PROCC/Fiocruz lsbastos@fiocruz.br Outline Introdução à inferência bayesiana Estimando uma proporção Ajustando uma regressão Métodos

Leia mais

Introdução. Métodos de inferência são usados para tirar conclusões sobre a população usando informações obtidas a partir de uma amostra.

Introdução. Métodos de inferência são usados para tirar conclusões sobre a população usando informações obtidas a partir de uma amostra. Métodos Monte Carlo Introdução Métodos de inferência são usados para tirar conclusões sobre a população usando informações obtidas a partir de uma amostra. Estimativas pontuais e intervalares para os parâmetros;

Leia mais

() [ = 0. () α ( )( ) ( )( )( ) 1 exp + ˆ ... + + + = 1

() [ = 0. () α ( )( ) ( )( )( ) 1 exp + ˆ ... + + + = 1 Rev Bras Agrometeorologia, v 3, n, p 73-83, 005 Recebido para publicação em 4/04/04 Aprovado em 08/08/05 ISSN 004-347 Ajuste de modelos de distribuição de probabilidade a séries históricas de precipitação

Leia mais

ASSOCIAÇÃO ENTRE PRESENÇA DE CÂNCER DE ESÔFAGO COMPARADA COM HÁBITO DE FUMAR E IDADE EM INDIVÍDUOS DA DINAMARCA

ASSOCIAÇÃO ENTRE PRESENÇA DE CÂNCER DE ESÔFAGO COMPARADA COM HÁBITO DE FUMAR E IDADE EM INDIVÍDUOS DA DINAMARCA ASSOCIAÇÃO ENTRE PRESENÇA DE CÂNCER DE ESÔFAGO COMPARADA COM HÁBITO DE FUMAR E IDADE EM INDIVÍDUOS DA DINAMARCA Bárbara Camboim Lopes de FIGUEIRÊDO 1, Gustavo Henrique ESTEVES 2 1 Departamento de Estatística

Leia mais

Inferência bayesiana em sistemas de reparo imperfeito

Inferência bayesiana em sistemas de reparo imperfeito Universidade de Brasília IE - Instituto de Exatas Departamento de Estatística Inferência bayesiana em sistemas de reparo imperfeito Gabriel Hideki Vatanabe Brunello Brasília 2014 Gabriel Hideki Vatanabe

Leia mais

SNPTEE SEMINÁRIO NACIONAL DE PRODUÇÃO E TRANSMISSÃO DE ENERGIA ELÉTRICA GRUPO VIII GRUPO DE ESTUDO DE SUBESTAÇÕES E EQUIPAMENTOS ELÉTRICOS - GSE

SNPTEE SEMINÁRIO NACIONAL DE PRODUÇÃO E TRANSMISSÃO DE ENERGIA ELÉTRICA GRUPO VIII GRUPO DE ESTUDO DE SUBESTAÇÕES E EQUIPAMENTOS ELÉTRICOS - GSE SNPTEE SEMINÁRIO NACIONAL DE PRODUÇÃO E TRANSMISSÃO DE ENERGIA ELÉTRICA GSE 28 14 a 17 Outubro de 2007 Rio de Janeiro - RJ GRUPO VIII GRUPO DE ESTUDO DE SUBESTAÇÕES E EQUIPAMENTOS ELÉTRICOS - GSE MODELAGEM

Leia mais

CAPÍTULO 1 INTRODUÇÃO 1.1 INTRODUÇÃO

CAPÍTULO 1 INTRODUÇÃO 1.1 INTRODUÇÃO CAPÍTULO 1 INTRODUÇÃO 1.1 INTRODUÇÃO Em quase todas as nossas atividades diárias precisamos enfrentar filas para atender as nossas necessidades. Aguardamos em fila na padaria, nos bancos, quando trafegamos

Leia mais

CHRISTIAN EDUARDO S GALARZA MORALES

CHRISTIAN EDUARDO S GALARZA MORALES ENDEREÇO- LOS SAMANES III, MZ. 301, VILLA 18 GUAIAQUIL EQUADOR TELEFONE 0059342210505-005939 8 8269621 E MAIL CHEDGALA@ESPOL.EDU.EC - CGALARZA88@GMAIL.COM CHRISTIAN EDUARDO S GALARZA MORALES DADOS PESSOAIS

Leia mais

COMPARAÇÃO DOS TESTES DE ADERÊNCIA À NORMALIDADE KOLMOGOROV- SMIRNOV, ANDERSON-DARLING, CRAMER VON MISES E SHAPIRO-WILK POR SIMULAÇÃO

COMPARAÇÃO DOS TESTES DE ADERÊNCIA À NORMALIDADE KOLMOGOROV- SMIRNOV, ANDERSON-DARLING, CRAMER VON MISES E SHAPIRO-WILK POR SIMULAÇÃO COMPARAÇÃO DOS TESTES DE ADERÊNCIA À NORMALIDADE KOLMOGOROV SMIRNOV, ANDERSONDARLING, CRAMER VON MISES E SHAPIROWILK POR SIMULAÇÃO Vanessa Bielefeldt Leotti, Universidade Federal do Rio Grande do Sul,

Leia mais

CARACTERIZAÇÃO ESTATÍSTICA DE TENDÊNCIAS EM SÉRIES DE DADOS CLIMÁTICOS DE CHAPADINHA-MA

CARACTERIZAÇÃO ESTATÍSTICA DE TENDÊNCIAS EM SÉRIES DE DADOS CLIMÁTICOS DE CHAPADINHA-MA CARACTERIZAÇÃO ESTATÍSTICA DE TENDÊNCIAS EM SÉRIES DE DADOS CLIMÁTICOS DE CHAPADINHA-MA Virgínia de Fátima Bezerra Nogueira 1, Valner da Silva Nogueira, Magaly de Fátima Correia 3, Estefânia de Sousa Soares

Leia mais

Estudo de sobrevivência de insetos pragas através da distribuição de Weibull: uma abordagem bayesiana

Estudo de sobrevivência de insetos pragas através da distribuição de Weibull: uma abordagem bayesiana Estudo de sobrevivência de insetos pragas através da distribuição de Weibull: uma abordagem bayesiana Leandro Alves Pereira - FAMAT, UFU Rogerio de Melo Costa Pinto - FAMAT, UFU 2 Resumo: Os insetos-pragas

Leia mais

2. Otimização de Portfolio

2. Otimização de Portfolio 2. Otimização de Portfolio 2.1. Análise de Média-Variância Portfolio (carteira, em português) é uma combinação de ativos, tais como investimentos, ações, obrigações, commodities, imóveis, entre outros.

Leia mais

Faturamento de Restaurantes

Faturamento de Restaurantes Faturamento de Restaurantes Gilberto A. Paula Departamento de Estatística IME-USP, Brasil giapaula@ime.usp.br 2 o Semestre 2015 G. A. Paula (IME-USP) Faturamento de Restaurantes 2 o Semestre 2015 1 / 28

Leia mais

UNIVERSIDADE DE SÃO PAULO. Faculdade de Arquitetura e Urbanismo

UNIVERSIDADE DE SÃO PAULO. Faculdade de Arquitetura e Urbanismo UNIVERSIDADE DE SÃO PAULO Faculdade de Arquitetura e Urbanismo DISTRIBUIÇÃO AMOSTRAL ESTIMAÇÃO AUT 516 Estatística Aplicada a Arquitetura e Urbanismo 2 DISTRIBUIÇÃO AMOSTRAL Na aula anterior analisamos

Leia mais

A distribuição Weibull exponenciada geométrica

A distribuição Weibull exponenciada geométrica A distribuição Weibull exponenciada geométrica Josiane Rodrigues 1 Elizabeth M. Hashimoto 1 Edwin M. M. Ortega 1 Gauss M. Cordeiro 2 Sônia M. De S. Piedade 1 1 Introdução A distribuição Weibull tem sido

Leia mais

Métodos de Monte Carlo

Métodos de Monte Carlo Departamento de Estatística - UFJF Outubro e Novembro de 2014 são métodos de simulação São utilizados quando não temos uma forma fechada para resolver o problema Muito populares em Estatística, Matemática,

Leia mais

Questões de Exames Passados. 1. Considere o polígono integral das distribuições a seguir e responda as perguntas abaixo. F(x) C D

Questões de Exames Passados. 1. Considere o polígono integral das distribuições a seguir e responda as perguntas abaixo. F(x) C D Faculdade de Economia, Universidade Nova de Lisboa Tratamento de Dados André C. Silva Questões de Exames Passados 1. Considere o polígono integral das distribuições a seguir e responda as perguntas abaixo.

Leia mais

DETERMINAÇÃO DO INTERVALO ÓTIMO PARA MANUTENÇÃO: PREVENTIVA, PREDITIVA e DETECTIVA

DETERMINAÇÃO DO INTERVALO ÓTIMO PARA MANUTENÇÃO: PREVENTIVA, PREDITIVA e DETECTIVA DETERMINAÇÃO DO INTERVALO ÓTIMO PARA MANUTENÇÃO: PREVENTIVA, PREDITIVA e DETECTIVA Eduardo de Santana Seixas Engenheiro Consultor Reliasoft Brasil Resumo Um dos pontos críticos na determinação do intervalo

Leia mais

Capítulo 5. Modelos de Confiabilidade. Gustavo Mello Reis José Ivo Ribeiro Júnior

Capítulo 5. Modelos de Confiabilidade. Gustavo Mello Reis José Ivo Ribeiro Júnior Capítulo 5 Modelos de Confiabilidade Gustavo Mello Reis José Ivo Ribeiro Júnior Universidade Federal de Viçosa Departamento de Informática Setor de Estatística Viçosa 007 Capítulo 5 Modelos de Confiabilidade

Leia mais

TTT-PLOT E TESTE DE HIPÓTESES BOOTSTRAP PARA O MODELO BI-WEIBULL. Cleber Giugioli Carrasco 1 ; Francisco Louzada-Neto 2 RESUMO

TTT-PLOT E TESTE DE HIPÓTESES BOOTSTRAP PARA O MODELO BI-WEIBULL. Cleber Giugioli Carrasco 1 ; Francisco Louzada-Neto 2 RESUMO TTT-PLOT E TESTE DE HIPÓTESES BOOTSTRAP PARA O MODELO BI-WEIBULL Cleber Giugioli Carrasco ; Francisco Louzada-Neto Curso de Matemática, Unidade Universitária de Ciências Exatas e Tecnológicas, UEG. Departamento

Leia mais

INSTITUTO BRASILEIRO DE ATUÁRIA

INSTITUTO BRASILEIRO DE ATUÁRIA INSTITUTO BRASILEIRO DE ATUÁRIA 4 o EXAME DE ADMISSÃO LEIA ATENTAMENTE AS INSTRUÇÕES A SEGUIR: Você recebeu do fiscal o seguinte material: um caderno com 60 questões e um cartão de respostas personalizado

Leia mais

Modelagem da Venda de Revistas. Mônica Barros. Julho de 1999. info@mbarros.com 1

Modelagem da Venda de Revistas. Mônica Barros. Julho de 1999. info@mbarros.com 1 Modelagem da Venda de Revistas Mônica Barros Julho de 1999 info@mbarros.com 1 Modelagem Matemática e Previsão de Negócios Em todas as empresas, grandes e pequenas, é necessário fazer projeções. Em muitos

Leia mais