Avaliação de processos produtivos multivariados através das menores componentes principais
|
|
- Diego de Miranda Figueira
- 7 Há anos
- Visualizações:
Transcrição
1 XXIII Encontro Nac. de Eng. de Produção - Ouro Preto, MG, Brasl, a 4 de out de 3 Avalação de processos produtvos multvarados através das menores componentes prncpas Adrano Mendonça Souza (UFSM) amsouza@ccne.ufsm.br Mara Helena Rgão (UFSM) hrgao@terra.com.br Resumo As técncas estatístcas multvaradas geram nformações de forma rápda e econômca, sendo excelentes auxlares na tomada de decsões. Esse trabalho apresenta um procedmento para a dentfcação de varáves fora de controle em processos multvarados, através da análse das menores componentes prncpas, por meo do gráfco de controle X-barra. Os dados utlzados foram gerados por smulação, e a metodologa dentfcou corretamente as varáves fora de controle, bem como o período em que elas foram retradas de controle. Palavras chave: Estatístca multvarada, Gráfco T de Hotellng, Análse de componentes prncpas.. Introdução O controle estatístco do processo é composto por um conjunto de técncas desenvolvdas com o objetvo de gerar nformações para dar suporte à tomada de decsão. Os modernos equpamentos utlzados pelas ndústras hoje, são totalmente nformatzados e geram grande quantdade de dados sobre as varáves envolvdas nos processos e, mutas vezes, o montoramento smultâneo, dessas varáves faz-se necessáro, requerendo, para sso, o controle de qualdade multvarado. Montgomery (99) e Aparse (997) afrmam, que a análse multvarada torna-se útl quando exstem múltplos parâmetros e seus efetos não são ndependentes ou quando alguns parâmetros são parcas, ou meddas de outros parâmetros, o que confgurara uma correlação. Ao utlzar-se gráfcos de controle multvarados em detrmento de város gráfcos de controle unvarados, os ganhos são evdentes, tanto em relação ao tempo, quanto aos recursos humanos utlzados para gerr esse montoramento e prncpalmente, à acuráca que estes gráfcos fornecem, (LOWRY & MONTGOMERY, 995). Uma vez que o gráfco multvarado tenha detectado um ponto fora de controle, um dagnóstco realzado, por meo da Análse de Componentes Prncpas (ACP), seguda da aplcação de gráfcos unvarados, deve ajudar a decdr quas das varáves têm seus efetos causando esta nstabldade (KOURTI & MAC GREGOR, 996). Assm, o objetvo deste trabalho é a elaboração de um procedmento onde possam ser dentfcadas varáves fora de controle em processos multvarados, consderando, a análse das menores componentes prncpas, seguda do gráfco de controle X-barra.. Metodologa Para a realzação desse trabalho, fo gerado um conjunto de quatro varáves, V, V, V3 e V4, que seguem uma dstrbução normal, fortemente correlaconadas e sob controle estatístco, cada uma com observações. Após, retrou-se, propostadamente, de controle a ENEGEP 3 ABEPRO
2 XXIII Encontro Nac. de Eng. de Produção - Ouro Preto, MG, Brasl, a 4 de out de 3 varável V da observação a, depos de a e, assm, até as observações de 9 a. É assegurado que essas observações realmente fcarão fora de controle estatístco. O mesmo procedmento fo utlzado para as varáves V, V3 e V4. Incalmente fo realzada uma avalação conjunta das varáves, por meo do gráfco de controle T de Hotelng. Uma vez dentfcada a falta de controle no processo, por meo desse gráfco, utlzou-se a ACP, conjuntamente com o gráfco de controle X-barra para todas as componentes. Após verfcar-se qual das componentes estava fora de controle, avalou-se a correlação entre essa componente e as varáves orgnas, verfcando-se, assm, a contrbução de cada varável com essa componente. Desse modo, dentfcou-se a varável causadora da nstabldade do processo. 3. Gráfco de controle X-barra São gráfcos de controle para varáves, aplcados para controlar a méda de um processo. Para Montgomery (99), o gráfco de controle das médas X-barra, de amostras de tamanho n, extraídas de uma população normal, com méda µ e desvo-padrão σ, é construído, marcando-se em ordenadas a lnha méda (LM), o lmte superor de controle (LSC) e o lmte nferor de controle (LIC), onde; Quando os parâmetros µ e σ forem desconhecdos, o que ocorre freqüentemente na fase ncal do controle é necessáro calcular as estmatvas dos parâmetros. Assm, os lmtes de controle para o gráfco X são: 3R LSC = X+ d n LM = X (3.) 3R LIC= X- d n onde X= ( X X +... X n ) n + (3.) R S = d (3.3) R R... R n R= n (3.4) d é um valor tabelado, ver em Montgomery (99). 4. Gráfco de Controle T de Hotellng Avala a establdade do sstema, quando exstem p-varáves a serem analsadas conjuntamente. T = n(x X) S (X X) O vetor µ será estmado por X e a matrz Σ será estmada por meo de S. (4.) ENEGEP 3 ABEPRO
3 XXIII Encontro Nac. de Eng. de Produção - Ouro Preto, MG, Brasl, a 4 de out de 3 Na prmera fase de avalação do processo, os lmtes de controle são utlzados para testar se o processo estava sob controle quando a amostra fo retrada. p(m )(n ) LSC = F + mn m p + LIC = α,p,mn m p onde: p é o número de varáves analsadas; m é o número de observações em cada varável; n é o n o total de observações; F é o valor da estatístca tabelada e (4.) α é o nível de sgnfcânca especfcado. Quando o subgrupo de amostra é de tamanho gual a um ( n = ) a estatístca T, em (4.) torna-se: T = (X X) S (X X) Então, deve-se utlzar os seguntes lmtes de controle, para observações ndvduas: p(m + )(m ) LSC = m mp LIC = F α,p,m p (4.3) (4.4) Quando um snal é captado fora de controle, usando-se um gráfco multvarado, as varáves causadoras o snal podem não ser vsvelmente dentfcadas, havendo assm a necessdade de uma nvestgação adconal. 5. Análse de Componentes Prncpas A ACP, também conhecda como transformação de Karhunen-Loéve, é um método estatístco multvarado que pode ser usado para compressão de dados e redução de dmensonaldade de conjuntos de dados multvarados, extração de característcas e projeção de dados multvarados. Através desta técnca, é possível obter-se uma combnação lnear de um conjunto de varáves, que retenham o máxmo possível da nformação contda nas varáves orgnas. Esse novo conjunto de varáves é chamado de componentes prncpas (CPs). As CPs são ndependentes e não-correlaconadas, favorecendo a análse, prncpalmente quando város fatores estão envolvdos como é o caso do controle estatístco de processos. Assm, freqüentemente, um pequeno número de componentes pode ser usado, em lugar das varáves orgnas, nas análses de regressões, análses de agrupamentos e outras stuações. As componentes são extraídas na ordem da mas explcatva para a menos explcatva. Teorcamente, o número de CPs é sempre gual ao número de varáves, entretanto, algumas poucas componentes são responsáves por grande parte da explcação total. As CPs, calculadas a partr de um vetor aleatóro X = [X, X,...,X P ], com matrz de covarânca Σ e com autovalores λ λ... λ p, são as combnação lneares, baseadas nos autovalores (λ), que dão orgem aos autovetores ( l.), e podem ser escrtas como: Y = l X = l X + l X l p p p p pp X p ENEGEP 3 ABEPRO 3
4 XXIII Encontro Nac. de Eng. de Produção - Ouro Preto, MG, Brasl, a 4 de out de 3 Onde: Var(Y ) = =,,..., p l Σl Cov(Y, Y j ) =, k =,,..., p l Σl k As CPs são combnações lneares não correlaconados de Y, Y,...,Y P cuja varânca é a maor possível. A prmera componente é a combnação lnear com máxma varânca, sto é, Var(Y ) = l Σl. Para elmnar esta ndetermnação restrnge-se o vetor de coefcentes à undade. Então a -ésma componente prncpal (CP -ésmo ) como a combnação lnear l X que maxmza Var( l X) sujeta as restrções de l l e Cov( l X, l X) para k <. = k = As restrções garantem que o sstema tenha solução únca e que as componentes prncpas sejam não correlaconadas e apresentem varânca máxma (JOHNSON,99). λ Assm a proporção da varânca total explcada pela -ésma CP é =,...p. λ + λ λ p De acordo com Johnson (99) se grande parte da varabldade total, mas de 7%, podem ser explcadas por uma, duas ou três componentes prncpas, então essas componentes poderão substtur as varáves orgnas, sem grande perda de nformações. Outro crtéro para seleconar o número de componentes prncpas consste em nclur somente aquelas componentes cujos valores própros sejam superores a. Este crtéro é sugerdo por Kaser apud Marda (979) sendo também possível seleconar as componentes prncpas pelo método gráfco de Cattel (966), em que o número de componentes seleconadas é determnado pelo corte na curva dos pesos dos autovalores, antes que ocorra uma establzação de seus pesos. Neste trabalho todas as CPs serão avaladas através de um gráfco de controle X-barra para verfcar qual delas está fora de controle, pos pretende-se também mostrar que as CPs não seleconadas pelos métodos ctados acma são as que melhor dentfcam as varáves fora de controle. A busca da varável ou varáves causadoras de uma nstabldade em um processo, quando utlza CPs, é pelo gráfco X-barra da CP. Aquela componente que snalzar uma nstabldade será então nvestgada através do estudo dos coefcentes de correlação entre ela e as varáves orgnas. Observando-se esse cálculo, dentfca-se qual é a varável que está mas fortemente correlaconada com a CP, e que, possvelmente, está afetando a componente. Hawkns & Fatt (984) dzem que as prmeras CP não são sensíves para detectar perturbações ocorrdas nas varáves, assm a análse das componentes de menor mportânca, sto é, as combnações lneares das varáves X que possuem varânca mínma podem ser usada para detectar as possíves causas de uma falta de controle no sstema. Para sso, dzem Gnanadeskan & Ketternk (97), analsa-se os dagramas de dspersão dos pares das últmas componentes prncpas, pontos extremos serão consderados suspetos. A determnação da varável que possu maor nfluênca na combnação lnear será encontrada através das correlações: ENEGEP 3 ABEPRO 4
5 XXIII Encontro Nac. de Eng. de Produção - Ouro Preto, MG, Brasl, a 4 de out de 3 r Ŷ,X k r Ŷ,Zk ê k Λˆ = ;,k =,,..., p s k kk = ê Λˆ ;,k =,,..., p que ndcam, através de seus valores absolutos, as varáves que exercem maor nfluênca sobre a componente prncpal. O snal da correlação ndca o modo desta nfluênca (JOHNSON, WICHERN, 99), sendo assm dentfcada àquela que deve ser montorada para manter o sstema estável. A equação (5.) deve ser utlzada quando os autovetores são dervados da matrz de varânca S e a equação (5.) quando os autovetores são dervados da matrz de correlação R. Em controle de qualdade, utlzando-se os gráfcos de controle, quando duas ou mas componentes apresentam-se fora dos lmtes de controle, deve-se estabelecer uma ordem herárquca entre as componentes prncpas para auxlar na solução destes confltos quanto à varável de maor nfluênca sobre a perda de controle pos, neste caso, pode-se fcar em dúvda quanto a dar mas atenção a uma componente em detrmento da outra; então, deve-se levar em consderação o maor autovalor que orgnou a componente, optando-se por esta. (5.) (5.) 6. Dscussão dos resultados Aqu, serão apresentados os resultados do procedmento envolvendo a Varável, quando retrada de controle de a (ndcada por V,-), a Varável (V), a Varável 3 (V3) e a Varável 4 (V4). Por ser o mesmo procedmento repetdo para todas as demas varáves, os outros resultados serão apenas comentados posterormente. A verfcação da establdade do sstema será realzada através do gráfco de controle T de Hotellng. Se o processo estver sob controle estatístco, não há problemas e segue-se a montoração dos dados até que uma causa especal afete o sstema, requerendo sua dentfcação e posteror ntervenção, para manutenção da establdade do processo. A Fgura mostra o gráfco de controle T de Hotellng para as varáves em estudo. 4 Hotellng T² FIGURA - Gráfco T² de Hotellng V,-,V,V3,V ,65 O gráfco T de Hotellng, dentfca claramente a nstabldade do processo nas prmeras observações, porém não é capaz de dentfcar qual ou quas são as varáves causadoras desta ENEGEP 3 ABEPRO 5
6 XXIII Encontro Nac. de Eng. de Produção - Ouro Preto, MG, Brasl, a 4 de out de 3 nstabldade, assm uma nvestgação mas detalhada, através da análse de componentes prncpas, será realzada. A ACP é muto utlzada para redução de dmensonaldade, uma vez que as prmeras componentes mantém o máxmo possível das nformações das varáves orgnas, da mesma forma, as últmas componentes são sensíves para detectar observações que agregam dmensões espúras dos dados, (GNANADESIKAN & KETTERING, 97). Então é perfetamente acetável que os valores das menores componentes são muto mas prováves de ndcar erros nos dados e uma mudança no processo real. Logo, as menores componentes podem ser utlzadas para julgar uma observação. Nesse estudo de ACP será utlzada a matrz de correlação, que padronza as varáves, evtando assm a ocorrênca de problemas devdo à nfluênca das magntudes das varáves ou undades de meddas dferentes. Todas as CP serão observadas através do gráfco de controle X-barra, quando este gráfco assnalar a falta de controle de alguma CP, será observada a matrz de correlação desta CP com as varáves orgnas para verfcar qual a varável que mas contrbu com esta CP e se realmente corresponde a varável que fo propostadamente retrada de controle. Para a aplcação da ACP, prmero verfca-se a correlação entre as varáves, na Tabela, que é um pressuposto para a aplcação da técnca. Varável, - Varável Varável 3 Varável 4 Varável, -, Varável,83, Varável 3,884,9347, Varável 4,858,9797,9456, TABELA - Matrz de correlação das varáves A matrz mostra uma forte correlação entre as varáves, ndcando que é possível a utlzação da ACP. A segur calcula-se os autovalores, que são mostrados na Tabela e que dão orgem aos autovetores assocados. Esses autovetores são os coefcentes das combnações lneares, sto é, das CPs. Autovalor % da varânca explcada Autovalor acumulado % de varânca acumulada 3,6666 9,664 3,6666 9,664,3 5,86 3, ,967 3,9,7738 3, ,444 4,7,7556 4,, TABELA - Autovalores e porcentagem da varânca explcada pelo respectvo autovalor. ENEGEP 3 ABEPRO 6
7 XXIII Encontro Nac. de Eng. de Produção - Ouro Preto, MG, Brasl, a 4 de out de 3 Deste modo tem-se as seguntes CP Y =,536V - +,6565V +,6869V3 +,676V4 Y = -,858V - +,7894V +,4894v3 +,499V4 Y3 =,388V - +,6349V,685V3,468V4 Y4 = -,6436V -,48796V + 3,V3,544V4 As Fguras, 3, 4 e 5 mostram os gráfcos X-barra para as quatro componentes FIGURA - Gráfco X-barra CP 3,3545, -3, FIGURA 3 - Gráfco X-barra CP,55888, -, ,433 -, 3 - -,7858, -3-3,43-3 -, FIGURA 4 - Gráfco X-barra CP FIGURA 5 - Gráfco X-barra CP4 A observação dos gráfcos de controle X-barra mostram que somente o gráfco da CP está fora de controle. Realzando uma nvestgação sobre a contrbução de cada varável orgnal com as CP, temos na Tabela 4 a matrz das correlações. CP CP CP 3 CP 4 Varável, -, ,43,697 -,54 Varável,9583,693,694 -,449 Varável 3,96956,3493 -,64,95 Varável 4,96394,436 -,948 -,5647 TABELA 4 - Correlação entre as varáves orgnas e as CP, com destaque para as que são sgnfcatvas a um nível de,5. A Tabela 4 mostra que a prmera CP explca 9,6% da varânca, se o estudo fosse para redução de dmensonaldade sera sufcente a utlzação da prmera componente para a análse. ENEGEP 3 ABEPRO 7
8 XXIII Encontro Nac. de Eng. de Produção - Ouro Preto, MG, Brasl, a 4 de out de 3 Como este estudo deseja dentfcar quas são as componentes que são mas sensíves à causas especas e que portanto são detectadas nas componentes que são geradas por autovalores menores, segue-se para a observação da segunda CP que é aquela que se mostrou fora de controle estatístco quando avalada pelo gráfco de controle X-barra. A segunda CP possu maor correlação com a Var,-, ndcando que esta varável é a que possu maor contrbução com componente e justfcando assm o fato de ter sdo a únca snalzada fora de controle pelo gráfco X-barra. Em todos os conjuntos de dados avalados, os resultados foram os mesmos, a segunda componente dentfcou corretamente qual varável hava sdo retrada de controle, bem como o período em que fo retrada de controle. 7. Conclusões O objetvo deste trabalho fo a elaboração de um procedmento onde pudessem ser dentfcadas varáves fora de controle em processos multvarados, através das componentes prncpas menos mportantes, dentro da área de controle de qualdade. A avalação conjunta das mesmas fo realzada através do gráfco de controle T de Hotellng e, quando este snalzou que o processo estava fora de controle, a técnca de análse de componentes prncpas, conjuntamente com o gráfco X-barra, fo a utlzada. Essa técnca dentfcou corretamente, em todos os casos, qual fo a varável retrada de controle, bem como assnalou, corretamente, o período em que esta varável esteve fora de controle. Com sso consdera-se que a proposta do trabalho tenha sdo alcançada, ou seja, verfcou-se que é possível a utlzação dessas técncas em controle estatístco de qualdade, pelo menos quando a correlação entre as varáves é bem alta. Agradecmentos: Agradecemos à FAPERGS pelo apoo ao desenvolvmento dessa pesqusa. 8. Bblogarfa APARISE, F. Samplng plans for the multvarate T control chart. Qualty Engnerng, v., n., p.4-47, 997. CATTEL, R. B. The screen test for the number of factors. Multvarate Behavor Research. v., p , 966. GNANADESIKAN, R & KETTEREING, J. R. Robust estmates, resdual and outler detecton wth multresponse dada. Bometrcs. v.8, p. 8-4, 97. HAWKINS, D.M. The detecton of erros n multvarate data usng prncpal componente. Journal Amercan Statstcal Assocaton. v.69, p , 974. HAWKINS, D.M & FATTI, L. P. Investgatng multvarate data usng last prncpal components. The Statstcan. v.33, p , 984. JOHNSON, R.A. & WICHERN, D.W. Appled multvarate statstcal analyss. 3. ed. New Jersey : Prentce- Hall, 99. KOURTI, T. & MACGREGOR, J. F. Multvarate SPC methods for process and product montorng. Journal of Qualty Technology. v.8, n. 4, Oct LOWRY, C. A. & MONTGOMERY,D.C. A revew of multvarate control chart. IIE Transacton. v.7, p. 8-8, 995. MARDIA, K.V., et al. Multvarate analyss. London : Academc, 979. MONTGOMERY, D.C. Introducton to statstcal qualty control.. ed. New York: Jonhn Wley & Sons, p. ENEGEP 3 ABEPRO 8
Prof. Lorí Viali, Dr.
Prof. Lorí Val, Dr. val@mat.ufrgs.br http://www.mat.ufrgs.br/~val/ É o grau de assocação entre duas ou mas varáves. Pode ser: correlaconal ou expermental. Prof. Lorí Val, Dr. UFRG Insttuto de Matemátca
Leia maisÉ o grau de associação entre duas ou mais variáveis. Pode ser: correlacional ou experimental.
Prof. Lorí Val, Dr. val@mat.ufrgs.br http://www.mat.ufrgs.br/~val/ É o grau de assocação entre duas ou mas varáves. Pode ser: correlaconal ou expermental. Numa relação expermental os valores de uma das
Leia maisREGRESSÃO NÃO LINEAR 27/06/2017
7/06/07 REGRESSÃO NÃO LINEAR CUIABÁ, MT 07/ Os modelos de regressão não lnear dferencam-se dos modelos lneares, tanto smples como múltplos, pelo fato de suas varáves ndependentes não estarem separados
Leia mais3 Metodologia de Avaliação da Relação entre o Custo Operacional e o Preço do Óleo
3 Metodologa de Avalação da Relação entre o Custo Operaconal e o Preço do Óleo Este capítulo tem como objetvo apresentar a metodologa que será empregada nesta pesqusa para avalar a dependênca entre duas
Leia maisProf. Lorí Viali, Dr.
Prof. Lorí Val, Dr. val@mat.ufrgs.br http://www.mat.ufrgs.br/~val/ 1 É o grau de assocação entre duas ou mas varáves. Pode ser: correlaconal ou expermental. Numa relação expermental os valores de uma das
Leia maisGráficos de Controle para Processos Autocorrelacionados
Gráfcos de Controle para Processos Autocorrelaconados Gráfco de controle de Shewhart: observações ndependentes e normalmente dstrbuídas. Shewhart ao crar os gráfcos de controle não exgu que os dados fossem
Leia mais4 Critérios para Avaliação dos Cenários
Crtéros para Avalação dos Cenáros É desejável que um modelo de geração de séres sntétcas preserve as prncpas característcas da sére hstórca. Isto quer dzer que a utldade de um modelo pode ser verfcada
Leia maisRegressão Múltipla. Parte I: Modelo Geral e Estimação
Regressão Múltpla Parte I: Modelo Geral e Estmação Regressão lnear múltpla Exemplos: Num estudo sobre a produtvdade de trabalhadores ( em aeronave, navos) o pesqusador deseja controlar o número desses
Leia maisPRESSUPOSTOS DO MODELO DE REGRESSÃO
PREUPOTO DO MODELO DE REGREÃO A aplcação do modelo de regressão lnear múltpla (bem como da smples) pressupõe a verfcação de alguns pressupostos que condensamos segudamente.. Os erros E são varáves aleatóras
Leia maisAssociação entre duas variáveis quantitativas
Exemplo O departamento de RH de uma empresa deseja avalar a efcáca dos testes aplcados para a seleção de funconáros. Para tanto, fo sorteada uma amostra aleatóra de 50 funconáros que fazem parte da empresa
Leia maisUNIDADE IV DELINEAMENTO INTEIRAMENTE CASUALIZADO (DIC)
UNDADE V DELNEAMENTO NTERAMENTE CASUALZADO (DC) CUABÁ, MT 015/ PROF.: RÔMULO MÔRA romulomora.webnode.com 1. NTRODUÇÃO Este delneamento apresenta como característca prncpal a necessdade de homogenedade
Leia maisNOTAS DE AULA DA DISCIPLINA CE076
5. COMPONENTES PRINCIPAIS 5. Introdução A análse de Comonentes Prncas está relaconada com a exlcação da estrutura de covarânca or meo de oucas combnações lneares das varáves orgnas em estudo, ou sea, rocura
Leia mais3 A técnica de computação intensiva Bootstrap
A técnca de computação ntensva ootstrap O termo ootstrap tem orgem na expressão de língua nglesa lft oneself by pullng hs/her bootstrap, ou seja, alguém levantar-se puxando seu própro cadarço de bota.
Leia mais2 Incerteza de medição
2 Incerteza de medção Toda medção envolve ensaos, ajustes, condconamentos e a observação de ndcações em um nstrumento. Este conhecmento é utlzado para obter o valor de uma grandeza (mensurando) a partr
Leia maisMODELOS DE REGRESSÃO PARAMÉTRICOS
MODELOS DE REGRESSÃO PARAMÉTRICOS Às vezes é de nteresse nclur na análse, característcas dos ndvíduos que podem estar relaconadas com o tempo de vda. Estudo de nsufcênca renal: verfcar qual o efeto da
Leia maisO problema da superdispersão na análise de dados de contagens
O problema da superdspersão na análse de dados de contagens 1 Uma das restrções mpostas pelas dstrbuções bnomal e Posson, aplcadas usualmente na análse de dados dscretos, é que o parâmetro de dspersão
Leia maisProf. Lorí Viali, Dr.
Prof. Lorí Val, Dr. vall@mat.ufrgs.br http://www.mat.ufrgs.br/~val/ Em mutas stuações duas ou mas varáves estão relaconadas e surge então a necessdade de determnar a natureza deste relaconamento. A análse
Leia mais1. CORRELAÇÃO E REGRESSÃO LINEAR
1 CORRELAÇÃO E REGREÃO LINEAR Quando deseja-se estudar se exste relação entre duas varáves quanttatvas, pode-se utlzar a ferramenta estatístca da Correlação Lnear mples de Pearson Quando essa correlação
Leia maisDELINEAMENTOS EXPERIMENTAIS
SUMÁRIO 1 Delneamentos Expermentas 2 1.1 Delneamento Interamente Casualzado..................... 2 1.2 Delneamento Blocos Casualzados (DBC).................... 3 1.3 Delneamento Quadrado Latno (DQL)......................
Leia maisDIAGNÓSTICO EM MODELOS LINEARES GENERALIZADOS
DIAGNÓSTICO EM MODELOS LINEARES GENERALIZADOS 1 A análse de dagnóstco (ou dagnóstco do ajuste) confgura uma etapa fundamental no ajuste de modelos de regressão. O objetvo prncpal da análse de dagnóstco
Leia maisO problema da superdispersão na análise de dados de contagens
O problema da superdspersão na análse de dados de contagens 1 Uma das restrções mpostas pelas dstrbuções bnomal e Posson, aplcadas usualmente na análse de dados dscretos, é que o parâmetro de dspersão
Leia mais1. ANÁLISE EXPLORATÓRIA E ESTATÍSTICA DESCRITIVA
1. ANÁLISE EXPLORATÓRIA E ESTATÍSTICA DESCRITIVA 014 Estatístca Descrtva e Análse Exploratóra Etapas ncas. Utlzadas para descrever e resumr os dados. A dsponbldade de uma grande quantdade de dados e de
Leia maisVariação ao acaso. É toda variação devida a fatores não controláveis, denominadas erro.
Aplcação Por exemplo, se prepararmos uma área expermental com todo cudado possível e fzermos, manualmente, o planto de 100 sementes seleconadas de um mlho híbrdo, cudando para que as sementes fquem na
Leia maisPrograma do Curso. Sistemas Inteligentes Aplicados. Análise e Seleção de Variáveis. Análise e Seleção de Variáveis. Carlos Hall
Sstemas Intelgentes Aplcados Carlos Hall Programa do Curso Lmpeza/Integração de Dados Transformação de Dados Dscretzação de Varáves Contínuas Transformação de Varáves Dscretas em Contínuas Transformação
Leia maisMétodos Avançados em Epidemiologia
Unversdade Federal de Mnas Geras Insttuto de Cêncas Exatas Departamento de Estatístca Métodos Avançados em Epdemologa Aula 5-1 Regressão Lnear Smples: Estmação e Interpretação da Reta Tabela ANOVA e R
Leia maisCURSO de ESTATÍSTICA Gabarito
UNIVERSIDADE FEDERAL FLUMINENSE TRANSFERÊNCIA o semestre letvo de 010 e 1 o semestre letvo de 011 CURSO de ESTATÍSTICA Gabarto INSTRUÇÕES AO CANDIDATO Verfque se este caderno contém: PROVA DE REDAÇÃO com
Leia maisAnálise de influência
Análse de nfluênca Dzemos que uma observação é nfluente caso ela altere, de forma substancal, alguma propredade do modelo ajustado (como as estmatvas dos parâmetros, seus erros padrões, valores ajustados...).
Leia maisRAD1507 Estatística Aplicada à Administração I Prof. Dr. Evandro Marcos Saidel Ribeiro
UNIVERIDADE DE ÃO PAULO FACULDADE DE ECONOMIA, ADMINITRAÇÃO E CONTABILIDADE DE RIBEIRÃO PRETO DEPARTAMENTO DE ADMINITRAÇÃO RAD1507 Estatístca Aplcada à Admnstração I Prof. Dr. Evandro Marcos adel Rbero
Leia mais3.6. Análise descritiva com dados agrupados Dados agrupados com variáveis discretas
3.6. Análse descrtva com dados agrupados Em algumas stuações, os dados podem ser apresentados dretamente nas tabelas de frequêncas. Netas stuações devemos utlzar estratégas específcas para obter as meddas
Leia maisCORRELAÇÃO E REGRESSÃO
CORRELAÇÃO E REGRESSÃO Constata-se, freqüentemente, a estênca de uma relação entre duas (ou mas) varáves. Se tal relação é de natureza quanttatva, a correlação é o nstrumento adequado para descobrr e medr
Leia maisESTUDO DE MODELOS PARA AJUSTE E PREVISÃO DE UMA SÉRIE TEMPORAL
Revsta Matz Onlne ESTUDO DE MODELOS PARA AJUSTE E PREVISÃO DE UMA SÉRIE TEMPORAL Valera Ap. Martns Ferrera Vvane Carla Fortulan Valéra Aparecda Martns. Mestre em Cêncas pela Unversdade de São Paulo- USP.
Leia maisCURSO A DISTÂNCIA DE GEOESTATÍSTICA
CURSO A DISTÂNCIA DE GEOESTATÍSTICA Aula 6: Estaconardade e Semvarânca: Estaconardade de a. ordem, Hpótese ntríseca, Hpótese de krgagem unversal, Crtéros para escolha, Verfcação, Representatvdade espacal,
Leia maisNOÇÕES SOBRE CORRELAÇÃO E REGRESSÃO LINEAR SIMPLES
NOÇÕES SOBRE CORRELAÇÃO E REGRESSÃO LINEAR SIMPLES 1 O nosso objetvo é estudar a relação entre duas varáves quanttatvas. Eemplos:. Idade e altura das cranças.. v. Tempo de prátca de esportes e rtmo cardíaco
Leia maisTestes não-paramétricos
Testes não-paramétrcos Prof. Lorí Val, Dr. http://www.mat.ufrgs.br/val/ val@mat.ufrgs.br Um teste não paramétrco testa outras stuações que não parâmetros populaconas. Estas stuações podem ser relaconamentos,
Leia maisUMA ABORDAGEM ALTERNATIVA PARA O ENSINO DO MÉTODO DOS MÍNIMOS QUADRADOS NO NÍVEL MÉDIO E INÍCIO DO CURSO SUPERIOR
UNIVERSIDADE FEDERAL DE JUIZ DE FORA INSTITUTO DE CIÊNCIAS EATAS DEPARTAMENTO DE ESTATÍSTICA UMA ABORDAGEM ALTERNATIVA PARA O ENSINO DO MÉTODO DOS MÍNIMOS QUADRADOS NO NÍVEL MÉDIO E INÍCIO DO CURSO SUPERIOR
Leia maisUniversidade Federal de São Carlos Centro de Ciências Exatas e de Tecnologia Departamento de Estatística
Unversdade Federal de São Carlos Centro de Cêncas Exatas e de Tecnologa Departamento de Estatístca Introdução ao Controle Estatístco de Processo on-lne Paulo Henrque Ferrera da Slva Orentador: Prof. Dr.
Leia maisEletroquímica 2017/3. Professores: Renato Camargo Matos Hélio Ferreira dos Santos.
Eletroquímca 2017/3 Professores: Renato Camargo Matos Hélo Ferrera dos Santos http://www.ufjf.br/nups/ Data Conteúdo 07/08 Estatístca aplcada à Químca Analítca Parte 2 14/08 Introdução à eletroquímca 21/08
Leia maisAo se calcular a média, moda e mediana, temos: Quanto mais os dados variam, menos representativa é a média.
Estatístca Dscplna de Estatístca 0/ Curso de Admnstração em Gestão Públca Profª. Me. Valéra Espíndola Lessa e-mal: lessavalera@gmal.com Meddas de Dspersão Indcam se os dados estão, ou não, prómos uns dos
Leia maisAo se calcular a média, moda e mediana, temos: Quanto mais os dados variam, menos representativa é a média.
Estatístca Dscplna de Estatístca 0/ Curso Superor de tecnólogo em Gestão Ambental Profª. Me. Valéra Espíndola Lessa e-mal: lessavalera@gmal.com Meddas de Dspersão Indcam se os dados estão, ou não, prómos
Leia mais5.1 Seleção dos melhores regressores univariados (modelo de Índice de Difusão univariado)
5 Aplcação Neste capítulo será apresentada a parte empírca do estudo no qual serão avalados os prncpas regressores, um Modelo de Índce de Dfusão com o resultado dos melhores regressores (aqu chamado de
Leia maisDepartamento de Produção, UNESP, Campus de Guaratinguetá Av. Ariberto Pereira da Cunha, 333, Guaratinguetá, S.P. CEP
A pesqusa Operaconal e os Recursos Renováves 4 a 7 de novembro de 3, Natal-RN MONITORAMENTO DA MÉDIA E DA VARIABILIDADE DE UM PROCESSO POR MEIO DA ESTATÍSTICA DE QUI-QUADRADO NÃO- CENTRALIZADA Antôno Fernando
Leia maisReconhecimento Estatístico de Padrões
Reconhecmento Estatístco de Padrões X 3 O paradgma pode ser sumarzado da segunte forma: Cada padrão é representado por um vector de característcas x = x1 x2 x N (,,, ) x x1 x... x d 2 = X 1 X 2 Espaço
Leia maisUma proposta de modificação do índice de capacidade multivariado de Cheng
Uma proposta de modfcação do índce de capacdade multvarado de heng Suel Aparecda Mngot (UFMG) - suel@est.ufmg.br Fernando Augusto Alves Glóra (UFMG) - bodmufmg@yahoo.com.br Resumo Neste artgo apresentamos
Leia maisGARANTIA DE EXCELENTE INTERCAMBIALIDADE E REDUÇÃO DE CUSTOS ATRAVÉS DA ANÁLISE ESTATÍSTICA DE TOLERÂNCIAS
GARANIA DE EXCELENE INERCAMBIALIDADE E REDUÇÃO DE CUSOS ARAVÉS DA ANÁLISE ESAÍSICA DE OLERÂNCIAS Edvaldo Antono Bulba* *Prof. Dr. da Fatec SP FEI e Unversdade São Judas E mal: bulba@fe.edu.br Resumo Numa
Leia mais6 Análises de probabilidade de ruptura de um talude
6 Análses de probabldade de ruptura de um talude 6.. Introdução No presente capítulo, apresentam-se prevsões de probabldades de ruptura para o talude de jusante da Barragem de Benguê mostrada na fgura
Leia maisREGRESSÃO LINEAR ANÁLISE DE REGRESSÃO LINEAR MÚLTIPLA REGRESSÃO CURVILÍNEA FUNÇÃO QUADRÁTICA
ANÁLISE DE REGRESSÃO LINEAR MÚLTIPLA REGRESSÃO LINEAR Verfcado, pelo valor de r, que ocorre uma sgnfcante correlação lnear entre duas varáves há necessdade de quantfcar tal relação, o que é feto pela análse
Leia maisOs modelos de regressão paramétricos vistos anteriormente exigem que se suponha uma distribuição estatística para o tempo de sobrevivência.
MODELO DE REGRESSÃO DE COX Os modelos de regressão paramétrcos vstos anterormente exgem que se suponha uma dstrbução estatístca para o tempo de sobrevvênca. Contudo esta suposção, caso não sea adequada,
Leia maisALTERNATIVA PARA DETERMINAR ACURÁCIA DA PREVISÃO DO MBAR UTILIZANDO ÍNDICE DE BRIER. Reinaldo Bomfim da Silveira 1 Juliana Maria Duarte Mol 1 RESUMO
ALTERNATIVA PARA DETERMINAR ACURÁCIA DA PREVISÃO DO MBAR UTILIZANDO ÍNDICE DE BRIER Renaldo Bomfm da Slvera 1 Julana Mara Duarte Mol 1 RESUMO Este trabalho propõe um método para avalar a qualdade das prevsões
Leia maisRÔMULO CÉSAR MANULI UMA PROPOSTA PARA A CONSTRUÇÃO DE GRÁFICOS DE CONTROLE POR MEIO DE COMPONENTES PRINCIPAIS
RÔMULO CÉSAR MANULI UMA PROPOSTA PARA A CONSTRUÇÃO DE GRÁFICOS DE CONTROLE POR MEIO DE COMPONENTES PRINCIPAIS Dssertação apresentada à Unversdade Federal de Vçosa, como parte das exgêncas do Programa de
Leia mais3 Algoritmos propostos
Algortmos propostos 3 Algortmos propostos Nesse trabalho foram desenvolvdos dos algortmos que permtem classfcar documentos em categoras de forma automátca, com trenamento feto por usuáros Tas algortmos
Leia maisANÁLISE DE COMPONENTES PRINCIPAIS, ANÁLISE FATORIAL: Exemplos em STATA. Prof. Dr. Evandro Marcos Saidel Ribeiro RESUMO
UNIVERSIDADE DE SÃO PAULO FACULDADE DE ECONOMIA, ADMINISTRAÇÃO E CONTABILIDADE DEPARTAMENTO DE ADMINISTRAÇÃO ANÁLISE DE COMPONENTES PRINCIPAIS, ANÁLISE FATORIAL: Eemplos em STATA. Prof. Dr. Evandro Marcos
Leia maisCAPÍTULO 2 DESCRIÇÃO DE DADOS ESTATÍSTICA DESCRITIVA
CAPÍTULO DESCRIÇÃO DE DADOS ESTATÍSTICA DESCRITIVA. A MÉDIA ARITMÉTICA OU PROMÉDIO Defnção: é gual a soma dos valores do grupo de dados dvdda pelo número de valores. X x Soma dos valores de x número de
Leia maisSELEÇÃO DE MODELOS VOLUMÉTRICOS PARA CLONES DE EUCALYPTUS SPP., NO PÓLO GESSEIRO DO ARARIPE
SELEÇÃO DE MODELOS VOLUMÉTRICOS PARA CLONES DE EUCALYPTUS SPP, NO PÓLO GESSEIRO DO ARARIPE Jáder da Slva Jale Joselme Fernandes Gouvea Alne Santos de Melo Denns Marnho O R Souza Kléber Napoleão Nunes de
Leia maisCovariância na Propagação de Erros
Técncas Laboratoras de Físca Lc. Físca e Eng. omédca 007/08 Capítulo VII Covarânca e Correlação Covarânca na propagação de erros Coefcente de Correlação Lnear 35 Covarânca na Propagação de Erros Suponhamos
Leia maisMQCI: MULTIVARIATE QUALITY CONTROL IMPLEMENTATION UM SOFTWARE NA ÁREA DE ESTATÍSTICA INDUSTRIAL INTEGRADO AO SOFTWARE ESTATÍSTICO S-PLUS
MQCI: MULTIVARIATE QUALITY CONTROL IMPLEMENTATION UM SOFTWARE NA ÁREA DE ESTATÍSTICA INDUSTRIAL INTEGRADO AO SOFTWARE ESTATÍSTICO S-PLUS AUTORES: FERNANDA KARINE RUIZ COLENGHI (**) SUELI APARECIDA MINGOTI
Leia maisÍNDICE DE CONSISTÊNCIA TEMPORAL: UM NOVO MÉTODO PARA AVALIAÇÃO DA ESTABILIDADE TEMPORAL DE ARMAZENAMENTO DE ÁGUA NO SOLO
Anas Eletrônco ÍNDICE DE CONSISTÊNCIA TEMPORAL: UM NOVO MÉTODO PARA AVALIAÇÃO DA ESTABILIDADE TEMPORAL DE ARMAZENAMENTO DE ÁGUA NO SOLO Anderson Takash Hara, Heraldo Takao Hashgut, Antôno Carlos Andrade
Leia maisAnálise de Regressão. Profa Alcione Miranda dos Santos Departamento de Saúde Pública UFMA
Análse de Regressão Profa Alcone Mranda dos Santos Departamento de Saúde Públca UFMA Introdução Uma das preocupações estatístcas ao analsar dados, é a de crar modelos que explctem estruturas do fenômeno
Leia maisCap. 11 Correlação e Regressão
Estatístca para Cursos de Engenhara e Informátca Pedro Alberto Barbetta / Marcelo Menezes Res / Antono Cezar Borna São Paulo: Atlas, 2004 Cap. 11 Correlação e Regressão APOIO: Fundação de Apoo à Pesqusa
Leia maisAnálise 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 maisContabilometria. Aula 8 Regressão Linear Simples
Contalometra Aula 8 Regressão Lnear Smples Orgem hstórca do termo Regressão Le da Regressão Unversal de Galton 1885 Galton verfcou que, apesar da tendênca de que pas altos tvessem flhos altos e pas axos
Leia maisEstudo quantitativo do processo de tomada de decisão de um projeto de melhoria da qualidade de ensino de graduação.
Estudo quanttatvo do processo de tomada de decsão de um projeto de melhora da qualdade de ensno de graduação. Rogéro de Melo Costa Pnto 1, Rafael Aparecdo Pres Espíndula 2, Arlndo José de Souza Júnor 1,
Leia maisEstatística II Antonio Roque Aula 18. Regressão Linear
Estatístca II Antono Roque Aula 18 Regressão Lnear Quando se consderam duas varáves aleatóras ao mesmo tempo, X e Y, as técncas estatístcas aplcadas são as de regressão e correlação. As duas técncas estão
Leia mais7 - Distribuição de Freqüências
7 - Dstrbução de Freqüêncas 7.1 Introdução Em mutas áreas há uma grande quantdade de nformações numércas que precsam ser dvulgadas de forma resumda. O método mas comum de resumr estes dados numércos consste
Leia maisAplicação de um modelo simulado na formação de fábricas
Aplcação de um modelo smulado na formação de fábrcas Márca Gonçalves Pzaa (UFOP) pzaa@ldapalm.com.br Rubson Rocha (UFSC) rubsonrocha@eps.ufsc.br Resumo O objetvo deste estudo é determnar a necessdade de
Leia maisRegressão Logística Aplicada aos Casos de Sífilis Congênita no Estado do Pará
Regressão Logístca Aplcada aos Casos de Sífls Congênta no Estado do Pará Crstane Nazaré Pamplona de Souza 1 Vanessa Ferrera Montero 1 Adrlayne dos Res Araújo 2 Edson Marcos Leal Soares Ramos 2 1 Introdução
Leia maisModelagem do crescimento de clones de Eucalyptus via modelos não lineares
Modelagem do crescmento de clones de Eucalyptus va modelos não lneares Joselme Fernandes Gouvea 2 Davd Venanco da Cruz 3 Máco Augusto de Albuquerque 3 José Antôno Alexo da Slva Introdução Os fenômenos
Leia maisINSTITUTO POLITÉCNICO DE VISEU ESCOLA SUPERIOR DE TECNOLOGIA E GESTÃO
Área Centfca Curso Matemátca Engenhara Electrotécnca º Semestre º 00/0 Fcha nº 9. Um artgo da revsta Wear (99) apresenta dados relatvos à vscosdade do óleo e ao desgaste do aço maco. A relação entre estas
Leia maisEventos coletivamente exaustivos: A união dos eventos é o espaço amostral.
DEFINIÇÕES ADICIONAIS: PROBABILIDADE Espaço amostral (Ω) é o conjunto de todos os possíves resultados de um expermento. Evento é qualquer subconjunto do espaço amostral. Evento combnado: Possu duas ou
Leia maisMinistério da Educação. Instituto Nacional de Estudos e Pesquisas Educacionais Anísio Teixeira. Cálculo do Conceito Preliminar de Cursos de Graduação
Mnstéro da Educação Insttuto Naconal de Estudos e Pesqusas Educaconas Aníso Texera Cálculo do Conceto Prelmnar de Cursos de Graduação Nota Técnca Nesta nota técnca são descrtos os procedmentos utlzados
Leia maisGRÁFICO DE CONTROLE MULTIVARIADO T 2 DE HOTELLING - INSTRUMENTO DE ANÁLISE DA QUALIDADE NUMA INDÚSTRIA DE ALUMÍNIO
SPOLM 006 ISSN 806-363 Ro de Janero, Brasl, 5 e 6 de agosto de 006 GRÁFICO DE CONTROLE MULTIVARIADO T DE HOTELLING - INSTRUMENTO DE ANÁLISE DA QUALIDADE NUMA INDÚSTRIA DE ALUMÍNIO Patríca Slva Tavares
Leia maisCapítulo 1. Exercício 5. Capítulo 2 Exercício
UNIVERSIDADE FEDERAL DE GOIÁS CIÊNCIAS ECONÔMICAS ECONOMETRIA (04-II) PRIMEIRA LISTA DE EXERCÍCIOS Exercícos do Gujarat Exercíco 5 Capítulo Capítulo Exercíco 3 4 5 7 0 5 Capítulo 3 As duas prmeras demonstrações
Leia maisGabarito da Lista de Exercícios de Econometria I
Gabarto da sta de Exercícos de Econometra I Professor: Rogéro lva Mattos Montor: eonardo enrque A. lva Questão Y X y x xy x ŷ ˆ ˆ y ŷ (Y - Y ) (X - X ) (Ŷ - Y ) 360 00-76 -00 35.00 40.000 36-4 30.976 3076
Leia maisINTRODUÇÃO À CALIBRAÇÃO MULTIVARIADA
INTRODUÇÃO À CALIBRAÇÃO MULTIVARIADA APLICAÇÃO NO CONTROLE DE QUALIDADE DE FÁRMACOS Prof. Dr. Marcelo Martns de Sena MÓDULO 04 Undade Unverstára de Cêncas Eatas e Tecnológcas UnUCET Anápols 1 MÓDULO 04
Leia maisFigura 3: Diagrama de blocos do sistema de inferência da qualidade.
4 Solução Proposta A metodologa proposta nesta dssertação pode ser dvdda em quatro etapas complementares que estão representadas no dagrama de blocos na Fgura 3. Cada uma delas está descrta através do
Leia maisIMPLEMENTAÇÃO DO MÉTODO DE FATORAÇÃO DE INTEIROS CRIVO QUADRÁTICO
IMPLEMENTAÇÃO DO MÉTODO DE FATORAÇÃO DE INTEIROS CRIVO QUADRÁTICO Alne de Paula Sanches 1 ; Adrana Betâna de Paula Molgora 1 Estudante do Curso de Cênca da Computação da UEMS, Undade Unverstára de Dourados;
Leia maisMOQ-14 PROJETO e ANÁLISE de EXPERIMENTOS. Professor: Rodrigo A. Scarpel
MOQ-4 PROJETO e ANÁLISE de EPERIMENTOS Professor: Rodrgo A. Scarpel rodrgo@ta.br www.mec.ta.br/~rodrgo Programa do curso: Semana Conteúdo Apresentação da dscplna. Prncípos de modelos lneares de regressão.
Leia maisAnálise Exploratória de Dados
Análse Exploratóra de Dados Objetvos Análse de duas varáves quanttatvas: traçar dagramas de dspersão, para avalar possíves relações entre as duas varáves; calcular o coefcente de correlação entre as duas
Leia maisGRÁFICOS DE CONTROLE PARA MÉDIA E DESVIO-PADRÃO COM TAMANHO DE AMOSTRA VARIÁVEL: UMA APLICAÇÃO EM UMA INDÚSTRIA DO SETOR METALÚRGICO
! "#$ " %'&)(*&)+,.- /0.*&4365879&4/:.+58;.*=?5.@A*3B;.- C)D 5.,.5FE)5.G.+ &4- (IHJ&?,.+ /?=)5.KA:.+5MLN&OHJ5F&4E)*EOHJ&)(IHJ/)G.- D - ;./);.& Foz do Iguaçu, PR, Brasl, 09 a de outubro de 007 GRÁFICOS
Leia maisMOQ-14 PROJETO e ANÁLISE de EXPERIMENTOS. Professor: Rodrigo A. Scarpel
MOQ-14 PROJETO e ANÁLISE de EPERIMENTOS Professor: Rodrgo A. Scarpel rodrgo@ta.br www.mec.ta.br/~rodrgo Prncípos de cração de modelos empírcos: Modelos (matemátcos, lógcos, ) são comumente utlzados na
Leia maisEFEITOS DE DISPERSÃO EM PROJETOS FATORIAIS: UMA SIMULAÇÃO CONFIRMATÓRIA
! "#$ " %'&)(*&)+,.- /10.*&4365879&4/1:.+58;.*=?5.@A*3B;.- C)D 5.,.5FE)5.G.+ &4- (IHJ&?,.+ /?=)5.KA:.+5MLN&OHJ5F&4E)*EOHJ&)(IHJ/)G.- D - ;./);.& Foz do Iguaçu, PR, Brasl, 09 a 11 de outubro de 007
Leia maisAnálise Exploratória de Dados
Análse Exploratóra de Dados Objetvos Análse de duas varáves quanttatvas: obter uma reta que se ajuste aos dados segundo o crtéro de mínmos quadrados; apresentar outros crtéros para a determnação de uma
Leia maisAnálise de Regressão Linear Múltipla VII
Análse de Regressão Lnear Múltpla VII Aula 1 Hej et al., 4 Seções 3. e 3.4 Hpótese Lnear Geral Seja y = + 1 x 1 + x +... + k x k +, = 1,,..., n. um modelo de regressão lnear múltpla, que pode ser escrto
Leia mais4.1 Modelagem dos Resultados Considerando Sazonalização
30 4 METODOLOGIA 4.1 Modelagem dos Resultados Consderando Sazonalzação A sazonalzação da quantdade de energa assegurada versus a quantdade contratada unforme, em contratos de fornecmento de energa elétrca,
Leia maisEquações Simultâneas
Equações Smultâneas Caracterzação. Os modelos de equações smultâneasenvolvem mas de uma varável dependente, ou endógena, sendo necessáras tantas equações quanto for o número de varáves endógenas 2. Uma
Leia maisMOQ-14 PROJETO E ANÁLISE DE EXPERIMENTOS LISTA DE EXERCÍCIOS 1 REGRESSÃO LINEAR SIMPLES
MOQ-14 PROJETO E ANÁLISE DE EXPERIMENTOS LISTA DE EXERCÍCIOS 1 REGRESSÃO LINEAR SIMPLES 1. Obtenha os estmadores dos coefcentes lnear e angular de um modelo de regressão lnear smples utlzando o método
Leia maisFigura 8.1: Distribuição uniforme de pontos em uma malha uni-dimensional. A notação empregada neste capítulo para avaliação da derivada de uma
Capítulo 8 Dferencação Numérca Quase todos os métodos numércos utlzados atualmente para obtenção de soluções de equações erencas ordnáras e parcas utlzam algum tpo de aproxmação para as dervadas contínuas
Leia maisRedução dos Dados. Júlio Osório. Medidas Características da Distribuição. Tendência Central (Localização) Variação (Dispersão) Forma
Redução dos Dados Júlo Osóro Meddas Característcas da Dstrbução Tendênca Central (Localzação) Varação (Dspersão) Forma 1 Meddas Característcas da Dstrbução Meddas Estatístcas Tendênca Central Dspersão
Leia maisExperiência V (aulas 08 e 09) Curvas características
Experênca (aulas 08 e 09) Curvas característcas 1. Objetvos 2. Introdução 3. Procedmento expermental 4. Análse de dados 5. Referêncas 1. Objetvos Como no expermento anteror, remos estudar a adequação de
Leia maisCurso de extensão, MMQ IFUSP, fevereiro/2014. Alguns exercício básicos
Curso de extensão, MMQ IFUSP, feverero/4 Alguns exercíco báscos I Exercícos (MMQ) Uma grandeza cujo valor verdadero x é desconhecdo, fo medda três vezes, com procedmentos expermentas dêntcos e, portanto,
Leia mais6 Modelo Proposto Introdução
6 Modelo Proposto 6.1. Introdução Neste capítulo serão apresentados detalhes do modelo proposto nesta dssertação de mestrado, onde será utlzado um modelo híbrdo para se obter prevsão de carga curto prazo
Leia mais3. Estatística descritiva bidimensional
3. Estatístca descrtva bdmensonal (Tabelas, Gráfcos e números) Análse bvarada (ou bdmensonal): avala o comportamento de uma varável em função da outra, por exemplo: Quantas TV Phlps são venddas na regão
Leia maisX = 1, se ocorre : VB ou BV (vermelha e branca ou branca e vermelha)
Estatístca p/ Admnstração II - Profª Ana Cláuda Melo Undade : Probabldade Aula: 3 Varável Aleatóra. Varáves Aleatóras Ao descrever um espaço amostral de um expermento, não especfcamos que um resultado
Leia maisUNIVERSIDADE DE PERNAMBUCO. Física Experimental. Prof o José Wilson Vieira
UNIVERSIDADE DE PERNAMBUCO ESCOLA POLITÉCNICA DE PERNAMBUCO Físca Expermental Prof o José Wlson Vera wlson.vera@upe.br AULA 01: PROCESSOS DE ANÁLISE GRÁFICA E NUMÉRICA MODELO LINEAR Recfe, agosto de 2015
Leia maisPrograma de Certificação de Medidas de um laboratório
Programa de Certfcação de Meddas de um laboratóro Tratamento de dados Elmnação de dervas Programa de calbração entre laboratóros Programa nterno de calbração justes de meddas a curvas Tratamento dos resultados
Leia maisCapítulo 2. Modelos de Regressão
Capítulo 2 Modelos de regressão 39 Capítulo 2 Modelos de Regressão Objetvos do Capítulo Todos os modelos são errados, mas alguns são útes George E P Box Algumas vezes fcamos assustados quando vemos engenheros
Leia mais5 Relação entre Análise Limite e Programação Linear 5.1. Modelo Matemático para Análise Limite
5 Relação entre Análse Lmte e Programação Lnear 5.. Modelo Matemátco para Análse Lmte Como fo explcado anterormente, a análse lmte oferece a facldade para o cálculo da carga de ruptura pelo fato de utlzar
Leia maisAvaliação do tamanho da amostra de segmentos regulares para estimar a área plantada com café na região sul de Minas Gerais
Avalação do tamanho da amostra de segmentos regulares para estmar a área plantada com café na regão sul de Mnas Geras Marcos Adam Maurco Alves Morera Bernardo Fredrch Theodor Rudorff Insttuto Naconal de
Leia maisNome: Nº: Estatística para Economia e Gestão Licenciaturas em Economia e Gestão. 2.º Semestre de 2008/2009
Estatístca para Economa e Gestão Lcencaturas em Economa e Gestão.º Semestre de 008/009 Exame Fnal (.ª Época) 16 de Junho de 009; 17h30m Duração: 10 mnutos INSTRUÇÕES Escreva o nome e número de aluno em
Leia mais