Tânia Lucia Hojo (UFMG) Sueli Aparecida Mingoti (UFMG)

Save this PDF as:
 WORD  PNG  TXT  JPG

Tamanho: px
Começar a partir da página:

Download "Tânia Lucia Hojo (UFMG) Sueli Aparecida Mingoti (UFMG)"

Transcrição

1 Modelos de equações estruturas: uma avalação dos métodos de máxma verossmlhança, mínmos quadrados ordnáros e mínmos quadrados parcas usados na estmação de parâmetros do modelo. Tâna Luca Hojo (UFMG) Suel Aparecda Mngot (UFMG) Resumo Atualmente, com um mercado compettvo, o montoramento da satsfação do consumdor é um fator essencal para o sucesso da empresa, propcando a melhora contínua do produto (ou servço) de acordo com as expectatvas do consumdor. Entretanto, a satsfação é um conjunto de concetos teórcos formados por varáves que não podem ser dretamente mensuradas (chamadas varáves latentes). Além dsso, estes concetos podem representar váras relações de dependênca entre as varáves. Uma técnca que tem sdo utlzada nesta área é a modelagem de equações estruturas (SEM), que também é conhecda como análse da estrutura de covarânca. A SEM é utlzada quando deseja-se analsar váras relações de dependênca as quas são relaconadas entre s, podendo uma varável dependente numa equação ser a varável ndependente numa outra equação. Além de ncorporar varáves que não são mensuradas dretamente. Este estudo enfoca o desenvolvmento estatístco que têm ocorrdo durante os últmos anos na Modelagem de Equações Estruturas, prncpalmente na área de marketng, apresentando os aspectos teórcos e uma comparação dos métodos de estmação. Palavras chave: Equações estruturas, Métodos de estmação, Qualdade, Varáves latentes. Introdução A qualdade sempre é vsta como o atendmento rgoroso de especfcações técncas ou de padrões de conformdade, vsando garantr a confabldade do produto ou servços. Atualmente, com um mercado altamente compettvo, a satsfação do consumdor é uma preocupação vtal para companhas e organzações, no aperfeçoamento da qualdade do produto ou servço e, conseqüentemente, a lealdade de seus clentes. É mportante ressaltar que clentes satsfetos resultam num maor grau de fdeldade e conseqüentemente em melhores resultados para a companha. Clentes mutos satsfetos também costumam dssemnar nformações postvas, que atraem o nteresse de outros clentes, contrbundo para a sua consoldação no mercado. A satsfação do consumdor, que é o resultado da comparação das expectatvas do consumdor com a qualdade percebda, possblta o acompanhamento da prestação do servço, dentfcando problemas a serem corrgdos e possbltando a melhora da qualdade dos servços oferecdos. Ou seja, é um nstrumento estratégco no processo de planejamento e gestão das organzações. Entretanto, a satsfação é um conjunto de concetos teórcos (constructos) formado por varáves que não são dretamente mensuráves ou observáves (chamadas de varáves latentes). O reconhecmento deste prncípo, despertou a necessdade de desenvolver estudos mas sofstcados para montorar a satsfação do consumdor como forma de avalação do desempenho ENEGEP 004 ABEPRO 670

2 global das organzações. Uma técnca que tem sdo muto utlzada nesta área é a modelagem de equações estruturas (HAIR et. al., 998), que também é conhecda por análse da estrutura de covarânca. Bascamente, se resume em modelos de regressão nos quas as varáves latentes são utlzadas para tentar descrever uma possível relação de "causa-efeto". Na realdade, pode-se dzer que as equações estruturas combnam as técncas de análse de regressão e análse fatoral. Como todo modelo de regressão, exstem parâmetros desconhecdos e que precsam ser estmados a partr da amostra observada. O problema de estmação é mas complexo devdo à presença das varáves latentes. Os métodos estatístcos mas comuns utlzados para a estmação de parâmetros são: máxma verossmlhança, mínmos quadrados ordnáros e mínmos quadrados parcas. Estes métodos são procedmentos teratvos os quas mnmzam uma função de ajuste partcular através de sucessvos cálculos das estmatvas dos parâmetros. O objetvo deste estudo é avalar a confabldade dos métodos de estmação em stuações de falta de smetra da dstrbução geradora dos dados amostras, erros de especfcação do modelo, multcolneardade entre as varáves e o efeto do tamanho amostral. Modelos de Equações Estruturas O modelo completo das equações estruturas consste de um sstema de equações lneares, que pode ser decomposto em dos sub-sstemas: o modelo das varáves latentes ou modelo estrutural, que especfca as relações de causaldade entre as varáves latentes, e os modelos de mensuração, que especfcam quas varáves observadas mensuram quas constructos latentes. η = Βη+ Γξ+ ζ (Modelo Estrutural) () =Λ η+ ε (Modelo de Mensuração de ) () x = Λ ξ + ε (Modelo de Mensuração de x) (3) x x onde η e ξ são, respectvamente, varáves latentes endógenas e exógenas; x e são varáves de manfestação ou ndcadores; Β, Γ, Λ, Λ x são as matrzes dos coefcentes; e os vetores de erros são ζ, ε e ε x. O dagrama de camnho representa de forma gráfca os relaconamentos entre as varáves de um modelo de equações estruturas. A fgura exemplfca o dagrama de camnho com o índce de satsfação consumdor europeu (ECSI).. Estmação do Modelo Os procedmentos de estmação mas utlzados para os modelos de equações estruturas são: máxma verossmlhança, mínmos quadrados ordnáros, mínmos quadrados generalzados e mínmos quadrados parcas... Máxma Verossmlhança (ML) Segundo Bollen (989) o método de Máxma Verossmlhança (ML) é a função de ajuste mas amplamente utlzada em equações estruturas, que é defnda por: ENEGEP 004 ABEPRO 67

3 F tr S S p q ( ) = log Σ + ( Σ ) log ML ( + ) Os estmadores de máxma verossmlhança possuem propredades mportantes: são assntotcamente não vcados, consstentes, efcentes e normalmente dstrbuídos (BOLLEN, 989). Sua prncpal desvantagem é que as observações devem ser provenentes de uma dstrbução normal multvarada e na prátca nem sempre sso é verdade. Imagem Expectatva do Consumdor Lealdade Valor Percebdo Satsfação do Consumdor Qualdade Percebda Reclamação Fgura : Dagrama de camnho para o ECSI... Mínmos Quadrados Generalzados (GLS) e Ordnáros (ULS) A função de ajuste do método GLS é dada por: { ( ) } FGLS = tr S Σ W onde W é uma matrz de pesos para a matrz resdual. Portanto, o método ULS é um caso partcular do método GLS quando W = I, ou seja, quando a matrz de pesos é a matrz dentdade. Os estmadores GLS possuem as mesmas propredades dos estmadores de máxma verossmlhança, ou seja, são assntotcamente não vcados, consstentes e possuem uma dstrbução normal multvarada. A prncpal característca dos estmadores de ULS é smplcdade, pos não requer que as varáves observadas tenham uma dstrbução em partcular; além de produzrem estmadores consstentes...3 Mínmos Quadrados Parcas (PLS) O método de Mínmos Quadrados Parcas (PLS) fo ncalmente utlzado por Herman Wold em 98, para estmar varáves latentes nos modelos de índces de satsfação do consumdor. Os algortmos PLS são procedmentos teratvos que combnam as técncas de análse de componentes prncpas, correlação canônca e regressão lnear múltpla, que é dvddo em ENEGEP 004 ABEPRO 67

4 estmação externa e nterna, que serão descrtas a segur. (A) Estmação Externa: as varáves latentes são estmadas como combnações lneares das varáves de manfestação, ou seja, ˆ η = w Y e ˆ ξ = w X η onde os pesos w estmados por dos modos: () se as varáves de manfestação estão relaconadas as varáves latentes endógenas, os pesos w são os coefcentes da regressão lnear smples de sobre η ; () se as varáves de manfestação estão relaconadas às varáves latentes exógenas, os pesos w são os coefcentes da regressão múltpla de ξ sobre x. (B) Estmação Interna: os escores das varáves latentes são obtdos como médas ponderadas das varáves latentes encontradas na estmação nterna. Os pesos podem ser obtdos por três modos: fatoral, centróde e camnho. As prncpas característcas dos estmadores PLS são: não requerem suposções sobre a dstrbução das varáves que podem ser contínuas ou categórcas e é adequado para explcar relações mas complexas (CHIN, 996). No entanto, suas estmatvas são vcadas (O'LOUG- HLIN & COENDERS, 00). ξ 3 Smulação e Resultados O modelo proposto por Cassel et. al. (999) fo utlzado para o processo de geração dos da- ξ, ξ e ξ e uma varável dos. Este modelo consste de três varáves latentes exógenas ( 3) latente endógena ( η ) e é dado por: η = ξ + ξ + ξ + ζ 3 3 ξ = π x + π x + π x + δ 3 3 ξ = π x + π x + π x + δ ξ = π x + π x + π x + δ ( ) ( ) = λ η+ ε ( ) ( ) = λ η+ ε ( ) ( ) = λ η+ ε ( ) ( ) = λ η+ ε Desta forma, no modelo básco os valores de x possuem dstrbução smétrca Beta(6,6), todos os coefcentes π são 3, os coefcentes para as varáves latentes exógenas são = 0,8, = 0, e = 0, e os coefcentes relaconando a η são 3 λ =,, λ =, 0, λ3 = 0,9 e λ4 = 0,8. Os erros δ e ε possuem dstrbução unforme contínua, enquanto que o erro ζ possu dstrbução normal. Em todos os casos o erro possu méda zero e varânca gual a 30% da varânca da varável latente correspondente. Os valores das varáves de manfestação x foram transformados em uma escala de a 0 e smlarmente os escores das varáves latentes ξ e η foram transformados para uma escala de a 00. O processo de geração dos dados fo modfcado para avalar a nfluênca da assmetra das varáves de manfestação, multcolneardade entre as varáves latentes ou manfestação e erros de especfcação do modelo. Para cada caso, foram geradas 500 réplcas para cada tamanho amostral, n = 50, 00 e 000. Neste artgo apresentaremos apenas os resultados obtdos para n = 00. ENEGEP 004 ABEPRO 673

5 3. Assmetra das varáves de manfestação Para avalar o efeto da assmetra das varáves de manfestação, foram consderados três casos de dstrbuções: smétrca (Beta(6,6)), assmetra moderada à dreta (Beta(9,4)) e assmetra elevada à dreta (Beta(9,)). Os resultados da smulação mostraram que a assumndo dstrbução smétrca, os coefcentes π foram melhores estmados através do método PLS (centróde e camnho) e os métodos ML e ULS produzram resultados semelhantes. Para os coefcentes de camnho ( ) os métodos ML e ULS possuem uma pequena vantagem sobre PLS. Observa-se que e 3 são melhores estmados que, para os três métodos. O mesmo ocorre quando a dstrbução é moderadamente assmétrca. No entanto, somente as estmatvas de π no método PLS sofrem um pequeno aumento em seus erros. Agora, quando a dstrbução das varáves tem uma assmetra elevada, o método ML possu uma pequena vantagem sobre os ULS e PLS, em todos os parâmetros. Sendo que as estmatvas de π sofreram uma maor nfluênca da assmetra. Mas cabe ressaltar que nos três casos de assmetra, somente o método PLS (centróde e camnho) não produzu estmatvas nconsstentes. 3. Multcolneardade entre as varáves de manfestação e/ou latentes Para avalar a nfluênca da multcolneardade entre as varáves foram ntroduzdas correlações: (a) entre as varáves do mesmo bloco (denomnadas de r), sto é, entre as varáves de manfestação x que pertencem a mesma varável ξ, e (b) entre os blocos (denomnadas de b), sto é, entre as varáves ξ. Então, foram consderados três casos: () correlação entre as varáves de manfestação (r = 0,7 e b = 0,0); () correlação entre as varáves latentes (r = 0,0 e b = 0,7) e (3) correlação entre as varáves latentes e manfestação (r = 0,7 e b = 0,7). A tabela apresenta os erros médos, quadrátcos, relatvos e absolutos para os três métodos de estmação em estudo. As fguras a 4 lustram o box-plot do erro quadrátco médo para as estmatvas de π, e, respectvamente, para os métodos ML, ULS e PLS (centróde) nos três casos de multcolneardade quando o tamanho amostral é 00. Pela tabela percebe-se que quando há correlação somente entre as varáves de manfestação, os resultados mostram que os métodos ML, ULS e PLS produzem resultados semelhantes, com lgera vantagem para o método ULS, prncpalmente na estmação de π. Quando há correlação somente entre as varáves latentes, o método PLS produz melhores resultados que ML e ULS para as estmatvas de π. Já para os coefcentes de camnho ( ), os métodos ML e ULS possuem uma pequena vantagem em relação a PLS. O mesmo acontece quando exste correlação entre as varáves latentes e manfestação. Anda, observa-se que houve uma dmnução dos erros das estmatvas em todos os parâmetros à medda que são ntroduzdas correlações entre as varáves latentes e manfestação. Este é um fato mportante uma vez que a maora das pesqusas de opnão e mercado produzem varáves correlaconadas. 3.3 Erros de especfcação do modelo Para avalar o efeto dos erros de especfcação do modelo, foram consderados dos casos de omssão do coefcente da varável latente: pequeno = 0, e maor = 0,8. Os resultados da smulação quando há omssão da varável latente com coefcente pequeno =, mostraram que as estmatvas de π foram melhores estmadas pelo método PLS. ( ) 0, ENEGEP 004 ABEPRO 674

6 Correlação Caso (r = 0,7 e b = 0) Caso (r = 0 e b = 0,7) Caso 3 (r = 0,7 e b = 0,7) π λ 3 π λ 3 π λ 3 ML 0,049 0,0496 0,857 0,0084 0,00 0,48 0,0493 0,0585 0,009 0,0094 0,056 0,0497 0,060 0,0087 0,008 ULS 0,056 0,0497 0,89 0,03 0,09 0,35 0,0495 0,0585 0,000 0,0096 0,0474 0,0458 0,060 0,0078 0,0075 Fatoral -0,0636 0,0497 0,867 0,089 0,087 0,088 0,0494 0,0654 0,0098 0,043-0,05 0,0498 0,0669 0,0097 0,03 Centróde -0,0505 0,0497 0,867 0,076 0,077 0,088 0,0494 0,0654 0,0098 0,043-0,05 0,0498 0,0669 0,0097 0,03 EM Camnho -0,0505 0,0497 0,867 0,076 0,077 0,088 0,0494 0,0654 0,0098 0,043-0,05 0,0498 0,0669 0,0097 0,03 ML 0,09 0,049 0,0335 0,0037 0,0030 0,06 0,049 0,0035 0,000 0,000 0,0075 0,049 0,0037 0,000 0,000 ULS 0,0056 0,049 0,0336 0,0007 0,0008 0,067 0,049 0,0035 0,0003 0,0004 0,0096 0,06 0,0037 0,0004 0,0004 Fatoral 0,040 0,049 0,0350 0,006 0,006 0,0086 0,049 0,0044 0,000 0,0003 0,006 0,049 0,0045 0,000 0,000 Centróde 0,054 0,049 0,0350 0,000 0,0008 0,0086 0,049 0,0044 0,000 0,0003 0,006 0,049 0,0045 0,000 0,000 EQM Camnho 0,054 0,049 0,0350 0,0008 0,0008 0,0086 0,049 0,0044 0,000 0,0003 0,006 0,049 0,0045 0,000 0,000 ML 0,08 0,0998 0,87 0,036 0,0335 0,48 0,0996 0,0585 0,03 0,008 0,0705 0,0998 0,060 0,0095 0,009 ULS 0,0597 0,0998 0,89 0,04 0,046 0,389 0,0997 0,0585 0,07 0,04 0,0733 0,036 0,060 0,0 0,007 Fatoral 0,07 0,000 0,867 0,0344 0,0349 0,088 0,0999 0,0654 0,05 0,046 0,066 0,000 0,0669 0,003 0,05 EA Centróde 0,090 0,000 0,867 0,076 0,077 0,088 0,0999 0,0654 0,05 0,046 0,066 0,000 0,0669 0,003 0,05 Camnho 0,090 0,000 0,867 0,076 0,077 0,088 0,0999 0,0654 0,05 0,046 0,066 0,000 0,0669 0,003 0,05 ML 0,487 0,7 0,84 0,369 0,3354 0,737 0,5 0,073 0,9 0,08 0,35 0,8 0,075 0,0950 0,090 ULS 0,80 0,8 0,86 0,406 0,465 0,740 0,6 0,073 0,76 0,4 0,0 0,67 0,075 0,4 0,073 Fatoral 0,3083 0,9 0,333 0,3445 0,3495 0,674 0,8 0,087 0,5 0,464 0,896 0,30 0,0836 0,036 0,50 ER Centróde 0,730 0,9 0,333 0,765 0,775 0,674 0,8 0,087 0,5 0,464 0,896 0,30 0,0836 0,036 0,50 Camnho 0,730 0,9 0,333 0,765 0,775 0,674 0,8 0,087 0,5 0,464 0,896 0,30 0,0836 0,036 0,50 π = =, K,9, λ representa a méda das estmatvas de λ = (,, 0 0, 9 0, 8 ) e = ( 0, 8 0, 0, ). Fonte: Dados smulados. π representa a méda das estmatvas de /3, Tabela : Erros = /3, =, K,9 Médos (EM), Quadrátcos (EQM), Absoluto (EA) e Relatvos (ER) das estmatvas dos parâmetros para o modelo com multcolneardade entre as varáves latentes e/ou manfestação com n = 00. ENEGEP 004 ABEPRO 675

7 No entanto, para os coefcentes de camnho ( e ) 3 os métodos ML e ULS produzem melhores resultados que PLS. E, o mesmo ocorre quando há omssão da varável latente com coefcente maor ( = 0,8), observando que os erros das estmatvas de ( e 3) sofrem uma maor nfluênca Método de Estmação ML Método de Estmação ULS Método de Estmação PLS(centróde) Fgura : Box-plot do erro quadrátco médo para as estmatvas de π quando há multcolneardade entre as varáves latentes e/ou manfestação com n = Método de Estmação ML Método de Estmação ULS Método de Estmação PLS(centróde) Fgura 3: Box-plot do erro quadrátco médo para as estmatvas de quando há multcolneardade entre as varáves latentes e/ou manfestação com n = 00. ENEGEP 004 ABEPRO 676

8 Método de Estmação ML Método de Estmação ULS Método de Estmação PLS(centróde) Fgura 4: Box-plot do erro quadrátco médo para as estmatvas de quando há multcolneardade entre as varáves latentes ou manfestação com n = Conclusões Os resultados da smulação mostraram que as estmatvas para λ em todos os métodos não sofreram nfluênca das nequações (assmetra, multcolneardade e omssão de regressor). Para as estmatvas de π o método PLS produz melhores resultados do que os métodos ML e ULS. No entanto, para os coefcentes de camnho os métodos ML e ULS produzem melhores resultados que PLS, embora a dferença observada entre os erros dos três métodos de estmação não seja elevada. Observa-se melhores resultados em todos os métodos quando é ntroduzda correlação entre as varáves latentes e manfestação. Anda, o método PLS (centróde e camnho) produz estmatvas consstentes. Consderando-se todas as smulações realzadas, verfcou-se que para o método PLS não houve dferença sgnfcatva entre os resultados obtdos para n = 50, 00 e 000. Os métodos ML e ULS foram mas afetados. Portanto, os dados deste estudo ndcam que o método PLS para não ser nfluencado pelo tamanho amostral. Este fato é concordante com o estudo de Cassel et. al. (999) 5 Referêncas Bblográfcas BOLLEN, K. A. (989), Structural Equatons wth Latent Varables, New York, Wle. CASSEL, C., HACKL, P., WESTLUND, A. H. (999), Robustness of partal least-squares method for estmatng latent varable qualt structures, Journal of Appled Statstcs, v. 6, Nº 4, CHIN, W. W., MARCOLIN, B. L., NEWSTED, P. R. (996), A partal least squares latent varable modelng approach for measurng nteracton effects: results from a Monte Carlo smulaton stud and voce mal emoton/adopton stud, Oho, Proceedngs of the Seventeenth Internatonal Conference on Informaton Sstems. HAIR, J. F., ANDERSON, R. E., TATHM, R. L., BLACK, W. C. (998), Multvarate Data Analss, New Jerse, Prentce Hall. O'LOUGHLIN, C., COENDERS G. (000), Applcaton of the European Customer Satsfacton Index to Postal Servces. Structural Equaton Models versus Partal Least Squares, Unverstat de Grona. ENEGEP 004 ABEPRO 677

Prof. Lorí Viali, Dr.

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 mais

Modelo linear normal com erros heterocedásticos. O método de mínimos quadrados ponderados

Modelo linear normal com erros heterocedásticos. O método de mínimos quadrados ponderados Modelo lnear normal com erros heterocedástcos O método de mínmos quadrados ponderados Varâncas homogêneas Varâncas heterogêneas y y x x Fgura 1 Ilustração da dstrbução de uma varável aleatóra y (condconal

Leia mais

Prof. Lorí Viali, Dr.

Prof. 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 mais

Análise de Regressão

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

Leia mais

1. CORRELAÇÃO E REGRESSÃO LINEAR

1. 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 mais

Os modelos de regressão paramétricos vistos anteriormente exigem que se suponha uma distribuição estatística para o tempo de sobrevivência.

Os 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 mais

4 Modelos de Equações Estruturais

4 Modelos de Equações Estruturais 4 Modelos de Equações Estruturas 4. Introdução Este capítulo é dedcado aos fundamentos teórcos sobre os Modelos de Equações Estruturas baseados em Estruturas de Covarâncas (CSM) e em Mínmos Quadrados Parcas

Leia mais

Contabilometria. Aula 8 Regressão Linear Simples

Contabilometria. 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 mais

UMA ABORDAGEM ALTERNATIVA PARA O ENSINO DO MÉTODO DOS MÍNIMOS QUADRADOS NO NÍVEL MÉDIO E INÍCIO DO CURSO SUPERIOR

UMA 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 mais

O problema da superdispersão na análise de dados de contagens

O 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 mais

Análise de influência

Análise 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 mais

CORRELAÇÃO E REGRESSÃO

CORRELAÇÃO 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 mais

Curso de extensão, MMQ IFUSP, fevereiro/2014. Alguns exercício básicos

Curso 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 mais

MOQ-14 PROJETO e ANÁLISE de EXPERIMENTOS. Professor: Rodrigo A. Scarpel

MOQ-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 mais

Estatística II Antonio Roque Aula 18. Regressão Linear

Estatística 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 mais

Classificação de Padrões

Classificação de Padrões Classfcação de Padrões Introdução Classfcadores Paramétrcos Classfcadores Sem-paramétrcos Redução da Dmensonaldade Teste de Sgnfcânca 6.345 Sstema de Reconhecmento de Voz Teora Acústca da Produção de Voz

Leia mais

PRESSUPOSTOS DO MODELO DE REGRESSÃO

PRESSUPOSTOS 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 mais

2 Incerteza de medição

2 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 mais

Redução dos Dados. Júlio Osório. Medidas Características da Distribuição. Tendência Central (Localização) Variação (Dispersão) Forma

Redução 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 mais

AULA EXTRA Análise de Regressão Logística

AULA EXTRA Análise de Regressão Logística 1 AULA EXTRA Análse de Regressão Logístca Ernesto F. L. Amaral 13 de dezembro de 2012 Metodologa de Pesqusa (DCP 854B) VARIÁVEL DEPENDENTE BINÁRIA 2 O modelo de regressão logístco é utlzado quando a varável

Leia mais

MOQ-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 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 mais

Capítulo 1. Exercício 5. Capítulo 2 Exercício

Capítulo 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 mais

RISCO. Investimento inicial $ $ Taxa de retorno anual Pessimista 13% 7% Mais provável 15% 15% Otimista 17% 23% Faixa 4% 16%

RISCO. Investimento inicial $ $ Taxa de retorno anual Pessimista 13% 7% Mais provável 15% 15% Otimista 17% 23% Faixa 4% 16% Análse de Rsco 1 RISCO Rsco possbldade de perda. Quanto maor a possbldade, maor o rsco. Exemplo: Empresa X va receber $ 1.000 de uros em 30 das com títulos do governo. A empresa Y pode receber entre $

Leia mais

Programa de Certificação de Medidas de um laboratório

Programa 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 mais

DEFINIÇÃO - MODELO LINEAR GENERALIZADO

DEFINIÇÃO - MODELO LINEAR GENERALIZADO DEFINIÇÃO - MODELO LINEAR GENERALIZADO 1 Um modelo lnear generalzado é defndo pelos seguntes três componentes: Componente aleatóro; Componente sstemátco; Função de lgação; Componente aleatóro: Um conjunto

Leia mais

O PROBLEMA DA MODELAGEM DA VARIÂNCIA NA OTIMIZAÇÃO EXPERIMENTAL DE PRODUTOS OU PROCESSOS

O PROBLEMA DA MODELAGEM DA VARIÂNCIA NA OTIMIZAÇÃO EXPERIMENTAL DE PRODUTOS OU PROCESSOS O PROBLEMA DA MODELAGEM DA VARIÂNCIA NA OTIMIZAÇÃO EXPERIMENTAL DE PRODUTOS OU PROCESSOS Pedro Alberto Barbetta Departamento de Informátca e de Estatístca Unversdade Federal de Santa Catarna Antono Cezar

Leia mais

Métodos Experimentais em Ciências Mecânicas

Métodos Experimentais em Ciências Mecânicas Métodos Expermentas em Cêncas Mecâncas Professor Jorge Luz A. Ferrera Sumáro.. Dagrama de Dspersão. Coefcente de Correlação Lnear de Pearson. Flosofa assocada a medda da Estatstca. este de Hpótese 3. Exemplos.

Leia mais

SELEÇÃO 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 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 mais

INSTITUTO POLITÉCNICO DE VISEU ESCOLA SUPERIOR DE TECNOLOGIA E GESTÃO

INSTITUTO 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 mais

Análise de Regressão. Profa Alcione Miranda dos Santos Departamento de Saúde Pública UFMA

Análise 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 mais

Figura 8.1: Distribuição uniforme de pontos em uma malha uni-dimensional. A notação empregada neste capítulo para avaliação da derivada de uma

Figura 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 mais

Análise de Regressão Linear Múltipla VII

Análise 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 mais

MOQ-14 PROJETO e ANÁLISE de EXPERIMENTOS. Professor: Rodrigo A. Scarpel

MOQ-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 mais

Teoria da Regressão Espacial Aplicada a. Sérgio Alberto Pires da Silva

Teoria da Regressão Espacial Aplicada a. Sérgio Alberto Pires da Silva Teora da Regressão Espacal Aplcada a Modelos Genércos Sérgo Alberto Pres da Slva ITENS DE RELACIONAMENTOS Tópcos Báscos da Regressão Espacal; Banco de Dados Geo-Referencados; Modelos Genércos Robustos;

Leia mais

MODELAGEM CONJUNTA DE MÉDIA E VARIÂNCIA EM EXPERIMENTOS FRACIONADOS SEM REPETIÇÃO UTILIZANDO GLM

MODELAGEM CONJUNTA DE MÉDIA E VARIÂNCIA EM EXPERIMENTOS FRACIONADOS SEM REPETIÇÃO UTILIZANDO GLM UNIVERSIDADE FEDERAL DO RIO GRANDE DO SUL ESCOLA DE ENGENHARIA PROGRAMA DE PÓS-GRADUAÇÃO EM ENGENHARIA DE PRODUÇÃO MODELAGEM CONJUNTA DE MÉDIA E VARIÂNCIA EM EXPERIMENTOS FRACIONADOS SEM REPETIÇÃO UTILIZANDO

Leia mais

ESTATÍSTICA MULTIVARIADA 2º SEMESTRE 2010 / 11. EXERCÍCIOS PRÁTICOS - CADERNO 4 Regressão Linear

ESTATÍSTICA MULTIVARIADA 2º SEMESTRE 2010 / 11. EXERCÍCIOS PRÁTICOS - CADERNO 4 Regressão Linear ESTATÍSTICA MULTIVARIADA 2º SEMESTRE 2010 / 11 EERCÍCIOS PRÁTICOS - CADERNO 4 Regressão Lnear 4. EERCÍCIOS PARA RESOLVER NAS AULAS 4.1. O gestor de marketng duma grande cadea de supermercados quer determnar

Leia mais

Algarismos Significativos Propagação de Erros ou Desvios

Algarismos Significativos Propagação de Erros ou Desvios Algarsmos Sgnfcatvos Propagação de Erros ou Desvos L1 = 1,35 cm; L = 1,3 cm; L3 = 1,30 cm L4 = 1,4 cm; L5 = 1,7 cm. Qual destas meddas está correta? Qual apresenta algarsmos com sgnfcado? O nstrumento

Leia mais

3.6. Análise descritiva com dados agrupados Dados agrupados com variáveis discretas

3.6. 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 mais

Ministério da Educação. Instituto Nacional de Estudos e Pesquisas Educacionais Anísio Teixeira. Cálculo do Conceito Preliminar de Cursos de Graduação

Ministério 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 mais

ANÁLISE DE COMPONENTES PRINCIPAIS, ANÁLISE FATORIAL: Exemplos em STATA. Prof. Dr. Evandro Marcos Saidel Ribeiro RESUMO

ANÁLISE 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 mais

7 - Distribuição de Freqüências

7 - 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 mais

Ao se calcular a média, moda e mediana, temos: Quanto mais os dados variam, menos representativa é a média.

Ao 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 mais

Ao se calcular a média, moda e mediana, temos: Quanto mais os dados variam, menos representativa é a média.

Ao 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 mais

CAPÍTULO 2 DESCRIÇÃO DE DADOS ESTATÍSTICA DESCRITIVA

CAPÍTULO 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 mais

Reconhecimento Estatístico de Padrões

Reconhecimento 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 mais

F = O modelo de Regressão Múltipla Geral é dado por: Y i = β 1 + β 2 X 1i + β 3 X 2i + +β k X ki + U i Para testar a hipótese nula de que: H

F = O modelo de Regressão Múltipla Geral é dado por: Y i = β 1 + β 2 X 1i + β 3 X 2i + +β k X ki + U i Para testar a hipótese nula de que: H Prof. Lorí Val, Dr. val@mat.ufrgs.br http://www.mat.ufrgs.br/~val/ Nem sempre se quer testar os coefcentes ndvduas da regressão. Pode ser necessáro e é convenente testar o modelo como um todo, sto é testar

Leia mais

CAPÍTULO 9 REGRESSÃO LINEAR PPGEP REGRESSÃO LINEAR SIMPLES REGRESSÃO LINEAR SIMPLES REGRESSÃO LINEAR SIMPLES UFRGS. Regressão Linear Simples

CAPÍTULO 9 REGRESSÃO LINEAR PPGEP REGRESSÃO LINEAR SIMPLES REGRESSÃO LINEAR SIMPLES REGRESSÃO LINEAR SIMPLES UFRGS. Regressão Linear Simples CAPÍTULO 9 REGREÃO LINEAR IMPLE REGREÃO LINEAR IMPLE UFRG Em mutos problemas há duas ou mas varáves que são relaconadas, e pode ser mportante modelar essa relação. Por exemplo, a resstênca à abrasão de

Leia mais

Prof. Cláudio Serra, Esp. 1. Produção de Leite x índice Pluviométrico y = 0.8x R 2 =

Prof. Cláudio Serra, Esp. 1. Produção de Leite x índice Pluviométrico y = 0.8x R 2 = Análse de Regressão Cap.. Introdução Análse de regressão é uma técnca de modelagem utlzada para analsar a relação entre uma varável dependente () e uma ou mas varáves ndependentes,, 3,..., n. O ojetvo

Leia mais

Estimativa da Incerteza de Medição da Viscosidade Cinemática pelo Método Manual em Biodiesel

Estimativa da Incerteza de Medição da Viscosidade Cinemática pelo Método Manual em Biodiesel Estmatva da Incerteza de Medção da Vscosdade Cnemátca pelo Método Manual em Bodesel Roberta Quntno Frnhan Chmn 1, Gesamanda Pedrn Brandão 2, Eustáquo Vncus Rbero de Castro 3 1 LabPetro-DQUI-UFES, Vtóra-ES,

Leia mais

Estudo e Previsão da Demanda de Energia Elétrica. Parte II

Estudo e Previsão da Demanda de Energia Elétrica. Parte II Unversdade Federal de Paraná Setor de Tecnologa Departamento de Engenhara Elétrca Estudo e Prevsão da Demanda de Energa Elétrca Parte II Prof: Clodomro Unshuay-Vla Etapas de um Modelo de Prevsão Objetvo

Leia mais

ALTERNATIVA 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. 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 mais

NOTAS DE AULA DA DISCIPLINA CE076

NOTAS 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 mais

Identidade dos parâmetros de modelos segmentados

Identidade dos parâmetros de modelos segmentados Identdade dos parâmetros de modelos segmentados Dana Campos de Olvera Antono Polcarpo Souza Carnero Joel Augusto Munz Fabyano Fonseca e Slva 4 Introdução No Brasl, dentre os anmas de médo porte, os ovnos

Leia mais

UTILIZAÇÃO DO MÉTODO DE TAGUCHI NA REDUÇÃO DOS CUSTOS DE PROJETOS

UTILIZAÇÃO DO MÉTODO DE TAGUCHI NA REDUÇÃO DOS CUSTOS DE PROJETOS UTILIZAÇÃO DO MÉTODO DE TAGUCHI A REDUÇÃO DOS CUSTOS DE PROJETOS Ademr José Petenate Resumo: Qualdade é hoje uma palavra chave para as organzações. Sob o símbolo da Qualdade abrgam-se flosofas, sstemas

Leia mais

EFEITO DA IDADE E MATERIAL GENÉTICO NA FORMA DE ÁRVORES DE Eucalyptus

EFEITO DA IDADE E MATERIAL GENÉTICO NA FORMA DE ÁRVORES DE Eucalyptus EFEITO DA IDADE E MATERIAL GENÉTICO NA FORMA DE ÁRVORES DE Eucalyptus Dana Marques de Olvera ; Ellezer Almeda Mello ; Carolne Stephany Inocênco ; Adrano Rbero Mendonça Bolssta PBIC/UEG, graduandos do Curso

Leia mais

Gabarito da Lista de Exercícios de Econometria I

Gabarito 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 mais

Procedimento Recursivo do Método dos Elementos de Contorno Aplicado em Problemas de Poisson

Procedimento Recursivo do Método dos Elementos de Contorno Aplicado em Problemas de Poisson Trabalho apresentado no III CMAC - SE, Vtóra-ES, 015. Proceedng Seres of the Brazlan Socety of Computatonal and Appled Mathematcs Procedmento Recursvo do Método dos Elementos de Contorno Aplcado em Problemas

Leia mais

Avaliação do tamanho da amostra de segmentos regulares para estimar a área plantada com café na região sul de Minas Gerais

Avaliação 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 mais

Artigo Original. Introdução

Artigo Original. Introdução OI: 0.5935/809-2667.2040020 Artgo Orgnal esenvolvmento de uma estrutura de controle de posção aplcada ao Manpulador Robótco R5N evelopment of a poston control structure appled to the R5N Robotc Manpulator

Leia mais

Tipo tratamento idade Tipo tratamento sexo

Tipo tratamento idade Tipo tratamento sexo Modelos de Regressão em Saúde Rejane Sobrno Pnhero Tâna Zdenka Gullén de Torres Modelos de Regressão Famíla de técncas estatístcas város fatores meddos (predtor, covarável, varável ndependente) relaconados

Leia mais

Regressão Logística Aplicada aos Casos de Sífilis Congênita no Estado do Pará

Regressão 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 mais

Eletroquímica 2017/3. Professores: Renato Camargo Matos Hélio Ferreira dos Santos.

Eletroquímica 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 mais

1. ANÁLISE EXPLORATÓRIA E ESTATÍSTICA DESCRITIVA

1. 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 mais

AULA 4. Segundo Quartil ( Q observações são menores que ele e 50% são maiores.

AULA 4. Segundo Quartil ( Q observações são menores que ele e 50% são maiores. Estatístca Aplcada à Engenhara AULA 4 UNAMA - Unversdade da Amazôna.8 MEDIDA EPARATRIZE ão valores que separam o rol (os dados ordenados) em quatro (quarts), dez (decs) ou em cem (percents) partes guas.

Leia mais

Variável discreta: X = número de divórcios por indivíduo

Variável discreta: X = número de divórcios por indivíduo 5. 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 mais

Análise Dinâmica de uma Viga de Euler-Bernoulli Submetida a Impacto no Centro após Queda Livre Através do Método de Diferenças Finitas

Análise Dinâmica de uma Viga de Euler-Bernoulli Submetida a Impacto no Centro após Queda Livre Através do Método de Diferenças Finitas Proceedng Seres of the Brazlan Socety of Appled and Computatonal Mathematcs, Vol. 4, N., 06. Trabalho apresentado no DINCON, Natal - RN, 05. Proceedng Seres of the Brazlan Socety of Computatonal and Appled

Leia mais

Correlação. Frases. Roteiro. 1. Coeficiente de Correlação 2. Interpretação de r 3. Análise de Correlação 4. Aplicação Computacional 5.

Correlação. Frases. Roteiro. 1. Coeficiente de Correlação 2. Interpretação de r 3. Análise de Correlação 4. Aplicação Computacional 5. Correlação Frases Uma probabldade razoável é a únca certeza Samuel Howe A experênca não permte nunca atngr a certeza absoluta. Não devemos procurar obter mas que uma probabldade. Bertrand Russel Rotero

Leia mais

EFEITOS DO ERRO AMOSTRAL NAS ESTIMATIVAS DOS PARÂMETROS DO MODELO FATORIAL ORTOGONAL

EFEITOS DO ERRO AMOSTRAL NAS ESTIMATIVAS DOS PARÂMETROS DO MODELO FATORIAL ORTOGONAL SACHIKO ARAKI LIRA EFEITOS DO ERRO AMOSTRAL NAS ESTIMATIVAS DOS PARÂMETROS DO MODELO FATORIAL ORTOGONAL Tese apresentada como requsto parcal à obtenção do grau de Doutora em Cêncas no Programa de Pós-Graduação

Leia mais

Estatística I Licenciatura MAEG 2006/07

Estatística I Licenciatura MAEG 2006/07 Estatístca I Lcencatura MAEG 006/07 AMOSTRAGEM. DISTRIBUIÇÕES POR AMOSTRAGEM.. Em determnada unversdade verfca-se que 30% dos alunos têm carro. Seleccona-se uma amostra casual smples de 0 alunos. a) Qual

Leia mais

X = 1, se ocorre : VB ou BV (vermelha e branca ou branca e vermelha)

X = 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 mais

ANÁLISE DAS TENSÕES TÉRMICAS EM MATERIAIS CERÂMICOS. Palavras-chave: Tensões térmicas, Propriedades variáveis, Condução de calor, GITT

ANÁLISE DAS TENSÕES TÉRMICAS EM MATERIAIS CERÂMICOS. Palavras-chave: Tensões térmicas, Propriedades variáveis, Condução de calor, GITT ANÁLISE DAS TENSÕES TÉRMICAS EM MATERIAIS CERÂMICOS Dnz, L.S. Santos, C.A.C. Lma, J.A. Unversdade Federal da Paraíba Laboratóro de Energa Solar LES/DTM/CT/UFPB 5859-9 - João Pessoa - PB, Brasl e-mal: cabral@les.ufpb.br

Leia mais

MÉTODOS MULTIVARIADOS. Rodrigo A. Scarpel

MÉTODOS MULTIVARIADOS. Rodrigo A. Scarpel MÉTODOS MULTIVARIADOS Rodrgo A. Scarpel rodrgo@ta.br www.mec.ta.br/~rodrgo INTRODUÇÃO Semana Conteúdo Introdução aos métodos multvarados 1 Análse de componentes prncpas Aplcações de análse de componentes

Leia mais

Avaliação de processos produtivos multivariados através das menores componentes principais

Avaliação de processos produtivos multivariados através das menores componentes principais 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

Leia mais

Representação e Descrição de Regiões

Representação e Descrição de Regiões Depos de uma magem ter sdo segmentada em regões é necessáro representar e descrever cada regão para posteror processamento A escolha da representação de uma regão envolve a escolha dos elementos que são

Leia mais

O que heterocedasticidade? Heterocedasticidade. Por que se preocupar com heterocedasticidade? Exemplo de heterocedasticidade.

O que heterocedasticidade? Heterocedasticidade. Por que se preocupar com heterocedasticidade? Exemplo de heterocedasticidade. Heterocedastcdade y = β 0 + β + β + β k k + u O que heterocedastcdade? Lembre-se da hpótese de homocedastcdade: condconal às varáves eplcatvas, a varânca do erro, u, é constante Se sso não for verdade,

Leia mais

2 Principio do Trabalho Virtual (PTV)

2 Principio do Trabalho Virtual (PTV) Prncpo do Trabalho rtual (PT)..Contnuo com mcroestrutura Na teora que leva em consderação a mcroestrutura do materal, cada partícula anda é representada por um ponto P, conforme Fgura. Porém suas propredades

Leia mais

Aplicando o método de mínimos quadrados ordinários, você encontrou o seguinte resultado: 1,2

Aplicando o método de mínimos quadrados ordinários, você encontrou o seguinte resultado: 1,2 Econometra - Lsta 3 - Regressão Lnear Múltpla Professores: Hedbert Lopes, Prscla Rbero e Sérgo Martns Montores: Gustavo Amarante e João Marcos Nusdeo QUESTÃO 1. Você trabalha na consultora Fazemos Qualquer

Leia mais

UTILIZAÇÃO DO MÉTODO DE TAGUCHI NA REDUÇÃO DOS CUSTOS DE PROJETOS. Uma equação simplificada para se determinar o lucro de uma empresa é:

UTILIZAÇÃO DO MÉTODO DE TAGUCHI NA REDUÇÃO DOS CUSTOS DE PROJETOS. Uma equação simplificada para se determinar o lucro de uma empresa é: UTILIZAÇÃO DO MÉTODO DE TAGUCHI A REDUÇÃO DOS CUSTOS DE PROJETOS Ademr José Petenate Departamento de Estatístca - Mestrado em Qualdade Unversdade Estadual de Campnas Brasl 1. Introdução Qualdade é hoje

Leia mais

ESTRATÉGIAS PARA MODELAGEM DE DADOS MULTIVARIADOS NA PRESENÇA DE CORRELAÇÃO

ESTRATÉGIAS PARA MODELAGEM DE DADOS MULTIVARIADOS NA PRESENÇA DE CORRELAÇÃO ESRAÉGIAS ARA MODELAGEM DE DADOS MULIVARIADOS NA RESENÇA DE CORRELAÇÃO v.7, n., p. 7-8, abr. 000 Flavo S. Foglatto Departamento de Engenhara de rodução & ransportes Unversdade Federal do Ro Grande do Sul

Leia mais

PREVISÃO DE CUSTO DE HORA-EXTRA COM A UTILIZAÇÃO DO MODELO TOBIT

PREVISÃO DE CUSTO DE HORA-EXTRA COM A UTILIZAÇÃO DO MODELO TOBIT PREVISÃO DE CUSTO DE HORA-EXTRA COM A UTILIZAÇÃO DO MODELO TOBIT Anderson de Barros Dantas Doutorando do PPGEP/UFSC/Bolssta CNPq anderson@eps.ufsc.br Robert Wayne Samohyl Prof. PhD do PPGEP/UFSC samohyl@eps.ufsc.br

Leia mais

Análise de Variância. Comparação de duas ou mais médias

Análise de Variância. Comparação de duas ou mais médias Análse de Varânca Comparação de duas ou mas médas Análse de varânca com um fator Exemplo Um expermento fo realzado para se estudar dabetes gestaconal. Desejava-se avalar o comportamento da hemoglobna (HbA)

Leia mais

ANDRÉ OLIVEIRA SOUZA TESTES ESTATÍSTICOS EM REGRESSÃO LOGÍSTICA SOB A CONDIÇÃO DE SEPARABILIDADE

ANDRÉ OLIVEIRA SOUZA TESTES ESTATÍSTICOS EM REGRESSÃO LOGÍSTICA SOB A CONDIÇÃO DE SEPARABILIDADE ANDRÉ OLIVEIRA SOUZA TESTES ESTATÍSTICOS EM REGRESSÃO LOGÍSTICA SOB A CONDIÇÃO DE SEPARABILIDADE Dssertação apresentada à Unversdade Federal de Vçosa, como parte das exgêncas do Programa de Pós-Graduação

Leia mais

Análise do Retorno da Educação na Região Norte em 2007: Um Estudo à Luz da Regressão Quantílica.

Análise do Retorno da Educação na Região Norte em 2007: Um Estudo à Luz da Regressão Quantílica. Análse do Retorno da Edcação na Regão Norte em 2007: Um Estdo à Lz da Regressão Qantílca. 1 Introdcão Almr Rogéro A. de Soza 1 Jâno Macel da Slva 2 Marnalva Cardoso Macel 3 O debate sobre o relaconamento

Leia mais

Determinantes da litigância cível em Portugal

Determinantes da litigância cível em Portugal Determnantes da ltgânca cível em Portugal Lara Cordovl Wemans Manuel Coutnho Perera 9 de novembro de 2016 Semnar Semnar name As opnões expressas nesta apresentação são da responsabldade dos autores, não

Leia mais

5 Métodos de cálculo do limite de retenção em função da ruína e do capital inicial

5 Métodos de cálculo do limite de retenção em função da ruína e do capital inicial 5 Métodos de cálculo do lmte de retenção em função da ruína e do captal ncal Nesta dssertação serão utlzados dos métodos comparatvos de cálculo de lmte de retenção, onde ambos consderam a necessdade de

Leia mais

ANÁLISE DA VARIÂNCIA DA REGRESSÃO

ANÁLISE DA VARIÂNCIA DA REGRESSÃO ANÁLISE DA VARIÂNCIA DA REGRESSÃO PROCEDIMENTO GERAL DE REGRESSÃO Em um modelo de análse de varânca, como no DIA, o fator em estudo pode ser quanttatvo ou qualtatvo. FATOR QUANTITATIVO: é aquele cujos

Leia mais

R X. X(s) Y Y(s) Variáveis aleatórias discretas bidimensionais

R X. X(s) Y Y(s) Variáveis aleatórias discretas bidimensionais 30 Varáves aleatóras bdmensonas Sea ε uma experênca aleatóra e S um espaço amostral assocado a essa experênca. Seam X X(s) e Y Y(s) duas funções cada uma assocando um número real a cada resultado s S.

Leia mais

1.UNIVERSIDADE FEDERAL DE VIÇOSA, VIÇOSA, MG, BRASIL; 2.UNIVERSIDADE FEDERAL DE GOIÁS, GOIANIA, GO, BRASIL.

1.UNIVERSIDADE FEDERAL DE VIÇOSA, VIÇOSA, MG, BRASIL; 2.UNIVERSIDADE FEDERAL DE GOIÁS, GOIANIA, GO, BRASIL. A FUNÇÃO DE PRODUÇÃO E SUPERMERCADOS NO BRASIL ALEX AIRES CUNHA (1) ; CLEYZER ADRIAN CUNHA (). 1.UNIVERSIDADE FEDERAL DE VIÇOSA, VIÇOSA, MG, BRASIL;.UNIVERSIDADE FEDERAL DE GOIÁS, GOIANIA, GO, BRASIL.

Leia mais

2 ENERGIA FIRME DE SISTEMAS HIDRELÉTRICOS

2 ENERGIA FIRME DE SISTEMAS HIDRELÉTRICOS ENERGIA FIRME DE SISTEMAS HIDRELÉTRICOS 22 2 ENERGIA FIRME DE SISTEMAS HIDRELÉTRICOS Como vsto no capítulo 1, a energa frme de uma usna hdrelétrca corresponde à máxma demanda que pode ser suprda contnuamente

Leia mais

4.1. Tábuas de mortalidade

4.1. Tábuas de mortalidade 42 4. Metodologa A verfcação da estênca de dferença na taa de mortaldade de partcpantes ue abandonam um plano de seguro de vda ou prevdênca complementar será realzada medante a comparação entre as probabldades

Leia mais

5.1 Seleção dos melhores regressores univariados (modelo de Índice de Difusão univariado)

5.1 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 mais

Diferença entre a classificação do PIB per capita e a classificação do IDH

Diferença entre a classificação do PIB per capita e a classificação do IDH Curso Bem Estar Socal Marcelo Ner - www.fgv.br/cps Metas Socas Entre as mutas questões decorrentes da déa de se mplementar uma proposta de metas socas temos: Qual a justfcatva econômca para a exstênca

Leia mais

O USO DA METODOLOGIA DE SUPERFÍCIE DE RESPOSTA PARA ADEQUAR OS PARÂMETROS DE ENTRADA DE UM ALGORITMO GENÉTICO

O USO DA METODOLOGIA DE SUPERFÍCIE DE RESPOSTA PARA ADEQUAR OS PARÂMETROS DE ENTRADA DE UM ALGORITMO GENÉTICO O USO DA METODOLOGIA DE SUPERFÍCIE DE RESPOSTA PARA ADEQUAR OS PARÂMETROS DE ENTRADA DE UM ALGORITMO GENÉTICO Pedro Alberto Barbetta Departamento de Informátca e de Estatístca CTC UFSC Caxa Postal 476

Leia mais

(B) Considere X = antes e Y = depois e realize um teste t para dados pareados e um teste da ANOVA de um DBC com 5 blocos. Compare os resultados.

(B) Considere X = antes e Y = depois e realize um teste t para dados pareados e um teste da ANOVA de um DBC com 5 blocos. Compare os resultados. INF 6 Notas de aula sujeto a correções Prof. Luz Alexandre Peternell (B) Consdere X antes e Y depos e realze um teste t para dados pareados e um teste da ANOVA de um DBC com 5 blocos. Compare os resultados.

Leia mais

4.1. Medidas de Posição da amostra: média, mediana e moda

4.1. Medidas de Posição da amostra: média, mediana e moda 4. Meddas descrtva para dados quanttatvos 4.1. Meddas de Posção da amostra: méda, medana e moda Consdere uma amostra com n observações: x 1, x,..., x n. a) Méda: (ou méda artmétca) é representada por x

Leia mais

PARTE 1. 1. Apresente as equações que descrevem o comportamento do preço de venda dos imóveis.

PARTE 1. 1. Apresente as equações que descrevem o comportamento do preço de venda dos imóveis. EXERCICIOS AVALIATIVOS Dscplna: ECONOMETRIA Data lmte para entrega: da da 3ª prova Valor: 7 pontos INSTRUÇÕES: O trabalho é ndvdual. A dscussão das questões pode ser feta em grupo, mas cada aluno deve

Leia mais

Diferenciais de Salários por Raça e Gênero: Aplicação dos procedimentos de Oaxaca e Heckman em Pesquisas Amostrais Complexas

Diferenciais de Salários por Raça e Gênero: Aplicação dos procedimentos de Oaxaca e Heckman em Pesquisas Amostrais Complexas N o 638 ISSN 0104-8910 Dferencas de Saláros por Raça e Gênero: Aplcação dos procedmentos de Oaxaca e Heckman em Pesqusas Amostras Complexas Alexandre Pnto de Carvalho, Marcelo Côrtes Ner, Dense Brtz Slva

Leia mais

PROVA DE ESTATÍSTICA & PROBABILIDADES SELEÇÃO MESTRADO/UFMG 2010/2011

PROVA DE ESTATÍSTICA & PROBABILIDADES SELEÇÃO MESTRADO/UFMG 2010/2011 Instruções: PROVA DE ESTATÍSTICA & PROBABILIDADES SELEÇÃO MESTRADO/UFMG 00/0 Cada uestão respondda corretamente vale (um) ponto. Cada uestão respondda ncorretamente vale - (menos um) ponto. Cada uestão

Leia mais

TABELAS E GRÁFICOS PARA VARIÁVEIS ALEATÓRIAS QUANTITATIVAS CONTÍNUAS

TABELAS E GRÁFICOS PARA VARIÁVEIS ALEATÓRIAS QUANTITATIVAS CONTÍNUAS TABELAS E GRÁFICOS PARA VARIÁVEIS ALEATÓRIAS QUANTITATIVAS CONTÍNUAS Varável Qualquer característca assocada a uma população Classfcação de varáves Qualtatva { Nomnal sexo, cor dos olhos Ordnal Classe

Leia mais

ESTUDO DE MODELOS PARA AJUSTE E PREVISÃO DE UMA SÉRIE TEMPORAL

ESTUDO 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 mais