Comparação entre Algoritmos para a Solução do Controle Just-in-Time em Sistemas Max-Plus Lineares
|
|
- Margarida Arruda Festas
- 7 Há anos
- Visualizações:
Transcrição
1 1 Comparação entre Algoritmos para a Solução do Controle Just-in-Time em Sistemas Max-Plus Lineares Guilherme Gomes da Silva Universidade Federal de Minas Gerais - Programa de Pós-Graduação em Engenharia Elétrica Disciplina: Planejamento e Análise de Experimentos - Prof: Felipe Campelo Abstract Existem algumas formas de realizar o controle justin-time em sistemas a eventos discretos propostas na literatura. Este controle visa encontrar os tempos de entrada de recursos, para um dado horizonte, a fim de atender um calendário de demanda de saída viável em sistemas max-plus lineares. O objetivo do presente trabalho é comparar o tempo médio de três algoritmos para encontrar a solução ótima do controle e determinar se esses tempos são iguais em média. Para este fim, os algoritmos foram executados em dois problemas e três horizontes distintos. A partir dos dados obtidos foi realizado a análise de variância e o teste HSD de Tukey. I. INTRODUÇÃO Sistemas cuja mudança de estado ocorrem em intervalos discretos no tempo devido a ocorrência de um evento podem ser classificados como sistemas a eventos discretos (SED). Os SED que possuem somente fenômenos de atraso tempo e sincronização podem ser modelados por uma subclasse das redes de Petri denominada de grafos de eventos temporizados (GET), no qual cada lugar possui um tempo de espera associado e somente uma transição de saída e somente uma transição de entrada. O comportamento e a síntese de controladores para GET podem ser obtidos por meio da álgebra max-plus, esta álgebra consegue descrever sistemas não lineares de forma linear, portanto sistemas descritos pela álgebra max-plus são chamados de sistemas max-plus lineares. [4][5] A álgebra max-plus é caracterizada pelo conjunto R e os operadores soma e multiplicação, a soma é equivalente ao operador máximo e a multiplicação é equivalente a soma na álgebra convencional. A multiplicação é associativa e distributiva sobre a soma. [4][6] O controle just-in-time é a política de controle que visa atender um calendário de demanda com as datas de entrada maiores possíveis, ou seja, devemos fornecer recursos a entrada do sistema o mais tarde possível de forma que atenda um calendário de demanda de saída, evitando a formação de estoques no sistema. A solução para o controle just-in-time pode ser entendido como um problema de otimização multiobjetivo, ou seja, devemos encontrar as datas de entradas do sistemas a partir do instante inicial até um horizonte de predição N p, que atenda ao calendário de demanda viável e as demais restrições do sistema. O problema de controle pode ser enunciado como: sujeito a: max(^u(k)) (1) ^y(k) = H ^u(k) Gx(k) r(k), (2) D^u(k) = E^u(k), (3) em que u(k) é o vetor com as datas de entrada do sistema preditas, H, G, D e E são matrizes com as restrições do sistema, ^y(k) a saída do sistema e r(k) o calendário de demanda desejado. A Equação 2 é a restrição de evolução do sistema e a Equação 3 são as restrições impostas as entradas do sistema. A solução do problema de controle pode ser encontrada através de três métodos: o primeiro é o algoritmo baseado na teoria dos semimódulos [7], o segundo baseado na teoria da estrela de Kleene [4] e o terceiro no método alternante [8]. Os três métodos citados encontram a solução ótima para o problema de controle. A partir de trabalhos anteriores [3], sabe-se que o algoritmo baseado na teoria dos semimódulos necessita de um tempo maior para encontrar a solução para grandes horizontes, quando comparado com os outros dois algoritmos. Pode-se considerar que o tempo para encontrar o solução através do algoritmo do semimódulo cresce exponencialmente a medida que o horizonte de predição das entradas cresce. Mas para horizontes pequenos não é possível determinar se esse algoritmo é realmente pior em relação aos demais, pois as soluções encontradas via simulação computacional são apresentadas instantaneamente. Os três métodos utilizam a teoria da residuação. Esta teoria trata de encontrar a maior solução para equações do tipo f(x) b, sendo a maior solução igual a x = a b e o simbolo de residuação. Os métodos serão descritos brevemente a seguir: A. Algoritmo basedo na Teoria dos Semimódulos O algoritmo baseado na teoria dos semimódulos encontra uma matriz M que mapeia um espaço com todas as soluções do problema e encontra a solução para o problema através da equação: ^u(k) = M((HM) r(k)) (4)
2 2 B. Algoritmo Baseado na Estrela de Kleene O algoritmo baseado na estrela de Kleene também encontra um espaço com o conjunto de soluções para o problema e encontra a solução para o problema pela equação: ^u(k) = T * ((HT * ) (r(k)) (5) em que T é a matriz que mapeia o espaço de soluções e * é o operador estrela de Kleene. C. Algoritmo Baseado no Método Alternante O algoritmo alternante encontra a solução a partir da condição inicial x 0, ou seja, a partir da condição inicial, que é um limitante superior da solução, o algoritmo começa a decrementar a condição inicial até convergir para a solução do problema. O método baseado no algoritmo alternante é apresentado a seguir: function x=altern(a,b, x 0 ) r = 0; x(0) := x 0 ; y(r) := B (Ax(r)); x(r + 1) := A (By(r)) x(0) ; while Ax(r) By(r 1) end end r := r + 1; (6) y(r) := B (Ax(r)); (7) x(r + 1) := A (By(r)); (8) II. OBJETIVO O objetivo do presente trabalho é determinar se o tempo médio que os algoritmos necessitam para encontrar a solução são iguais para pequenos horizontes. Os algoritmos serão aplicados em dois problemas e três horizontes para obtenção dos tempos médios. Os algoritmos foram implementados no software Scicoslab 1 e as simulações foram realizadas em um desktop computer, Intel Core 2 Duo 2.53GHz, 4GB RAM, Windows 7, 64bits, Cache GB. Para a análise dos tempos médios dos algoritmos, estes foram testados em dois problemas denominados de A e B, em cada problema os algoritmos também foram simulados em três pequenos horizontes distintos, ou seja, N p = 5, 8, 15. Os algoritmos foram executados de forma aleatória, sendo também aleatória a escolha do problema e do horizonte. Cada combinação de algoritmo, problema e horizonte foram executadas 50 vezes para obtenção dos tempos médios de execução. Como o objetivo deste trabalho é comparar os tempos médios que cada algoritmo leva para encontrar a solução e, não estamos interessados no efeito do tipo de problema e do tamanho do horizonte devemos realizar a blocagem por problema e pelo tamanho do horizonte, a blocagem neste trabalhos foi realizada por blocos completos aleatorizados. Diferentes instâncias dos algoritmos podem provocar diferentes variações nos dados observados, dessa forma o modelo estatístico que descreve os dados deste experimento pode ser escrito como: y ijkz = μ + τ i + β j + η k + γ z + ε ijk i = 1, 2, 3 j = 1,..., 50 k = 1, 2, 3 z = 1, 2 em que y ijk é o valor observado para o i-ésimo algoritmo na j-ésima execução no k-ésimo horizonte e z-ésimo problema, μ é o tempo real real, τ é o efeito do algoritmo, β é o efeito das execuções, η é o efeito da blocagem por horizonte, γ é o efeito da blocagem por problema e ε é a componente do erro aleatório. Os tempos médios para as 50 execuções e os respectivos desvios padrões (DP) são apresentados na Tabela da Fig. 1. (9) III. PLANEJAMENTO EXPERIMENTAL De acordo com o objetivo apresentado na seção anterior podemos elaborar as hipóteses do teste como sendo: H 0 : μ 1 = μ 2 = μ 3 H 1 : μ i μ j para i, j = 1, 2, 3 e i j. Na hipótese nula (H 0 ) desejamos testar se os tempos médios para os algoritmos encontrar a solução dos problemas são iguais e na hipótese alternativa (H 1 ) se algumas das médias são diferentes das demais. A aceitação da hipótese nula H 0 significa que, dados os valores observados, não existem evidencias estatísticas de que os algoritmos apresentem diferenças significativas no tempo médio necessário para encontrar a solução. Caso contrário, a rejeição da hipótese nula H 0 em favor da hipótese alternativa H 1, significa que existem diferenças nos tempos médios dos algoritmos necessários para encontrar a solução. Em todos os testes será considerado um intervalo de confiança de 95%, correspondendo a um nível de significancia α de Fig. 1. Tempos médios das 50 execuções dos Algoritmos e os respctivos desvios padrões (DP) Na tabela apresentada o algoritmo 1 é o algoritmo do método alternante, o algoritmo 2 é o algoritmo do semimódulo e o algoritmo 3 é o algoritmo da estrela de Kleene. IV. RESULTADOS E DISCUSSÕES A partir dos dados coletados, realizou-se o teste de análise de variância (Anova) no software R 2, o resultado desse teste é apresentado na Fig. 2 O valor p em análise de experimentos pode ser definido como a probabilidade de se obter uma estatística de teste igual
3 3 dados, não podemos validar a homocedasticidade dos dados com um intervalo de confiança de 95%, pois o valor de p no teste é menor que O teste é apresentado na Fig. 5. Fig. 2. Teste de análise de variância Fig. 5. Teste de Homocesdasticidade ou mais extrema quanto aquela observada em uma amostra, em outras palavras, devemos rejeitar a hipótese nula caso o valor p não seja maior que o nível de significância escolhido. Dessa forma, o teste Anova determina que devemos rejeitar a hipótese nula pois o valores de p são proticamente zero, logo os tempos médios de execução dos algoritmos são diferentes. É necessário validar as premissas deste teste para que as conclusões obtidas estejam corretas. O teste de análise de variância necessita que as premissas de normalidade dos dados, igualdade de variâncias e independência dos dados sejam validados. Para analisar a normalidados dos dados foi realizado o teste de Shapiro-Wilk, o resultado do teste é apresentado na Fig. 3. Pelo resultado do teste, como o valor de p é menor que 0.05, não podemos validar a normalidade dos dados com intervalo de confiança de 95%. Esse fato também pode ser comprovado pela análise da curva dos resíduos do modelo na Fig. 4. Fig. 3. Teste de normalidade dos dados Por fim, para análisar a premissa de independência dos dados foi realizado o teste de Durbin-Watson, como apresentado na Fig. 6. Como o valor de p nesse teste é maior que 0.05, podemos validar a premissa de independência dos dados. Fig. 6. Teste de Independência dos dados Como as premissas de normalidade e homocedasticidade não foram validadas as conclusões obtidas pelo teste de análise de variância ficam comprometidas, logo não podemos afirmar que os tempos médios de execução dos algoritmos são realmente diferentes. A solução encontrada para validar as premissas do teste Anova foi a transformação dos dados. Neste trabalho realizouse as transformações: raiz quadrada, logarítmica, arco seno e box-cox. A transformação que apresentou melhor resultado foi a transformação logarítmica. As conclusões obtidas nos testes para os dados transformados também são válidas para os dados não transformados [1]. A análise de variância para os dados transformados é apresentada na Fig. 7 Fig. 7. Teste de Análise de Variância com Dados Transformados pela Transformação Logarítmica Pelo teste Anova apresentado na Fig.7 podemos rejeitar a hipótese nula, assim como o teste Anova realizado para os dados não transformados. Para validar o resultado da análise de variância precisamos novamente validar as premissas do teste. O teste de Shapiro-Wilk para análisar a normalidade dos dados transformados é apresentado na Fig. 8. Fig. 4. Curva de Resíduos do Modelo A análise de igualdade de variâncias foi realizada por meio do teste de Fligner. Assim como o teste de normalidade dos Fig. 8. Teste de Normalidade dos Dados Transformados
4 4 O valor p encontrado neste teste de normalidade é ligeiramente maior que 0.05, logo podemos afirmar com intervalo de confiança de 95% que os dados obedecem uma distribuição normal. A normalidade dos resíduos do modelo pode também ser comprovado pela análise da curva dos resíduos do modelo apresentado na Fig. 9. Fig. 12. Teste HSD de Tukey Fig. 9. Curva de Resíduos do Modelo Transformado O teste de Fligner para analisar a homocedasticidade dos dados é apresentado na Fig. 10. Neste teste percebemos que novamente o valor p é ligeiramente maior que 0.05, dessa forma conseguimos validar com um intervalo de confiança de 95% a premissa de igualdade de variância. Fig. 10. Teste de Homoscedasticidade dos Dados Transformados Por fim, o teste de indepedência dos dados é apresentado na Fig. 11 e, assim como no caso anterior para os dados não transformados, o valor p é maior que 0.05, por isso podemos afirmar que os dados são independentes. Como as premissas do teste Anova foram validadas, podemos confirmar a rejeição da hipótese nula (H o ) e afirmar que os tempos médios de execução dos algoritmos são diferentes. O teste de análise de variância não informa quais os tempos médios são realmente diferentes, dessa forma, para análisar quais algoritmos tem tempos médios de exucução significantemente diferentes foi realizado o teste de HSD de Tukey, o resultado deste teste é apresentado na Fig.12 O teste HSD de Tukey mostra que os algoritmos do método alternante (1) e o algoritmo pelo método de estrela de Kleene (3) não possuem tempos médios de execução diferentes, ou seja, o tempo médio para encontrar a solução do problema são semelhantes. Esse teste mostra ainda que o algoritmo baseado na teoria dos semimódulos necessita de um tempo maior para encontrar a solução quando comparado com os demais algoritmos. O teste de Tukey mostra também que a diferença entre os tempos médios dos algoritmos 1 e 3 é em média segundos, sendo o algoritmo 3 mais rápido para encontrar a solução. A diferença entre os tempos médios dos algoritmos 2 e 1 e entre 2 e 3 é em média 0.28 segundos sendo os algoritmos 1 e 3 mais rápidos para encontrar a solução quando comparados com o algoritmo 2. V. CONCLUSÕES De acordo com as análises feitas neste trabalho podemos concluir que os algoritmos do método da estrela de Kleene e do método alternante possuem tempos médios significativamente semelhantes para encontrar a solução de problemas de controle just-in-time. Podemos concluir que o tempo médio do algoritmo baseado na teoria dos semimódulos para encontrar a solução de problemas de controle just-in-time é superior quando comparado com os outros dois algoritmos. A transformação de dados para a análise se mostrou de suma importância para que as conclusões obtidas com a análise de variância podesse ser validada. Neste trabalho a variável de resposta era o tempo médio e, neste caso, a transformação que apresentou melhor resultado foi a transformação logarítmica. Com esta transformação conseguimos validar as premissas do teste de análise de variância e as conclusões obtidas pelo teste. As conclusões estatísticas feitas para a população de dados transformados também são válidas para a população não transformada. Fig. 11. Teste de Independência dos Dados Transformados REFERENCES [1] F. Campelo, Notas de Aula - Planejamento e Análise de Experimentos, Disponível em fcampelo Acessado em 20/08/2012 [2] D. C. Montgomery Design and Analysis of Experiments, 5ed ed. John Wiley and Sons [3] G. G. Silva Estudo e Desenvolvimento de Técnicas de Controle para Grafos de Eventos Temporizados, Programa de Pós-Graduação em Engenharia Elétrica - Dissertação de Mestrado; Universidade Federal de Minas Gerais (2012).
5 [4] F. Bacelli and G.Cohen and G. J. Olsder and J. P. Quadrat Synchronisation and Linearity: An Algebra for Discrete Event Systems, John Wiley and Sons; New York (1992). [5] C. G. Cassandras and S. Lafortune Introduction to Discrete Event Systems, Kluwer Academic Publishers; (1999). [6] M. Gondran and M. MinouxGraphs, Dioids and Semiring: New Models and Algorithms, Springer; (2010). [7] P. Butkovic and G. HegedusAn elimination method for finding all solutions of the system of linear equations over an extremal algebra, Ekon. Mat. Obzor (20) pp ; (1984). [8] R. A. Cuninghame-Green and P. ButkovicThe equation a x = b y over (max, +), Theoretical Computer Science (293) pp3-12; (2003). 5
Cap. 9 Comparação entre tratamentos
Estatística para Cursos de Engenharia e Informática Pedro Alberto Barbetta / Marcelo Menezes Reis / Antonio Cezar Bornia São Paulo: Atlas, 004 Cap. 9 Comparação entre tratamentos APOIO: Fundação de Apoio
Leia maisEXPERIMENTO FATORIAL BLOCADO PARA DETERMINAÇÃO DE DIFERENÇAS ENTRE TEMPO DE QUEIMA DE VELAS DE PARAFINA
Revista da Estatística da UFOP, Vol I, 2011 - XI Semana da Matemática e III Semana da Estatística, 2011 ISSN 2237-8111 EXPERIMENTO FATORIAL BLOCADO PARA DETERMINAÇÃO DE DIFERENÇAS ENTRE TEMPO DE QUEIMA
Leia maisTópicos Extras 1ª parte. Testes Não Paramétricos, Análise Multivariada, Outras Técnicas
Tópicos Extras 1ª parte Testes Não Paramétricos, Análise Multivariada, Outras Técnicas 1 2 Técnicas de dependência 3 4 Situações Comparar 3 tipos de rede de computadores, C1, C2 e C3, em termos do tempo
Leia maisCONTROLE DE SISTEMAS MAX-PLUS LINEARES SUJEITOS A RESTRIÇÕES NO ESTADO: APLICAÇÃO A SISTEMAS DE TRANSPORTE
CONTROLE DE SISTEMAS MAX-PLUS LINEARES SUJEITOS A RESTRIÇÕES NO ESTADO: APLICAÇÃO A SISTEMAS DE TRANSPORTE Cíntia Ribeiro Andrade 1, Carlos Andrey Maia 1,2 1 PPGEE - Programa de Pós-Graduação em Engenharia
Leia maisModelagem e Avaliação de Desempenho. Pós Graduação em Engenharia Elétrica - PPGEE Prof. Carlos Marcelo Pedroso 2018
Modelagem e Avaliação de Desempenho Pós Graduação em Engenharia Elétrica - PPGEE Prof. Carlos Marcelo Pedroso 2018 Análise de desempenho São disponíveis duas abordagens para realizar a análise de desempenho:
Leia maisModelagem e Avaliação de Desempenho. Pós Graduação em Engenharia Elétrica - PPGEE Prof. Carlos Marcelo Pedroso 2017
Modelagem e Avaliação de Desempenho Pós Graduação em Engenharia Elétrica - PPGEE Prof. Carlos Marcelo Pedroso 2017 Análise de desempenho São disponíveis duas abordagens para realizar a análise de desempenho:
Leia maisModelagem e Avaliação de Desempenho. Pós Graduação em Engenharia Elétrica - PPGEE Prof. Carlos Marcelo Pedroso 2014
Modelagem e Avaliação de Desempenho Pós Graduação em Engenharia Elétrica - PPGEE Prof. Carlos Marcelo Pedroso 2014 Análise de desempenho São disponíveis duas abordagens para realizar a análise de desempenho:
Leia maisEXPERIMENTAÇÃO AGRÍCOLA
EXPERIMENTAÇÃO AGRÍCOLA DELINEAMENTO INTEIRAMENTE CASUALIZADO (DIC) Eng. Agrônomo: Francisco Bruno Ferreira de Sousa Bruno.uno2011@hotmail.com/ fbfsagro@gmail.com Contato: (99) 99199460 Objetivos: Estudar
Leia mais5.3 Experimentos fatoriais a dois fatores. Ambos os fatores são supostos fixos e os efeitos de tratamento são definidos como desvios da média tal que
5. Experimentos Fatoriais 5.3 Experimentos fatoriais a dois fatores. Modelo de Efeitos Y ijk = µ+τ i +β j +(τβ) ij +ɛ ijk, i = 1, 2,..., a j = 1, 2,..., b k = 1, 2,..., n Ambos os fatores são supostos
Leia maisPROJETO E ANÁLISES DE EXPERIMENTOS (PAE) EXPERIMENTOS COM DOIS FATORES E O PLANEJAMENTO FATORIAL
PROJETO E ANÁLISES DE EXPERIMENTOS (PAE) EXPERIMENTOS COM DOIS FATORES E O PLANEJAMENTO FATORIAL Dr Sivaldo Leite Correia CONCEITOS E DEFINIÇÕES FUNDAMENTAIS Muitos experimentos são realizados visando
Leia maisMOQ-14 PROJETO e ANÁLISE de EXPERIMENTOS. Professor: Rodrigo A. Scarpel
MOQ-14 PROJETO e ANÁLISE de EXPERIMENTOS Professor: Rodrigo A. Scarpel rodrigo@ita.br www.mec.ita.br/~rodrigo Programa do curso: Semana Conteúdo 1 Apresentação da disciplina. Princípios de modelos lineares
Leia maisPROJETO E ANÁLISES DE EXPERIMENTOS (PAE) INTRODUÇÃO AOS MÉTODOS ESTATÍSTICOS EM ENGENHARIA
PROJETO E ANÁLISES DE EXPERIMENTOS (PAE) INTRODUÇÃO AOS MÉTODOS ESTATÍSTICOS EM ENGENHARIA VARIABILIDADE NA MEDIDA DE DADOS CIENTÍFICOS Se numa pesquisa, desenvolvimento de um processo ou produto, o valor
Leia maisINSTRUÇÕES. O tempo disponível para a realização das duas provas e o preenchimento da Folha de Respostas é de 5 (cinco) horas no total.
INSTRUÇÕES Para a realização desta prova, você recebeu este Caderno de Questões. 1. Caderno de Questões Verifique se este Caderno de Questões contém a prova de Conhecimentos Específicos referente ao cargo
Leia maisMétodos Estatísticos Avançados em Epidemiologia
1 / 44 Métodos Estatísticos Avançados em Epidemiologia Análise de Variância - ANOVA Referência: Cap. 12 - Pagano e Gauvreau (2004) - p.254 Enrico A. Colosimo/UFMG Depto. Estatística - ICEx - UFMG 2 / 44
Leia maisGuilherme Gomes da Silva. Estudo e Desenvolvimento de Técnicas de Controle Para Grafos de Eventos Temporizados
Guilherme Gomes da Silva Estudo e Desenvolvimento de Técnicas de Controle Para Grafos de Eventos Temporizados Belo Horizonte 2012 Universidade Federal de Minas Gerais Escola de Engenharia Programa de
Leia maisDelineamento e Análise Experimental Aula 6. Anderson Castro Soares de Oliveira
Aula 6 Castro Soares de Oliveira Transformação de dados A análise dos resultados de um experimento é boa quando as pressuposições do modelo são atendidas: Os erros do modelo tem média zero e variância
Leia maisDelineamento e Análise Experimental Aula 3
Aula 3 Castro Soares de Oliveira Teste de hipótese Teste de hipótese é uma metodologia estatística que permite tomar decisões sobre uma ou mais populações baseando-se no conhecimento de informações da
Leia maisDELINEAMENTO EM BLOCOS AO ACASO
DELINEAMENTO EM BLOCOS AO ACASO Sempre que não houver condições experimentais homogêneas, devemos utilizar o principio do controle local, instalando Blocos, casualizando os tratamentos, igualmente repetidos.
Leia maisUNIVERSIDADE FEDERAL DA PARAÍBA
UNIVERSIDADE FEDERAL DA PARAÍBA Modelos de Probabilidade e Inferência Estatística Análise de Variância Parte 2 Departamento de Estatística Luiz Medeiros Estimação dos parâmetros e diagnóstico do modelo
Leia maisPredição do preço médio anual do frango por intermédio de regressão linear
Predição do preço médio anual do frango por intermédio de regressão linear João Flávio A. Silva 1 Tatiane Gomes Araújo 2 Janser Moura Pereira 3 1 Introdução Visando atender de maneira simultânea e harmônica
Leia maisEspecialização em Engenharia de Processos e de Sistemas de Produção
Especialização em Engenharia de Processos e de Sistemas de Produção Projetos de Experimento e Confiabilidade de Sistemas da Produção Prof. Claudio Luis C. Frankenberg 3ª parte Conforme foi apresentado
Leia maisANÁLISE DE VARIÂNCIA. y j = µ + τ i + e i j = µ i + e i j
SUMÁRIO 1 Análise de Variância 1 1.1 O Teste F...................................... 1.2 Verificando as pressuposições do modelo..................... 5 1.2.1 Verificação de Normalidade.........................
Leia maisAplicação da metodologia Box & Jenkins para previsão de vendas de emulsificante
Aplicação da metodologia Box & Jenkins para previsão de vendas de emulsificante Eduardo Campana Barbosa1 Carlos Henrique Osório Silva2 Resumo: Utilizou-se a metodologia Box & Jenkins para previsão da demanda
Leia maisBIOESTATÍSTICA. Parte 5 Testes de Hipóteses
BIOESTATÍSTICA Parte 5 Testes de Hipóteses Aulas Teóricas de 05/05/2011 a 19/05/2011 5.1. Conceito de erro, estatística de teste, região de rejeição, nível de significância, valor de prova, potência do
Leia maisPROBABILIDADE E ESTATÍSTICA INFERÊNCIA ESTATÍSTICA Parte II
PROBABILIDADE E ESTATÍSTICA INFERÊNCIA ESTATÍSTICA Parte II Prof.ª Sheila Regina Oro Projeto Recursos Educacionais Digitais Autores: Bruno Baierle e Maurício Furigo TESTE PARA UMA PROPORÇÃO H0: p = p 0
Leia maisPlanejamento de Experimentos Introdução - Teste t
1/22 Planejamento de Experimentos Introdução - Teste t Enrico A. Colosimo/UFMG http://www.est.ufmg.br/ enricoc/ Depto. Estatística - ICEx - UFMG 2/22 Introdução - Planejamento de Experimentos Experimento:
Leia maisPlanejamento de Experimentos Suposições do Modelo e Comparações Múltiplas
1 / 30 Planejamento de Experimentos Suposições do Modelo e Comparações Múltiplas Enrico A. Colosimo/UFMG Depto. Estatística - ICEx - UFMG 2 / 30 Exemplo típico: Resistência de uma nova fibra sintética
Leia maisANÁLISE DE VARIÂNCIA DE UM CRITÉRIO (DIC)
ANÁLISE DE VARIÂNCIA DE UM CRITÉRIO (DIC) Lucas Santana da Cunha http://www.uel.br/pessoal/lscunha/ Universidade Estadual de Londrina 11 de dezembro de 2017 Uma análise de variância expressa uma medida
Leia maisVariância pop. * conhecida Teste t Paramétrico Quantitativa Distribuição normal Wilcoxon (teste dos sinais, Wilcoxon p/ 1 amostra)
Testes de Tendência Central (média, mediana, proporção) Classificação Variável 1 Variável 2 Núm ero Gru pos Dependência Teste Z Paramétrico Quantitativa - 1 - Premissas Variância pop. * conhecida Teste
Leia maisAula 14 Quadrado Latino 13/06/17
Aula 14 Quadrado Latino 13/06/17 Considere um experimento em quadrado latino com linhas e colunas e tratamentos, assim: Obtenção da Análise de Variância Soma de Quadrados: Constante: K = 1 ( x ( ) i,j,k=1
Leia maisAula 2 Uma breve revisão sobre modelos lineares
Aula Uma breve revisão sobre modelos lineares Processo de ajuste de um modelo de regressão O ajuste de modelos de regressão tem como principais objetivos descrever relações entre variáveis, estimar e testar
Leia maisTestes de Hipóteses para. uma Única Amostra. Objetivos de Aprendizagem. 9.1 Teste de Hipóteses. UFMG-ICEx-EST-027/031 07/06/ :07
-027/031 07/06/2018 10:07 9 ESQUEMA DO CAPÍTULO 9.1 TESTE DE HIPÓTESES 9.2 TESTES PARA A MÉDIA DE UMA DISTRIBUIÇÃO NORMAL, VARIÂNCIA CONHECIDA 9.3 TESTES PARA A MÉDIA DE UMA DISTRIBUIÇÃO NORMAL, VARIÂNCIA
Leia maisCONHECIMENTOS ESPECÍFICOS
CONHECIMENTOS ESPECÍFICOS 2003 2004 2005 2006 2007 2008 2009 2010 X 39,0 39,5 39,5 39,0 39,5 41,5 42,0 42,0 Y 46,5 65,5 86,0 100,0 121,0 150,5 174,0 203,0 A tabela acima mostra as quantidades, em milhões
Leia maisMAE Planejamento e Pesquisa II
MAE0327 - Planejamento e Pesquisa II EXPERIMENTOS/ESTUDOS NÃO-BALANCEADOS COM FATORES FIXOS - PARTE 1 7 de agosto de 2016 Denise A Botter MAE0327 7 de agosto de 2016 1 / 1 PLANEJAMENTO E PESQUISA I Estudos
Leia maisPlanejamento e Análise de Experimentos: Experimento sobre o crescimento de bolos
Planejamento e Análise de Experimentos: Experimento sobre o crescimento de bolos Tatiana Alves Costa Programa de Pós-Graduação em Engenharia Elétrica Universidade Federal de Minas Gerais Av. Antônio Carlos,
Leia maisaula DISTRIBUIÇÃO NORMAL - PARTE I META OBJETIVOS PRÉ-REQUISITOS Apresentar o conteúdo de distribuição normal
DISTRIBUIÇÃO NORMAL - PARTE I 4 aula META Apresentar o conteúdo de distribuição normal OBJETIVOS Ao final desta aula, o aluno deverá: determinar a média e a variância para uma função contínua; padronizar
Leia maisProcedimento Complementar para Validação de Métodos Analíticos e Bioanalíticos usando Análise de Regressão Linear
Procedimento Complementar para Validação de Métodos Analíticos e Bioanalíticos usando Análise de Regressão Linear Rogério Antonio de Oliveira 1 Chang Chiann 2 1 Introdução Atualmente, para obter o registro
Leia maisControle Ótimo - Aula 2 (Exemplos 2, 3 e 4)
Controle Ótimo - Aula 2 (Exemplos 2, 3 e 4) Adriano A. G. Siqueira e Marco H. Terra Departamento de Engenharia Elétrica Universidade de São Paulo - São Carlos Sistemas dinâmicos discretos no tempo O Problema
Leia maisO Gênero influi no Tempo de Reação em Busca Visual?
X WORKSHOP DE COMPUTAÇÃO DA FACCAMP (WCF 2014) O Gênero influi no Tempo de Reação em Busca Visual? Sergio Santos Silva Filho, Felipe Rodrigues, Bruno Nogueira Sumário 1. Introdução; 2. Objetivos e Hipóteses
Leia maisDPS1037 SISTEMAS DA QUALIDADE II ENGENHARIA DE PRODUÇÃO CT/UFSM
Morgana Pizzolato, Dr a. Aula 20 Introdução à otimização experimental e experimentos de um fator DPS1037 SISTEMAS DA QUALIDADE II ENGENHARIA DE PRODUÇÃO CT/UFSM TÓPICOS DESTA AULA Projetos de Experimentos
Leia maisEXERCÍCIOS SOBRE TESTE T
EXERCÍCIOS SOBRE TESTE T 1 Exercício Foi realizado um estudo para determinar se havia influência de um gene sobre a resistência a geadas de plantas de uma determinada espécie. Foram produzidas 10 plantas
Leia maisDelineamento e Análise Experimental Aula 4
Aula 4 Castro Soares de Oliveira ANOVA Significativa Quando a aplicação da análise de variância conduz à rejeição da hipótese nula, temos evidência de que existem diferenças entre as médias populacionais.
Leia maisLucas Santana da Cunha de outubro de 2018 Londrina
e Lucas Santana da Cunha email: lscunha@uel.br http://www.uel.br/pessoal/lscunha/ 17 de outubro de 2018 Londrina 1 / 31 Obtenção de uma amostra Há basicamente duas formas de se obter dados para uma pesquisa
Leia maisEXPERIMENTAÇÃO ZOOTÉCNICA. Profa. Dra. Amanda Liz Pacífico Manfrim Perticarrari
EXPERIMENTAÇÃO ZOOTÉCNICA Profa. Dra. Amanda Liz Pacífico Manfrim Perticarrari amanda@fcav.unesp.br Caracterização o O delineamento inteiramente casualizado (DIC) é o mais simples de todos os delineamentos
Leia maisPlanejamento e Análise de Experimentos
Planejamento e Análise de Experimentos Aula 3 Felipe Campelo http://www.cpdee.ufmg.br/~fcampelo Programa de Pós-Graduação em Engenharia Elétrica Belo Horizonte Agosto de 2011 ANOVA para Fator Único Análise
Leia mais3 Dados e metodologia
3 Dados e metodologia 3.1 Apresentação de Dados Para a realização dessa pesquisa foram utilizados os dados da série histórica dos preços da soja (em grão) do Estado do Paraná, obtidos da base de dados
Leia maisProbabilidade e Estatística
Probabilidade e Estatística Prof. Dr. Narciso Gonçalves da Silva http://paginapessoal.utfpr.edu.br/ngsilva Introdução A análise de variância (Anova) é utilizada para comparar médias de três ou mais populações.
Leia maisAnálise de Regressão EST036
Análise de Regressão EST036 Michel Helcias Montoril Instituto de Ciências Exatas Universidade Federal de Juiz de Fora Regressão sem intercepto; Formas alternativas do modelo de regressão Regressão sem
Leia maisMINISTÉRIO DA EDUCAÇÃO UNIVERSIDADE FEDERAL DE CAMPINA GRANDE CENTRO DE CIENCIAS E TECNOLOGIA AGROALIMENTAR UNIDADE V
MINISTÉRIO DA EDUCAÇÃO UNIVERSIDADE FEDERAL DE CAMPINA GRANDE CENTRO DE CIENCIAS E TECNOLOGIA AGROALIMENTAR UNIDADE V DELINEAMENTO EM BLOCOS CASUALIZADOS (DBC) Profª Railene Hérica Carlos Rocha 1. Introdução
Leia maisAULA 07 Inferência a Partir de Duas Amostras
1 AULA 07 Inferência a Partir de Duas Amostras Ernesto F. L. Amaral 10 de setembro de 2012 Faculdade de Filosofia e Ciências Humanas (FAFICH) Universidade Federal de Minas Gerais (UFMG) Fonte: Triola,
Leia maisESTATÍSTICA EXPERIMENTAL. ANOVA. Aula 05
ESTATÍSTICA EXPERIMENTAL ANOVA. Aula 05 Introdução A ANOVA ou Análise de Variância é um procedimento usado para comparar a distribuição de três ou mais grupos em amostras independentes. A análise de variância
Leia maisModelos de Regressão Linear Simples - Análise de Resíduos
1 Modelos de Regressão Linear Simples - Análise de Resíduos Erica Castilho Rodrigues 27 de Setembro de 2016 2 3 O modelo de regressão linear é dado por 3 O modelo de regressão linear é dado por Y i = β
Leia maisCONHECIMENTOS ESPECÍFICOS
CONHECIMENTOS ESPECÍFICOS» ESTATÍSTICA EXPERIMENTAL «21. Na construção de uma distribuição para uma amostra, o número de classes depende a) apenas do número de dados. b) somente da amplitude dos dados
Leia maisPlanejamento e Análise de Experimentos: Aquecimento de Leite por Forno Micro-ondas
Planejamento e Análise de Experimentos 2012/1 1 Planejamento e Análise de Experimentos: Aquecimento de Leite por Forno Micro-ondas Wagner A. M. Ursine Abstract Este trabalho apresenta as etapas de planejamento
Leia maisModelos de Regressão Linear Simples - Análise de Resíduos
Modelos de Regressão Linear Simples - Análise de Resíduos Erica Castilho Rodrigues 1 de Setembro de 2014 3 O modelo de regressão linear é dado por Y i = β 0 + β 1 x i + ɛ i onde ɛ i iid N(0,σ 2 ). O erro
Leia maisEXPERIMENTAÇÃO AGRÍCOLA. Profa. Dra. Amanda Liz Pacífico Manfrim Perticarrari
EXPERIMENTAÇÃO AGRÍCOLA Profa. Dra. Amanda Liz Pacífico Manfrim Perticarrari amanda@fcav.unesp.br INTRODUÇÃO Um dos principais objetivos da estatística é a tomada de decisões a respeito da população, com
Leia mais1 Que é Estatística?, 1. 2 Séries Estatísticas, 9. 3 Medidas Descritivas, 27
Prefácio, xiii 1 Que é Estatística?, 1 1.1 Introdução, 1 1.2 Desenvolvimento da estatística, 1 1.2.1 Estatística descritiva, 2 1.2.2 Estatística inferencial, 2 1.3 Sobre os softwares estatísticos, 2 1.4
Leia maisEXPERIMENTAÇÃO ZOOTÉCNICA. Profa. Dra. Amanda Liz Pacífico Manfrim Perticarrari
EXPERIMENTAÇÃO ZOOTÉCNICA Profa. Dra. Amanda Liz Pacífico Manfrim Perticarrari amanda@fcav.unesp.br TESTES PARA COMPARAÇÃO DE MÉDIAS O teste F permite tirar conclusões muito gerais relacionadas com os
Leia maisCOMPARAÇÕES MÚLTIPLAS
ESCOLA SUPERIOR DE AGRICULTURA LUIZ DE QUEIROZ COMPARAÇÕES MÚLTIPLAS Josiane Rodrigues Lilian Emerick Fernandes 2009 INTRODUÇÃO Comparação entre médias de tratamentos ou dos níveis de um fator de tratamentos;
Leia maisAnálise da Variância. Prof. Dr. Alberto Franke (48)
Análise da Variância Prof. Dr. Alberto Franke (48) 91471041 Análise da variância Até aqui, a metodologia do teste de hipóteses foi utilizada para tirar conclusões sobre possíveis diferenças entre os parâmetros
Leia maisConsiderações. Planejamento. Planejamento. 3.3 Análise de Variância ANOVA. 3.3 Análise de Variância ANOVA. Estatística II
UNIVERSIDADE FEDERAL DE RONDÔNIA CAMPUS DE JI-PARAN PARANÁ DEPARTAMENTO DE ENGENHARIA AMBIENTAL Estatística II Aula 8 Profa. Renata G. Aguiar Considerações Coleta de dados no dia 18.05.2010. Aula extra
Leia maisDELINEAMENTO INTEIRAMENTE CASUALIZADO. Profª. Sheila Regina Oro
DELINEAMENTO INTEIRAMENTE CASUALIZADO Profª. Sheila Regina Oro Delineamento experimental Para planejar um experimento é preciso definir os tratamentos em comparação e a maneira de designar os tratamentos
Leia mais4. Experimentos em Blocos aleatorizados, quadrados latinos e experimentos relacionados
4. Experimentos em Blocos aleatorizados, quadrados latinos e experimentos relacionados 4.2 Quadrados Latinos (QL) Suponha que um experimentador esteja estudando o efeito de 5 formulações diferentes de
Leia maisaula ANÁLISE DO DESEMPENHO DO MODELO EM REGRESSÕES
ANÁLISE DO DESEMPENHO DO MODELO EM REGRESSÕES 18 aula META Fazer com que o aluno seja capaz de realizar os procedimentos existentes para a avaliação da qualidade dos ajustes aos modelos. OBJETIVOS Ao final
Leia maisVerificando as pressuposições do modelo estatístico
Verificando as pressuposições do modelo estatístico Prof. a Dr. a Simone Daniela Sartorio de Medeiros DTAiSeR-Ar 1 As pressuposições do modelo estatístico: 1) os efeitos do modelo estatístico devem ser
Leia maisTeste para a Média Populacional com Variância Conhecida
Teste para a Média Populacional com Variância Conhecida Quando o desvio padrão σ for conhecido, a estatística do teste é: x µ z obs = σ n onde: x é a média amostral; µ é a média populacional testada (sob
Leia maisAnálise Multivariada Aplicada à Contabilidade
Mestrado e Doutorado em Controladoria e Contabilidade Análise Multivariada Aplicada à Contabilidade Prof. Dr. Marcelo Botelho da Costa Moraes www.marcelobotelho.com mbotelho@usp.br Turma: 2º / 2016 1 Agenda
Leia maisUNIVERSIDADE ESTADUAL PAULISTA CAMPUS DE BOTUCATU FACULDADE DE CIÊNCIAS AGRONÔMICAS PROGRAMA DE PÓS-GRADUAÇÃO EM AGRONOMIA AGRICULTURA
PROGRAMA DE PÓS-GRADUAÇÃO EM AGRONOMIA AGRICULTURA PLANO DE ENSINO IDENTIFICAÇÃO DA DISCIPLINA DISCIPLINA: Análise de Experimentos em Fitotecnia CURSO: Mestrado (X) Doutorado (X) DEPARTAMENTO RESPONSÁVEL:
Leia maisTestes de Hipóteses. Ricardo Ehlers Departamento de Matemática Aplicada e Estatística Universidade de São Paulo
Testes de Hipóteses Ricardo Ehlers ehlers@icmc.usp.br Departamento de Matemática Aplicada e Estatística Universidade de São Paulo Introdução e notação Em geral, intervalos de confiança são a forma mais
Leia maisDE ESPECIALIZAÇÃO EM ESTATÍSTICA APLICADA)
1. Sabe-se que o nível de significância é a probabilidade de cometermos um determinado tipo de erro quando da realização de um teste de hipóteses. Então: a) A escolha ideal seria um nível de significância
Leia maisEstatística e Modelos Probabilísticos - COE241
Estatística e Modelos Probabilísticos - COE241 Aula passada Para que serve a inferência estatística? Método dos Momentos Maximum Likehood Estimator (MLE) Teste de hipótese: definições Aula de hoje Teste
Leia maisMario de Andrade Lira Junior lira.pro.br\wordpress
Mario de Andrade Lira Junior lira.pro.br\wordpress lira.pro.br\wordpress autorais. 27/04/2009 1 Modelo simplificação da realidade Linear formato de reta Generalizado não específico Cada delineamento experimental
Leia maisTópicos Especiais em Qualidade
Tópicos Especiais em Qualidade Processos estocásticos, Distribuições de probabilidade e Ajustamento de dados Qualquer sistema real opera sempre em ambientes onde a incerteza impera, principalmente quando
Leia maisEste capítulo descreve os testes realizados para validar a teoria proposta pela presente dissertação.
6 Simulações Este capítulo descreve os testes realizados para validar a teoria proposta pela presente dissertação. 6.1. Descrição da Simulação Visando validar o equacionamento desenvolvido no Capítulo
Leia mais5. Carta de controle e homogeneidade de variância
5. Carta de controle e homogeneidade de variância O desenvolvimento deste estudo faz menção a dois conceitos estatísticos: as cartas de controle, de amplo uso em controle estatístico de processo, e a homogeneidade
Leia maisPROVA DE ESTATÍSTICA SELEÇÃO MESTRADO/UFMG 2006
Instruções para a prova: PROVA DE ESTATÍSTICA SELEÇÃO MESTRADO/UFMG 006 a) Cada questão respondida corretamente vale um ponto. b) Questões deixadas em branco valem zero pontos (neste caso marque todas
Leia maisModelos: Verificação, Validação e Experimentação
UNIVERSIDADE FEDERAL DO ESPÍRITO SANTO Modelos: Verificação, Validação e Experimentação Prof. Luís César da Silva (UFES/CCA) ESA 01 Engenharia de Sistemas Modelos Validados e Confiáveis Fundamentos: (Naylor
Leia maisModelo g.l. SQ Retas concorrentes ,46 Retas paralelas ,22 Retas com intercepto comum ,49 Retas coincidentes ,23
1 1) Em estudo observacional sobre comportamento de sono de 58 espécies de animais, uma das variáveis respostas foi o número total de horas de sono por dia (Y). O interesse desse estudo estava em relacionar
Leia maisEconometria Semestre
Econometria Semestre 2010.01 174 174 21.4. PROCESSOS ESTOCÁSTICOS INTEGRADOS O passeio aleatório é apenas um caso particular de uma classe de processos estocásticos conhecidos como processos integrados.
Leia maisCapítulo 11 Análise da Variância. Statistics for Managers Using Microsoft Excel, 5e 2008 Prentice-Hall, Inc. Chap 11-1
Capítulo 11 Análise da Variância Statistics for Managers Using Microsoft Excel, 5e 2008 Prentice-Hall, Inc. Chap 11-1 Objetivos do Aprendizado Neste capítulo você aprenderá: Os conceitos básicos da modelagem
Leia maisDESENVOLVIMENTO DE UM MÓDULO DE PROGRAMAÇÃO LINEAR NO PROGRAMA OPTIMI
DESENVOLVIMENTO DE UM MÓDULO DE PROGRAMAÇÃO LINEAR NO PROGRAMA OPTIMI BIONDI C. O.¹, VIANNA S. S. V. 2, RODRIGUES M. T. M.³ 1 Universidade Estadual de Campinas, Departamento de Engenharia de Sistemas Químicos
Leia maisDisciplina de Modelos Lineares Professora Ariane Ferreira
Disciplina de Modelos Lineares 2012-2 Regressão Logística Professora Ariane Ferreira O modelo de regressão logístico é semelhante ao modelo de regressão linear. No entanto, no modelo logístico a variável
Leia maisTESTE T PARA POPULAÇÕES INDEPENDENTES ISABELA GOMES DA SILVA ISABELLA NAOMI FURUIE MARIA JÚLIA JORGE MAURO
TESTE T PARA POPULAÇÕES INDEPENDENTES ISABELA GOMES DA SILVA ISABELLA NAOMI FURUIE MARIA JÚLIA JORGE MAURO DISTRIBUIÇÃO T DE STUDENT Distribuição para uma amostra n retirada de uma população com distribuição
Leia maisAST203-CVR 4-1 AST203-CVR. Observação eletromagnética. Processamento de sinais importante em várias áreas, além da astronomia telecomunicações
Bloco 4 Estatística Atualizado: 2012 4-1 Bibliografia Lena Cap. 4 (parte) - só a inspiração... Wall & Jenkins, Practical statistics for astronomers Brandt Statistical and computacional methods in data
Leia maisi j i i Y X X X i j 1 i 2 i i
Mario de Andrade Lira Junior lira.pro.br\wordpress lira.pro.br\wordpress Diferença Regressão - equação ligando duas ou mais variáveis Correlação medida do grau de ligação entre duas variáveis Usos Regressão
Leia maisCÍNTIA RIBEIRO ANDRADE CONTROLE DE SISTEMAS MAX-PLUS LINEARES SUJEITOS A RESTRIÇÕES NO ESTADO: APLICAÇÃO A SISTEMAS DE TRANSPORTE
CÍNTIA RIBEIRO ANDRADE CONTROLE DE SISTEMAS MAX-PLUS LINEARES SUJEITOS A RESTRIÇÕES NO ESTADO: APLICAÇÃO A SISTEMAS DE TRANSPORTE Belo Horizonte 18 de novembro de 2008 Universidade Federal de Minas Gerais
Leia maisAvaliação de Desempenho de Sistemas Discretos
Avaliação de Desempenho de Sistemas Discretos Probabilidade Professor: Reinaldo Gomes reinaldo@dsc.ufcg.edu.br Planejamento Experimental 2 fatores manipuláveis x 1 x 2 x p entradas Processo...... saídas
Leia maisEXPERIMENTAÇÃO AGRÍCOLA. Profa. Dra. Amanda Liz Pacífico Manfrim Perticarrari
EXPERIMENTAÇÃO AGRÍCOLA Profa. Dra. Amanda Liz Pacífico Manfrim Perticarrari amanda@fcav.unesp.br CARACTERIZAÇÃO o Em alguns experimentos pode-se ter fatores que estão interferindo na variável resposta,
Leia maisEsquema Fatorial. Lucas Santana da Cunha Universidade Estadual de Londrina
Esquema Fatorial Lucas Santana da Cunha email: lscunha@uel.br http://www.uel.br/pessoal/lscunha/ Universidade Estadual de Londrina 22 de junho de 2016 Muitos experimentos envolvem o estudo dos efeitos
Leia maisModelagem e Avaliação de Desempenho. Pós Graduação em Engenharia Elétrica - PPGEE Prof. Carlos Marcelo Pedroso 2016
Modelagem e Avaliação de Desempenho Pós Graduação em Engenharia Elétrica - PPGEE Prof. Carlos Marcelo Pedroso 2016 Simulação de Sistemas Simulação é a técnica de solução de um problema pela análise de
Leia maisANÁLISE DE VARIÂNCIA - ANOVA. Prof. Adriano Mendonça Souza, Dr. Departamento de Estatística - PPGEMQ / PPGEP - UFSM
ANÁLISE DE VARIÂNCIA - ANOVA Prof. Adriano Mendonça Souza, Dr. Departamento de Estatística - PPGEMQ / PPGEP - UFSM UM EXEMPLO DE APLICAÇÃO Digamos que temos 6 métodos de ensino aplicados a 30 crianças
Leia maisAULA 05 Teste de Hipótese
1 AULA 05 Teste de Hipótese Ernesto F. L. Amaral 03 de setembro de 2012 Faculdade de Filosofia e Ciências Humanas (FAFICH) Universidade Federal de Minas Gerais (UFMG) Fonte: Triola, Mario F. 2008. Introdução
Leia mais3. Experimentos a um único fator: Análise de Variância (ANOVA) 3.7 Comparações entre médias de tratamento
3. Experimentos a um único fator: Análise de Variância (ANOVA) 3.7 Comparações entre médias de tratamento Suponha que a hipótese nula, de médias de tratamento iguais, tenha sido rejeitada em favor da hipótese
Leia maisExperimentos Fatoriais
Experimentos Fatoriais Lucas Santana da Cunha http://www.uel.br/pessoal/lscunha 14 de março de 2019 Londrina Nos experimentos mais simples comparamos níveis (tratamentos) de apenas um fator; Nos experimentos
Leia maisAula 7. Testes de Hipóteses Paramétricos (II)
Aula 7. Testes de Hipóteses Paramétricos (II) Métodos Estadísticos 008 Universidade de Averio Profª Gladys Castillo Jordán IC e TH para comparação de valores médios µ X e µ Y de duas populações Normais.
Leia maisProbabilidade II. Departamento de Estatística. Universidade Federal da Paraíba
Probabilidade II Departamento de Estatística Universidade Federal da Paraíba Prof. Tarciana Liberal (UFPB) Aula Distribuição t de Student 02/14 1 / 1 A distribuição t de Student é uma das distribuições
Leia maisPlanejamento e Análise de Experimentos: Experimento do tempo que uma criança demora para dormir
Planejamento e Análise de Experimentos: Experimento do tempo que uma criança demora para dormir Frederico Augusto de Cezar Almeida Gonçalves Programa de Pós-graduação em Engenharia Elétrica Universidade
Leia maisAula 7. Testes de Hipóteses Paramétricos (II)
Aula 7. Testes de Hipóteses Paramétricos (II) Métodos Estadísticos 008 Universidade de Averio Profª Gladys Castillo Jordán IC e TH para comparação de valores médios µ X e µ Y de duas populações Normais.
Leia maisi j i i Y X X X i j i i i
Mario de Andrade Lira Junior lira.pro.br\wordpress lira.pro.br\wordpress Diferença Regressão - equação ligando duas ou mais variáveis Correlação medida do grau de ligação entre duas variáveis Usos Regressão
Leia mais